Teknologi Basis Data Berorientasi Graf

dokumen-dokumen yang mirip
Pengaplikasian Graf dalam Pendewasaan Diri

Aplikasi Graf pada Fitur Friend Suggestion di Media Sosial

Representasi Hierarki Kebutuhan Maslow Menggunakan Teori Graf

POLA PERMAINAN SEPAK BOLA DENGAN REPRESENTASI GRAF

Aplikasi Graf pada Hand Gestures Recognition

Aplikasi Teori Graf dalam Permainan Instant Insanity

Penggunaan Algoritma Dijkstra dalam Penentuan Lintasan Terpendek Graf

Pengaplikasian Graf dan Algoritma Dijkstra dalam Masalah Penentuan Pengemudi Ojek Daring

Aplikasi Graf dalam Merancang Game Pong

Aplikasi Shortest Path dengan Menggunakan Graf dalam Kehidupan Sehari-hari

Aplikasi Pohon Merentang Minimum dalam Rute Jalur Kereta Api di Pulau Jawa

Penerapan Graf pada Database System Privilege

Aplikasi Algoritma Dijkstra dalam Pencarian Lintasan Terpendek Graf

Aplikasi Pewarnaan Graf untuk Sistem Penjadwalan On-Air Stasiun Radio

Aplikasi Pewarnaan Graf Pada Pengaturan Warna Lampu Lalu Lintas

TEORI GRAF UNIVERSITAS MUHAMMADIYAH JEMBER ILHAM SAIFUDIN PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK. Selasa, 13 Desember 2016

I. PENDAHULUAN. Gambar 1: Graf sederhana (darkrabbitblog.blogspot.com )

Penerapan Pewarnaan Graf pada Permainan Real- Time Strategy

Penerapan Pewarnaan Graf dalam Perancangan Lalu Lintas Udara

Menyelesaikan Topological Sort Menggunakan Directed Acyclic Graph

Aplikasi Teori Graf dalam Manajemen Sistem Basis Data Tersebar

Aplikasi Pohon dan Graf dalam Kaderisasi

Aplikasi Pewarnaan Graf pada Penjadwalan Pertandingan Olahraga Sistem Setengah Kompetisi

TEORI GRAF DALAM MEREPRESENTASIKAN DESAIN WEB

Penerapan Graf pada Rasi Bintang dan Graf Bintang pada Navigasi Nelayan

Graf dan Pengambilan Rencana Hidup

Deteksi Wajah Menggunakan Program Dinamis

Aplikasi Graf Berarah Pada Item Dalam Game DOTA 2

Strategi Permainan Menggambar Tanpa Mengangkat Pena

Penerapan Graf pada PageRank

Penyelesaian Traveling Salesman Problem dengan Algoritma Heuristik

Penggunaan Graf Semi-Hamilton untuk Memecahkan Puzzle The Hands of Time pada Permainan Final Fantasy XIII-2

PEWARNAAN GRAF SEBAGAI METODE PENJADWALAN KEGIATAN PERKULIAHAN

Analogi Pembunuhan Berantai Sebagai Graf Dalam Investigasi Kasus

Penerapan Graf dan Algoritma Prim dalam Perancangan Rute Wisata di Kota Tokyo yang Efisien

I. PENDAHULUAN II. DASAR TEORI. Penggunaan Teori Graf banyak memberikan solusi untuk menyelesaikan permasalahan yang terjadi di dalam masyarakat.

