studi komparatif kinerja nosql database sebagai …
TRANSCRIPT
STUDI KOMPARATIF KINERJA NoSQL DATABASE SEBAGAI MEDIA
PENYIMPANAN DATA INTERNET OF THINGS
Ega Julia Fajarsari
Fakultas Teknologi Informasi Universitas Gunadarma
ABSTRAK
Salah satu hal terbesar didalam Revolusi Industri 4.0 adalah Internet of Things. Konsep IoT
mengacu pada tiga elemen utama yaitu barang fisik yang dilengkapi modul IoT, perangkat
koneksi internet seperti router dan modem, dan data center berbasis cloud tempat untuk
menyimpan aplikasi beserta data storage. Berbicara tentang data, maka tidak akan luput
dari media penyimpanan data itu sendiri, dalam hal ini sistem basis data (database) Saat ini
terdapat dua jenis database, yaitu Relational Database serta Not Only SQL (NoSQL)
Database. Tujuan dari penulisan ini adalah melakukan studi literature terhadap tiga jurnal
yang membahas mengenai perbandingan kinerja dari beberapa NoSQL database yang
digunakan sebagai media penyimpanan data untuk IoT (Internet of Things) seperti Apache
Cassandra, MongoDB, dan Apache Hbase. Hasil dari studi literature tiga jurnal yang
dibahas adalah pada perbandingan rata-rata nilai pengujian antara MongoDB dan Hbase
,MongoDB lebih banyak memiliki keunggulan dibandingkan dengan Hbase pada
penyimpanan data text dan data gambar. Akan tetapi jika dilihat dari menyimpan data
gambar dengan parameter Disk I/O Hbase mempunyai kinerja yang lebih baik dibandingkan
MongoDB. Pada perbandingan kinerja antara Cassandra dan MongoDB untuk pertukaran
data dengan ukuran besar, maka NoSQL Cassandra menjadi solusi untuk media
penyimpanan datanya. Akan tetapi untuk pertukaran data dengan ukuran kecil, maka NoSQL
MongoDB menjadi solusi sebagai media penyimpanan datanya. Pada perbandingan kinerja
Cassandra dan Hbase, Cassandra memiliki kinerja yang lebih baik sebagai media
penyimpanan data sensor IoT karena memiliki performa transaksi data yang lebih baik
daripada Hbase.
Kata kunci : IoT, Apache Cassandra, MongoDB, Apache Hbase
PENDAHULUAN
Saat ini merupakan zaman dimana Revolusi Industri 4.0 baru dimulai dikarenakan
terdapat banyak inovasi baru di Industri 4.0, diantaranya Internet of Things (IoT), Big Data,
percetakan 3D, Artifical Intelligence (AI), kendaraan tanpa pengemudi, rekayasa genetika,
robot dan mesin pintar. Salah satu hal terbesar didalam Revolusi Industri 4.0 adalah Internet
of Things. IoT (Internet of Things) memiliki kemampuan dalam menyambungkan dan
memudahkan proses komunikasi antara mesin, perangkat, sensor, dan manusia melalui
jaringan internet.
Internet of Things adalah suatu sistem dimana terhubung & terintegrasi nya perangkat
satu dengan yang lainnya. Internet merupakan jaringan penghubung antar perangkat sehingga
dapat terintegrasi. Hasil dari integrasi perangkat tersebut menghasilkan kode atau data yang
dapat diidentifikasi. Lalu, dari identifikasi kode dan data tersebut dapat digunakan untuk
berbagai macam keperluan manusia. Konsep IoT mengacu pada tiga elemen utama yaitu
barang fisik yang dilengkapi modul IoT, perangkat koneksi internet seperti router dan
modem, dan data center berbasis cloud tempat untuk menyimpan aplikasi beserta data
storage. (Pramukantoro,2017). Jumlah data yang dihasilkan IoT tidaklah sedikit dengan
bentuk dan format yang beragam sehingga diperlukan suatu media penyimpanan data dalam
hal ini adalah system basis data (database) yang memiliki kinerja yang baik agar system IoT
dapat berjalan dengan baik.
