Analisis performa kecepatan MySQL dan NoSQL pada sistem operasi Windows dan Linux.
Setiawan Budiman1 .
Vian Ardiyansyah Saputro*O2 dan Faisal Fadhila3 Akademi Sages Jl.
Puncak Permai II No.
Tanjungsari.
Kec.
Sukomanunggal.
Kota Surabaya.
Jawa Timur 6.
1267@students.
LKP Acavi Computech Cikarang.
Perumahan Taman Aster Blok FD1 No.
Telaga Asih.
Cikarang Barat.
Kabupaten Bekasi 1258@ students.
Akademi Militer Magelang Jalan Gatot Subroto Jurangombo Selatan Magelang Selatan.
Seneng Satu.
Banyurojo.
Kec.
Mertoyudan.
Magelang.
Jawa Tengah 1261@students.
Abstrak Sistem basis data sudah menjadi bagian penting dalam pengelolaan suatu institusi berbasis digital.
Saat ini semakin banyak pilihan dalam menggunakan jenis sistem basis data yang dapat disesuaikan dengan kebutuhan penggunanya.
Banyak faktor yang bisa digunakan sebagai dasar pemilihan suatu sistem basis data.
Kecepatan akses seperti untuk merespon kueri yang dikirimkan ke server adalah salah satunya.
Pada penelitian ini dilakukan analisa perbandingan kecepatan pada sistem basis data MySQL dan MongoDB untuk perintah SELECT.
UPDATE dan DELETE pada data dengan jumlah data maksimum 1.
000 baris.
Aplikasi yang digunakan untuk melakukan perintah kueri adalah MySQL Workbench 8.
22 dan Robo 3T 1.
2 yang dilakukan pada sistem operasi Windows 10 dan Ubuntu Desktop 20.
Hasil dari penelitian ini didapatkan bahwa semua proses kueri data di atas 50.
000 baris dengan menggunakan MongoDB lebih cepat dibandingkan pada MySQL.
Sistem operasi Ubuntu Desktop 20.
04 menghasilkan kecepatan lebih baik dibandingkan dengan menggunakan Windows 10 baik untuk sistem basis data MySQL atau MongoDB.
Kata Kunci database, sql, nosql, windows 10, ubuntu, perbandingan Pendahuluan Dalam sebuah aplikasi, semakin banyak data tersimpan di dalam suatu sistem basis data maka secara umum akan mempengaruhi kecepatan akses dari sistem informasi yang menggunakannya.
Berbagai upaya dapat dilakukan untuk memperbaiki performa dalam akses sistem basis data tersebut.
Dari cara yang paling sederhana yakni dengan menambah kemampuan perangkat keras seperti memori ataupun processor namun cara ini memerlukan biaya yang cukup besar.
Teknik lain yang bisa digunakan untuk memperbaiki performa kecepatan akses ke sistem basis data adalah melakukan optimasi kueri.
Berbagai tenik optimalisai kueri telah menjadi bahan kajian penelitian seperti yang disebut dalam .
Dari penggunaan teknik Corresponding author.
A Budiman.
S dkk.
licensed under Creative Commons License CC-BY Jurnal Open Access Yayasan Lentera Dua Indonesia Analisis performakecepatan MySQL dan NoSQL pada sistem operasi Windows dan Linux.
sederhana seperti indeks .
sampai dengan penggunaan algortime kompleks seperti genetik dan memetics .
Pemilihan teknik atau metode yang diterapkan untuk memperbaiki performa akses ke sistem manajemen basis data bergantung dari kompleksitas permasalahan yang dihadapi.
Pada penelitian ini dilakukan teknik sederhana untuk membandingkan performa kecepatan akses ke sistem basis data MySQL dan MangoDB.
Perbandingan kedua sistem basis data ini sebenarnya sudah cukup banyak dilakukan seperti oleh .
Penelitian lainnya mengenai evaluasi performa database NoSQL dan MySQL dilakukan dalam .
Kemudian pada penelitian lain mengenai perbandingan kinerja Mongodb dan MySQL untuk big data dilaukan dalam .
Hasil dari berbagai penelitian tersebut secara umum menyebutkan bahwa MangoDB memiliki performa lebih baik untuk data yang besar.