Penerapan Algoritma Prim dan Kruskal Acak dalam Pembuatan Labirin

Penerapan Graf Terhubung untuk Menentukan Klasifikasi Sidik Jari

Penggunaan Teori Graf pada Pembuatan Jaringan Sosial dalam Pemetaan Sosial

I. PENDAHULUAN. Gambar 1. Contoh-contoh graf

Penerapan Graf Dalam File Sharing Menggunakan BitTorrent

Pengembangan Teori Graf dan Algoritma Prim untuk Penentuan Rute Penerbangan Termurah pada Agen Penyusun Perjalanan Udara Daring

Permodelan Pohon Merentang Minimum Dengan Menggunakan Algoritma Prim dan Algoritma Kruskal

Pencarian Lintasan Hamilton Terpendek untuk Taktik Safe Full Jungle Clear dalam Permainan League of Legends

Penerapan Pewarnaan Graf dalam Alat Pemberi Isyarat Lalu Lintas

Penggunaan Perwarnaan Graf dalam Mencari Solusi Sudoku

Penerapan Teori Graf untuk Menentukan Tindakan Pertolongan Pertama pada Korban Kecelakaan

Memanfaatkan Pewarnaan Graf untuk Menentukan Sifat Bipartit Suatu Graf

Menghitung Pendapatan Mata Uang Digital Menggunakan Graf dan Rekursi

Menghitung Pendapatan Mata Uang Digital Menggunakan Graf dan Rekursi

Penerapan Pewarnaan Graf dalam Pengaturan Penyimpanan Bahan Kimia

Penerapan Teori Graf dan Graf Cut pada Teknik Pemisahan Objek Citra Digital

Penerapan Teori Graf dalam Pemetaan Sosial

Aplikasi Graf pada Penentuan Jadwal dan Jalur Penerbangan

Aplikasi Graf pada Telaah Naskah Akademik RUU Pemilihan Kepala Daerah

BAB 2 LANDASAN TEORI

Aplikasi Teori Graf dalam Penggunaan Cairan Pendingin pada Proses Manufaktur

Representasi Graf dalam Jejaring Sosial Facebook

Asah Otak dengan Knight s Tour Menggunakan Graf Hamilton dan Backtracking

BAB II LANDASAN TEORI

Graf Sosial Aplikasi Graf dalam Pemetaan Sosial

Aplikasi Graf dalam Permainan Kecil Super Mario War

Aplikasi Graf dalam Formasi dan Strategi Kesebelasan Sepakbola

APLIKASI PEWARNAAN GRAPH PADA PEMBUATAN JADWAL

Aplikasi Algoritma Prim dalam Penentuan Pohon Merentang Minimum untuk Jaringan Pipa PDAM Kota Tangerang

Penerapan Algoritma A* dalam Penentuan Lintasan Terpendek

Aplikasi Pewarnaan Graph pada Pembuatan Jadwal

Penerapan Algoritma Branch and Bound pada Penentuan Staffing Organisasi dan Kepanitiaan

Pemanfaatan Directed Acyclic Graph untuk Merepresentasikan Hubungan Antar Data dalam Basis Data

Penggunaan Struktur Graf dalam Pengontrol Versi Git

SIMPLE 3D OBJECTS AND THEIR ANIMATION USING GRAPH

APLIKASI GRAF DALAM BISNIS TRAVEL BANDUNG-BOGOR

Aplikasi Pohon Merentan Minimum dalam Menentukan Jalur Sepeda di ITB

Representasi Graf dalam Menjelaskan Teori Lokasi Industri Weber

Graf. Program Studi Teknik Informatika FTI-ITP

Penyelesaian Teka-Teki Sudoku dengan Didasarkan pada Teknik Pewarnaan Graf

Penerapah Graf untuk Memecahkan Teka-Teki Menyeberangi Sungai

PENERAPAN GRAF DAN POHON DALAM SISTEM PERTANDINGAN OLAHRAGA

Penggunaan Graf dan Pohon Merentang Minimum dalam Menentukan Jalur Terpendek Bepergian di Negara-negara Asia Tenggara dengan Algoritma Prim

Implementasi Graf pada Metode Crawling dan Indexing di dalam Mesin Pencari Web

Aplikasi Graf dalam Situs Jejaring Sosial

APLIKASI PEWARNAAN SIMPUL GRAF UNTUK MENGATASI KONFLIK PENJADWALAN MATA KULIAH DI FMIPA UNY

Aplikasi Graf dalam Rute Pengiriman Barang

Aplikasi Graf dalam Pembuatan Game

Teori Graf dalam Social Network Analysis dan Aplikasinya pada Situs Jejaring Sosial

