Pada kesempatan kali ini, penulis akan mereview materi mengenai "Algoritma Grover" yang merupakan salah satu Algoritma Komputasi Quantum.

A. Latar Belakang

   Komputer yang saat ini kita gunakan tampak bisa mengerjakan banyak tugas pada saat bersamaan, namun kenyataannya adalah prosessor hanya beralih secara cepat dari satu tugas ke tugas selanjutnya. Komputer paralel yang sesungguhnya akan sanggup melakukan banyak operasi pada saat yang bersamaan secara simultan, mencari solusi secara cepat dari sekian banyak kemungkinan. Para ilmuwan menyebutnya komputer kuantum, karena komputer ini bekerja menurut kaidah-kaidah ganjil dalam mekanika kuantum. Kaidah yang memicu timbulnya komputer kuantum adalah bahwa partikel elementer seperti proton, neutron, dan elektron dapat berada dalam dua atau lebih stata pada saat bersamaan. Partikel-partikel ini (secara teoritis) dapat merepresentasikan prosessing unit dalam suatu mesin sehingga lebih efisien dibandingkan komputer ‘klasik’ konvensional. Lov Grover (1996) telah menemukan algoritma kuantum (dikenal juga dengan algoritma Grover) untuk mencari di dalam suatu daftar tak terurut lebih cepat daripada komputer klasik. Dengan algoritma pencarian pada komputer klasik, suatu daftar dengan N item membutuhkan rata-rata N/2 langkah untuk menemukan solusi, sedangkan dengan komputer kuantum hanya dibutuhkan √N langkah untuk melakukan hal yang sama. Untuk daftar dengan jumlah item yang sangat besar, perbedaan ini sangat signifikan.

  Quantum komputer adalah alat untuk perhitungan yang menggunakan langsung dari kuantum mekanik fenomena, seperti superposisi dan belitan. Yang dimana untuk melakukan operasi data. Dalam komputasi mode klasik, jumlah data dihitung dengan bit dalam komputer  kuantum hal ini dilakukan dengan qubit yang artinya jika dikomputer basa hanya mengenal 0 atau 1, dengan qubit sebuah komputer quantum mengenal keduanya secara bersamaan dan itu  membuat kerja dari komputer quantum itu lebih cepat dari komputer konvensuional pada banyak masalah, salah satunya memiliki sifat seperti berikut:

 - Satu-satunya cara adalah menembak dan mengecek jawabannya berkali-kali.

 - Terdapat n jumlah jawaban yang mungkin.

 - Setiap kemungkinan jawaban membutuhkan waku yang sama untuk mengeceknya.

 - Tidak ada petunjuk jawaban mana yang kemungkinan benarnya lebih besar memberi jawaban dengan asal tidak berbeda dengan mengeceknya dengan urutan tertentu.

   Algoritma pencarian dalam suatu daftar merupakan algoritma pencarian paling dasar. Tujuannya adalah mencari sebuah elemen dari sebuah himpunan dengan suatu kunci (kemungkinan memuat informasi yang terkait dengan kunci). Algoritma pencarian yang paling sederhana adalah pencarian linear, yang mencari item secara berurutan. Kompleksitas algoritma pencarian linear ini adalah O(n), dengan n adalah banyaknya item dalam daftar. Algoritma Grover merupakan algoritma pencarian kuantum yang memungkinkan percepatan kuadrat dibandingkan dengan algoritma pencarian linear klasik untuk daftar tak terurut. Dengan demikian, algoritma Grover memungkinkan untuk dapat mencari suatu nama pada buku telepon yang berisi 1000.000 nama dengan 1000 kali percobaan saja, alih-alih 500 ribu percobaan.

