Website: ojs.
itb-ad.
id/index.
php/JUSIN E-ISSN: 2797-8516 ANALISIS PERBANDINGAN FRAMEWORK NODE.
JS NODE.
JS DAN
SPRINGBOOT MENGGUNAKAN METODE GRAPHQL
Affu Dina Ilma Barkah.
I Nyoman Yudi Anggara Wijaya2 .
Nengah Widya Utami3 Universitas Primakara.
Denpasar Universitas Primakara.
Denpasar Universitas Primakara.
Denpasar Abstract As the demand for fast, responsive, and scalable web applications grows.
API technologies have rapidly GraphQL offers efficient data management and transfer, with Node.
js and Spring Boot being two widely used frameworks for its implementation.
This study aims to compare the performance of GraphQL APIs built with these frameworks.
Performance testing focused on response time, throughput, error rate, and concurrent user capacity, using dummy data under varying loads via Postman.
Results show that under low loads .
virtual user.
, both frameworks perform similarly.
However, at higher loads .
virtual user.
Spring Boot demonstrates better performance with faster response time .
ms vs.
1,766 m.
, higher throughput .
64 rps vs.
46 rp.
, and no errors, while Node.
js records a 1,79% error rate.
Spike and Peak scenarios.
Spring Boot consistently outperforms Node.
These findings provide valuable insights for developers in selecting the most suitable framework based on application needs.
Kata Kunci: GraphQL.
Node.
Springboot.
Performance testing.
API.
Informasi Artikel:
Dikirim : 17 September 2025
Ditelaah : 22 September 2025
Diterima: 30 September 2025
Publikasi: 23 Desember 2025
(*)
Juli Ae Desember 2025.
Vol 6 .
: hlm 91-104 A2025 Institut Teknologi dan Bisnis Ahmad Dahlan.
All rights reserved.
Korespondensi: affudina663@gmail.
com (Affu Dina Ilma Barka.
PENDAHULUAN Bab Seiring perkembangan teknologi, tuntutan terhadap aplikasi yang cepat, responsif, dan dapat diakses oleh banyak pengguna secara bersamaan terus meningkat (Darmi dkk.
Untuk memenuhi kebutuhan ini, pengembang aplikasi web memerlukan cara yang efisien dalam mengelola dan mentransfer data antara server dan klien.
Selama bertahun-tahun, arsitektur REST (Representational State Transfe.
menjadi pilihan utama untuk membangun API (Application Programming Interfac.
Namun, dengan semakin kompleksnya kebutuhan aplikasi modern, muncul berbagai masalah dalam penggunaan REST, seperti over-fetching, di mana klien menerima data lebih banyak dari yang dibutuhkan, dan under-fetching, di mana klien harus melakukan beberapa permintaan untuk mendapatkan data yang diperlukan (Hanif , 2.
Hingga akhirnya pada tahun 2015.
Facebook memperkenalkan arsitektur API baru yang disebut GraphQL (Brito, 2.
GraphQL hadir sebagai solusi alternatif untuk mengatasi berbagai masalah yang dihadapi dalam pemrosesan data.
Dengan GraphQL, klien dapat secara eksplisit menentukan data yang mereka butuhkan, sehingga mengurangi jumlah data yang ditransfer dan meningkatkan efisiensi dalam permintaan dan pengambilan data (Mulana dkk.
Selain itu.
GraphQL juga mendukung pengambilan data secara terstruktur, yang memungkinkan developer untuk mengoptimalkan struktur data yang kompleks dengan lebih Dalam pengembangan API, ketersediaan berbagai bahasa pemrograman dan framework memberikan fleksibilitas yang tinggi dalam mengimplementasikan layanan yang optimal.
Memilih framework yang tepat untuk pengembangan GraphQL API sangat penting, karena keputusan ini akan memengaruhi kinerja server, terutama dalam hal waktu respons (Hunter.