Penerapan Pohon Keputusan pada Penerimaan Karyawan

Penerapan Graf pada Robot Micromouse

RANCANG BANGUN APLIKASI MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL

Penggunaan Pohon Biner Sebagai Struktur Data untuk Pencarian

BAB 2 LANDASAN TEORI

Penggunaan Peluang dan Graf dalam Merancang Digital Game

Algoritma Brute-Force dan Greedy dalam Pemrosesan Graf

Implementasi Graf berarah dalam Topologi Jaringan di Perusahaan Distributor

Algoritma Penentuan Graf Bipartit

Penerapan Teori Graf dalam Game Bertipe Real Time Strategy (RTS)

Pemanfaatan Algoritma Sequential Search dalam Pewarnaan Graf untuk Alokasi Memori Komputer

Algoritma Prim sebagai Maze Generation Algorithm

Penerapan Pohon dan Himpunan dalam Klasifikasi Bahasa

Graf. Matematika Diskrit. Materi ke-5

Kasus Perempatan Jalan

Transkripsi:

Teknologi Basis Data Berorientasi Graf Ihsan Imaduddin Azhar 13517043 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia 13517043@std.stei.itb.ac.id Abstrak Sudah lebih dari satu dekade manajemen basis data menjadi bahan penelitian. Saat ini ada berbagai jenis sistem manajemen basis data. Pada basis data relasional atau basis data SQL, data disimpan dalam bentuk table. Berbeda dengan basis data relasional, basis data direpresentasikan dengan graf. Kata kunci Graf, basis data, relationship, representasi data. 2.1 Graf Makalah yang ditulis oleh matematikawan Leonard Euler prihal masalah jembatan Konisberg adalah makalah pertama dalam sejarah teori graf. Semenjak saat itu teori graf berkembang dan diterapkan dalam berbagai pemecahan masalah. I. PENDAHULUAN Basis data adalah kumpulan informasi yang disimpan didalam computer secara sistematik sehingga pengaksesan dan pembaruan data dapat dilakukan dengan mudah. Basis data sudah menjadi kebutuhan orgianisasi saat ini. Basis data tradisional yang saat ini banyak digunakan adalah basis data rlasional. Basis data relasional merepresentasikan datanya sebagai baris dan kolom. Baris dan kolom pada basis data relasional dapat diumpamakan sebagai bari dan kolom pada Excel spreadsheet.basis data relasional sudah lama menjadi standar pada industry, terlebih lagi penyedia produk basis data relasional adalah perusahaan teknologi raksasa Oracle dan Microsoft. Basis data relasional baik digunakan untuk beberapa data tapi pemodelan baris dan kolom pada basis data relasional tidak tidak selalu tepat digunakan untuk semua data karena basis data relasional tidak dapat merepresentasikan hubungan antar datum dengan baik. Dengan memisahkan baris dan kolom, basis data relasional sangat sulit diterapkan pada data yang memiliki interconnection pada data tersebut. dengan kreativitas memang mungkin data berorientasi-relasional disimpan dalam basis data relasional, tetapi pemodelan tersebut sangat tidak efisien dan lambat dalam pengaksesan data. Beberapa tahun ke belakang, terlahir tipe basis data baru untuk menyipan data berorientasi relasional dengan lebih efisien. Nama tipe basis data tersebut adalah basis data graf. Basis data grad (graph database) adalah basis data yang menggunakan graf dalam pemodelan data. Graf sendiri merupakan cabang ilmu matematika. Teori graf pertama kali muncul pada tahun 1976, yakni ketika Leonard Euler mencoba memecahkan persoalan jembatan Konisberg. II. LANDASAN TEORI Untuk memahami penerapan graf dalam basis data dibutuhkan pengetahuan tentang teori graf dan sedikit tentang apa itu basis data. Gambar 2. 1 Persoalan jembatan Konisberg 2.1.1 Definisi Graf Secara matematis graf didefinisikan sebagai G=(V,E), dimana V adalah himpunan simpul-simpul (vertex atau node) yang tidak kosong dan E adalah himpunan sisi (edge) yang menghubungkan dua simpul. Menurut definisi sebuah graf tidak boleh memiliki sisi yang kosong, sedangkan himpunan dari sisi suatu graf boleh kosong. Dengan kata lain, sebuah graf minimal memiliki sebuah simpul untuk dikatakan sebagai graf. Graf yang panjang himpunan simpulnya satu dan panjang himpunan sisinya nol disebut graf trivial. 2.1.2 Jenis-jenis Graf A. Berdasarkan ada atau tidaknya sisi ganda a. Graf Sederhana Graf yang tidak mengandung sisi ganda. b. Graf tak-sederhana Graf yang memiliki sisi ganda. B. Berdasarkan orientasi arah pada sisi a. Graf tak-berarah Graf yang sisinya tidak mempunyai orientasi arah disebut graf tak-berarah.

