i
ESTIMASI JUMLAH NODE DI JARINGAN OPORTUNISTIK
MENGGUNAKAN ALGORITMA TAXI PROBLEM
(KASUS : JUMLAH NODE STATIS)
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar
Sarjana Komputer Program Studi Teknik Informatika
oleh:
LAYUNG INDRA APRILIA
155314013
PROGRAM STUDI TEKNIK INFORMATIKA
JURUSAN TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2019
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ii
ESTIMATION NUMBER OF NODE WITH TAXI PROBLEM
ALGORITHM IN OPPORTUNISTIC NETWORK
(CASE : TOTAL STATICS NODE)
A THESIS
Presented as Partial Fulfillment of Requirements to Obtain Sarjana
Komputer Degree in Informatics Engineering Department
by:
LAYUNG INDRA APRILIA
155314013
INFORMATICS ENGINEERING STUDY PROGRAM
INFORMATICS ENGINEERING DEPARTMENT
FACULITY SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2019
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iii
HALAMAN PERSETUJUAN
SKRIPSI
ESTIMASI JUMLAH NODE DI JARINGAN OPORTUNISTIK
MENGGUNAKAN ALGORITMA TAXI PROBLEM
(KASUS : JUMLAH NODE STATIS)
oleh :
Layung Indra Aprilia
(155314013)
Telah disetujui oleh :
Dosen Pembimbing,
Bambang Soelistijanto, Ph.D. Tanggal, ................ 2019
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iv
HALAMAN PENGESAHAN
SKRIPSI
ESTIMASI JUMLAH NODE DI JARINGAN OPORTUNISTIK
MENGGUNAKAN ALGORITMA TAXI PROBLEM
(KASUS : JUMLAH NODE STATIS)
Dipersiapkan dan ditulis oleh:
Layung Indra Aprilia
(155314013)
Telah dipertahankan di depan panitia penguji
pada tanggal 17 Juli 2019
dan dinyatakan memenuhi syarat
Susunan Panitia Penguji
Nama Lengkap Tanda Tangan
Ketua : Vittalis Ayu, S.T., M.Cs …………………
Sekretaris : Henricus Agung Hernawan, S.T., M.Kom. …………………
Anggota : Bambang Soelistijanto, Ph.D. …………………
Yogyakarta, ….. Juli 2019
Fakultas Sains dan Teknologi
Universitas Sanata Dharma
Dekan,
Sudi Mungkasi, S.Si., M.Math.Si., Ph.D.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
v
MOTTO
“Tak perlulah membandingkan dirimu dengan orang lain
karena memang tidak ada dari dirimu yang layak untuk dibandingkan.”
- LAYUNG INDRA APRILIA
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vi
PERNYATAAN KEASLIAN KARYA
Saya menyatakan dengan sebenar-benarnya bahwa skripsi yang saya tulis
ini tidak memuat karya atau bagian karya orang lain, kecuali yang telah
disebutkan dalam kutipan daftar pustaka, sebagaimana layaknya karya ilmiah.
Yogyakarta, 07 Juni 2019
Penulis
Layung Indra Aprilia
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vii
LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH
UNTUK KEPENTINGAN AKADEMIS
Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata
Dharma :
Nama : Layung Indra Aprilia
NIM :155314013
Demi pengembangan ilmu pengetahuan, saya memberikan kepada
Perpustakaan Universitas Sanata Dharma karya ilmiah yang berjudul:
ESTIMASI JUMLAH NODE DI JARINGAN OPORTUNISTIK
MENGGUNAKAN ALGORITMA TAXI PROBLEM
(KASUS : JUMLAH NODE STATIS)
Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya
memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk
menyimpan, mengalihkan dalam bentuk media lain, mengolahnya dalam
bentuk angkalan data, mendistribusikannya secara terbatas, dan
mempublikasikannya di Internet atau media lain untuk kepentingan
akademis tanpa meminta ijin dari saya maupun memberikan royalty kepada
saya selama tetap mencantumkan nama saya sebagai penulis.
Demikian pernyataan ini saya buat dengan sebenarnya.