Oleh karena itu, pemilihan framework yang sesuai menjadi kunci agar server GraphQL API mampu menangani permintaan dari klien dengan efisien dan handal.
Salah satu framework yang sangat populer dan banyak digunakan dalam pengembangan Node.
js adalah Node.
Berdasarkan survei Stack Overflow Developer tahun 2024.
Node.
menempati posisi pertama dalam kategori server Node.
js yang paling banyak digunakan, dengan persentase 40,8% dari total 48,503 responden (Sharma, 2.
Node.
js, yang berbasis JavaScript, terkenal karena kemampuannya dalam menangani operasi I/O secara asinkron, membuatnya ideal untuk aplikasi yang memerlukan kecepatan dan skalabilitas tinggi (Shudhuashar, 2.
Gambar 1.
Survey Stack Overflow 2023 Jurnal Sistem Informasi (JUSIN) Juli Ae Desember 2025.
Vol 6 .
: hlm 91-104 Namun, di samping popularitas Node.
js, ada framework lain yang tidak kalah menarik untuk digunakan, yaitu Spring Boot.
Meskipun hanya memperoleh 12,7% dari total 48.
responden dalam survei yang sama.
Spring Boot tetap menjadi pilihan utama bagi banyak pengembang aplikasi enterprise sebeagai contoh startup besar yang masih menggunakan Springboot adalah BliBli (Sharma, 2.
Framework ini berbasis Java dan menawarkan berbagai fitur unggulan seperti konfigurasi otomatis, dukungan penuh untuk ekosistem Java, serta kemampuan untuk menangani aplikasi yang kompleks dengan stabilitas tinggi.
Penelitian tentang perbandingan implementasi GraphQL menggunakan Node.
js dan Spring Boot ini sangat menarik untuk diteliti, karena masing-masing memiliki karakteristik berbeda dalam hal performa dan cara kerja.
Node.
js, dengan arsitektur berbasis event-driven, menawarkan efisiensi dalam penggunaan sumber daya serta responsivitas tinggi (Choma dkk.
Di sisi lain.
Spring Boot menggunakan pendekatan berbasis thread dan dukungan penuh dari ekosistem Java, menjadikannya stabil dan andal untuk aplikasi enterprise (Sharma, 2.
Dalam penelitian ini, performa kedua framework diukur menggunakan metode performance Beberapa indikator kunci digunakan untuk mengevaluasi kinerja, seperti Response time.
Throughput.
Error rate, dan concurrent user (Dwinur, 2.
Selain itu, penelitian ini juga menggunakan load testing sebagai metode pengujian untuk mensimulasikan beban real-case pada sistem.
Load testing berfokus pada pengukuran kemampuan sistem dalam menangani jumlah permintaan yang tinggi secara bersamaan.
Teknik ini penting untuk mengevaluasi batas maksimal kapasitas server dan memastikan bahwa sistem tetap dapat berfungsi dengan baik di bawah beban yang tinggi (Hasnain, 2.
Beberapa penelitian sebelumnya telah membahas perbandingan GraphQL dengan REST API pada berbagai framework (Hanif dkk.
, 2022.
Brito, 2.
, serta analisis performa framework Node.
js seperti Express.
Django, dan Spring Boot (Choma dkk.
, 2.
Namun, sebagian besar penelitian tersebut hanya menekankan pada perbandingan arsitektur API atau benchmarking framework tanpa fokus mendalam pada implementasi GraphQL.
Beberapa studi lain memang meneliti performa Node.
js, tetapi terbatas pada lingkungan server atau basis data tertentu (Dwinur, 2024.
Putu dkk.
, 2.
Berbeda dengan penelitian-penelitian tersebut, penelitian ini menawarkan kebaruan .
dengan secara khusus membandingkan performa Node.
js dan Spring Boot dalam implementasi GraphQL API melalui pengujian beban .
oad testin.
menggunakan Postman.
