Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) DOI: x

Vol. x, No. x, April 2014, hlm. x-x p-ISSN: x

Akreditasi KEMENRISTEKDIKTI, No. x e-ISSN: x

MODEL SINKRONISASI DATA NAV REKSADANA DALAM ARSITEKTUR

MICROSERVICES MENGGUNAKAN MESSAGE BROKER APACHE KAFKA
Widi Santoso *1, Samidi
1,2
Fakultas Teknologi Informasi, Program Studi Magister Ilmu Komputer, Universitas Budi Luhur Jakarta
Email: 12311600122@student.budiluhur.ac.id, 2samidi @budiluhur.ac.id

(Naskah masuk: xx , diterima untuk diterbitkan: xx )

Abstrak

Salah satu instrument investasi yang menarik adalah reksadana, pada kenyataaannya investasi reksadana
meningkat dari jumlah investor, terlihat dari meningkatnya Single Investor Identification (SID) yang tersedia untuk
reksadana. Selain itu, ada peningkatan jumlah transaksi dan keterlibatan berbagai pihak yang mendukung proses
investasi. Namun masalah seperti ketidakmampuan untuk mengelola konsistensi data muncul seiring
pertumbungan bisnis. Sinkronisasi data adalah metode penyelarasan data yang paling umum, dan banyak orang
menggunakan replikasi. Namun proses konfigurasi yang kompleks di perlukan untuk mengatasi masalah
konsistensi data sepenuhnya. Salah satu komponennya adalah metode pemrosesan real-time yang dapat digunakan
saat membuat database sinkronisasi satu arah. Dengan menggunakan Apache Kafka, yang merupakah broker pesan
open-source yang memiliki performa tinggi yang memungkinkan pengiriman data secara real-time. Perubahan
database ini akan di gunakan sebagai referensi untuk sinkronisasi transfer data di dalam arsitektur microserviecs.

Kata kunci: arsitektur, microservices, message broker, real-time, kafka, sinkronisasi

MUTUAL FUND NAV DATA SYNCHRONIZATION MODEL IN MICROSERVICES

ARCHITECTURE USING MESSAGE BROKER APACHE KAFKA

Abstract

One of the interesting investment instruments is mutual funds in fact, the number of investors increased, as
evidenced by the increase in the Single Investor Identification (SID) available to the investor. In addition, there is
an increase in the number of transactions and involvement of various parties that support the investment process.
However, problems like the inability to manage data consistency emerged as the business grew. Data
synchronization is the most common method of data alignment, and many people use replication. However,
complex configuration processes are needed to solve the data consistency problem completely. One of its
components is a real-time processing method that can be used when creating a one-way synchronized database.
Using Apache Kafka, it's a high-performance open-source messaging broker that allows data to be delivered in
real-time. This database change will be a reference for data transfer synchronization within the microservices
architecture.

Keywords: architecture, microservices, message broker, real-time, kafka, synchronization

1. PENDAHULUAN Sistem pesan terdistribusi terdiri dari beberapa

Brokers (worker machine) yang bekerja sama untuk
Di era teknologi informasi sekarang ini data
menyediakan layanan pesan. Entitas yang
transaksi dikirim, dan terima secara terus menerus
menerbitkan pesan ke sistem disebut producer, dan
setiap hari. Data transksi dihasilkan secara terus
entitas yang menerima pesan dari sistem disebut
menerus, yang biasanya mengirimkan data secara
consumer. Pesan-pesan tersebut dikelompokkan ke
bersamaan. Produksi dan penggunaan data ini secara
dalam Queues atau Topics untuk memisahkan pesan-
real-time menghadirkan tantangan baru bagi sistem
pesan milik producer/consumer yang berbeda. Pesan
data karena volumenya yang besar dan waktu respons
yang dikirim oleh producer harus menyebutkan Topic
yang cepat. Pesan yang didistribusikan dalam sistem
pengirimannya. Sistem antrian pesan dapat
antrian memainkan peran yang semakin penting
meningkatkan pemrosesan aliran dalam empat
dalam aplikasi pemrosesan data, seperti layanan
skenario berikut: (1) Asynchronous Processing.
pencarian, analisis, dan rekomendasi real-time
Dalam pemrosesan sinkronisasi, producer data perlu
berkualitas tinggi.
1
2 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), Vol. x, No. x, April 2014, hlm. x-y