   Perbedaan antara komputer kuantum dengan komputer klasik adalah komputer klasik bergantung pada prinsip aljabar boolean, operasi dengan prinsip gerbang logika. Data diproses dalam biner (0 dan 1) dan hanya bisa dikerjakan satu bit (0 saja atau 1 saja) dalam satu waktu. Sedangkan komputer kuantum dapat bekerja dengan 2 model gerbang logika: XOR dan Q01 (kemampuan untuk berganti dari 0 ke superposisi dari 0 atau 1, gerbang logika yang tidak bisa muncul di komputasi klasik). Dalam komputer klasik, jumlah data dihitung dengan bit, sedangkan pada komputer kuantum hal ini dilakukan dengan qubit (quantum bit). Prinsip dasar komputasi kuantum adalah bahwa sifat kuantum dari partikel dapat digunakan untuk mewakili data dan struktur data, dan bahwa prinsip mekanika kuantum dapat digunakan untuk melakukan operasi dengan data ini.

B. Metode Penelitian

   Metode penelitian yang digunakan adalah dari komponen – komponen pada Algoritma Quantum. Pada umumnya algoritma yang menghasilkan proses iterasi yang tidak lebih besar dari pangkat polinomial masukan datanya, dalam hal ini N, bisa dikatakan sudah efisien. Seperti yang telah diketahui bahwa proses pencarian data secara klasik berada dalam , jadi bisa dikatakan sudah efisien. Pencarian data dalam indeks takterurut dapat dibuat lebih efisien menggunakan komputer quantum dengan algoritma Grover yang secara umum. Algoritma Grover memanfaatkan informasi atau data dalam bentuk qubit atau quantum bit yang merupakan state dari ruang Hilbert dimensi dua. Qubit sendiri memiliki sifat-sifat khas yang tidak dimiliki bit pada umumnya, yaitu superposisi dan paralelisme Pada umumnya algoritma-algoritma quantum menggunakan sifat-sifat tersebut untuk mempercepat penyelesaian masalah yang tidak dapat dikerjakan oleh algoritma digital biasa. Salah satu algoritma yang terkenal adalah algoritma Shor yang digunakan untuk mencari faktorisasi bilangan prima dari sebuah bilangan bulat.

C. Analisis dan Pembahasan

   Hasil simulasi dari penelitian menggunakan algoritma Grover dengan jumlah N = 2ⁿ = 8 (n = 3 qubit) dan indeks dari data yang akan dicari adalah 4 0 = x 

D. Kelebihan dan Kekurangan

   Untuk kelebihan, komputer kuantum memiliki potensi untuk melaksanakan berbagai perhitungan secara simultan sehingga jauh lebih cepat dari komputer digital dan lebih cepat dari pada komputer konvensiaonal karena melalukan proses secara simultan tidak secara linear seperti komputer konvensional.

  Sedangkan kekurangan nya adalah algoritma Grover membutuhkan kelengkapan dari hampir seluruh perangkat keras dari komputer quantum untuk dapat diimplementasikan, hal ini dikarenakan sulitnya mengimplementasikan oracle yang bekerja secara paralel dalam sebuah operator inversi.

E. Kesimpulan

  Karena kecepatan dan kemampuannya, algoritma pencarian Grover sangat mungkin menjadi komponen kunci dalam peranti lunak masa depan. Dengan kompleksitas algoritma sebesar O(√N), jelas algoritma pencarian Grover yang merupakan algoritma kuantum jauh lebih baik daripada algoritma pencarian klasik dalam daftar tak terurut, dengan kompleksitas algoritma O(N). Meski masih dalam bentuk kertas kerja, prospek komputer kuantum sangat menggiurkan, contohnya, suatu algoritma yang dapat memfaktorkan bilangan sepanjang 140 digit dengan kecepatan semilyar (10^9) kali lebih cepat dibanding yang ditawarkan oleh metode nonkuantum terbaik yang kita kenal sekarang, sebuah search engine yang sanggup memeriksa setiap ‘sudut dan celah’ di Internet dalam waktu kurang dari setengah jam, atau sebuah pemecah kode ‘brute-force’ yang dapat memecahkan transmisi DES dalam tempo 5 menit.

Referensi :
http://informatika.stei.itb.ac.id/~rinaldi.munir/Stmik/2005-2006/Makalah2006/MakalahStmik2006-04.pdf

Pada kesempatan kali ini, saya akan menganalisis 2 buah jurnal yang membahas tentang Distributed Processing pada Komputasi Paralel dalam memenuhi tugas kuliah.