Fokus pada indikator response time, throughput, error rate, dan kapasitas pengguna konkuren memberikan sudut pandang baru yang belum banyak diulas dalam penelitian sebelumnya.
Dengan demikian, penelitian ini diharapkan dapat menjadi referensi komprehensif bagi pengembang dalam menentukan framework Node.
js yang paling sesuai dengan kebutuhan performa aplikasi berbasis GraphQL
METODE
Penelitian ini menggunakan pendekatan metode performance testing untuk mengevaluasi kinerja framework Node.
js dan Spring Boot dalam membangun API berbasis Analisis Perbandingan Framework Backend Node.
JS dan Springboot Menggunakan Metode Graphql (Affu Dina Ilma Barkah Penulis.
I Nyoman Yudi Anggara Wijaya.
Nengah Widya Utam.
GraphQL.
Jenis pengujian kinerja yang digunakan adalah load testing, yang bertujuan untuk mengukur kemampuan sistem dalam menangani beban kerja tertentu secara simultan (Barus , 2.
Pengujian Proses eksperimen melibatkan pengujian pada masing-masing implementasi dengan berbagai variasi jumlah data dan entitas Employee.
Hasil pengujian kemudian akan dianalisis untuk menentukan framework yang memiliki performa lebih baik berdasarkan indikator yang telah ditentukan.
Data hasil eksperimen akan disajikan dalam bentuk grafik untuk mempermudah interpretasi dan perbandingan (Dwinur, 2.
Gambar 2.
Alur Pengujian Identifikasi Lingkungan Pengujian Adapun Lingkungan pengujian dalam penelitian ini disiapkan untuk memastikan proses eksperimen terhadap framework Node.
js dan Spring Boot berjalan secara konsisten dan Lingkungan tersebut terdiri dari perangkat keras, perangkat lunak, database, serta layanan cloud server yang digunakan sebagai media implementasi dan pengujian API GraphQL.
Tabel 1.
Instrumen Penelitian Nama Spesifikasi
Deskripsi
Laptop Acer
Nitro AN51557
IntelA CoreTM i511400H with RAM
8GB SSD 512GB
(PCIe NVM.
and OS Windows 10 Hardware yang digunakan untuk melakukan proses pengembangan Visual Studio Code Versi 1.
Software yang digunakan untuk pengembangan aplikasi Node.
Intellij Idea Versi 2023.
Software yang digunakan untuk pengembangan aplikasi Java Java Versi 18.
Bahasa pemrograman untuk pengembangan aplikasi menggunakna framework springboot Jurnal Sistem Informasi (JUSIN) Juli Ae Desember 2025.
Vol 6 .
: hlm 91-104 Springboot Versi 3.
Framework Java untuk mengembangkan aplikasi berbasis web Apache Maven Versi 3.
Software untuk manage project Java Node.
Versi 22.
Runtime Javascript untuk pengembangan aplikasi Node.
GraphQL
Versi 22
Query language untuk pengelolaan data
API
PostgreSQL Versi 17 Database data Heroku Dyno Type 512 MB RAM.
Shared CPU, non autoscaling Cloud Server Perencanaan Pada tahap perencanaan ini, dibuatlah perancangan basis data Employee yang menjadi inti dari sistem yang akan dikembangkan.
Perancangan dilakukan dengan menggunakan Entity Relationship Diagram (ERD) seperti yang ditampilkan pada gambar di atas, yang mencakup entitas utama seperti Employees, departments, dept_emp, dept_manager, salaries, dan titles.
Relasi antar entitas tersebut dirancang untuk merepresentasikan struktur organisasi dan riwayat pekerjaan karyawan secara lengkap, mulai dari penempatan departemen, status manajerial, posisi jabatan, hingga riwayat gaji.
Relasi antar entitas tersebut dirancang untuk merepresentasikan struktur organisasi dan riwayat pekerjaan karyawan secara lengkap, mulai dari penempatan departemen, status manajerial, posisi jabatan, hingga riwayat gaji.
