RINGKASAN

Data media sosial tumbuh dengan cepat dalam ukuran, variasi dan kompleksitas, namun data tersebut disimpan dalam keadaan tidak terstruktur. Data media sosial tersebut menyimpan berbagai potensi informasi seperti analisis sentimen, prediksi trend pada masyarakat dan lain sebagainya. Potensi informasi ini dapat diekstrak melalui Social Network Analysis (SNA). SNA memiliki tantangan besar yaitu memproses dataset yang sangat besar dalam waktu yang wajar. Untuk menjawab tantangan tersebut, salah satu upaya yang dapat dilakukan yaitu membuat sistem hybrid database MongoDB dan Elasticsearch dengan menggunakan dataset media sosial yang diperoleh dari API Stream Twitter.
Hybrid menggunakan MongoDB untuk proses penyimpanan data dan Elasticsearch untuk menampilkan data. Compose Transporter digunakan untuk proses replikasi dari penyimpanan database MongoDB ke Elasticsearch. Hasil dari penelitian ini menunjukkan sistem hybrid NoSQL dapat berjalan dengan baik. Peningkatan jumlah data mempengaruhi respond time pada proses insert dan replikasi data. Respond Time tertinggi ada pada proses insert mulai dari 26.2 detik pada data 1K hingga 19520.45 detik pada data 1M. Adapun proses replikasi membutuhkan lebih sedikit Respond Time Query, yaitu jumlah data 1K tweet yaitu 6.25s hingga 1M tweet yaitu 2817.146s. Sedangkan pada proses select memiliki respond time dibawah 0,1s dan bernilai relatif konstan walaupun mengalami peningkatan data dikarenakan Inverted Index yang ada pada Elasticsearch membuat proses pencarian dengan pemanfaatan analyzer yang terdiri dari tokenisasi dan filtrasi menjadi lebih cepat. Kinerja penggunaan CPU tertinggi ada pada proses select data dari Elasticsearch dan mengalami inkonsisten. Serta kinerja penggunaan RAM tertinggi ada pada proses insert ke MongoDB dan replikasi data dari MongoDB ke Elasticsearch.
Kata kunci: SNA, MongoDB, Elasticsearch, hybrid, performansi