1. Latar Belakang

           Pada kedua jurnal yang saya ambil, kedua penelitian ini sama-sama mengangkat sebuah permasalahan mengenai komputasi paralel, semakin meningkatnya kesadaran peneliti akan manfaat komputer dalam penelitian, menyebabkan semakin banyak usaha untuk menjadikan komputer sebagai alat bantu di berbagai bidang penelitian. Hal ini tidaklah mengherankan mengingat akan terjadi penghematan biaya dan pengurangan resiko besar-besaran ketika menggunakan komputer dibandingkan cara konvensional. Namun untuk melakukan eksperimen tersebut dibutuhkan sumber daya komputasi yang besar. Supercomputer awalnya digunakan untuk mengatasi masalah tersebut. Namun kenyataan bahwa mahalnya harga serta penggunaannya yang harus bergantian menyebabkan solusi ini tidak populer. Disisi lain kekuatan PC dan kecepatan jaringan bertambah baik. Muncul ide penggabungan beberapa sumber daya tersebut menjadi suatu sumber daya komputasi yang besar yang setara dengan supercomputer. Hal ini dikenal dengan komputer cluster, solusi ini sangat populer sehingga banyak yang mengadopsinya di departemen masing-masing.

Pada penelitian pertama, tim PENS telah mencoba membangun sebuah sistem parallel processing menggunakan embedded system SH4 yang dijajar sebanyak empat buah.

Sedangkan pada penelitian kedua, peneliti mengumpulkan, merinci, dan mensintesiskan sebuah tinjauan pustaka dari isu terkini mengenai NoSQL database. Selain itu perbandingan antara SQL dan NoSQL database cukup menarik untuk diteliti lebih lanjut dalam lingkup komputasi paralel.

2. Metode

        Metode yang dilakukan pada penelitian pertama, yaitu menggunakan metode Pallas MPI Benchmark utamanya pada kemampuan komunikasi antar CPU itu untuk melakukan kerja parallel. Dua item yang di-evaluasi adalah ping-pong dan broadcast test. Ping-pong test dilakukan untuk mengukur delay-time pada saat transfer data diantara dua prosesor dan broadcast test adalah untuk mengetahui delay-time terbesar pada saat node#0 mentransfer data kepada node yang lain.

        Metode yang dilakukan pada penelitian kedua, yaitu menggunakan metode Systematic Literature Review (SLR) dan mengikuti literatur dari Kitchenham. Berdasarkan literature tersebut, SLR ini terdapat beberapa aktifitas seperti perencanaan, proses pengumpulan (pencarian literatur, pemilihan penelitian dari literatur, dan perpaduan data), dan membuat laporan. 

Pada tahap perencanaan, dirumuskan beberapa Research Question (RQ) berdasarkan latar belakang penelitian dan latar belakan teori. Berikut ini RQ yang ditentukan, yaitu : 

1. RQ1. Apa yang menjadi isu-isu terkini dalam area penelitian yang berkaitan dengan NoSQL database yang sudah pernah dilakukan dalam jangka waktu yang telah ditentukan? 

2. RQ2. Isu-isu apa yang paling banyak dibahas dalam area penelitian yang berkaitan dengan NoSQL yang pernah dilakukan? Apakah isu kecepatan dan skalabilitas masih banyak dibahas? Pada tahap aktifitas pengumpulan penelitian terdapat strategi pencarian dan perpaduan data. Strategi pencarian meliputi kata kunci pencarian dan sumber-sumber literature. Kata kunci dalam pencarian yang telah didefinisikan merupakan turunan dari Research Question (RQ). Lalu dilakukan identifikasi persamaannya dengan kata kunci. Pencarian awal menggunakan kata NoSQL Database, SQL and NoSQL Database, Relational and Non-Relational Database.

3. Analisa

       Hasil jurnal pertama menghasilkan :

Pada uji komunikasi ping-pong, diperoleh hasil bahwa kemampuan transfer paling tinggi adalah sekitar 70 Mbps yang mana ini dianggap cukup baik bekerja pada ethernet 100 Mbps.