Saat ini terdapat dua jenis database, yaitu Relational Database dan Not Only SQL
(NoSQL) Database. Relational Database masih memiliki keterbatasan dalam menangani
masalah skalabilitas dan availability dimana NoSQL Database adalah solusi atas masalah
tersebut. NoSQL Database cocok digunakan sebagai media penyimpanan data sensor IoT
mengingat availability merupakan faktor terpenting agar sistem IoT dapat berjalan dengan
baik secara realtime. Ada banyak contoh NoSQL Database yang banyak digunakan saat ini
seperti Apache Cassandra, MongoDB, Neo4J, Apache Hbase, Aerospike, CouchDB dan
masih banyak lagi yang lainnya (Zafar,2017).
Tujuan dari penulisan ini adalah melakukan studi literature terhadap tiga jurnal yang
membahas mengenai perbandingan kinerja dari beberapa NoSQL database yang digunakan
sebagai media penyimpanan data untuk IoT (Internet of Things) seperti Apache Cassandra,
MongoDB, dan Apache Hbase.
SURVEY LITERATUR
Saat ini NoSQL Database memiliki banyak contoh yang banyak digunakan seperti
Apache Cassandra, MongoDB, dan Apache Hbase.
NoSQL Database Apache Cassandra
Salah satu produk basis data NoSQL yang menerapkan fitur schema-free adalah
Cassandra. Dalam Cassandra, pengembang hanya perlu mendefinisikan keyspace sebagai
pertimbangan container dan contains column families. Keyspace hanya digunakan sebagai
logical namespace yang dapat dimasukkan dalam configurations dan hold column families.
Column families artinya sebuah nama untuk relasi data dan hirarki kolom (memungkinkan
penyisipin tabel dalam kolom). Disamping itu, kita hanya perlu menambahkan data dalam
tabel, menggunakan kolom, tanpa menentukan kolomnya terlebih dahulu. Dalam Cassandra
kita hanya perlu mendefinisikan tabel namespace dan hirarki kolom didalamnya,
memodelkan dan mendesain tabel join adalah masalah dalam basis data relasional bukan
NoSQL. (Farozi,2019)
NoSQL Database Apache Hbase
Diantara 225 jenis NoSQL Database, Hbase juga cukup populer digunakan untuk
menangani data dalam jumlah besar yang setiap harinya dihasilkan dari bermacam – macam
sumber. Hbase didesain untuk dapat mengelola data berukuran bersar dalam satu sistem
terdistribusi karena berjalan diatas Hadoop, lebih tepatnya Hadoop Distributed File
System(HDFS) dan memiliki fungsi sharding original bawaan yang dapat bekerja secara
otomatis maupun manual. Hbase memiliki karakteristik ‘fault tolerance’ atau mampu
menjamin keutuhan data meskipun terjadi kegagalan pada beberapa komputer yang
dikerjakannya (Wijaya, Wayan, M, 2015).
NoSQL Database MongoDB
MongoDB merupakan sebuah system basis data yang berbasis dokumen (Document
Oriented Database) dan termasuk sistem basis data yang menganut paham NoSQL.
MongoDB tidak memiliki tabel, kolom, dan baris. Pada MongoDB yang ada hanyalah koleksi
dan dokumen. Dokumen yang terdapat dalam MongoDB dapat memiliki atribut yang berbeda
dengan dokumen lain walaupun berada dalam satu koleksi. Hal ini tidak dapat dilakukan
dalam RDBMS, dimana sebuah baris dalam tabel tidak mungkin memiliki kolom yang
berbeda dengan baris yang lain jika berada dalam satu tabel. MongoDB merupakan sistem
basis data yang menggunakan konsep key-value, artinya setiap dokumen dalam MongoDB
pasti memiliki key. Hal ini berbeda dalam RDBMS yang bisa tidak menggunakan primary
key ketika membuat sebuah tabel. Sehingga walaupun kita membuat sebuah dokumen tanpa
menggunakan primary key, tapi secara otomatis MongoDB memberinya sebuah key.
