Detail Cantuman

Data merupakan elemen yang sangat penting dalam mendukung pengambilan keputusan di berbagai organisasi. Proses ETL (Extract, Transform, Load) digunakan untuk mengelola dan menyiapkan data agar dapat dianalisis dengan lebih efektif. Penelitian ini bertujuan untuk membandingkan kinerja skema database Star dan Snowflake pada analisis data cuaca dari API BMKG di wilayah Jawa Barat. Fokus utama penelitian ini adalah mengevaluasi waktu eksekusi query, penggunaan CPU, dan penggunaan memori, serta dampak penerapan teknik optimasi seperti indexing, table partition, dan parallel execution terhadap performa kedua skema. Hasil penelitian menunjukkan bahwa pada volume data di bawah 10.000 data, skema Snowflake dengan teknik subquery dan parallel execution memiliki waktu eksekusi 19%-30% lebih cepat dibandingkan dengan skema Star. Pada data lebih dari 10.000 data, teknik kombinasi pada skema Star menghasilkan waktu eksekusi 53.396 ms pada 10.000 data dan 58.276 ms pada 150.000 data. Penggunaan CPU pada skema Star tercatat 11,51% pada 150.000 data, sedangkan pada skema Snowflake tercatat 14,02% pada 150.000 data. Penggunaan memori pada skema Star tercatat 144,88 MB pada 10.000 data, sedangkan pada skema Snowflake tercatat 154,14 MB pada 150.000 data. Hasil ini menunjukkan bahwa teknik optimasi dalam proses ETL dapat meningkatkan kinerja pemrosesan data, dengan skema Star lebih efektif pada volume data besar, sementara skema Snowflake lebih sesuai untuk volume data kecil hingga menengah