OPTIMALISASI ALGORITMA INSERT MEMANFAATKAN MEMORY PRIMER DAN BULK INSERT STUDI KASUS: PENGEMBANGAN SISTEM PENGELOHAN DATA PERPAJAKAN PNS
Abstract
Pada setiap daerah/kabupaten ada kurang lebih 8000 orang yang bekerja sebagai pegawai negri sipil(PNS). Dengan jumlah orang yang tidak sedikit itu, maka diperlukan suatu sistem pengelolaan data yang berkualitas, baik itu dari sisi kecepatan maupun ketepatannya. Studi kasus ini memiliki ciri yang khas yaitu dengan pengelolaan data yang banyak dalam satu waktu, seperti pada fungsi untuk memasukkan data yang dalam satu proses memasukkan kurang lebih 100.000 data gaji.Penggunaan algoritma insert ke basis data biasa akan memakan waktu yang lama, dikarenakan faktor interaksi dengan memori sekunder yang tinggi. Dalam mengembangkan sistem ini akan digunakan teknologi bulk insert dalam penyesuaian algoritma untuk proses insert data baik yang menggunakan primary key maupun tidak. Penelitian ini mengarahkan proses pengolahan datanya dalam memory primer agar tidak terhambat kecepatan membaca file pada memori sekunder. Sumber data sistem ini berupa data excel dalam bentuk tabel mentah dengan format bermacam-macam, sehingga proses optimalisasi juga dilakukan untuk algoritma penyesuaian format. Dari hasil penelitian waktu eksekusi dapat dipangkas secara signifikan, dan penggunaan RAM juga menjadi bertambah.
Full Text:
PDF (Bahasa Indonesia)References
--, 2008, 6231B Maintaining a Microsoft SQL Server 2008 R2 Database, Microsoft,pp8-6:8-8
--, 2012, Country Comparison Population, https://www.cia.gov/library/publications/theworldfactbook/
rankorder/2119rank.html, diakses pada tanggal 23-03-2012.
Abo-Hamad , Waleed, Amr Arisha, Simulation–Optimisation Methods in Supply Chain Applications: A Review,2011,irish journal management,pp97-124
Cisty, Milan, 2009, Hybrid Genetic Algorithm and Linear Programming Method for Least-Cost Design of Water Distribution Systems, Water Resour Manage,No 24,pp 1–24
Deshpande, Amol, Zachary Ives, Vijayshankar Raman,Adaptive Query Processing,2007 Foundations and TrendsR_ in Databases Vol. 1,pp 1-140
Gour,Vishal, S.S.Sarangdevot, Anand Sharma, Vinod Choudhary, 2010, Improve Performance of Data Warehouse by Query Cache, International Conference on M ethods and M odels in Science and Technology, pp 198-200
Hagh, Mehrdad Taraf Dar, Sadjad Galvani, 2011,, Minimization of load shedding by sequential use of linear programming and particle swarm optimization Turk J Elec Eng & Comp Sci, Vol.19, No.4, pp551-563
Jananto, Arif, 2006, Meningkatkan Kecepatan Akses Data dengan Teknologi Optimalisasi Query Rushmore, Jurnal Teknologi Informasi DINAMIK Volume XI, No. 1, pp 47-56 ,
Maimos, Mahamat, Yves Cherruault, Balira O. Konfe, Ange-gar S. Nkokolo Massamba, 2009, Alienor method to solve multi-objective linear programming (MOLP), Kybernetes, Vol. 38, No. 5, pp. 789-799
McAllister , S.R., R. Rajgaria , C.A. Floudas, 2008, A path selection approach to global pairwise sequence alignment using integer linear optimization, Taylor and Francis Vol. 57, No. 1, pp 101–111
Prabha, Selvaraj,Arphutaraj Kannan, Palaniappan Anandhakumar, 2006, An Optimization Query Processor With An Efficient Caching Mechanism For Distributed Databases, International Arab Journal, vol 3 no 3, pp 231-236
Siallagan ,Manahan, Mira Kania Sabariah, Malanita Sontya , 2008, Optimalisasi Query Database Menggunakan Algoritma Genetik, Seminar Nasional Aplikasi Teknologi Informasi,pp53-57
Wahyu W, Tri, 2008 , Pengoptimalisasian Pencarian Data Dengan Algoritma Subset Query, Jurnal Artificial, ICT Research Center UNAS, Vol.2, pp66-69
Wang, Yuping, 2010, A Uniform Enhancement Approach For Optimization Algorithms: Smoothing Function Method, World Scienti¯c Publishing Company, Vol. 24, No. 7, 1111_1131
Niknam, Taher, Ehsan Azad Farsani, Majid Nayeripour,Bahman Bahmani Firouzi, 2011, Hybrid Fuzzy Adaptive Particle Swarm Optimization and Differential Evolution Algorithm for Distribution Feeder Reconfiguration, Electric Power Components and Systems, 39: p p 158–175
Refbacks
- There are currently no refbacks.