menerima respons dari consumer data sebelum sebelumnya dengan menggunakan berbagai metode
mengirimkan data berikutnya. Dengan sistem antrian untuk sinkronisasi satu arah. Penelitian ini
pesan, producer mengirimkan pesan (data) ke sistem menggunakan pertukaran informasi real-time sebagai
dan kemudian terus menghasilkan pesan berikutnya media pertukaran data dan tetap mengunakan Apache
tanpa melakukan sinkronisasi dengan sisi consumer, Kafka sebagai message broker dan menggunakan
sehingga menghindari resources saat menunggu Hibernate framework sebagai perubahan dataase.
feedback. (2) Pemisahan Producers dan Consumers.
Dalam praktiknya, suatu sistem berkomunikasi
dengan banyak sistem melalui antarmuka yang 2. METODE PENELITIAN
berbeda. Penggabungan sistem producer-consumer
Gambar 1 menunjukkan metode penelitian untuk
menambah beban pemrogram karena mereka harus
model yang dikembangkan terdiri dari 6 langkah.
menangani koneksi ke sistem yang berbeda. Dengan
sistem antrian pesan sebagai middleware, producer
hanya bertanggung jawab mempublikasikan pesan ke
antrian tanpa mempertimbangkan beragam
mekanisme komunikasi dengan consumer yang
berbeda. (3) Peak Shaving. Dalam skenario
konkurensi tinggi, server bisa crash karena terlalu
banyak permintaan dalam waktu singkat. Sistem
antrian pesan dapat diperkenalkan untuk buffer data,
dimana consumer dapat menarik data pesan sesuai
dengan kapasitas pemrosesan mereka sendiri. (4)
Dokumentasi Log. Log dari beberapa sistem produksi
berpotensi berukuran sangat besar..
Kemajuan dalam teknologi informasi telah
membuka peluang bisnis baru, seperti transaksi bisnis Gambar 1 Metode Penelitian
yang dilakukan secara online. Namun, bersamaan
dengan kemajuan ini masalah baru, seperti Tahap Pertama adalah tahap kondisi masalah yang
ketidakmampuan untuk mengelola integrasi data, saat ini terjadi. Tahap kedua pengumpulan informasi
terutama dalam kasus transaksi yang di lakukan penyelesaian masalah yang terjadi seperti jenis
secara online. Data ini terhubung ke system distribusi. message broker dan Bahasa pemrograman yang akan
Integrasi data sangat penting untuk di gunakan. Perancangan bisnis proses sinkronisasi
menggunakan database terdistribusi, yang dan perancangan algoritma yang akan di lakukan
memungkinkan untuk menyatukan data dari berbagi pada tahap Ketiga. Tahap Keempat melibatkan
macam sumber. Beberapa keuntungan menggunakan pemrograman untuk setiap service yang telah di
database terdistribusi termasuk kemampuan untuk rencanakan. Tahap Kelima merupakan pengujian
mengendalikan penyebaran dan ekspansi data [1]. terhadap service yang telah di develop.
Cara yang bermanfaat untuk menyebarkan data Setelah di rilis dan di gunakan, ada tahap Review atau
adalah replikasi dalam database terdistribusi. Feedback yang akan di gunakan untuk
Menghasilkan data yang benar-benar konsisten pengembangan berikutnya. Gambar 2 menunjukkan
membutuhkan lebih dari sekedar metode replikasi. gambaran umum system yang di kembangkan.
Salah satu masalah yang paling umum adalah
kegagalan koneksi atau client offline. Untuk
menyelesaikan masalah ini, Anda dapat
menggunakan model atau prosedur sinkronisasi data.
Sinkronisasi adalah proses yang memastikan bahwa
setiap data di database mengandung object atau data
serupa.
Dengan sinkronisasi data di satu database dapat
di perbaharui secara instan atau secara berkala pada
database lain. Jurmal sebelumnya mencoba
menyelesaikan masalah ini dengan metode Audit Log
untuk mendaptkan perubahan pada database dan Gambar 2. Gambaran Umum
message broker sebagai pertukaran data [6]. Namun
metode ini memiliki kekurangan yaitu menggunakan Terdapat 2 services yang penting pada penelitian ini
table penyimpanan Audit Log yang harus di maintain yaitu Product Service dan Transaction Service.
di karenakan setiap hari ada data transksi yang kian Secara business proses bisa di jelaskan sebagai
bertambah. berikut:
Penelitian ini bertujuan untuk memperbaki 1. Data produk NAV (id, effective_date, nav,
masalah sinkronisasi database yang telah di tangani mutualfund_code, status, created_at, created_by)
yang ada di Product service berfungsi sebagai master