Penggunaan konsep key-value sangat berperan penting, karena hal ini membuat MongoDB
menjadi system basis data yang sangat cepat jika dibandingkan dengan non key-value seperti
RDBMS. (Farozi,2019)
PEMBAHASAN
NoSQL Database menjadi solusi atas beberapa masalah yang dimiliki oleh Relational
Database. NoSQL Database menawarkan solusi atas masalah skalabilitas dan availability
yang biasanya masih menjadi keterbatasan suatu sistem Relational Database. NoSQL
Database cocok untuk digunakan sebagai media penyimpanan data sensor IoT mengingat
availability merupakan faktor terpenting agar sistem IoT dapat berjalan dengan baik secara
realtime. Pada penulisan ini mengupas 3 jurnal mengenai perbandingan kinerja NoSQL
Database sebagai media penyimpanan data IoT (Internet of Things), diantaranya yaitu :
1. Judul Penelitian :
Perbandingan Kinerja Hbase dan MongoDB Sebagai Backend IoT Data Storage
(Wicaksono et al, 2018)
Tujuan Penelitian :
Melakukan perbandingan kinerja Hbase dengan MongoDB sebagai media
penyimpanan data IoT dan menggunakan lingkungan (environment / framework) yang
telah dikembangkan oleh peneliti sebelumnya.
Metode Penelitian :
Diagram alur metodologi penelitian dapat dilihat pada Gambar 1.
Gambar 1. Diagram Alir Metodologi Penelitian
Tahap perancangan lingkungan uji merupakan tahap yang digunakan penulis
untuk menyiapkan berbagai kebutuhan yang dibagi menjadi kebutuhan perangkat lunak
dan kebutuhan perangkat keras. Kebutuhan perangkat keras berisikan daftar perangkat
yang akan digunakan dalam penelitian. Kebutuhan perangkat lunak berisikan daftar
program yang digunakan dalam penelitian. Adapun topologi lingkungan yang akan
dibangun sebagai berikut :
Gambar 2. Topologi Lingkungan Sistem
Gambar 2. Menjelaskan tentang penelitian sebelumnya dan penelitian yang akan
dilakukan. Penelitian yang akan dilakukan akan menggunakan lingkungan dari
penelitian sebelumnya, dan hanya mengganti tempat penyimpanannya saja menjadi
Hbase sesuai dengan garis kotak merah putus – putus.
Tahap pengujian dilakukan untuk mengetahui apakah Hbase yang diusulkan
dapat bekerja sesuai fungsionalitas. Pengujian yang dilakukan yaitu Hbase dapat
menerima dan menyimpan data. Sesuai dengan tabel 1.
Tabel 1. Pengujian Penyimpanan
No Deskripsi Pengujian Skenario
UF_001
API Webservice dapat
mengirim data sensor
dht11 dari Internet
Gateway Device ke
database Hbase
1. Middleware sudah
berjalan
2. Pengguna
menjalankan kode
subscriber
3. Pengguna
menjalankan kode
service
4. Kode menampilkan
pesan data sensor
dht11 berhasil di
POST
UF_002
API Webservice dapat
mengirim data sensor
kamera dari Internet
Gateway Device ke
database Hbase
1. Middleware sudah
berjalan
2. Pengguna
menjalankan kode
subscriber
3. Pengguna
menjalankan kode
service
4. Kode menampilkan
pesan data sensor
kamera berhasil di
POST
UF_003
Database Hbase Dapat
menyimpan data dari
sensor dht11
1. Pengguna melihat
data pada tabel
penyimpanan data
UF_004
Database Hbase dapat
menyimpan data dari
sensor kamera
1. Pengguna melihat
data pada tabel
penyimanan data
Hasil Penelitian :
Dari hasil pengujian Hbase dan MongoDB menggunakan dua pengujian text dan
gambar dengan parameter yaitu runtime, throughput, CPU Usage, Memory Usage, dan
Disk I/O dan lima data uji menghasilkan perbandingan data yaitu rata-rata data Text
dengan parameter runtime sebesar 54s untuk Hbase, 33s untuk MongoDB. Parameter
throughput sebesar 938 ops/s untuk Hbase, 1599 ops/s untuk MongoDB. Parameter CPU
Usage sebesar 54% untuk Hbase, 48% untuk MongoDB. Parameter Memory Usage
sebesar 81% untuk Hbase, 67% untuk MongoDB. Dan Parameter Disk I/O sebesar 482kb
untuk Hbase, 4354kb untuk MongoDB.
