Di toko buku kita, mayoritas buku mengumpulkan kurang dari lima puluh ulasan. Tetapi satu-dua judul bestseller — sebut saja Atomic Habits — mengumpulkan ratusan ribu. Kalau skema dirancang untuk yang ekstrem (semua ulasan di collection terpisah), buku-buku biasa kehilangan jalur baca satu query; kalau dirancang untuk yang biasa (semua ulasan embed), bestseller menabrak 16 MB. Outlier Pattern menolak pilihan itu: populasi umum tetap memakai desain normal, dan satu-dua ekstrem dipisahkan representasinya dengan bendera isOutlier.

Masalah: Ekstrem yang Mendikte Desain #

Kesalahan klasik perancang skema adalah mendesain untuk nilai maksimum, bukan untuk distribusi. Statistik jumlah ulasan per buku condong ekstrem: rata-rata rendah, tetapi ekornya panjang — persis contoh di blog resmi MongoDB, di mana satu produk populer dapat berjuta ulasan sementara sisanya di bawah ratusan. Query rata-rata harus tetap cepat, namun data ekor panjang tetap harus tersimpan utuh. Desain tunggal tidak bisa melayani keduanya; desain ganda dengan penanda eksplisit bisa.

Angka-angkanya memperlihatkan ketimpangannya: kalau 99% buku di bawah lima puluh ulasan dan satu bestseller menyimpan 250.000, maka desain embed-murni memaksa seluruh collection mengikuti kebutuhan satu document, dan desain refer-murni memperlakukan jutaan query cepat demi satu document juga. Outlier Pattern menolak keduanya dengan satu pengakuan jujur: populasi umum dan ekstrem memang berbeda, jadi biarkan representasinya berbeda — ditandai bendera isOutlier, bukan ditanggung seluruh collection.

Solusi: Pisahkan Representasi Outlier #

Document buku normal embed ulasannya. Document buku outlier sengaja tidak punya field ulasan sama sekali — hanya counter jumlahUlasan dan bendera isOutlier; ulasannya hidup di collection ulasan:

js 
use latihan_modeling
db.dropDatabase()
db.buku.insertMany([
  { _id: 101, judul: "Bumi", harga: 89000, jumlahUlasan: 2, ulasan: [ { pembaca: "Budi", bintang: 4 }, { pembaca: "Siti", bintang: 5 } ] },
  { _id: 102, judul: "Laut Bercerita", harga: 98000, jumlahUlasan: 3, ulasan: [ { pembaca: "Dewi", bintang: 5 }, { pembaca: "Rina", bintang: 4 }, { pembaca: "Agus", bintang: 4 } ] },
  { _id: 103, judul: "Atomic Habits", harga: 115000, jumlahUlasan: 250000, isOutlier: true }
])
db.ulasan.insertMany([
  { bukuId: 103, pembaca: "Budi", bintang: 5, teks: "Mengubah kebiasaan saya.", waktu: ISODate("2026-12-05T08:00:00Z") },
  { bukuId: 103, pembaca: "Siti", bintang: 5, teks: "Sangat praktis.", waktu: ISODate("2026-12-05T09:30:00Z") },
  { bukuId: 103, pembaca: "Dewi", bintang: 4, teks: "Butuh pembacaan ulang.", waktu: ISODate("2026-12-06T07:15:00Z") }
])
db.buku.find({}, { judul: 1, jumlahUlasan: 1, isOutlier: 1 })

Output yang Dihasilkan:

text 
switched to db latihan_modeling
{ ok: 1, dropped: 'latihan_modeling' }
{ acknowledged: true, insertedIds: { '0': 101, '1': 102, '2': 103 } }
{
  acknowledged: true,
  insertedIds: {
    '0': ObjectId('6ad39b39a4366d64684ef1bf'),
    '1': ObjectId('6ad39b39a4366d64684ef1c0'),
    '2': ObjectId('6ad39b39a4366d64684ef1c1')
  }
}
[
  { _id: 101, judul: 'Bumi', jumlahUlasan: 2 },
  { _id: 102, judul: 'Laut Bercerita', jumlahUlasan: 3 },
  {
    _id: 103,
    judul: 'Atomic Habits',
    jumlahUlasan: 250000,
    isOutlier: true
  }
]

Perhatikan baris terakhir: Atomic Habits menampilkan counter 250.000 tanpa satupun byte ulasan — document-nya tetap sekecil buku mana pun. Tiga ulasan contoh di ulasan hanyalah puncak gunung es; collection itu bisa menampung jutaan baris tanpa perlu menyentuh document induknya.