Yogyakarta, 07 Juni 2019
Penulis,
Layung Indra Aprilia
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
viii
ABSTRAK
Routing protokol harus mengetahui global knowledge untuk mendapatkan
unjuk kerja jaringan yang optimal. Routing dapat bekerja dengan lebih efisien
dalam pemilihan jalur untuk pengiriman pesan sehingga beban pada jaringan
dapat berkurang dan memungkinkan node yang ada di jaringan dapat
menyesuaikan dengan topologi sehingga dapat menemukan jalur terbaik dalam
pengiriman pesan.
Pada jaringan OppNet untuk mengetahui global knowledge menjadi
tantangan karena dibutuhkan waktu yang lama dan karakteristik dari jaringan
OppNet yang bersifat dinamis. Beberapa contoh global knowledge antara lain
jumlah node atau total node yang ada di sebuah jaringan, sisa buffer, jumlah
replika pesan atau L copy. Jumlah node atau total node yang ada di sebuah
jaringan sangatlah penting untuk diketahui. Dengan mengetahui total node atau
jumlah node yang ada di jaringan, maka dapat meningkatkan unjuk kerja dan
dapat menggunakan resources secara optimal. Oleh karena itu, kami
mengusulkan algoritma yang dapat melakukan estimasi jumlah node di
jaringan. Taxi Problem adalah salah satu algoritma yang dapat digunakan untuk
melakukan estimasi jumlah node yang ada pada jaringan.
Pada penelitian ini, kami menganalisis dan mengevaluasi perbandingan
antara routing Spray and Wait tanpa menggunakan algoritma taxi problem
dengan routing Spray and Wait yang menggunakan algoritma taxi problem
yang sudah dimodifikasi. Untuk melihat unjuk kerja dari kinerja routing, pada
penelitian ini menggunakan beberapa metrik yang berupa average convergence
time, residu, delivery probability, overhead ratio dan average latency per total
contact. Dari hasil penelitian taxi problem terbukti dapat melakukan estimasi
jumlah node dengan cukup baik dan total node yang gagal untuk mengestimasi
lebih sedikit dari pada routing tanpa menggunakan taxi problem.
Kata Kunci : Spray and Wait, Algoritma Taxi Problem
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ix
ABSTRACT
Protocol routing must know the global knowledge of the network in order
to get the optimal network performances. Routing can be more efficient in
choosing the route to send messages so that the overhead of the network can be
reduced and make the network nodes can suit with the topology in order to find
the best route in sending messages.
In the OppNet, to know the global knowledge is a challenge because it
takes more time and the Oppnet network characteristic is dynamic. Some
examples of the global knowledge are the number of nodes or total number of
nodes in a network, the buffer residual, the total of message copies or L copy.
The number of nodes or the total nodes in a network is important to know. By
knowing the total nodes or the number of nodes in a network can enhance the
performances and use the resources optimally. Therefore, we proposed an
algorithm which is able to estimate the total nodes in a network. The taxi
problem is an algorithm which can be used to estimate the total number of
nodes in a network.
In this research, we analyzed an evaluated the comparison before and after
the use of the taxi problem that a bit modified in spray and wait routing. In the
use performances of the routing we used some matriks as if the average of the
convergence time, residu, delivery probability, overhead ratio and average
latency of the total nodes. Based on the rearch result, the taxi problem is good
enough to estimate the total number of nodes and the total of the nodes that fail
to estimate is less than routing without the taxi problem algorithm.
Keywords : Spray and Wait, The Taxi Problem Algorithm
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
x
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus, oleh karena
kasih dan karunia-Nya yang melimpah, penulis dapat menyelesaikan penulisan tugas
akhir dengan baik dan lancar. Saya selaku penulis menyadari tugas akhir dapat
terselesaikan dengan bantuan dan bimbingan dari berbagai pihak secara langsung
maupun tidak langsung. Maka pada kesempatan ini, selaku penulis mengucapkan
terimakasih kepada:
1. Keluarga tercinta, Bapak Serka Purn. Ruswinardi dan Ibu Anastasia N. serta
kedua saudara saya Marcelinus Ardi Hari Christiawan serta Marcelina Indah
Pawitrasari yang selalu memberikan dukungan berupa doa, motivasi,
penghiburan dan logistik selama saya menempuh perkuliahan hingga saat
saya menyelesaikan tugas akhir.
2. Bapak Bambang Soelistijanto, S.T., M.Sc., Ph.D. selaku dosen pembimbing
tugas akhir yang telah membimbing, memberi ilmu, serta pengalaman dalam
menyelesaikan tugas akhir.
