Perbandingan Teknik Normalisasi dan Denormalisasi dalam Pengelolaan Data Skala Besar

Abstract

Penelitian ini bertujuan menganalisis perbandingan teknik normalisasi dan denormalisasi dalam pengelolaan data skala besar untuk mengidentifikasi karakteristik performa dan trade-offs yang terlibat. Metode penelitian menggunakan pendekatan eksperimental komparatif dengan mengimplementasikan dua sistem basis data yang identik namun berbeda dalam penerapan normalisasi dan denormalisasi, menggunakan dataset sintetis berukuran 500GB hingga 2TB untuk simulasi big data. Pengujian dilakukan dengan mengukur berbagai metrik performa meliputi waktu respons query, throughput system, utilisasi resource, dan scalability dalam berbagai skenario workload. Hasil penelitian menunjukkan denormalisasi memberikan keunggulan signifikan dalam operasi baca dengan peningkatan throughput 84,3% dan pengurangan waktu respons 73,8%, namun memerlukan konsumsi memori lebih besar 46% dibandingkan normalisasi. Evaluasi scalability menunjukkan denormalisasi mempertahankan performa konsisten pada beban tinggi, sementara normalisasi mengalami degradasi hingga 84% pada kondisi peak load. Normalisasi tetap unggul dalam integritas data dan efisiensi operasi tulis. Penelitian ini merekomendasikan penerapan strategi hybrid yang menggabungkan normalisasi untuk data transaksional dan denormalisasi selektif untuk data analitik, disesuaikan dengan karakteristik workload spesifik sistem untuk mencapai optimasi performa yang optimal.