data akan di kirim ke Transaction service melalui
Kafka
2. Kafka akan mengirmkan data ke Transaction
service sebagai proses sinkronisasi data produk NAV.
3. Data transaksi (transaction id, date, product code,
product name, nav, amount) akan mengirimkan data
ke Payment Gateway dan cara pararel nasabah akan
melakukan pembayaran via Virtual Account /
Ewallet.
4. Payment Gateway akan mengirimkan status
pembayaran agar status transaksi menjadi status
COMPLETED jika proses pembayaran tersebut
berhasil. Status REJECT apabila proses pembayaran
gagal.
3. KAJIAN PUSTAKA
3.1. Sinkronisasi
Proses sinkronisasi data memastikan bahwa data di
satu server adalah sama dengan di server lainnya.
Proses ini menyalin data ke dalam table dan skema
database lain yang memungkinkan data di satu
database di perbaharui secara langsung maupun
berkala di database lain. Metode ini adalah sumber
konsep replikasi database modern. Untuk mengubah
data pada skema secara langsung, mekanisme
sinkronisasi ini di perlukan. Data yang di perbaharui
pada skema global ini terdiri dari data pada skema
local yang di peroleh dari database yang terdistribusi.
Skema struktur data antara skema local dan skema
global dapat sama atau berbeda. Proses sinkronisasi
database harus memiliki kemampuan untuk
mengubah struktur da yang ada di masing-masing
database, ini di perlu di lakukan untuk memastikan
bahwa informasi akurat [1].
Penelitian serupa di lakukan oleh John Arissaputra
untuk menyelesaikan masalah tersebut. Untuk
mengidentifikasi perubahan dalam setiap basis data,
dia menggunakan Binary Log dan kemudian
mengirimkan perubahan tersebut ke host lain, yang
menggunakan socket untuk mereplikasi basis data
tersebut. Masalah koneksi jaringan dan host offline
selama proses replikasi di bahas dalam penelitian ini
[2].
Hanafi Ahmad melakukan penelitian tentang cara
menyinkronkan database dengan API third party
Dropbox, karena kebutuhan system untuk reliabilitas
dan kemampuan multitasking yang tinggi, database
dapat di gunakan sebagai perantara untuk pertukaran
dan penyimpanan data. Proses pertukaran data
menggunakan Dropbox sebagai perantara yang
mengirimkan pesan ke alamat pengiriman melalui
identifikasi email pengguna Dropbox yang
memastikan bahwa pesan di sinkronkan ke dalam
database penerima [3].
3.2. PostgreSQL Database
PostgreSQL merupakan database yang
dikembangkan oleh University of California di
Berkeley Computer Science Department.
Satu, dkk, Judul singkat … 3
PostgreSQL sudah didukung oleh banyak platform
dan bebas lisensi [7]. PostgreSQL merupakan
database relasional yang mendukung perintah
perintah SQL maupun PL/pgSQL (Procedural
Language). Selain PostgreSQL juga memiliki
komunitas yang besar, dokumentasi yang lengkap,
serta didukung berbagai bahasa pemrograman seperti
C++, Java, Perl, PHP, Python, dan Tcl [8].
3.3. Apache Kafka
Apache Kafka adalah platform open-source yang di
