The development of a staff payroll system aims to create a system that can help an administrator recapitulate attendance and payroll data of Informatics Engineering (IE) Department staff quickly and accurately. Such a development requires a database. The database design is divided into four stages: requirement collection and analysis, conceptual database design, logical database design, and physical database design. Design testing was performed on the database by testing the access policies, anomaly check, and view check. The results reveal that the proposed system worked well did not encounter anomalies.

Cloud di masa kini tidak hanya berfungsi sebagai media penyimpanan data, tetapi dapat digunakan juga sebagai media untuk mengelola ataupun menganalisis suatu data. Google menawarkan Google BigQuery sebagai platform yang mampu mengelola dan menganalisis data, sedangkan Elasticsearch merupakan mesin pencari dan analisis yang dapat digunakan untuk menganalisis data dengan menggunakan Kibana. Dengan menggunakan dataset berupa cuitan hasil proses crawling melalui http://netlytic.org/ yang mengandung tagar #COVID19 dan #coronavirus, data tersebut dianalisis dan digunakan untuk membandingkan kinerjanya dengan benchmark. Benchmark merupakan proses yang digunakan untuk mengukur dan membandingkan kinerja terhadap sebuah aktivitas, sehingga tercapai tingkat kinerja yang diinginkan. Data benchmark dilakukan pada kedua platfrom untuk menghasilkan atau mengetahui beban kerja dari platfrom. Hasil akhir yang didapatkan menunjukkan bahwa Google BigQuery memiliki hasil yang lebih unggul, baik dari wadah upload untuk dataset yang lebih besar dibandingkan Elasticsearch dan dengan dua model pengujian kueri. Waktu pengelolaan kueri pada Google BigQuery juga lebih singkat dan cepat dibandingkan dengan Elasticsearch. Selain itu, hasil visualisasi dari kedua platform ini memiliki jumlah persentase yang sama.