b. Graf berarah Graf yang setiap sisinya diberikan orientasi arah. 1 1 2 3 4 4 Gambar 2. 2 graf berarah (a) G 4 (b) G 5 C. Berdasarkan ada atau tidaknya bobot pada sisi a. Graf berbobot Graf yang setiap sisinya tidak hanya menghubungkan simpul tapi juga memiliki nilai pada setiap sisinya. b. Graf tak-berbobot Graf yang setiap sisinya hanya menghubungkan simpul dan tidak memiliki nilai pada setiap sisinya. 2 3 Gambar 3 (a) graf berarah, (b) graf-ganda berarah Sirkuit Lintasan yang berawal dan berakhir di sisi yang sama disebut sirkuit. Terhubung Dia simpul dikatakan terhubung jika terdapat lintasan yang menghubungkan kedua simpul tersebut. Upa-graf Misalkan G=(V,E) adalah sebuah graf. G 1 =(V 1,E 1 ) dikatakan upagraf dari G jika dan hanya jika V1 adalah himpunan bagian dari V dan E 1 merupakan himpunan bagian dari E. Komplemen Upagraf Komplemen dari sebuah upagraf G 1 terhadap G adalah graf G 2 =(V 2,E 2 ) sedemikian sehingga E 2 = E- E 1 dan V 2 adalah himpunan simpul yang anggota E 2 bersisian dengannya. Upagraf Rentang Suatu G 1 =(V 1,E 1 ) dapat dikatakan upagraf rentang dari G=(V,E) jika V 1 =V. Dengan kata lain G 1 mengandung semua simpul yang ada pada G. Cut-set Cutset dari graf terhubung G=(V,E) adalah himpunan bagian dari E yag jika anggotanya dihilangkan membuat graf G tidak lagi terhubung. Graf Berbobot Graf berbobot adalah graf yang setiap sisinya diberi nilai. Gambar 2. 3 Graf berbobot 2.1.3 Terminologi pada graf Ketetanggaan Dua buah simpul dikatakan bertetangga bila kedua simpul tersebut dihubungkan langsung oleh sebuah sisi. Bersisian Untuk sembarang sisi e yang menghubungkan v 1 dan v 2, dapat dikatakan e bersisian dengan v 1 dan v 2. Simpul terpencil Suatu simpul dikatakan terpencil jika tidak ada sisi yang bersisian dengan simpul tersebut. Graf kosong Suatu graf dikatakan graf kosong jika himpunan sisi dari graf tersebut adalah himpunan kosong. Derajat Derajat suatu simpul adalah jumlah sisi yang bersisian dengan simpul tersebut. Lintasan Lintasan yang sisi yang dilewati dari simpul awal vo ke simpul tujuan v di dalam graf G. 2.1.4 Beberapa graf khusus a. Graf Lengkap 1. Graf (Complete lengkap Graph) Graf lengkap ialah Graf graf lengkap sederhana adalah yang graf setiap yang simpulnya mempunyai sisi sisi ke semua simpul lainnya. Graf lengkap dengan n buah simpul dilambangkan ke semua simpul lainnya. dengan K n. Jumlah sisi pada graf lengkap yang terdiri dari n buah simpul adalah n(n 1)/2. K1 K2 K3 K4 K5 K6 Gambar 2.4 Graf lengkap 2. Graf lingkaran b. Graf Lingkaran Graf lingkaran sederhana adalah graf yang setiap Graf lingkaran simpulnya adalah graf hanya sederhana memiliki yang setiap dua simpulnya berderajat dua. Graf lingkaran (berderajat dengan n simpul dua). dilambangkan dengan C n. Gambar 2. 5 Graf Lingkaran 3. Graf teratur Graf teratur adalah graf yang setiap simpulnya memiliki derajat sama.