3. Keluarga besar, The Karto’s Fam dan keluarga dari Ibu Waljinem yang selalu
mendukung dan memberikan bantuan berbentuk dukungan moril maupun
sokongan finansial.
4. Grup idola, WINNER dan Sheila on7 beserta jajaran band indie lainnya yang
selalu memberi saya semangat dan motivasi melalui karya yang saya
dengarkan di platform spotify maupun youtube saat mengerjakan tugas akhir.
5. Pasangan, Martinus Tri Nur Cahyono, S.Kom yang selalu memberi saya
motivasi, dorongan semangat dan bantuan berbentuk moril maupun fisik
selama saya menempuh perkuliahan hingga dalam menyelesaikan tugas akhir.
6. Sahabat, Luluk Umi Hanna, Ririn Dwi Wijayanti, S.Kom dan Giovanni
Osmond Indyaputra, S.Kom yang selalu memberi saya semangat, dukungan
dan motivasi dalam pengerjaan tugas akhir.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xi
7. Rekan, Kalorinda, S.Kom dan Gregorius Bima K. Wicaksana, S.Kom yang
telah banyak memberi dorongan dalam bentuk semangat maupun motivasi
serta membantu saya dalam menyelesaikan tugas akhir.
8. Teman-teman, Baper Ranger, TI 2015 Kelas A DPA Bapak Robertus Adi,
Marwoto Squad, Kos Denokan, INSADHA tahun 2015 Kelompok 15Airlines,
Jaringan Komputer angkatan 2015 maupun kakak tingkat yang telah banyak
memberikan dukungan, penghiburan dari saya memulai masa perkuliahan
hingga saat menyelesaikan tugas akhir.
9. OMK Paroki St. Petrus dan Paulus Klepu, Kapan Dolan? dan Multimedia
‘Sempak Teles Crew’, yang selalu memberikan dukungan sehingga saya dapat
menyelesaikan tugas akhir.
10. Serta seluruh pihak yang tidak dapat disebutkan satu persatu, yang telah
memberi dukungan dan doa sehingga saya dapat menyelesaikan tugas akhir
ini. Tuhan memberkati kalian semua.
Penulis sadar bahwa tugas akhir ini masih jauh dari kata sempurna, maka
penulis dengan senang hati dan berterimakasih bila ada kritik serta saran demi
menyempurnakan tulisan ini. Semoga tulisan ini bermanfaat bagi semua pihak.
Penulis
Layung Indra Aprilia
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xii
DAFTAR ISI
HALAMAN JUDUL ................................................................................................ i
TITLE PAGE .......................................................................................................... ii
HALAMAN PERSETUJUAN ............................................................................... iii
HALAMAN PENGESAHAN ................................................................................ iv
MOTTO .................................................................................................................. v
PERNYATAAN KEASLIAN KARYA ................................................................. vi
LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH ............................ vii
ABSTRAK ............................................................................................................ viii
ABSTRACT ........................................................................................................... ix
KATA PENGANTAR ............................................................................................. x
DAFTAR ISI ......................................................................................................... xii
DAFTAR TABEL ................................................................................................ xiv
DAFTAR GAMBAR ............................................................................................. xv
DAFTAR RUMUS .............................................................................................. xvii
BAB I PENDAHULUAN ........................................................................................ 1
1.1. Latar Belakang............................................................................................ 1
1.2. Rumusan Masalah ....................................................................................... 3
1.3. Tujuan Penelitian ........................................................................................ 3
1.4. Manfaat Penelititan ..................................................................................... 3
1.5. Batasan Masalah ......................................................................................... 3
1.6. Metodologi Penelitian ................................................................................. 4
1.7. Sistematika Penulisan ................................................................................. 5
BAB II LANDASAN TEORI .................................................................................. 6
2.1. Mobile Ad Hoc Network (MANET) ............................................................ 6
2.2. Jaringan Oportunistik .................................................................................. 7
2.3. Estimasi Global Knowledge ........................................................................ 9
2.4. Spray and Wait Routing Protokol .............................................................. 10
2.5. Algoritma Taxi Problem ........................................................................... 12
2.6. The ONE Simulator ................................................................................... 16
BAB III METODE PENELITIAN ...................................................................... 17
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiii
3.1. Data .......................................................................................................... 17
3.2. Alat Penelitian .......................................................................................... 18
a. Hardware .................................................................................................. 18
b. Software ................................................................................................... 19
3.3. Pembuatan Alat Uji ................................................................................... 19
3.4. Langkah-Langkah Pengujian ..................................................................... 20
3.5. Cara Analisis Hasil ................................................................................... 23
3.6. Desain Alat Uji ......................................................................................... 24
BAB IV PENGUJIAN DAN ANALISIS .............................................................. 26
4.1.1. Hasil Simulasi Metrik Unjuk Kerja Average Convergence Time dan Residu
pada Dataset Random .......................................................................................... 26
4.1.2. Hasil Simulasi Metrik Unjuk Kerja Average Convergence Time dan Residu
pada Dataset Haggle3-Infocome5 ........................................................................ 29
4.1.3. Hasil Simulasi Metrik Unjuk Kerja Average Convergence Time dan Residu
pada Dataset Reality Minning by MIT................................................................. 31
4.1.4. Hasil Simulasi Metrik Unjuk Kerja Delivery Probability, Overhead Ratio,
dan Latency Average........................................................................................... 34
BAB V KESIMPULAN DAN SARAN ................................................................. 43
5.1. Kesimpulan............................................................................................... 43
5.2. Saran ........................................................................................................ 43
DAFTAR PUSTAKA ............................................................................................ 44
LAMPIRAN .......................................................................................................... 45
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiv
DAFTAR TABEL
Tabel 3.1. Parameter Simulasi untuk Pergerakan Random ................................................17
Tabel 3.2. Parameter Simulasi untuk Pergerakan Manusia (Haggle3-Infocome5 dan
Reality Minning by MIT) ...................................................................................................18
Tabel 3.3.1. Skenario 1.1. : algoritma taxi problem dengan node yang
tidak saling bertukar informasi pada pergerakan random ...................................................20
Tabel 3.3.2. Skenario 1.2. : algoritma taxi problem dengan node yang
saling bertukar informasi pada pergerakan random ...........................................................20
Tabel 3.3.3. Skenario 1.3. : algoritma spray and wait dengan jumlah node 100 dan
skenario ini bergerak pada pergerakan random ..................................................................20
Tabel 3.4.1. Skenario 2.1. : algoritma taxi problem dengan node yang
tidak saling bertukar informasi pada pergerakan haggle3-infocome5 .................................21
Tabel 3.4.2. Skenario 2.2. : algoritma taxi problem dengan node yang
saling bertukar informasi pada pergerakan haggle3-infocome5 ..........................................21
Tabel 3.4.3. Skenario 2.3. : algoritma spray and wait dengan jumlah node 41 dan
skenario ini bergerak pada pergerakan haggle-infocome5 ..................................................21
Tabel 3.5.1. Skenario 3.1. : algoritma taxi problem dengan node yang
tidak saling bertukar informasi pergerakan reality minning by mit .....................................22
Tabel 3.5.2. Skenario 3.2. : algoritma taxi problem dengan node yang
saling bertukar informasi pada pergerakan reality minning by mit .....................................22
Tabel 3.5.3. Skenario 3.3. : algoritma spray and wait dengan jumlah node 97 dan
skenario ini bergerak pada pergerakan reality minning by mit ...........................................22
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xv
DAFTAR GAMBAR
Gambar 2.1. Topologi MANET ......................................................................................... 6
Gambar 2.2. Metode store-carry-forward di jaringan OppNet........................................... 7
Gambar 2.3. Strategi Routing Protokol Spray and Wait ...................................................10
Gambar 2.4. Ilustrasi Taxi Problem .................................................................................12
Gambar 2.6.1. Ilustrasi node di Taxi Problem ketika connection-up .................................14
Gambar 2.6.2. Ilustrasi node di Taxi Problem ketika koneksi terbangun ..........................15
Gambar 2.6.3. Ilustrasi node di Taxi Problem ketika connection-down ............................15
Gambar 2.6.4. Ilustrasi Taxi Problem ketika bertukar informasi
pada jaringan OppNet .......................................................................................................16
Gambar 4.4.1. Grafik Average Convergence Time disetiap interval waktu pada
skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan
random .............................................................................................................................26
Gambar 4.4.2. zoom out dari grafik Average Convergence Time disetiap interval
waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada
pergerakan random ...........................................................................................................27
Gambar 4.4.3. Grafik Residu disetiap interval waktu pada skenario
node tidak bertukar informasi dan bertukar informasi pada pergerakan random .................28
Gambar 4.4.4. Grafik Average Convergence Time disetiap interval waktu pada
skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan
manusia (Haggle3-Infocome5) ..........................................................................................29
Gambar 4.4.5. zoom out dari grafik Average Convergence Time disetiap interval
waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada
pergerakan manusia (Haggle3-Infocome5) ........................................................................29
Gambar 4.4.6. Grafik Residu disetiap interval waktu pada skenario node tidak
bertukar informasi dan bertukar informasi pada pergerakan manusia (Haggle3-
Infocome5) ........................................................................................................................30
Gambar 4.4.7. Grafik Average Convergence Time disetiap interval waktu pada
skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan
manusia (Reality Minning by MIT) ....................................................................................31
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvi
Gambar 4.4.8. zoom out dari grafik Average Convergen Time disetiap interval
waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada
pergerakan manusia (Reality Minning by MIT) ..................................................................32
Gambar 4.4.9. Grafik Residu disetiap interval waktu pada skenario node tidak
bertukar informasi dan bertukar informasi pada pergerakan manusia (Reality-MIT) ..........33
Gambar 4.4.10. Random Waypoint Delivery Probability ..................................................34
Gambar 4.4.11. Haggle3 – Infocome5 Delivery Probability .............................................35
Gambar 4.4.12. Reality MIT Delivery Probability ............................................................36
Gambar 4.4.13. Random Waypoint Overhead Ratio .........................................................37
Gambar 4.4.14. Haggle3-Infocome5 Overhead Ratio .......................................................38
Gambar 4.4.15. Reality Minning by MIT Overhead Ratio ................................................39
Gambar 4.4.16. Random Waypoint Latency Average .......................................................40
Gambar 4.4.17. Haggle3-Infocome5 Latency Average .....................................................41
Gambar 4.4.18. Reality Minning by MIT Latency Average ...............................................42
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvii
DAFTAR RUMUS
Rumus 2.5.1. Estimasi jumlah N menggunakan algoritma taxi problem............................13
Rumus 3.5.1. Delivery Probability per Total Contact .......................................................23
Rumus 3.5.2. Overhead Ratio ..........................................................................................23
Rumus 3.5.3. Average Latency per Total Contact .............................................................24
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
MANET atau Mobile Ad-hoc Network dirancang untuk perangkat mobile
agar dapat berkomunikasi satu dengan yang lainnya dengan menggunakan
jaringan wireless atau nirkabel. Setiap perangkat mobile mempunyai
kemampuan untuk saling terhubung dan membentuk sebuah jaringan antara
node source ke node destination. Dimana, perangkat ini tidak memerlukan
infrastruktur sehingga dapat bergerak secara aktif atau dinamis. Dikarenakan
perangkat yang dapat bergerak dengan bebas, pada jaringan MANET sering kali
terjadi perubahan topologi jaringan yang sangat cepat sehingga memungkinkan
terjadinya kegagalan transmisi atau pertukaran data.
Delay Tolerant Network (DTN) atau Opportunistic Network (OppNet)
diciptakan dengan kelebihan dimana jaringan ini tidak mempermasalahkan
delay atau penundaan dalam pengiriman pesan karena tidak tersedianya end-to-
end path atau setiap node yang tidak terhubung secara terus menerus tetapi
dapat melakukan pencarian jalur dari source ke destination tanpa adanya
topologi yang terbentuk. Meskipun delay dalam jaringan cukup tinggi,
perangkat masih tetap bisa saling bertukar pesan. Hal ini karena DTN
menggunakan metode pengiriman store-and-forward. Pada metode ini, pesan
akan di-forward atau diteruskan dari storage pada suatu node ke storage node
yang lainnya sehingga pesan tersebut sampai pada destination. Dengan
menggunakan metode store-and-forward, maka node memiliki storage untuk
menyimpan pesan apabila jalur koneksi belum tersedia. Tantangan dari DTN
sendiri adalah bagaimana cara untuk menemukan jalur komunikasi yang dapat
mengoptimalkan unjuk kerja.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
Routing merupakan cara bagaimana pesan diarahkan dari source menuju ke
destination. Salah satu routing protokol yang ada di jaringan DTN adalah Spray
and Wait. Routing ini bekerja untuk membatasi jumlah replika dari L copies.