rancang untuk mengelola pengiriman data secara
real-time dan saat ini merupakan bagian dari yayasan
Apache Software Foundation. Tujuannya adalah
memungkinkan pertukaran data yang efisien antara
producer and consumer serta menangani volume data
yang signifikan [4]. Struktur Apache Kafka di
gambarkan pada Gambar 3.
Gambar 3. Arsitektur Apache Kafka
Konsep publish-subscribe yang digunakan Apache
Kafka memungkinkan produser mengirimkan data ke
topik, dan producer dapat men-subscribe ke topic
tersebut untuk mendapatkan data secara instan.
Semua data Apache Kafka di simpan dalam commit
log, sebuah struktur log yang teroganisir yang
memberi nomor urut kepada setiap pesan yang di
terima, yang memungkinkan akses cepat dan efektif
ke data. Karena Kafka sangat mahir dalam mengirim
pesan, setiap pesan yang di terima dan di simpan
dalam log yang terus-menerus dan kuat.
Seseorang hanya dapat menghapus pesan setelah
periode retensi selesai atau sesuai dengan kebijakan
penghapusan. Ini memastikan bahwa data tetap dapat
di akses dan tidak hilang. Guo Fu melakukan
penelitian yang membandingkan lima system queue
pesan yaitu: RabbitMQ, Apache Kafka, RocketMQ,
ActiveMQ dan Pulsar. Studi tersebut memeriksa
masing-masing system dalam berbagai hal, seperti
throughput, keterlambatan, multifungsi, pesan
transaksi, jaminan pengiriman, realibility dan
jaminan pesanan [5]. Hasil penelitian menunjukkan
bahwa Apache Kafka memiliki throughput tertinggi
dan direkomendasikan untuk system menangani
pesan.
4 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), Vol. x, No. x, April 2014, hlm. x-y
3.4. Java Spring bot
Diakses secara luas untuk semua pegembangan
Spring, Spring Boot menawarkan pengalaman
pembangunan applikasi jauh lebih cepat dan
menawarkan berbagai fitur non-fungsional yang
umum untuk proyek kelas besar, seperti keamanan,
pemeriksaan kesehatan, konfigurasi eksternal dan
server tertanam [9].
3.5 Hibernate Framework
Setelah Gavin King mendirikan Hibernate pada tahun
2001, proyek ini mendapat perhatian besar setelah
dipekerjakan oleh JBoss, yang kemudian
mengerahkan lebih banyak pasukan untuk mengelola
Hibernate dengan baik. Hibernate sangat efektif
sehingga menjadi lebih terkenal daripada konsep
ORM itu sendiri.Sejak versi 3.5, Hibernate telah
dilengkapi dengan HibernateAnnotation dan secara
resmi menjadi salah satu implementasi JPA. Namun,
JPA sendiri hanyalah sekumpulan interface seperti
JDBC, dan Hibernate Annotation dapat digunakan
dalam tiga cara:
1. Menggunakan HibernateAnnotation;
2. Menggunakan HibernateAnnotation dan JPA;
3. Menggunakan JPA Annotation
Selain itu, ada proyek Hibernate Search yang
bertujuan untuk membuat indeks teks penuh dari
tabel-tabel yang dikelola Hibernate, sehingga
pencarian teks penuh terhdap tabel tersebut dapat
dilakukan. Selanjutnya, proyek Hibernate Shards
bertujuan untuk memberikan kemampuan untuk
memisahkan tabel dalam beberapa instance database,
