Hive menggantikan teknik pemrosesan tradisional RDBMS yang tidak dapat digunakan pada big data. Tetapi, Hive dengan kondisi default akan mencari data secara menyeluruh saat mengeksekusi query. Metode partition dan metode bucket mampu mengelompokkan data, sehingga dilakukan pengujian untuk mengetahui apakah dengan mengelompokkan data akan memberikan peningkatan performansi response time query atau sebaliknya. Pada penelitian ini, dibangun infrastruktur Hadoop cluster dengan sistem multi node menggunakan virtual machine. Dataset yang digunakan adalah dataset movielens dengan kardinalitas atribut yaitu 5, 50, 100, dan 6.040. Tiap dataset terdiri dari 15 juta records data.
Berdasarkan hasil penelitian, metode partition selain mampu mengelompokkan data juga memberikan performansi response time query yang lebih cepat sebesar 31.99% dibandingkan kondisi default dan metode partition saat kardinalitas 100 lebih baik dibandingkan dua kardinalitas yang lebih kecil. Untuk metode bucket, meski mampu mengelompokkan data akan tetapi memberikan performansi response time query yang lebih lambat sebesar 2.42 % dibandingkan kondisi default dan metode bucket saat 2 bucket lebih baik dibandingkan variasi jumlah bucket lainnya yang lebih besar. Jika atribut dalam kondisi kardinalitas ≤100, metode partition cocok digunakan dibandingkan metode bucket dengan response time query yang lebih cepat sebesar 34.23% dan saat kondisi kardinalitas tinggi yaitu diujicobakan dengan kardinalitas 6.040, metode bucket cocok digunakan dibandingkan metode partition.