Gambar 3.
ERD Employee Pada Gambar 3 menunjukkan Entity Relationship Diagram (ERD) yang menggambarkan relasi antar entitas dalam sistem kepegawaian.
Entitas utama terdiri dari Employees, departments, titles, salaries, dept_emp, dan dept_manager.
Setiap karyawan Analisis Perbandingan Framework Backend Node.
JS dan Springboot Menggunakan Metode Graphql (Affu Dina Ilma Barkah Penulis.
I Nyoman Yudi Anggara Wijaya.
Nengah Widya Utam.
(Employee.
dapat memiliki beberapa jabatan .
, riwayat gaji .
, serta dapat ditempatkan di berbagai departemen melalui entitas dept_emp.
Manajer departemen direpresentasikan melalui dept_manager.
Relasi ini memungkinkan sistem menyimpan data historis karyawan secara terstruktur dan terintegrasi.
Implementasi Perancangan Pada tahap ini dilakukan implementasi dari perancangan ERD yang telah dibuat dengan cara mengembangkan API GraphQL menggunakan Spring Boot dan Node.
API tersebut kemudian diuji untuk membandingkan performa kedua teknologi dalam mendukung fitur sistem CRUD (Create.
Read.
Update.
Delet.
pada data Employee.
Selanjutnya, hasil implementasi dari perancangan framework tersebut di-setup pada sebuah server untuk dilakukan pengujian di sisi Node.
Untuk mendukung koneksi database pada server Node.
Heroku menyediakan add-on PostgreSQL secara langsung, sehingga memudahkan integrasi antara aplikasi dan database di lingkungan produksi.
Bisa terlihat pada gambar 4 adalah konfigurasi dari heroku server Gambar 4.
add on Heroku Pengujian Pada Pada tahap ini, masing-masing framework yaitu Spring Boot dan Node.
js diuji menggunakan API GraphQL yang telah dikembangkan dengan fungsionalitas yang setara.
Pengujian dilakukan melalui endpoint POST untuk menjalankan operasi Create.
Read.
Update, dan Delete (CRUD) pada data karyawan yang tersimpan di basis data.
Pengujian performa dilakukan menggunakan pendekatan load testing dengan berbagai skenario beban untuk mensimulasikan kondisi penggunaan nyata.
Adapun skenario yang digunakan meliputi:
Initial Load, yaitu jumlah pengguna awal yang langsung mengirim permintaan ke server pada awal pengujian.
Base Load, yaitu jumlah pengguna yang bertahan secara konstan selama proses Ramp-Up, yaitu peningkatan jumlah pengguna secara bertahap untuk mengamati adaptasi sistem terhadap lonjakan beban.
Jurnal Sistem Informasi (JUSIN) Juli Ae Desember 2025.
Vol 6 .
: hlm 91-104 d.
Spike, yaitu peningkatan beban secara tiba-tiba dan drastis dalam waktu singkat untuk menguji ketahanan sistem.
Peak Load, yaitu simulasi beban maksimum yang dipertahankan dalam durasi tertentu untuk menguji stabilitas sistem di kondisi ekstrem.
Pengujian dilakukan menggunakan aplikasi Postman dengan metode load testing untuk mensimulasikan jumlah pengguna yang mengakses API secara bersamaan .
irtual user.
Durasi pengujian ditetapkan selama 5 menit untuk setiap skenario dengan pengaturan sebagai Tabel 2.
Skema Pengujian Jenis Testing Virtual User (VU) Durasi Initial Load Base Load Ramp Up 5 menit Ramp Up 5 menit Spike 5 menit Spike 5 menit Peak 5 menit Peak 5 menit Analisis Perbandingan Setelah pengujian dilakukan, hasilnya akan berupa output dalam bentuk grafik yang dihasilkan melalui software Postman.