yang merupakan alias database yang didistribusikan
[10].
3.6 HQL (Hibernate Query Language)
Hibernate menggunakan bahasa pertanyaan yang
kuat (HQL), sebanding dengan SQL dan lebih
berorientasi object. HQL memahami pengertian
seperti hubungan, polimorfisme dan pewarisan.
Selain nama class dan property Java seperti case-
sensitive, HQL sensitive. Meskipun SeLect dan
sELEct mungkin berbeda org.hibernate.eg.FOO dan
foo.barSet tidak sama.
Query HQL ditulis dengan huruf kecil atau besar
yang tidak sensitif, karena konversi ini tidak
berfungsi dengan perintah yang sudah ada dalam code
Java, tidak disarankan untuk menggunakan huruf
besar dalam code tertentu. Contoh sederhananya
adalah queryhibenarte:from eg.Cat yang
mengembalikan contoh dari class eg.Cat. Biasanya
karena auto import telah di lakukan jadi cukup
menuliskan Cat.
Hibernate, perusahaan yang menghasilkan bahasa
baru. Salah satu perbedaan utamanya adalah HQL
menggunakan nama class dan property daripada
nama table dan kolom seperti database SQL [10].
Hibernate juga akan mengidentifikasi setiap
perubahan pada object yang persistence state dan
melakukan sinkronisaasi database setelah proses
selesai [11].
4. HASIL DAN PEMBAHASAN
4.1. Client Server menggunakan socket
Gambar 4. Skema sinkronisasi
Penelitian ini menggunakan DBMS MySQL. Seperti
pada Gambaar 4, proses sinkronisasi di lakukan
dengan menggunakan arsitekur client-server dan
pengiriman data di lakukan dengan menggunakan
socket stream.
Client merupakan software yang diinstal dimana
database yang akan disinkronkan digunakan.
Konfigurasi koneksi pada client adalah file yang
berisi konfigurasi koneksi ke DBMS dimana
didalamnya terdapat database yang akan
disinkronkan dan konfigurasi koneksi seperti alamat
ip, port dan otentikasi pengguna diperlukan untuk
melakukan komunikasi dengan menggunakan soket
[12].
Applikasi client menggunakan satu database yang
terdiri dari beberapa tabel konfigurasi, yaitu tabel
untuk menyimpan data yang diterima dari client lain,
tabel untuk menyimpan data yang akan dikirim ke
client lain, serta tabel konfigurasi sinkronisasi master
dan slave.
Pengiriman dan eksekusi data menggunakan
algoritma pengurutan tradisional, artinya data yang
dimasukkan terlebih dahulu akan diproses terlebih
dahulu (FIFO) [13]. Secara umum, aplikasi client dan
server mempunyai fungsi utama sebagai pengirim
dan penerima data. Dalam hal pengiriman data,
aplikasi akan menentukan apa dan kemana akan
dikirim. Dalam hal penerimaan data, aplikasi akan
lebih banyak bekerja menunggu data untuk mengatur
proses apa yang harus dilakukan terhadap data
tersebut [14].
Selain itu, setiap client dapat menyinkronkan lebih
dari satu database di dalam satu jaringan lokal.
Terdapat dua jenis konfigurasi yang dapat dilakukan,
yaitu konfigurasi sebagai master dan sebagai slave.
Jika dikonfigurasi sebagai master, maka pengaturan
 Satu, dkk, Judul singkat … 5