g setiap simpulnya mempunyai derajat yang sama disebut graf Apabila derajat setiap simpul adalah r, maka graf tersebut disebut raf teratur derajat r. Jumlah sisi pada graf teratur adalah nr/2. 4. Graf bipartite Gambar 2. 6 Graf teratur Graf bipartite adalah graf yang setiap simpulnya dapat dikelompokkan menjadi dua bagian V 1 dan V 2, sedemikian sehingga setiap sisi pada G menghubungkan sebuah simpul pada V 1 ke V 2. Gambar 2. 8 Skema basis data relasional 2.2 Basis Data Gambar 2. 7 Graf bipartite 2.2.1 Definisi Basis Data Basis data adalah koleksi informasi yang terorganisir sehingga dapat diakses, di-manaje, dan diperbarui. 2.2.2 Pentingnya basis data Basis data dapat menghasilkan informasi yang sangat penting untuk pemilik data tersebut, baik perusahaan mmaupun individu,, data tersebut harus dikelola dengan baik, terpadu dan juga aman. Pengelolaan data yang baik adalah ketika data yang dikelola tersebut mudah diakses oleh pemilik datanya. Sedangkan tepadu adalah ketika pengelolaan data tersebut berkesinambungan. Sedangkan pengelolaan data yang aman adalah data yang dapat melindung yang dikelola terlindungi dari pihak lain, 2.2.2 Beberapa Jenis Basis Data A. Basis Data Relasional Basis data relasional ditemukan oleh E>F>Codd pada tahun 1970. Basis data relasional adalah basis data yang model datanya didasarkan oleh model data relasional. Hamper semua basis data relasional menggunakan SQL (Structured Query Language) sebagai Bahasa untuk query-nya. B. Basis Data Terdistribusi Basis data terdistribusi adalah basis data yang beberapa porsi datanya tersimpan pada berbagai lokasi fisik. Basis data terdistribusi dapat dibedakan menjadi dua yaitu basis data homogeny dan hetrogen. Semua lokasi fisik pada basis data terdistribusi homogen memiliki perangkat keras dan system operasi yang sama. Basis data heterogen sebaliknya. C. Basis Data Graf Basis data berorientasi graf adalah basis data yang menggunakan graf berarah dalam pemodelan data. Pada basis data graf, data dimodelkan dalam bentuk graf. Graf ini memiliki sesuatu yang disebud nodes (Simpul) yang dihubungkan oleh relationship (sisi). Karena representasi visualnya berupa graf berarah, basis data graf baik digunakan untuk menganalisis pola dari suatu data yang besar. D. Basis data berorientasi dokumen Basis data berorientasi dokumen adalah basis data yang datanya disimpan dalam bentuk dokumen yang biasanya dalam format XML, JSON maupun BSON. Sifat dokumen pada basis data berorientasi dokumen semi terstruktur dan tidak disimpan di table seperti basis data relasional. Basis data berorientasi dokumen tidak memiliki schema sehingga dokumen yang berbeda beda dapat disimpan pada basis data tersebut. basis data berorientasi dokumen sangat berguna menyimpan yang strukturnya dinamis atau mudah berubah. Basis data berorientasi dokumen banyak digunakan perusahaan skala besar.

