<![CDATA[Abstrak Penggunaan graph dalam memodelkan suatu struktur yang rumit saat ini berkembang secara pesat terutama dalam memodelkan struktur seperti susunan melekul, jaringan protein, dan jaringan sosial. Penggunaan graph database untuk menangani tipe data graph yang memiliki relasi yang kompleks dinilai lebih efektif daripada menggunakan relational database. Dalam mempercepat pemrosesan query pada graph database dibutuhkan suatu metode yang dapat disebut graph indexing agar lebih cepat dan efisien. GIndex merupakan salah satu metode graph indexing yang mendukung pemrosesan query bertipe subgraph query. Pada metode GIndex menerapkan beberapa teknik seperti size-increasing support constraint untuk membangun feature set database dan pemilihan discriminative fragments dalam membangun index. Kemudian membandingkan data pada index dengan feature set query untuk mendapatkan candidate set yang nantinya akan dilakukan subgraph matching menggunakan algoritma Ullman untuk mendapatkan answer set. Pada penelitian ini data yang akan dijadikan sebagai dataset merupakan susunan molekul. Berdasarkan pengerjaan tugas akhir yang telah dilakukan didapatkan hasil bahwa pada pengimplementasian algoritma GIndex, jika menggunakan nilai maximal frequent fragment yang cukup besar maka akan memakan waktu yang lebih lama dan memungkinkan jumlah candidate set yang didapatkan akan lebih sedikit, berlawanan dengan penggunaan nilai minimal discriminative fragment. Banyaknya jumlah candidate set yang didapatkan akan berpengaruh pada waktu subgraph matching yang dibutuhkan. Kata kunci: graph, graph database, GIndex, subgraph query, size-increasing support constraint, discriminative fragments, index, subgraph matching]]>
Copyrights © 2015