koneksi database dan tabel tersinkronisasi harus

ditentukan. Untuk konfigurasi sebagai slave, client Proses simulasi dilakukan untuk mengetahui
harus mendaftarkan client lain yang mengontrol bagaimana Event Trigger dan Changelog Trigger
database sebagai master pada konfigurasi database, berfungsi.
kemudian melakukan permintaan data dari client
master berupa database dan daftar tabel yang perlu
dipilih dan disinkronkan. Ketika slave memastikan
untuk menyelesaikan pemilihan database dan tabel,
master client akan mendaftarkan slave ke dalam
database konfigurasi, ini selanjutnya akan digunakan
untuk mengetahui ke mana harus mengirim tabel
audit.

4.1.1 Masalah Sinkronisasi Gambar 6 Trigger Auditlog

Beberapa potensi masalah dalam penerapan
sinkronisasi dengan client-server, di antaranya :
1. Client gagal terhubung ke Server
2. Client tidak terhubung ke jaringan / off
3. Data Rekonsiliasi
4. Keamanan data saat proses pengiriman
5. Terjadinya penumpukan data di table Audit Log
Gambar 6 menunjukkan bahwa trigger-trigger
bertanggung jawab untuk mengelola event insert,
update, dan delete pada tabel transaksi.
Pengujian dilakukan dalam tiga tahap: insert, update,
dan delete. Hasil pengujian sistem disajikan dalam
table.

4.2 Tabel Audit Log

Audit Log adalah mekanisme untuk menyimpan
aktivitas pengguna, seperti perintah SQL yang di
jalankan di database SQL.Tabel tersebut di gunakan
pada database MySQL dengan menggunakan trigger
dan table. Setiap table memiliki 3 trigger: insert,
update dan delete event. Algoritma trigger
menunjukkan cara mencatat perubahan database.
Tabel 2 Hasil Pengujian
4.3 ORM (Object Relational Mapping)
Hibernate adalah implementasi layanan ORM yang
bersifat open source yang memungkinkan
pengembang berkonsentrasi pada masalah logika
bisnis dengan mediasi interaksi applikasi dengan
database relasional, karena Hibernate dapat
mengintegrasikan applikasi baru dengan applikasi
yang sudah ada tanpa mengubahnya.

4.3.1 Producer Service

Salah satu fungsi Producer Service yang bertanggung
jawab untuk mengirimkan pesan yang
menginformasikan perubahan database ke Broker.

Gambar 5 Flowchart Trigger

Trigger akan berjalan saat terjadi event pada table

database. Semua yang di lakukan untuk event insert
adalah menentukan nilai kolom uuid. Proses
generate event query menghasilkan sintaks query
SQL berdasarkan kejadian yang terjadi. Trigger di
gunakan untuk menyimpan sintaks query SQL ke
table audit_changelog. Struktur table dapat di lihat
Gambar 7 Producer product service
sebagai berikut:
Producer service akan terus mengecek data produk
NAV di table mutual_fund_nav berdasarkan tanggal
effektif dan status APPROVED setiap hari.
Semua pesan yang dikirm oleh Producer Service
berada dalam parition dengan topic mutual-fund-nav
Tabel 1 Struktur Tabel Audit Changelog pada Apache Kafka Broker. Jumlah pesan yang
6 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), Vol. x, No. x, April 2014, hlm. x-y
berada dalam Broker sama dengan jumlah pesan yang
di kirim oleh Producer Serivce.
4.3.2 Consumer Service
Consumer Service merupakan service yang
bertanggung jawab untuk mengumpulkan pesan dari
Broker dengan topic mutual-fund-nav
Gambar 8 Consumer transaction service
4.3.3 Java Persistence API
Proses sinkronisasi dengan melakukan inisiasi data
dari semua attribute object berdasarkan data yang
telah di terima di consumer service.
Gambar 9 JPA transaction service
Class Repository dilakukan setelah
mengimplementasikan semua table dari database ke
dalam class java. Class Repository merupakan class
Interface yang berguna untuk menghubungkan class
service dengan class Entities.
Gamber 10 JPA Repository
4.3 Pengujian Sistem
Menghitung waktu yang di perlukan untuk
sinkronisasi adalah cara pengujian di lakukan.
Gambar 11 menunjukkan scenario pengujian
Gambar 11 Skenario Pengujian
Product service mengirimkan data sejumlah n ke
Transaction service melaui apache kafka secara
realtime. Di dalam 2 service tersebut memiliki table
yang memiliki struktur data yang sama yaitu
mutual_fund_nav untuk di sinkronisasi .Struktur dari
table mutual_fund_nav dapat di lihat di Gambar 12.
Gambar 12 Struktur table mutual_fund_nav
5. HASIL PENGUJIAN SISTEM
Hasil dari pengujian dapat di lihat di Tabel 3
Tabel 3 Hasil pengujian
Pengujian di lakukan dengan melakukan dengan
mencatat waktu yang di perlukan untuk sinkronisasi
data sejumlah n. Hasil pengujian menunjukkan
system sinkronisasi memerlukan 4 detik untuk 250
data, 7 detik untuk 500 data, 11 detik untuk 1000 data
dan 13 detik untuk 1500. Hal ini menunjukkan bahwa
system sinkronisasi yang di buat cukup stabil untuk
menangani jumlah data yang terus meningkat.
6. KESIMPULAN
Dengan menggunakan Apache Kafka sebagai media
pengiriman pesan dalam arsitektur microservise,
metode ini dapat digunakan untuk membuat sistem
sinkronisasi database. Sistem sinkronisasi yang
dibuat memiliki kemampuan yang stabil dalam
menangani jumlah data yang besar yang terus
meningkat.
Penggunaan hibernate framework untuk mendeteksi
perubahan data yang terjadi pada database adalah
bagian yang paling penting.
7. DAFTAR PUSTAKA
 Satu, dkk, Judul singkat … 7