Sedangkan rata-rata data gambar parameter runtime sebesar 64s Hbase, 60s
MongoDB, parameter Throughput 84 ops/s Hbase, 90 ops/s MongoDB. Parameter CPU
Usage 83% Hbase, 46% mongo. Parameter Memory Usage 93% Hbase, 84% MongoDB.
Dan parameter Disk I/O 99.003kb Hbase, 37.885kb MongoDB.
Dari perbandingan rata-rata nilai pengujian MongoDB lebih banyak unggulnya
dibandingkan dengan Hbase pada penyimpanan data text dan data gambar. Akan tetapi
jika dilihat dari menyimpan data gambar dengan parameter Disk I/O Hbase mempunyai
kinerja baik dibanding MongoDB.
2. Judul Penelitian : Perbandingan Kinerja Cassandra dan MongoDB Sebagai Backend
IoT Data Storage (Kurniawan et al, 2019)
Tujuan Penelitian :
Membandingkan media penyimpanan data IoT dengan menggunakan Cassandra
dan MongoDB di tinjau dari parameter runtime, throughput, CPU Usage, Memory Usage
dan Disk I/O dalam melakukan operasi insert data. Selain itu, Cassandra yang diusulkan
akan dilakukan pengujian fungsional dalam hal menyimpan dan menampilkan data IoT.
Metode Penelitian :
Pembangunann Lingkungan Uji merupakan tahap yang digunakan pada
penelitian ini untuk menyiapkan berbagai perancangan yang digunakan untuk proses
pengujian. Perancangan lingkungan uji tersebut terdiri dari topologi, perancangan
database, perancangan utilitas pengujian, perancangan skenario pengujian dan data uji.
Pada tahap topologi yang digunakan pada penelitian ini menggunakan topologi
pada penelitian yang dikembangkan oleh pramukantoro (2017) dengan mengganti data
storage menggunakan NoSQL Cassandra. Pada Gambar 3 menggambarkan topologi
yang digunakan pada penelitian ini.
Gambar 3. Topologi penelitian
Pada perancangan database Cassandra yang berbasis column-oriented tentunya
memerlukan penyesuaian terhadap data yang akan disimpan. Pada penelitian ini
digunakan satu keyspace. Pada Gambar 4 menjelaskan schema dari database Cassandra
yang digunakan.
Gambar 4. Schema Cassandra
Perancangan utilitas pengujian adalah pengujian yang dilakukan menggunakan
kode program yang dibuat oleh peneliti. Adapun psudocode yang dirancang untuk
utilitas pengujian antara lain, psudocode webservice, psudocode websocket, psudocode
subscriber, psudocode insert data string Cassandra, psudocode insert data gambar
Cassandra, psudocode insert data string MongoDB, psudocode insert data gambar
MongoDB.
Tahap skenarion pengujian pada penelitian ini ada dua yaitu skenario pengujian
fungsional dan pengujian kinerja database.Untuk pengujian kinerja database dilakukan
dengan meninjau parameter uji berupa runtime, throughput, Memory Usage, CPU Usage
dan Disk I/O dalam melakukan operasi insert data terhadap NoSQL Cassandra dan
NoSQL MongoDB. Data yang digunakan pada saat melakukan operasi insert berupa data
string dan data gambar dengan variasi jumlah data antara 10.000, 30.000, 50.000,
70.000, 100.000, 120.000, 150.000 untuk data string serta 1000, 3000, 5000, 7000,
10000 untuk data gambar.
Data uji yang digunakan berupa value dari data sensor dht11 untuk data string
dan gambar berukuran 250Kb. Data uji yang digunakan dapat dilihat pada Gambar 3 dan
Gambar 4.
Gambar 5. Data Uji Text
Gambar 6. Data Uji File
Tahap pengujian pada penelitian ini terdiri dari pengujian fungsionalitas dan
pengujian kinerja database. Pengujian fungsionalitas digunakan untuk mengetahui
apakah Cassandra yang diusulkan bisa menyimpan dan menampilkan data sensor.