Namun demikian dari berbagai penelitian tersebut belum terlihat secara jelas disebutkan mulai dari berapa jumlah data sistem basis data MangoDB lebih baik digunakan dibandingkan dengan MySQL.
Penelitian ini memiliki tujuan yang sama dengan penelitian sejenisnamun penelitian ini perbedaan pada adanya perbandingan 2 jenis sistem operasi.
Dan jumlah data yang digunakan dalam penelitian ini lebih besar yakni sampai dengan 1 juta baris.
Penelitian ini juga bertujuan untuk mengetahui berapa jumlah record yang menjadi pembeda dari 2 sistem manajemen basis data tersebut.
Metodologi Tiga perintah dasar yang umum digunakan untuk melakukan akses ke sistem basis data relasional yakni SELECT.
UPDATE dan DELETE digunakan dalam penelitian ini.
Pada sistem basis data MySQL digunakan aplikasi MySQL Workbench 8.
22 sedangkan untuk MongoDB digunakan aplikasi Robo 3T 1.
2 untuk melakukan perintah yang serupa.
Untuk mendapatkan hasil perhitungan waktu eksekusi kueri, data didapatkan dari waktu yang dihasilkan oleh masing-masing program yaitu MySQL Workbench 8.
22 dan MongoDB Robo 3T 1.
Secara umum metodologi yang digunakan penelitian ini mereduplikasi yang dilakukan dalam penelitian .
dengan beberapa penyesuaian.
Penelitian ini sistem operasi di install pada komputer CPU yang sama yakni menggunakan processor Intel(R) Core (TM) i5-7200U 3.
10 Ghz.
RAM 8 GB dengan media penyimpanan 160 GB 5400 RPM.
Sistem operasi Windows 10 di install pada harddisk dengan alokasi ruang sebesar 80 GB.
Kemudian Ubuntu Desktop 20.
04 di install pada sisa kapasitas 70 GB pada harddisk yang sama.
Gambar 1 memperlihatkan skema perbandingan yang dilakukan dalam penelitian ini.
Gambar 1 Skema perbandingan penelitian Data set sebanyak 1 juta baris record didapatkan dari analisis sentimen Twitter yang didownload dari kaggle.
ttps://w.
com/kazanova/sentiment.
Dataset Budiman.
S dkk.
asli sejumlah 1,6 juta record didapatkan dengan Twitter API diambil sebanyak 1 juta baris untuk digunakan dalam penelitian ini.
Data tersebut memiliki beberapa field yaitu: target, ids, date, query, user, text.
Data awal berbentuk format CSV yang dipisah dengan tanda koma (,) diimport dan dimasukan dalam MySQL dan MangoDB.
Proses SELECT.
UPDATE dan DELETE Pada tahap ini, dilakukan kueri SELECT untuk filter data yang ada di dalam field text, sehingga diharapkan akan banyak data yang didapatkan.
Batasan yang digunakan adalah WHERE TEXT LIKE Ao%is%Ao.
Dilakukan dengan limit data 5.
000, 10.
000, 50.
000, 100.
000, 1.
Salah satu perbandingan perintah SELECT yang digunakan dalam penelitian ini adalah seperti tertampil dalam Gambar 2.
Gambar 2 Perintah SELECT di MySQL dan MongoDB Pada proses UPDATE penelitian dilakukan dengan 2 tahapan.
Tahapan pertama yaitu membuat tabel baru dengan jumlah record berjumlah 5.
000, 10.
000, 50.
000, 100.
000, 500.
Tahapan ini digunakan perintah seperti tertampil pada Gambar 3.
Gambar 3 Perintah pembuatan tabel baru Tahapan kedua adalah melakukan perintah UPDATE pada masing-masing tabel yang telah memiliki jumlah data sebanyak 5.
000, 10.
000, 50.
000, 100.
000, 500.
000, dan 1.
Tahapan kedua ini dilakukan dengan perintah seperti pada Gambar 4.
Gambar 4 Perintah untuk melakukan UPDATE Proses DELETE ini dilakukan dengan menggunakan kondisi filter kata yang selalu ada pada semua record, dengan tujuan agar dapat menghasilkan jumlah keluaran yang lebih Pada proses DELETE ini digunakan tabel saat pengujian perintah UPDATE Analisis performakecepatan MySQL dan NoSQL pada sistem operasi Windows dan Linux.
sebelumnya, yang sudah dibagi sesuai dengan jumlah data sebanyak 5.