[1] G.H. Surya, I.M. Sukarsa, and I.G.M.A. Sasmita.

Two Ways Database Synchronization In
Homogenous Binary Log. Journal of Theoretical and
Applied Information Technology. 2014;
65(1): 76-82.
[2] I.G.J Arissaputra, I.M. Sukarsa, P.W. Buana,
N.W. Wisswani. Binary Log Design for One-
Way Data Replication with ZeroMQ. International
Journal of Modern Education and Computer
Science. 2018; 10(10): 22–30.
[3] H. Ahmad, I.M. Sukarsa, and A.A. Ketut Agung
Cahyawan Wiranatha. Pertukaran Data An tar
Database Dengan Menggunakan Teknologi API.
Lontar Komputer : Jurnal Ilmiah Teknologi
Informasi. 2017; 8(1): 22-30.
[4] K. Jay. Kafka : a Distributed Messaging System
for Log Processing. 2011.
[5] G. Fu, Y. Zhang, G. Yu. A Fair Comparison of
Message Queuing Systems. IEEE Access.
2021; 9:421-432.
[6] I Wayan Gus Arisna , I Made Sukarsa , Putu Wira
Buana, Model Sinkronisasi Database Satu Arah
dengan Metode Audit Log Menggunakan Apache
Kafka.
[7] “PostgreSQL:About.” https://
www.postgresql.org/about/ (accessed Nov. 15,
2021).
[8] “Introduction · Bootstrap v4.6.”
https://getbootstrap.com/docs/4.6/gettingstarted/
introduction/ (accessed Feb. 10, 2022).
[9] Jovanović, Željko., Jagodić, Dijana., Vujičić,
Dejan., Ranšić, Siniša. 2017, Java Spring Boot Rest
Web Service Integration with Java Artificial
Intelligence Weka Framework. Gabrovo:
International Scientific Conference.
[10] Seddighi, Ahmad Reza. Spring Persistence with
Hibernate: robust and reliable persistence solutions
for your enterprise Java application. Birmingham:
Packt Publishing Ltd
[11] Agostino Cortesi, Raju Halder, Information-
Flow Analysis of Hibernate Query Language
[12] Abhijit A. Sawant, Dr. B. B. Meshram. Network
Programming in Java Using Socket. International
Journal of Engineering Research and Applications
Vol 3, issue 1, 2013, pp. 1299-1304.
[13] JinGang Shi, YuBin Bao, FangLing Leng, Ge
Yu. Priority-based Balance Scheduling in Real-Time
Data Warehouse. Hybrid Intelligent Systems, Ninth
International Conference, Vol. 3, 2009, pp. 301.
[14] Sameena Naaz, Afshar Alam, Ranjit Biswas.
Load Balancing Algorithms for Peer to Peer and
Client Server Distributed Environments.
International Journal of Computer Applications, Vol.
47, No. 8, June 2012, pp. 18.