Dari broadcast-test ini diperoleh hasil bahwa kemampuan komunikasi broadcast tertinggi adalah 36 Mbps yang mana hal ini juga dianggap cukup baik untuk sistem yang menggunakan HUB yang biasa. Dari kedua hasil test di atas, parallel processing system yang tersusun dari empat CPU yang dihubungkan melalui fast ethernet 100 Mbps ini siap diaplikasikan untuk menjalankan program verifikasi biometric sidik jari, pengenalan suara, pengenalan wajah, atau pun yang lain.

       Hasil jurnal kedua menghasilkan :

Berdasarkan hasil dari 23 jurnal yang sudah dipilih, dapat disimpulkan jawaban untuk menjawab pertanyaan RQ1 : Apa yang menjadi isu-isu terkini dalam area penelitian yag berkaitan dengan NoSQL database yang sudah pernah dilakukan dalam jangka waktu yang telah ditentukan? Apakah isu kecepatan dan skalabilitas masih banyak dibahas? Jawaban dari pertanyaan tersebut terlihat didalam tabel 3.

Berdasarkan pada gambar 2, dapat menjawab pertanyaan RQ2 bahwa terdapat 10 isu yang sering dibahas dalam topik NoSQL Databases. Dan untuk isu kecepatan dan scalabilitas menempati 3 besar isu yang paling banyak dibahas.

4. Kesimpulan

           Kesimpulan yang dapat diambil dari kedua penelitian di atas, yaitu bahwa permasalahan yang memerlukan sejumlah besar proses komputasi bisa diselesaikan lebih efektif dengan menggunakan kekuatan dari processor dan memori banyak komputer, oleh karena itu penggunaan Distributed Processing sangat berguna sekali dalam membantu memproses sejumlah proses yang banyak dengan membagi-baginya (distribusi) baik menggunakan metode Systematic Literature Review (SLR) maupun metode Pallas MPI Benchmark.

5. Referensi

Jurnal 1 

http://dhoto.lecturer.pens.ac.id/publications/conference/2006/4-KonferensiNasionale-IndonesiaInitiatives2005-bandung/P01a.pdf

Jurnal 2

http://jurnal.atmaluhur.ac.id/index.php/knsi2018/article/download/438/363

Sekian dari saya, jika ada kesalahan kata-kata atau kurang berkenan, saya mohon maaf. Terima Kasih.

IMPLEMENTASI WEBSITE PENCARIAN KOS DENGAN NOSQL

Latar Belakang

     Meningkatnya perkembangan teknologi aplikasi berbasis web tiap waktu meningkat dengan cepat, begitu pula dengan kebutuhan sistem database untuk menyimpan data yang semakin meningkat menjadikan suatu data menjadi aset yang bernilai tinggi, sehingga menyimpan dan mengelola data dengan ukuran data yang berskala besar kini menimbulkan permasalahan dari skalabilitas, karena pertambahan data yang terjadi setiap saat, sehingga memiliki struktur hubungan relasi yang sangat rumit. Mengambil contoh pencarian tempat hunian sementara atau dapat disebut kos, pada musim masuk kuliah yang mengambil kuliah tempat jauh dari rumah tinggal sehingga mengharuskan menjadi calon mahasiswa perantauan, sebagai pendatang yang masih belum mengerti tentang suasana baru atau kota yang menjadi tempat tinggal baru sehingga masih kesulitan untuk mencari tempat hunian sementara [1]. Dengan adanya perkembangan teknologi yang berbasis web, maka untuk mencari dan memilih tempat tinggal sementara menjadi merasa mudah dan dapat memilih fasilitas yang dapat diukur sesuai modal untuk sewa tempat tersebut. Munculnya teknologi basis data baru yang tidak seperti database lainnya, database yang menggunakan model basis data NoSQL (Not Only SQL) khususnya MongoDB yang menyediakan pendukung kecepatan database agar tetap optimal, dengan memanfaatkan teknologi penyimpanan data yang berbeda dari Database Relasional, di dalam teknologi basis data ini tidak lagi terdapat relasi antar tabel dan tidak menyimpan data dalam format tabel kaku, skema tabel dibuat fleksibel mungkin yang menangani perubahan pada isi data tersebut. Walaupun MongoDB memiliki kecepatan yang lebih dalam proses pengambilan data, namun tetap memiliki kelemahan disisi proses penyimpanan data. Penyimpanan data pada MongoDB yang lebih lambat jika dibandingkan dengan pada basis data relasional [2]. Tujuan utama dalam penelitian ini adalah menghasilkan aplikasi yang menerapkan teknologi informasi dalam hal menyimpan data dengan database NoSQL menggunakan MongoDB dan tujuan berikutnya adalah dapat memberikan info tentang kos yang berada di Yogyakarta berupa sistem berbasis web. Manfaat utama yang dapat diperoleh adalah untuk meneliti teknologi NoSQL yang tidak memiliki relasi tabel dengan menggunakan basis data MongoDB sebagai tool impementasinya, serta apakah MongoDB ini dapat diimplementasikan dalam aplikasi pencarian kos yang berada di Yogyakarta berupa sebuah sistem berbasis web.