000, 10.
000, 50.
000, 500.
000, dan 1.
000 record.
Perintah yang digunakan dalam proses ini tersaji dalam Gambar 5.
Gambar 5 Perintah penghapusan data Seluruh pengujian dilakukan secara berurutan pada OS Windows 10 dengan MySQL & MongoDB, dilanjutkan sistem operasi Ubuntu Desktop 20.
04 dengan MySQL & MongoDB.
Hasil dan pembahasan Penelitian pertama yang dilakukan adalah dengan menguji perintah SELECT.
UPDATE dan DELETE menggunakan sistem operasi Windows 10.
Tabel 1 merupakan hasil dari perintah SELECT dengan 6 perbedaan jumlah data.
Tabel 1 Pengujuian waktu kueri di Windows 10 Jumlah baris data waktu SELECT .
MySQL
MongoDB
0,250
0,003
0,281
0,002
0,969
0,130
2,594
0,232
7,375
0,887
7,391
0,918
waktu DELETE .
MySQL
MongoDB
1,781
0,154
2,14
0,193
9,500
1,03
29,593
2,080
174,500
11,00
413,000
21,800
waktu UPDATE .
MySQL
MongoDB
2,547
0,133
1,984
0,220
10,047
1,380
30,594
3,360
181,900
16,500
346,900
39,500
Dari Tabel 1 nampak bahwa perbedaan kecepatan mulai nampak terjadi gap cukup besar saat jumlah record data yang dikueri di angka 50.
000 seperti yang digambarkan di Gambar 6.
Gambar 6 Grafik perbandingan kueri di Windows 10 Budiman.
S dkk.
Penelitian kedua adalah dengan menguji perintah SELECT.
UPDATE dan DELETE menggunakan sistem operasi Ubuntu 20.
Hasil dari pengujian ini tertampil pada Tabel 2.
Tabel 2 Pengujuian waktu kueri di Ubuntu versi 20.
Jumlah baris data waktu SELECT .
MySQL
MongoDB
0,034
0,025
0,069
0,048
0,318
0,222
0,639
0,453
2,730
1,750
2,732
1,750
waktu DELETE .
MySQL
MongoDB
1,153
0,115
0,301
0,144
0,875
0,75
1,186
1,040
87,000
4,950
368,300
10,200
waktu UPDATE .
MySQL
MongoDB
0,549
0,110
0,817
0,193
3,097
1,000
4,701
2,050
98,400
6,060
196,000
11,300
Pada sistem operasi Ubuntu vesi 20.
04 terjadinya gap perbedaan waktu perintah kueri pada kedua sistem manajemen basis data ini nampak lebih bergeser saat jumlah data di 000, seperti nampak di Gambar 7.
Gambar 7 Grafik perbandingan kueri di Ubuntu 20.
Hasil pengujian dalam penelitian ini.
menujukkan bahwa penggunaan sistem operasi Linux Ubuntu 20.
04 lebih cepat dibandingkan dengan Windows 10 saat digunakan sebagai server basis data.
Pergeseran terjadinya gap perbedaan waktu juga terjadi saat penggunaan sistem operasi Linux Ubuntu diandingkan dengan Windows 10.
Kesimpulan Hasil yang didapatkan bahwa proses perintah kueri pada jumlah data yang lebih besar 000 akan lebih cepat jika dilakukan pada database MongoDB dibandingkan dengan database MySQL.
Untuk perbandingan sistem operasi, menggunakan sistem operasi Ubuntu Desktop 20.
04 lebih cepat jika dibandingkan dengan menggunakan sistem operasi Windows Penelitian ini dilakukan dengan beberapa keterbatasan, yaitu tidak dilakukan pada jenis sistem operasi dan CPU berbasis server.
Penelitian selanjutnya, akan dilakukan analisa lebih detail dengan menyertakan kueri INSERT atau yang lebih kompleks.
Perbandingan performa MySQL dan MangoDB perlu juga dilakukan pada sistem operasi dan spesifikasi perangkat keras untuk server.
PUSTAKA
Pustaka