Penerapan Database Tuning  Melalui Indexing dan Optimasi Query pada Sistem Kuesioner Akademik: Implementation of Database Tuning Through Indexing and Query Optimization in an Academic Questionnaire System

Ikhwan Ikhwan; Angga Pramadjaya

doi:10.57152/malcom.v6i2.2610

Authors

Ikhwan Ikhwan Universitas Pamulang
Angga Pramadjaya Universitas Pamulang

DOI:

https://doi.org/10.57152/malcom.v6i2.2610

Keywords:

Indexing, Optimasi Hybrid, Query, Sistem Kuesioner Akademik, Tuning Database

Abstract

Kuesioner akademik adalah sistem yang dibuat untuk mengumpulkan informasi penilaian dari dosen dan mahasiswa. Penilaian tersebut meliputi penilaian mahasiswa terhadap kinerja dosen dan penilaian mahasiswa atau dosen terhadap pelayanan kampus. Seiring berjalannya waktu, jumlah data yang masuk ke basis data semakin bertambah dan membuat kinerja sistem menjadi lebih lambat. Untuk itu, penelitian ini bertujuan untuk mengatasi masalah tersebut dengan menggunakan penerapan database tuning melalui indexing dan optimasi query. Metode ini digunakan untuk mempercepat pencarian atau pengambilan data pada saat query SQL dijalankan. Indexing dapat diimplementasikan pada tabel dengan jumlah baris data yang banyak, dan penggunaan query yang tepat dapat membantu memberikan indexing yang cepat. Terdapat 3.107.177 baris data pada penelitian ini, namun pada penelitian ini hanya sekitar 3.000.000 data yang dipakai. Pengujian dilakukan dengan menggunakan B-tree Indexing pada tabel dan optimasi kueri SQL SELECT dengan penggunaan klausa WHERE dan GROUP BY. Hasil yang diharapkan berupa kueri data yang menjadi lebih cepat dan efektif untuk meningkatkan kinerja pada basis data setelah melakukan Table Indexing dan Optimasi Query.

Downloads

Download data is not yet available.

References

Z. Liu, J. Wang, H. Wu, Q. Ma, L. Peng, and Z. Tang, “Auto-tuning for HPC storage stack: an optimization perspective,” CCF Trans. High Perform. Comput., vol. 6, no. 6, pp. 608–631, 2024, doi: 10.1007/s42514-024-00198-8.

B. Milicevic and Z. Babovic, “A systematic review of deep learning applications in database query execution,” J. Big Data, vol. 11, no. 1, pp. 1–38, 2024, doi: 10.1186/s40537-024-01025-1.

A. Anchlia, “Enhancing Query Performance Through Relational Database Indexing,” Int. J. Comput. Trends Technol., vol. 72, no. 8, pp. 130–133, 2024, doi: 10.14445/22312803/ijctt-v72i8p119.

M. Abbasi, M. V. Bernardo, P. Váz, J. Silva, and P. Martins, “Optimizing Database Performance in Complex Event Processing through Indexing Strategies,” Data, vol. 9, no. 8, pp. 1–24, 2024, doi: 10.3390/data9080093.

Ellavarasan Asokan, “The Role of AI in Predictive Database Performance Tuning,” Int. J. Sci. Res. Comput. Sci. Eng. Inf. Technol., vol. 11, no. 2, pp. 356–369, 2025, doi: 10.32628/cseit25112365.

M. Mozaffari, A. Dignös, J. Gamper, and U. Störl, “Self-tuning Database Systems: A Systematic Literature Review of Automatic Database Schema Design and Tuning,” ACM Comput. Surv., vol. 56, no. 11, 2024, doi: 10.1145/3665323.

Samidi and - Hariyanto, “Performance Tuning Oracle 11g Database Melalui Inisial Paramater, Structure Database dan SQL Tuning. Studi Pada ERP SISFORBUN Dana Pensiun Perkebunan (DAPENBUN),” Techno.Com, vol. 22, no. 2, pp. 400–408, 2023, doi: 10.33633/tc.v22i2.7831.

Y. Yan, J. Huang, H. Wang, J. Geng, K. Zhang, and T. Yu, “KnobCF: Uncertainty-Aware Knob Tuning,” IEEE Trans. Knowl. Data Eng., vol. 37, no. 12, pp. 7240–7254, 2025, doi: 10.1109/TKDE.2025.3608030.

S. R. Gaddam, “Database Performance Optimization: Strategies that Scale,” Int. J. Comput. Eng., vol. 7, no. 11, pp. 1–12, 2025, doi: 10.47941/ijce.2967.

N. Yulis, A. A. Ilham, A. Achmad, and F. A. Samman, “Enhancing Relational Database Efficiency through Algorithmic Query Tuning in Virtual Memory Systems,” Int. J. Informatics Vis., vol. 9, no. 4, pp. 1390–1400, 2025, doi: 10.62527/joiv.9.4.2850.