Metode
Adapun penelitian ini dilakukan dengan tahapan sebagai berikut:

1.   Melakukan analisis kebutuhan input (data-data tentang kos, pemilik, harga, dsb)

2.   Melakukan pengambilan data pada beberapa lokasi kos langsung dari para pemiliknya.

3.   Melakukan analisa data-data yang diperoleh untuk merancang model dari basis data yang akan dibentuk.

4.   Membuat diagram alir aplikasi.

5.   Mengimplementasikan basis data dengan teknik NoSQL dengan basis data MongoDB

6.   Desain aplikasi menggunakan Material Design dengan JSON untuk pertukaran data.

7.   Peta yang digunakan adalah peta dari Google Map dan Google Streetmap

8.   Menggunakan PaaS (Platform as a Service) millik OpenShift (https://www.openshift.com/) yang harus dikonfigurasi secara manual.

Oleh karena masih adanya ketidaksamaan dalam pendapat mengenai pemodelan yang digunakan untuk basis data berbentuk NoSQL, dalam penelitian ini akan menggunakan DFD sebagai tool untuk membentuk desain perancanannya. Adapun DFD (Data Flow Diagram) level 1 yang digunakan dalam penelitian ini dapat dilihat pada gambar 1.
Perancangan basis data pada NOSQL tidak sama dengan perancangan basis data pada DBMS konvensional. Terdapat perbedaan mendasar pada model, dan juga tipe data-nya. Adapun tabel berubah namanya menjadi Document. Dan semua dokumen yang dibentuk dapat dilihat pada tabel I, tabel II, dan juga pada tabel III.

Gambar 1. DFD Aplikasi Pencarian Kos Berbasis Web dan MongoDB



Tabel I. Dokumen Admin

Key	Type	Deskripsi
_id	Objectid	Collection Primary key
Nama	String	Nama Administrator
User_name	String	User_name
Password	String	Password admin
Icon_profil	String	Icon profil dashboard administrator

Tabel I menunjukkan dokumen admin yang menjelaskan deskripsi, tipe serta kunci tiap atribut yang ada pada dokumen admin. Sedangkan pada tabel II menunjukkan dokumen data pemilik kos yang berisi deskripsi atribut pemilik kos beserta tipe dan key-nya.

Tabel II. Dokumen Data Pemilik

Key	Type	Deskripsi
_id	Objectid	Collection Primary key
Nama_pemilik	String	Nama_pemilik
User_name	String	User_name
Password	String	Password pemilk kos
Confirm_password	String	Confirm Password pemilik kos
Nomor_handphone	String	Nomor Handphone
Tgl_daftar	String	Tanggal daftar pemilik kos
Icon_profil	String	Icon profil dasboard pemilik kos