Pengujian fungsionalitas dalam penyimpan data dimulai dengan menjalankan
kode webservice. Selanjutnya menjalankan kode subscriber. Pada webservice terdapat
method POST dan GET. Method POST tersebut digunakan untuk menyimpan data yang
telah disubscribe oleh IGD ke dalam data storage. Method GET digunakan untuk
mengambil data yang tersimpan pada data storage.
Pada pengujian kinerja database dimulai dengan menjalankan server agent pada
database server. Kemudian setelah menjalankan ServerAgent, selanjutnya menjalankan
JMeter dengan bantuan plugin perfmon. Kemudian,setelah itu menjalankan kode
pengujian untuk insert data yang sudah dirancang pada utilitas pengujian.
Hasil Penelitian :
Dari hasil pengujian fungsionalitas yang dilakukan, NoSQL Cassandra dapat
menyimpan data yang beragam dari node sensor pada topologi yang digunakan.
Pengujian kinerja NoSQL Cassandra dan NoSQL MongoDB dilakukan dengan meninjau
parameter runtime, throughput, CPU Usage, Memory Usage dan Disk I/O dalam operasi
insert data. Data yang digunakan pada saat proses insert menggunakan data string dan
data gambar.
Runtime: ditinjau dari parameter runtime, pada saat melakukan operasi insert
menggunakan data string, NoSQL MongoDB lebih unggul dibandingkan dengan NoSQL
Cassandra dengan perolehan runtime akhir sebesar 121.2 second. Sedangkan pada saat
melakukan operasi insert dengan data gambar, NoSQL Cassandra lebih unggul
dibandingkan dengan MongoDB dengan nilai runtime akhir sebesar 86.4 second
Throughput: ditinjau dari parameter throughput, NoSQL MongoDB memiliki
nilai throughput lebih cepat dari pada NoSQL Cassandra pada saat melakukan operasi
insert menggunakan data string dengan nilai throughput akhir sebesar 1236.7 ops/s.
Sedangkan, pada saat melakukan operasi insert dengan data gambar, Cassandra yang
memiliki nilai throughput lebih cepat dari pada MongoDB dengan nilai throughput akhir
sebesar 115.8 ops/s.
Memory Usage: ditinjau dari parameter Memory Usage, NoSQL Cassandra
memiliki penggunaan memory yang efisien pada saat melakukan operasi insert
menggunakan data string dengan nilai Memory Usage akhir sebesar 1690.4 MB.
Sedangkan , pada saat melakukan operasi insert dengan data gambar, MongoDB
memiliki penggunaan memory yang efisien dengan nilai Memory Usage akhir sebesar
3810.9 MB.
CPU Usage: ditinjau dari parameter CPU Usage, NoSQL MongoDB memiliki
penggunaan CPU yang efisien pada saat melakukan operasi insert data dengan
menggunakan data string dengan rentang antara 4% sampai 10%. Sedangkan pada saat
melakukan operasi insert dengan data gambar, NoSQL MongoDB memiliki penggunaan
CPU yang efisien antara 12% sampai dengan 29%.
Disk I/O: ditinjau dari parameter Disk I/O, kecepatan hardisk dalam menulis data
dipengaruhi oleh besar kecil dari ukuran data yang di transaksikan. Pada saat melakukan
operasi insert data dengan data string, nilai dari Disk I/O terbaik didapatkan pada NoSQL
MongoDB dengan nilai 857.3 Kb. Sedangkan pada saat melakukan operasi insert data
dengan data gambar, nilai dari Disk I/O terbaik didapatkan pada NoSQL Cassandra
dengan nilai 126953 KB.
Kesimpulan yang dapat diambil adalah pada saat data yang dipertukarkan
ukurannya besar, maka NoSQL Cassandra menjadi solusi untuk media penyimpanan
datanya. Akan tetapi jika data yang dipertukarkan ukurannya kecil, maka NoSQL
MongoDB menjadi solusi sebagai media penyimpanan datanya.
