<![CDATA[Database adalah salah satu komponen penting pada setiap organisasi ataulembaga-lembaga besar.Perkembangan databasemenjaditantangan tersendiri agar terciptanya pengelolaandatayangsemakin efisien (Wood, 2004), khususnya padaoptimasipencarian.Pengelolaan database yang efisien sangat diperlukan oleh sekian banyakorganisasi, perusahaan ataupun lembaga yang memiliki data dalam jumlah yang besar.Sebagai salah satu contoh adalah penggunaan database dalam lingkungan universitas, Jumlah mahasiswa Universitas Gunadarma setiap tahunnya terus meningkat(Bappeda dan BPS Kota Depok, 2010).Apabilahanya mengandalkan pengorganisasiandata yang sederhana, optimasi pencariannya menjadi rendah.Di sini peran graphdatabase diperlukan, konsep database menggunakan graphakan lebih membantu pencarian (Cook, 2000). Model graph databaseakan lebih sempurna jika dipadukandengan knowledge graph. Karena model graph ini dapat menemukan atau mencari sifat similarity dari setiap atribut yang dideklarasikan (Cheng,2008).Pencariansimilaritydapat dimanfaatkanuntuk mengurutkan data(Wang, 2012), (Wang, 2010) sesuai dengan ranking-nya, apalagi untuk jenis data bertipe string. Dan ranking dapatdiperoleh dari banyaknya suatu data memiliki relationship atau similar dengan data yang lain. Salah satu tools open sourcedatabase adalah Neo4j, yang merupakan transversal framework yangmenyediakan manajemen graph database dalam nodes dan relationship (Neo4j Team, 2012). Neo4j memberikan suatu query language yangmembantu dalam operasi querying dalam graph database sehingga tidak perlu melakukan deklarasi traversal dalam baris perintah (Neo4j Team, 201). Dengan segala fitur yang terdapat dalam neo4j, pencarian berdasarkan similaritydapat diaplikasikan untuk optimasi pencarian dalam graph database. Penulisan ini diarahkan padaperancangandatabase dengan pengoptimasiangraph database yangdiharapkannantinya dapat menjadi knowledge graph.Kombinasi query dalam pengaksesan database berdasarkan relationship dan similaritycoba dioptimalkan pada penulisan ini, yaknipencarian similarity pada2 contohkasus. Implementasi denganskala yang lebih besar akan membutuhkan waktuyang lama. Kedepannya permodelan databasedalamgraphdatabaseakandicoba untukdibandingkan dengan sistem database lainnya, sehinggaoptimasi pencarian denganknowledge graph dapat dibuktikan.]]>