Tabel III. Dokumen Data Kos

Key	Type	Deskripsi
_id	Objectid	Collection Primary key
Tgl_daftar	String	Tanggal daftar kos
Nama_pemilik	String	Nama pemilik yang kos
Nomor_handphone	String	Nomor handphone pemilik kos
Nama_kos	String	Nama kos
Jenis_kos	String	Jenis kos baik putra atau putri
Ukuran_kos	Object	Ukuran ruangan kos
Panjang_kamar	String	Panjang kamar kos
Lebar_kamar	String	Lebar kamar kos
Status_kos	String	Status_kos ( Tersedia, Full, Sisa )
Alamat_kos	String	Letak alamat kos
Alamat_jalan_kos	String	Letak alamat kos berdasarkan maps
Map	Object	Map posisi koordinat kos
Latitude	String	Garis lintang koordinat kos
Longitude	String	Garis bujur koordinat kos
Harga_sewa	Object	Biaya sewa kos
Harga_sewa	Int	Harga sewa kos
Hitungan_sewa	String	Hitungan sewa kos
Lama_sewa	String	Lama sewa (1 bln s/d 3 bln, 1 Thn)
Fasilitas_kos	Array	Fasilitas yang dimiliki kos
Catatan_pemilik	String	Catatan pemilik
Foto	Array	Foto sekitar lingkungan kos

Untuk tabel III menunjukkan rincian dari dokumen data kos yang memuat data-data mengenai data pemilik kos, letak kos beserta koordinat latutide dan longitudenya, harga sewa kamar kos, fasilitas dan lainnya.

Gambar 2 Pemanggilan Basis Data MongoDB di PHP

Gambar 3. Alokasi Perintah INSERT Data Pemilik pada MongoDB

Analisis dan Pembahasan

       Setiap halaman yang akan dibuat wajib memanggil basis data MongoDB dibuat dengan skrip pembuatan objek variabel $mongo dengan metode class library Mongo(), seperti yang tampak pada gambar 2. Gambar 3 menunjukkan potongan perintah untuk memasukkan data ke dalam basis data dari sisi PHP. Dari gambar tersebut terlihat bahwa proses pengisian data tidak menggunakan perintah DML seperti biasanya digunakan, namun dengan menggunakan array.

Jika dilihat dari strukturnya, basis data yang dibuat dengan menggunakan MongoDB sekilas tidak banyak perbedaannya dengan basis data relasional. Akan tetapi, sesungguhnya ada beberapa perbedaan yang sangat mendasar. Misalkan pada tabel II, terdapat sebuah tipe data array. Array tidak terdapat pada basis data relasional karena dalam 1 record tidak diijinkan menyimpan data yang non-atomik. Akan tetapi, pada MongoDB hal ini sangat dimungkinkan. Salah satu penggunaan array dalam penelitian ini adalah untuk menunjukkan fasilitas kos.

Pada [3], jika menggunakan basis data relasional biasa, kolom tersebut dapat dipecah menjadi tabel terpisah untuk memudahkan pencarian dengan query. Namun, pada MongoDB hal itu tidak diperlukan, sehingga fasilitas- fasilitas kos dapat dicari per item-nya walaupun tidak berada pada field yang berbeda layaknya basis data relasional. Walaupun demikian, setiap fasilitas tersebut harus dimasukkan ke dalam array (Array di dalam sel sebuah record) [4]. Di dalam MongoDB, sebuah record merupakan sebuah array. Jadi, dalam implementasinya, tipe data array merupakan sebuah array di dalam array. Untuk menampilkan data tersebut diperlukan dua kali proses. Hal ini disebabkan oleh karena struktur dari array itu sendiri. Adapun contoh implementasi ini dapat dilihat pada gambar 2. Dalam implementasi basis data relasional, latitude dan longitude akan disimpan terpisah pada kolom yang berbeda, namun seperti yang terlihat pada gambar 2, objek “map” menyimpan 2 buah nilai array yakni “latitude” dan “longitude”. Penggunaan array juga dilakukan pada “ukuran_kos”, “harga_sewa”, dan “fasilitas_kos”. Adapun obyek “fasilitas_kos” menyimpan array data yang bervariasi oleh karena tidak semua kos memiliki fasilitas yang sama.