Grafik tersebut akan dianalisis untuk membandingkan performa antara Node.
js dan Spring Boot dalam implementasi API GraphQL, guna menentukan teknologi yang memberikan kinerja terbaik.
Kesimpulan Hasil analisis performa yang dilakukan diharapkan dapat memberikan wawasan yang jelas mengenai keunggulan dan kelemahan masing-masing framework berdasarkan indikator seperti response time, throughput, dan error rate.
Dengan demikian, penelitian ini diharapkan dapat menjadi referensi yang bermanfaat bagi pengembang dalam memilih teknologi yang paling sesuai dengan kebutuhan sistem.
HASIL DAN PEMBAHASAN
Adapun Setelah seluruh test plan yang telah dirancang sebelumnya dijalankan, maka diperoleh hasil pengujian untuk masing-masing framework yang digunakan dalam penelitian Hasil pengujian tersebut menjadi dasar untuk melakukan analisis perbandingan kinerja antar framework.
Berikut adalah hasil pengujian dari masing-masing framework.
Berikut adalah hasil pengujian dari masing-masing framework:
Analisis Perbandingan Framework Backend Node.
JS dan Springboot Menggunakan Metode Graphql (Affu Dina Ilma Barkah Penulis.
I Nyoman Yudi Anggara Wijaya.
Nengah Widya Utam.
Gambar 5.
Ramp Up 10 VU Node.
Gambar 6.
Ramp Up 10 VU Springboot Pengujian Ramp Up 10 VU tersebut menghasilkan:
Response times: Node.
Springboot .
Throughput: Node.
38 rp.
Springboot .
32 rp.
Error rate: Node.
%).
Springboot .
%)Ao Gambar 7.
Ramp Up 50 VU Node.
Jurnal Sistem Informasi (JUSIN) Juli Ae Desember 2025.
Vol 6 .
: hlm 91-104 Gambar 8.
Ramp Up 50 VU Springboot Pengujian Ramp Up 50 VU tersebut menghasilkan:
Response times: Node.
766 m.
Springboot .
Throughput: Node.
46 rp.
Springboot .
64 rp.
Error rate: Node.
,79%).
Springboot .
%)Ao Gambar 9.
Spike 10 VU Node.
Gambar 10.
Spike 10 VU Springboot Pengujian Spike 10 VU tersebut menghasilkan:
Response times: Node.
Springboot .
Throughput: Node.
20 rp.
Springboot .
76 rp.
Error rate: Node.
%).
Springboot .
%) Analisis Perbandingan Framework Backend Node.
JS dan Springboot Menggunakan Metode Graphql (Affu Dina Ilma Barkah Penulis.
I Nyoman Yudi Anggara Wijaya.
Nengah Widya Utam.
Gambar 11.
Spike 50 VU Node.
Gambar 12.
Spike 50 VU Springboot Pengujian Spike 50 VU tersebut menghasilkan:
Response times: Node.
Springboot .
Throughput: Node.
11 rp.
Springboot .
22 rp.
Error rate: Node.
,12%).
Springboot .
%) Gambar 13.
Peak 10 VU Node.
Jurnal Sistem Informasi (JUSIN) Juli Ae Desember 2025.
Vol 6 .
: hlm 91-104 Gambar 14.
Peak 10 VU Springboot Pengujian Peak 50 VU tersebut menghasilkan:
Response times: Node.
Spring Boot.
Throughput: Node.
11 rp.
Spring Boot.
22 rp.
Error rate: Node.
%).
Spring Boot .
%) Gambar 15.
Peak 50 VU Node.
Gambar 16.
Peak 50 VU Spring Boot Pengujian Peak 50 VU tersebut menghasilkan:
Response times: Node.
725 m.
Springboot .
Throughput: Node.
27 rp.
Springboot .
58 rp.
Error rate: Node.
,78%).
Springboot .
%) Analisis Perbandingan Framework Backend Node.