III. BASIS DATA GRAF Basis data berorientasi graf adalah basis data yang menggunakan graf berarah dalam pemodelan data. Pada basis data graf, data dimodelkan dalam bentuk graf. Graf ini memiliki sesuatu yang disebud nodes (Simpul) yang dihubungkan oleh relationship (sisi). 3.1 Nodes Setiap node pada basis data graph dapat memiliki atribut. Atribut tersebut disebut dengan properti. Setiap node pada basis data graf memiliki label yang menandakan apa peran node tersebut dalam data tersebut. Misalkan data yang dimodelkan dengan basis data graf adalah data hasil survey, label yang mungkin digunakan adalah partisipan dan jawaban. 3.3 Query Dalam teknologi basis data graf, ada beberapa bahasa query yang popular digunakan. 3.3.1 Cypher Cypher adalah declarative query language yang dipopulerkan oleh Perusahaan Neo4j. Bahasa query ini popular karena kemiripannya dengan SQL. Gambar 3. 4 Query Cypher 3.3.2 GraphQL GraphQL adalah Bahasa query yang dipopulerkan oleh facebook. GraphQL adalah Bahasa query untuk API yang tidak spesifik hanya unutuk basis data graf. Pada Bahasa query GraphQL, pengguna member struktur data yang mereka butuhkan dan akan mengembalikan apa nilai struktur data yang telah diberikan pengguna. Gambar 3. 1 Contoh Nodes 3.2 Relationship Relationship adalah sisi berarah yang mengubungkan nodes. Seperti nodes, ampir semua relationship pada basis data graf memiliki attribute, yang disebut property. Properti tersebut menentukan apa hubungan antara dua nodes yang dihubungkan oleh relationship tersebut. Dalam dunia perkuliahan, salah satu relationship yang mungkin adalah teman dari. Gambar 3. 4 Query GrapghQL Dengan menambahkan atribut, pengguna mendapatkan hasil yang berbeda. Gambar 3.2 Contoh relationship yang menghubungkan nodes Gambar 3. 5 Query GraphQL setelah atribut ditambahkan

3.4 Kasus penggunaan basis data graph Basis data graf baik digunakan ketika data yang ingin direpresentasikan memiliki hubungan antar datum yang terhubung kuat atau highly connected. Sangat cocok untuk merepresentasikan data seperti social network. Basis data graf juga sangat baik digunakan untuk data yang relationship antar nodes-nya sama pentingnya dengan nodes itu sendiri seperti data perilaku konsumen. Oleh karena itubasis data graf banyak ditemukan pada mesin rekomendasi. IV. KELEBIHAN BASIS DATA GRAF A. Performa Karena basis data graf pada dasarnya merupakan struktur data indeks, untuk pencarian query tidak dibutuhkan untuk memuat data yang tidak berhubungan. Dan hal tersebut cocok untuk big data analytical query. B. Fleksibel Basis data graf fleksibel karena properti, node, dan edge baru dapat ditambahkan dan dihilangkan kapanpun. Tidak perlu membuat table baru untuk menambahkan properti dari basis data graf. C. Familiar Node adalah sesuatu yang programmer berorientasi objek sangan familiar. Node dapat merepresentasikan orang, bisnis, akun atau benda apapun yang kita mau. V. APLIKASI BASIS DATA GRAF A. Mesin rekomendasi Salah satu kegunaan basis data graf yang popular adalah mesin rekomendasi. Mesin rekomendasi digunakan dalam berbagai bidang industry untuk meningkatkan pengalaman belanja pelanggan dengan menebak apa yang pelanggan tersebut inginkan selanjutnya. Mesin rekomendasi tradisional bekerja secara offline dengan memproses sejarah transaksi tiap pelanggan dengan algoritma yang kompleks dan menghasilkan rekomendasi mingguan atau rekomendasi bulanan. Pada saat pertama kali diperkenalkan, rekomendasi mingguan adalah keuntungan besar bagi yang mengadopsi teknologi tersebut. Namun karena teknologi tersebut saat ini telah tersebar luas, tidak cukup lagi hanya bergantung pada mesin rekomendasi tradisional. Oleh karena itu, basis data graf cocok digunakan sebagai mesin rekomendasi yang lebih canggih karena pada basis data graf kita dapat melakukan relationship-based query atau query berdasarkan relationship. Dengan hasil dari relationship-based query, kita dapat menganalisis pola perilaku belanja pelanggan dengan mudah. Gambar 3. 6 Contoh graf rekomendasi B. Deteksi Penipuan Semenjak kehidupan menjadi semakin terdigitalisasi dan system pembayaran online diterapkan oleh banyak pelaku usaha, jumlah transaksi online semakin pun bertumbuh. Untuk memanfaatkan hal tersebut, para penipu beradaptasi dengan cepat, oleh Karena itu dibutuhkann harus ad acara untuk mengatasi permasalahan penipuan tersebut. Kegiatan penipuan seperti ini biasanya melibatkan identitas palsu dalam jumlah banyak, Misalkan dalam praktik transaksi online hal yang dapat dimonitor adalah ID, alamat IP, Cookie dam kartu credit pengguna tersebut. Jika jika data tersebut kita simpan dalam nodes, pada umumnya relationship antar nodes tersebut adalah hubungan one-to-one. Dari pola tersebut, jika relationship antara terhitung banyak secara signifikan, dapat ditarik kesimpulan kemungkinan besar pengguna tersebut adalah penipu. Gambar 5. 1 graf transaksi online Dari gambar 5.1 dapat ditarik kesimpulan pengguna dengan alamat IP 1 kemungkinan besar adalah penipu karena pengguna menggunakan lebih dari satu kartu credit dan terdapat banyak interconnected relationship. V. KESIMPULAN Teori graf merupakan teori yang sudah sangat lama, tapi hingga saat ini teori graf masih bisa dikembangkan untuk berbagai masalah pada dunia teknologi maupun sehari hari.