3. Judul Penelitian : Perbandingan Performa Database Apache Hbase dan Apache
Cassandra Sebagai Media Penyimpanan Data Sensor Internet of Things (Ibrahim et al,
2018)
Tujuan Penelitian :
Melakukan pengujian performa antara Hbase dan Cassandra menggunakan
beberapa parameter-parameter uji yaitu Throughput, Latency dan Runtime database
dalam melakukan operasi insert, serta Memory Usage dan CPU Usage dari database
server ketika melakukan operasi insert.
Metode Penelitian :
Penelitian ini melakukan simulasi menggunakan 4 virtual machine (VM) yang
sudah terinstal Hbase dan Cassandra di dalamnya. Semua VM dijalankan pada 4 PC
(terdapat 1 VM pada masing-masing PC) yang semuanya diremote melalui sebuah
Laptop. Semua PC dan Laptop ini dihubungkan oleh sebuah Switch menggunakan Kabel
LAN.
Gambar 7. Topologi Jaringan
Gambar di atas merupakan topologi jaringan yang diterapkan pada penelitian ini.
Setiap node database server pada gambar di atas dikonfigurasi IP-nya agar antara node
satu dengan node yang lainnya dapat berkomunikasi dengan baik. Adapun konfigurasi
IP node-node tersebut terdapat pada tabel di bawah ini.
Tabel 2 Konfigurasi Jaringan
Hostname Konfigurasi
node1 BOOTPROTO=static
IPADDR=192.168.43.31
node2 BOOTPROTO=static
IPADDR=192.168.43.32
node3 BOOTPROTO=static
IPADDR=192.168.43.33
node4 BOOTPROTO=static
IPADDR=192.168.43.34
Pada perancangan skenario pengujian, terdapat dua jenis skenario pengujian yang
dilakukan untuk menguji performa sistem database pada penelitian ini, yaitu
berdasarkan banyaknya baris data yang dimasukkan (50.000, 100.000, 250.000 dan
500.000 baris data) dan berdasarkan jumlah node yang digunakan (1, 2, 3 dan 4 node
database server). Adapun parameter uji yang digunakan antara lain Throughput,
Latency, Runtime, Memory Usage dan CPU Usage.
Hasil Penelitian :
Berdasarkan dari pembahasan hasil pengujian performa pada database Apache
Hbase dan Apache Cassandra, didapat Apache Cassandra memiliki performa transaksi
data yang lebih baik daripada Apache Hbase dengan perbandingan rata-rata performa
sebagai berikut, Cassandra : Hbase, Throughput (1051,74 : 821,57), Latency (1,22 :
2,76) dan Runtime (4,44 : 10,64). Sedangkan Apache Hbase menggunakan resource
hardware yang lebih hemat daripada Apache Cassandra dengan perbandingan rata-rata
performa sebagai berikut, Hbase : Cassandra, Memory Usage (57,15 : 74,41) dan CPU
Usage (32,06 : 49,33).
Dari hasil di atas, dapat disimpulkan bahwa Cassandra merupakan sistem
database yang paling baik untuk digunakan sebagai media penyimpanan data sensor IoT
karena memiliki performa transaksi data yang lebih baik daripada Hbase, karena suatu
sistem IoT membutuhkan kecepatan yang baik dalam proses transaksi datanya.
Jumlah node database server yang digunakan serta banyak baris data yang
dimasukkan merupakan faktor-faktor yang mempengaruhi performa sistem database
Hbase maupun Cassandra. Apabila jumlah node yang digunakan semakin banyak dan
jumlah data yang dimasukkan semakin besar, maka nilai Throughput akan semakin kecil
dan nilai Latency akan semakin besar, sehingga akan menyebabkan nilai Runtime akan
semakin besar atau proses transaksi data membutuhkan waktu yang semakin lama.
KESIMPULAN
Berdasarkan studi literature dari tiga jurnal yang dibahas, pada jurnal pertama
pengujian kinerja MongoDB lebih unggul untuk data text pada parameter runtime,
throughput, CPU Usage, Memory Usage, dan Disk I/O. Pada data gambar hasil perbedaan
berbeda sedikit keunggulan MongoDB pada parameter runtime, throughput, CPU Usage,
Memory Usage, sedangkan pada data gambar Hbase lebih unggul pada parameter Disk I/O.
