Penelitian ini tentang membandingkan Event Stream Processing (ESP) tools Esper dengan Streambase dari segi kecepatan pengolahan data. Tujuan dari penelitian ini untuk mengetahui mana yang lebih cepat antara Esper dan Streambase dalam hal mengolah data real-time. Kedua ESP tools tersebut menggunakan contoh kasus yang sama, yaitu perhitungan Bollinger bands. Bollinger bands adalah salah satu indikator yang digunakan dalam pasar saham untuk memberikan definisi harga saham relatif tinggi atau rendah. Bollinger bands terdiri dari 3 garis (band), yaitu upper band, lower band, dan middle band. Harga saham tinggi apabila harga saham menyentuh upper band, sedangkan harga saham rendah apabila menyentuh lower band. Eksperimen yang dilakukan menggunakan data saham yang mengacu pada saham-saham yang terdaftar di Bursa Efek Indonesia (BEI) sebanyak 468 saham. Setiap saham terdiri dari 100 data saham meliputi symbol, price, dan date. Jangka waktu perubahan harga penutupan saham yang digunakan adalah detik. Eksperimen ini menggunakan periode dan faktor pengali standar deviasi pada Bollinger bands yang berbeda, yaitu periode 20 dengan faktor pengali standar deviasi 2 dan periode 50 dengan faktor pengali standar deviasi 2,5. Perhitungan Bollinger bands diimplementasikan pada masing-masing ESP tools untuk mengetahui waktu proses dalam mengolah data saham menjadi Bollinger bands. Waktu proses tersebut kemudian dibandingkan untuk mengetahui mana yang lebih cepat antara Esper dan Streambase. Pada eksperimen pertama, Streambase unggul atas Esper dengan selisih rata-rata waktu proses 0,146 detik. Sedangkan pada eksperimen kedua, Streambase unggul atas Esper dengan selisih rata-rata waktu proses 0,143 detik. Hasil eksperimen tersebut menunjukkan bahwa Streambase lebih cepat daripada Esper dalam mengolah data saham menjadi Bollinger bands. Kata Kunci: Event Stream Processing, Esper, Streambase, Bollinger Bands, harga saham.

This research is about comparing event stream processing (ESP) tools: Esper and Streambase from the point of data processing speed. The aim of this research is to know which one is faster between Esper and Streambase in terms of processing real-time data. Both ESP tools use same case which is calculation of Bollinger bands. Bollinger bands which consist of upper band, middle band, and lower band are one of indicators that used in stock market to determine high or low of relative stock price definition. Prices are high when the prices touch the upper band, whereas prices are low when prices touch the lower band. Experiment is carried out by using stock data that refer to 468 stocks listed in Bursa Efek Indonesia (BEI). Every stock consist of 100 stock data includes symbol, price, and date. Time frame of close price changes used in the Bollinger bands is in ticks. This experiment using different period and standard deviation multiplier, which is 20 periods with 2 standard deviation multiplier and 50 periods with 2,5 standard deviation multiplier. Calculation of Bollinger bands is implemented to each of ESP tools in order to understand the time of processing stock data into Bollinger bands. This process time later is compared in order to know which is faster between Esper and Streambase. From the first experiment, Streambase is better than Esper with average process time difference is 0,146 second. Whereas from the second experiment, Streambase is better than Esper with average process time difference is 0,143 second. These two experiments show that Streambase faster than Esper in terms of processing stock data to be Bollinger bands. Keywords: Event Stream Processing, Esper, Streambase, Bollinger Bands, stock price.

http://digilib.polban.ac.id/gdl.php?mod=browse&op=read&id=jbptppolban-gdl-ariefrachm-5723