Penerapan teori graf dalam basis data graf menghadirkan solusi untuk masalah masalah yang ada pada pemodelan basis data selama ini dan dapat diterapkan berbagai bidang. Walaupun basis data graf merupakan teknologi baru yang masih memiliki banyak kekurangan, basis data graf memiliki potensi yang besar terutama di zaman informasi big data seperti saat ini. VII. ACKNOWLEDGMENT Penulis berterimakasih kepada Dr. Rinaldi Munir sebagai dosen pengampu IF2120, mata kuliah Matematia Diskrit, untuk memberikan kesempatan kepada saya untuk menulis makalah ini. Penulis juga berterimakasih kepada orang tua penulis karena telah memberikan dukungan moral kepda saya selama masa penulisan, penulis juga berterimakasih kepada penulis dari referensi dibawah untuk kontribusi mereka dalam ilmu computer. REFERENCES [1] Munir, Rinaldi. Matematika Diskrit, Bandung: Informatika, 2012, edisi kelima.. [2] https://math.stackexchange.com/questions/1173328/eulers-solution-ofseven-bridges-of-k%c3%b6nigsberg-in-layman-terms [3] https://www.geeksforgeeks.org/graph-implementation-using-stl-forcompetitive-programming-set-2-weighted-graph/ [4] https://www.researchgate.net/figure/relational-database- Schema_fig7_318761128 [5] https://developer.ibm.com/dwblog/2017/overview-graph-database-querylanguages/ [6] https://www.ontotext.com/5-key-drivers-graph-databases-gainingpopularity/ [7] https://neo4j.com/developer/guide-build-a-recommendation-engine/ [8] https://database.guide/whats-the-difference-between-graph-database-andrelational-database/ [9] https://neo4j.com/developer/guide-data-modeling/ PERNYATAAN Dengan ini saya menyatakan bahwa makalah yang saya tulis ini adalah tulisan saya sendiri, bukan saduran, atau terjemahan dari makalah orang lain, dan bukan plagiasi. Bandung, 10 Desember 2018 Ihsan Imaduddin Azhae