Pada jurnal kedua, nilai dari parameter runtime untuk data string lebih cepat
menggunakan MongoDB dibandingkan dengan Cassandra, tetapi untuk data gambar nilai
runtime yang lebih cepat adalah Cassandra. Pada parameter throughput untuk data string,
nilai dari throughput pada MongoDB lebih tinggi dibandingkan dengan Cassanndra,
sedangkan untuk data gambar nilai throughput yang lebih tinggi adalah Cassandra, semakin
naik jumlah variasi data, nilai dari throughput pada MongoDB semakin menurun. Pada
parameter Memory Usage untuk data string penggunaan memory Cassandra lebih efisien
sedangkan pada data gambar penggunaan memory yang lebih efisien adalah MongoDB. Hasil
dari nilai parameter CPU Usage nenunjukkan bahwa penggunaan CPU yang efisien adalah
MongoDB baik untuk data string ataupun data gambar. Hasil dari parameter Disk I/O
menunjukkan bahwa kecepatan hardisk dalam menulis data lebih cepat menggunakan
Cassandra dari pada menggunakan MongoDB pada saat data yang digunakan ukurannya
besar, sedangkan untuk ukuran data yang tidak terlalu besar kecepatan hardisk dalam menulis
data lebih cepat menggunakan MongoDB.
Pada jurnal ketiga, Apache Cassandra memiliki performa transaksi data yang lebih
baik daripada Apache Hbase karena memiliki nilai Throughput, Latency dan Runtime yang
lebih baik dibandingkan dengan Hbase. Sedangkan pada penggunaan resource hardware,
lebih hemat menggunakan Hbase dibandingkan dengan Cassandra karena memiliki nilai
CPU Usage, Memory Usage yang lebih baik.
Setiap NoSQL Database memiliki kelebihan dan kekurangan terhadap kinerja sebagai
media penyimpanan data IoT. Diharapkan nantinya akan menjadi bahan pertimbangan untuk
penelitian selanjutnya dalam pemilihan NoSQL Database yang lebih optimal sebagai media
penyimpanan data IoT.
DAFTAR PUSTAKA
Farozi, Mohamad. 2019. “Desain Basis Data Non Relasional NoSQL MongoDB Pada
Website Sistem Informasi Akademik”. Jurnal Sistem Informasi Komputer dan
Teknologi Informasi (SISKOMTI). Volume 1, No 1, 2019.
Ibrahim, Dimas Malik, Rakhmadhany Primananda & Mahendra Data. 2018. “Perbandingan
Performa Database Apache Hbase dan Apache Cassandra Sebagai Media
Penyimpanan Data Sensor Internet of Things”. Jurnal Pengembangan Teknologi
Informasi dan Ilmu Komputer. Vol. 2, No. 8, hlm. 2943-2949, e-ISSN: 2548-964X .
Agustus 2018.
Kurniawan,Adam Kukuh, Eko Sakti Pramukantoro & Primantara Hari Trisnawan. 2019.
“Perbandingan Kinerja Cassandra dan MongoDB Sebagai Backend IoT Data
Storage”. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. Vol. 3, No.
1, hlm. 364-371, e-ISSN: 2548-964X. Januari 2019.
Pramukantoro, Eko. Dkk. 2017. “Topic Based IoT Data Storage Framework For
Heterogeneous Sensor Data”. Wicaksono, Niki Yuniar, Eko Sakti Pramukantoro & Widhi Yahya. 2018. “Perbandingan
Kinerja Hbase dan MongoDB Sebagai Backend IoT Data Storage”. Jurnal
Pengembangan Teknologi Informasi dan Ilmu Komputer. Vol. 2, No. 12, hlm. 6842-
6848, e-ISSN: 2548-964X. Desember 2018.
Wijaya, W. M. 2015. “Teknologi Big Data”, Online. Available at :
https://www.kompasiana.com/wmwijaya/552bad1c6ea834f9598b4580/Hbase-
hyper-NoSQL-database/ (Accessed : 15 January 2018).
Zafar, R. dkk. 2017. “Big Data: The NoSQL and RDBMS review”, ICICTM 2016 -
Proceedings of the 1st International Conference on Information and Communication
Technology, (May), pp. 120–126. doi: 10.1109/ICICTM.2016.7890788.