Implementasi aplikasi berbasis web dengan menggunakan MongoDB memerlukan beberapa pengaturan  terlebih dahulu. Tidak seperti MySQL dan basis data relasional lainnya, MongoDB perlu diatur secara manual untuk menghubungkan PHP dengan MongoDB, dengan mengedit file php.ini dan menambahkan “extension=mongo.so”. Dalam implementasi, oleh karena aplikasi ini mengunggah lebih dari satu gambar maka diperlukan sebuah skrip agar data tersebut disimpan pada database MongoDB dengan struktur array di dalam array. Pada akhirnya, teknik sederhana yang digunakan adalah dengan memindahkan gambar ke dalam folder yang sebelumnya sudah diciptakan dengan skrip terlebih dahulu. Berikutnya, perlu membuat URL dari gambar tersebut untuk disimpan di dalam database. Untuk menampilkan data, terutama menampilkan data yang menggunakan array di dalam sebuah array, dibutuhkan setidaknya dua buah proses. Masing-masing untuk memproses satu array, mulai dari array yang berada paling dalam, sebelum array pada bagian luar. Proses ini tampak kemiripannya dengan subquery pada basis data relasional namun lebih rumit karena tidak menggunakan bahasa SQL. Perintah untuk basis data NoSQL untuk menampilkan data semacam ini membutuhkan pengkodean sendiri.
Namun, oleh karena MongoDB merupakan basis data yang tidak terstruktur, apabila terjadi perubahan terhadap struktur collection, maka data-data yang sudah ada sebelumnya tidak perlu disesuaikan kembali. Mongo DB memungkinkan adanya penambahan, penghapusan, dan perubahan struktur data tanpa mengubah data yang sudah ada sebelumnya. Dengan kata lain, tiap-tiap record data dapat memiliki struktur yang berbeda pada satu collection (tabel) yang sama. Konfigurasi yang digunakan dalam proses hosting cukup rumit, dan oleh karena menggunakan PaaS maka konfigurasi tersebut wajib dilakukan secara manual. Hingga saat ini, hosting yang dapat digunakan untuk implementasi MongoDB masih yang berbayar dan jumlahnya masih sedikit.

Kesimpulan dan Saran
Berdasarkan penelitian ini, maka dapat ditarik kesimpulan berikut:
1.        Implementasi dalam CRUD pada MongoDB dengan PHP dapat dilakukan dengan baik.
2.        Pencarian data kos berdasarkan fasilitas dengan menggunakan MongoDB dapat berjalan dengan baik.
3.        Adanya waktu untuk inisialisasi struktur collection sehingga dibutuhkan waktu lebih banyak pada saat hendak mengunggah data baru.
4.        Penympanan data gambar yang lebih dari satu membutuhkan struktur array di dalam array. Banyaknya array di dalam array tersebut dapat pula menentukan kecepatan unggah data
5.        Membutuhkan dua kali proses dalam menampilkan data array dalam array sehingga membuat proses memuat data menjadi lambat.
6.        Tidak perlu adanya pembuatan tabel seperti basis data RDBMS. Pada MongoDB dapat dibuat langsung menggunakan array assosiatif agar hasil tersebut berupa JSON.

Berdasarkan hasil evaluasi terhadap aplikasi ini, adapun saran untuk pengembangan selanjutnya adalah:
1.  Diperlukan penelitian untuk mencari teknik memuat data dengan lebih cepat.
2.  Perlu diteliti lebih jauh seberapa lamakah waktu yang dibutuhkan untuk memuat data apabila aplikasi dengan collection yang lebih banyak dan lebih kompleks.

REFERENSI

[1]               , “Pengertian Kos”, http://library.binus.ac.id/eColls/eThesisdoc/Bab2/2009-1-00024-AR%20Bab%202.pdf, tanggal akses 31 Januari 2016.

[2]     Andi Wahju Raharjo E, Jimmy Sentosa, “Perbandingan Kinerja Data Manipulation Language MongoDB dan SQL Server”,     http://www.andiwre.itmaranatha.org/jurnal/Paper%20Andi%20WRE%20cs%20-

%20Seminasik%202013%20v%20prosiding.pdf, tanggal akses 26 September 2015, 2013

[3]           , “PHP MongoDB”, http://php.net/manual/en/book.mongo.php, tanggal akses 18 September 2015.

[4]           , “MongoDB Manual”, http://docs.mongodb.org/manual/crud, tanggal akses 18 September 2015.