D. M. Gufron, M. Ramadhon, and S. Samidi, “Komparasi Database Performance Tuning Melalui Metode Object Relation Mapping pada SQL Server,” J. Pendidik. dan Teknol. Indones., vol. 4, no. 12, pp. 709–712, 2024, doi: 10.52436/1.jpti.537.

J. Lao et al., “GPTuner: A Manual-Reading Database tuning System via GPT-Guided Bayesian Optimization,” Proc. VLDB Endow., vol. 17, no. 8, pp. 1939–1952, 2024, doi: 10.14778/3659437.3659449.

Harminto Mulyo and Akhmad Khanif Zyen, “Pengaruh Hyperparameter Tuning Gradient Boosting Terhadap Prediksi Pemilihan Program Studi Mahasiswa Baru,” Bull. Comput. Sci. Res., vol. 5, no. 2, pp. 131–137, 2025, doi: 10.47065/bulletincsr.v5i2.454.

Z. Yan, R. Xi, and M. Hou, MCTuner: Spatial Decomposition-Enhanced Database tuning via LLM-Guided Exploration , vol. 3, no. 6. arXiv, 2025. doi: 10.1145/3769807.

S. Lai, X. Wu, Y. Peng, and Z. Peng, “Survey on Database Index Tuning Techniques,” Jisuanji Yanjiu yu Fazhan/Computer Res. Dev., vol. 61, no. 4, pp. 929–954, 2024, doi: 10.7544/issn1000-1239.202220931.

Irwan Muhammad and Nasution Padli, “Muhammad Irwan Padli Nasution Universitas Negeri Islam Sumatera Utara,” J. Ilm. Nusant. ( JINU), vol. 1, no. 4, pp. 705–710, 2024, [Online]. Available: https://doi.org/10.61722/jinu.v1i4.18890

D. Colley and C. Stanier, “Identifying New Directions in Database Performance Tuning,” Procedia Comput. Sci., vol. 121, pp. 260–265, 2017, doi: 10.1016/j.procs.2017.11.036.

W. Wu and C. Wang, “Budget-aware Query Tuning: An AutoML Perspective,” SIGMOD Rec., vol. 53, no. 3, pp. 20–26, 2024, doi: 10.1145/3703922.3703926.

Oluwafemi Oloruntoba, “AI-Driven autonomous database management: Self-tuning, predictive query optimization, and intelligent indexing in enterprise it environments,” World J. Adv. Res. Rev., vol. 25, no. 2, pp. 1558–1580, 2025, doi: 10.30574/wjarr.2025.25.2.0534.

A. Azlansyah, “Optimalisasi Algoritma Naïve Bayes Dengan Hyperparameter Tuning Untuk Analisis Sentimen Ulasan Access By Kai,” vol. 9, no. 9, 2025, doi: 10.47065/josyc.v9i9.9999.

I. Trummer, “DB-BERT: making database tuning tools ‘read’ the manual,” VLDB J., vol. 33, no. 4, pp. 1085–1104, 2024, doi: 10.1007/s00778-023-00831-y.

M. Raihan Siddik, M. Arief Hasan, A. Fajar Kesuma, N. Sari, S. Dwi Putri, and Q. Uyun Harahap, “Implementasi Query Tuning Untuk Peningkatan Performa Pada Database Barang Mini Market Nan,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 2, pp. 3183–3187, 2025, doi: 10.36040/jati.v9i2.13217.

M. Rama Putra, M. A. Hasan, V. Stefanus, A. Bhaskoro Maghribi, M. Irawan, and R. Menzona, “Pengaruh Indexed Views Terhadap Performa Query Pada Basis Data SQL Server Dengan Data Skala Besar,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 2, pp. 2586–2591, 2025, doi: 10.36040/jati.v9i2.13159.

V. Panwar, “AI-Driven Query Optimization: Revolutionizing Database Performance and Efficiency,” Int. J. Comput. Trends Technol., vol. 72, no. 3, pp. 18–26, 2024, doi: 10.14445/22312803/ijctt-v72i3p103.

S. Patulus Rahmat Tambunan, M. Arief Hasan, R. Hartono Tambunan, M. Stephen Siahaan, M. Jordan Sirait, and F. Mahmud, “Implementasi Teknik Query Optimization Untuk Meningkatkan Performa SQL Server Pada Sistem Informasi Akademik,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 2, pp. 2437–2442, 2025, doi: 10.36040/jati.v9i2.13041.

A. Deska, I. Akbar, and - Samidi, “Tuning Database Pada Sistem Penerimaan Mahasiswa Baru Menggunakan Optimasi Query dan Indexing,” Techno.Com, vol. 22, no. 1, pp. 68–77, 2023, doi: 10.33633/tc.v22i1.7047.