Malcom: Indonesian Journal of Machine Learning and Computer Science
Vol. 6 No. 2 (2026): MALCOM April 2026

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 (Unknown)
Pramadjaya, Angga (Unknown)



Article Info

Publish Date
24 Apr 2026

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.

Copyrights © 2026






Journal Info

Abbrev

malcom

Publisher

Subject

Computer Science & IT

Description

MALCOM: Indonesian Journal of Machine Learning and Computer Science is a scientific journal published by the Institut Riset dan Publikasi Indonesia (IRPI) in collaboration with several Universities throughout Riau and Indonesia. MALCOM will be published 2 (two) times a year, April and October, each ...