JS dan Springboot Menggunakan Metode Graphql (Affu Dina Ilma Barkah Penulis.
I Nyoman Yudi Anggara Wijaya.
Nengah Widya Utam.
Note:
Merah = Error rate Kuning = Request/second Biru = Average Response No Jenis Testing Ramp Up Ramp Up Spike Spike Peak Peak Virtual User Tabel 3.
Analisis Perbandingan Framework Avg.
Respone time .
Throughput Error .
Node.
Spring Boot Node.
Spring Boot Node.
Spring Boot Node.
Spring Boot Node.
Spring Boot Node.
Spring Boot Berdasarkan hasil pengujian yang ditampilkan pada Tabel 4.
2, performa antara framework Node.
js dan Spring Boot menunjukkan perbedaan yang cukup jelas, terutama saat diuji dengan beban tinggi.
Pada pengujian Ramp Up 10 VU, keduanya menunjukkan performa yang hampir sama, baik dari sisi response time maupun throughput, dan tidak ditemukan error.
Namun, ketika jumlah virtual user meningkat menjadi 50.
Spring Boot unggul signifikan, dengan response time lebih cepat .
ms vs 1.
766 m.
, throughput lebih tinggi .
64 rps vs 46 rp.
, serta tidak mengalami error, sedangkan Node.
js mencatat error rate sebesar 1,79%.
Pada skenario Spike 10 VU.
Node.
js sedikit lebih baik dari segi response time dan throughput, tetapi keunggulan tersebut tidak bertahan saat spike meningkat ke 50 VU, di mana Spring Boot kembali lebih unggul dengan response time yang lebih rendah dan throughput yang lebih tinggi.
Pada kedua framework, error rate tetap 0% di skenario ini.
Sedangkan pada pengujian Peak.
Spring Boot secara konsisten menunjukkan performa lebih baik, terutama saat diuji dengan 50 VU.
Spring Boot mampu mempertahankan response time di 470 ms dengan throughput mencapai 41.
58 rps, jauh di atas Node.
js yang mencatat response time 1.
725 ms dan throughput 14.
27 rps.
Dari keseluruhan pengujian, dapat disimpulkan bahwa Spring Boot lebih unggul dari sisi response time dan throughput, khususnya saat menangani beban yang lebih besar, sedangkan Node.
js menunjukkan kestabilan dari sisi error rate meskipun mengalami penurunan performa saat beban meningkat.
Hal ini menunjukkan bahwa pemilihan framework sebaiknya Jurnal Sistem Informasi (JUSIN) Juli Ae Desember 2025.
Vol 6 .
: hlm 91-104 disesuaikan dengan kebutuhan sistem, apakah lebih memprioritaskan efisiensi performa atau kestabilan sistem.
KESIMPULAN
Berdasarkan hasil penelitian yang telah dilakukan dapat diambil kesimpulan sebagai Keduanya mampu mengimplementasikan GraphQL API dengan baik, menjalankan fungsionalitas CRUD menggunakan basis data PostgreSQL, dan dapat di-deploy ke cloud menggunakan Heroku.
Skema dan endpoint yang digunakan telah disamakan agar pengujian berlangsung secara objektif.
Spring Boot menunjukkan performa yang lebih unggul dari segi response time dan throughput, terutama pada skenario dengan beban tinggi (Ramp Up.
Spike, dan Peak dengan 50 virtual use.
Selain itu.
Spring Boot mencatatkan hasil pengujian tanpa error pada semua skenario.
Node.
js mulai mengalami penurunan performa dan kestabilan saat beban tinggi, ditandai dengan response time yang lebih lambat, throughput yang lebih rendah, dan munculnya error rate sebesar 1,79% pada skenario Ramp Up 50 VU.
Namun.
Node.
js tetap dapat menjadi pilihan untuk sistem ringan atau real-time yang memprioritaskan efisiensi sumber
DAFTAR PUSTAKA