Divergensi Jalur Baca dan Tulis #

Aplikasi membaca isOutlier lalu memilih jalur. Jalur normal — satu query:

js 
db.buku.findOne({ _id: 101 }, { judul: 1, jumlahUlasan: 1, ulasan: 1 })

Output yang Dihasilkan:

text 
{
  _id: 101,
  judul: 'Bumi',
  jumlahUlasan: 2,
  ulasan: [ { pembaca: 'Budi', bintang: 4 }, { pembaca: 'Siti', bintang: 5 } ]
}

Jalur outlier — dua query, dengan pagination seperti Subset Pattern:

js 
db.buku.findOne({ _id: 103 }, { judul: 1, jumlahUlasan: 1, isOutlier: 1 })
db.ulasan.find({ bukuId: 103 }, { pembaca: 1, bintang: 1, teks: 1, _id: 0 }).sort({ waktu: -1 }).limit(2)

Output yang Dihasilkan:

text 
{
  _id: 103,
  judul: 'Atomic Habits',
  jumlahUlasan: 250000,
  isOutlier: true
}
[
  { pembaca: 'Dewi', bintang: 4, teks: 'Butuh pembacaan ulang.' },
  { pembaca: 'Siti', bintang: 5, teks: 'Sangat praktis.' }
]

Jalur tulis juga berbeda. Ulasan baru pada buku normal berupa satu $push plus kenaikan counter — dan untuk keamanan growth, $push kita batasi lima ulasan terakhir ala Chapter Document Growth. Ulasan baru pada outlier berupa insert biasa:

js 
db.buku.updateOne(
  { _id: 101 },
  { $push: { ulasan: { $each: [ { pembaca: "Tono", bintang: 3 } ], $slice: -5 } }, $inc: { jumlahUlasan: 1 } }
)
db.ulasan.insertOne({ bukuId: 103, pembaca: "Rina", bintang: 5, teks: "Rekomendasi!", waktu: ISODate("2026-12-06T10:00:00Z") })
db.buku.updateOne({ _id: 103 }, { $inc: { jumlahUlasan: 1 } })

Output yang Dihasilkan:

text 
{
  acknowledged: true,
  insertedId: null,
  matchedCount: 1,
  modifiedCount: 1,
  upsertedCount: 0
}
{
  acknowledged: true,
  insertedId: ObjectId('6ad39b39a4366d64684ef1c2')
}
{
  acknowledged: true,
  insertedId: null,
  matchedCount: 1,
  modifiedCount: 1,
  upsertedCount: 0
}

Migrasi Saat Buku Biasa Menjadi Ekstrem #

Buku normal yang ulasannya melewati ambang harus bermigrasi. Ambil Laut Bercerita yang (misal) ambang embed kita lima: pindahkan array ulasannya ke collection terpisah, nyalakan bendera, hapus arraynya:

js 
const buku = db.buku.findOne({ _id: 102 })
db.ulasan.insertMany(buku.ulasan.map(u => ({ ...u, bukuId: 102 })))
db.buku.updateOne({ _id: 102 }, { $set: { isOutlier: true }, $unset: { ulasan: "" } })
db.buku.findOne({ _id: 102 }, { judul: 1, jumlahUlasan: 1, isOutlier: 1 })

Output yang Dihasilkan:

text 
{
  acknowledged: true,
  insertedIds: {
    '0': ObjectId('6ad39b39a4366d64684ef1c3'),
    '1': ObjectId('6ad39b39a4366d64684ef1c4'),
    '2': ObjectId('6ad39b39a4366d64684ef1c5')
  }
}
{
  acknowledged: true,
  insertedId: null,
  matchedCount: 1,
  modifiedCount: 1,
  upsertedCount: 0
}
{ _id: 102, judul: 'Laut Bercerita', jumlahUlasan: 3, isOutlier: true }

Bedah migrasinya:

  1. findOne ke variabel buku — menampung document lama; baris ini diam di REPL karena hasilnya masuk variabel.
  2. buku.ulasan.map(...) — setiap elemen array disalin menjadi document mandiri dengan tambahan bukuId: 102; tiga ulasan embed berubah menjadi tiga baris di ulasan.
  3. $set + $unset dalam satu update — bendera isOutlier dinyalakan dan field ulasan dihapus sekaligus; sejak baris ini, buku tersebut dilayani jalur baca/tulis outlier.

Deteksi ambang biasanya dijalankan tugas latar: cari document tanpa isOutlier yang jumlahUlasan-nya melewati ambang, lalu jalankan migrasi seperti di atas. Pola Schema Versioning bisa menandai perubahan bentuk ini kalau aplikasi perlu membedakan lebih dari dua kondisi.

Field jumlahUlasan sendiri layak diperhatikan: pada buku normal nilainya konsisten dengan panjang array, tetapi pada outlier nilainya adalah satu-satunya kebenaran yang tersimpan di document induk — persis pola counter yang diperbarui $inc tiap ulasan baru masuk. Inilah contoh langka di mana duplikasi bukan salinan tampilan, melainkan satu-satunya representasi ringkas dari data yang hidup di tempat lain.

Rangkuman #

  • Outlier Pattern memisahkan representasi entitas ekstrem (bendera isOutlier + data di collection terpisah) dari populasi umum yang tetap embed.
  • Document outlier hanya menyimpan counter, sehingga tetap kecil berapa pun jumlah datanya yang sebenarnya.
  • Aplikasi bercabang pada isOutlier untuk jalur baca (embed vs collection + pagination) dan jalur tulis ($push vs insertOne).
  • Migrasi ke outlier: salin array ke collection terpisah, nyalakan bendera, hapus array — biasanya dipicu tugas latar yang mengawasi counter.