Routing algortima harus mengambil keputusan untuk mencari jalur terbaik agar
source bisa mengirimkan pesan dan sampai ke destination.
Keputusan yang paling naif adalah copy-nya disebar agar mendapat delay
yang cukup cepat untuk sampai ke destination sehingga dapat memberikan
unjuk kerja yang optimal. Namun, karena menyebarkan pesan ke seluruh node
yang ada pada jaringan, ini membuat beban jaringannya menjadi tinggi karena
jumlah L copies yang disebarkan. Routing algoritma yang menggunakan
metode flooding ini adalah Epidemic Routing.
Terdapat 2 strategi yang dapat digunakan untuk membatasi jumlah L copies
yaitu heuristic local knowledge dan qouta fixed. Perbedaan dua strategi ini ialah
dimana untuk heuristic local knowledge, pada saat node bertemu dengan node
lain, node tersebut akan memutuskan apakah node yang ia temui itu memiliki
bobot yang bagus atau tidak. Jika iya, maka node tersebut akan memberikan
copy pesan kepada node yang ia temui. Sedangkan untuk quota fixed, sejak awal
jumlah untuk copy sudah di-set atau nilai sudah ditentukan sedari awal sehingga
tidak membebani jaringan. Tantangan yang didapatkan adalah bagaimana untuk
menentukan nilai dari L copy yang paling optimal? Pada jaringan OppNet dapat
dilakukan dengan mengetahui total N atau total node yang ada di jaringan.
Hal ini menjadi tantangan karena pada jaringan OppNet untuk mengetahui
knowledge atau pengetahuan di jaringan dibutuhkan waktu yang sangat lama,
oleh karena itu ada banyak pendekatan. Pada penelitian ini akan digunakan
pendekatan estimator atau pendekatan matematika dengan menggunakan
algoritma Taxi Problem yang sudah dimodifikasi untuk melakukan estimasi
total node yang ada di sebuah jaringan. Dengan melakukan estimasi total node
di jaringan maka diharapkan dapat menentukan L copies yang tepat untuk
disebarkan dijaringan, sehingga dapat memberikan unjuk kerja jaringan yang
optimal.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
1.2. Rumusan Masalah
Berdasarkan latar belakang, rumusan masalah yang didapatkan adalah
seberapa efektif kinerja dari algoritma Taxi Problem pada jaringan OppNet
dengan kasus node statis atau berjumlah tetap.
1.3. Tujuan Penelitian
Tujuan yang akan dicapai dalam penelitian ini adalah mengetahui trade-off
atau kelebihan dan kelemahan dan dapat mengatasi kelemahan dari algoritma
Taxi Problem pada jaringan OppNet dengan node statis.
1.4. Manfaat Penelititan
Hasil dari penelitian ini diharapkan dapat digunakan sebagai bahan
pertimbangan dalam menentukan estimasi jumlah total node yang ada di
jaringan sehingga dapat digunakan untuk menentukan nilai L copy yang optimal
pada jaringan OppNet.
1.5. Batasan Masalah
Batasan masalah yang ada dalam penelitian ini adalah :
a. Algoritma estimasi yang diuji adalah algoritma Taxi Problem pada
jaringan OppNet dengan node yang bersifat tetap atau statis.
b. Pergerakan yang digunakan yaitu pergerakan homogen dan heterogen
(random, pergerakan manusia (haggle3-infocome5) dan pergerakan
manusia (reality mining by mit)).
c. Performance metric yang digunakan untuk menilai unjuk kerja protokol
spray and wait yaitu delivery probability, overhead ratio, dan average
latency per total contact.
d. Performance metric yang digunakan untuk menilai unjuk kerja
algoritma taxi problem yaitu average convergence time dan residu.
e. Diterapkan pada routing protokol spray and wait.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
f. The ONE Simulator versi 1.6.0 digunakan sebagai framework untuk
menyimulasikan jaringan yang akan diteliti.
g. Netbeans versi 8.2 digunakan sebagai tools untuk menjalankan
simulator The ONE Simulator dan menggunakan bahasa pemrograman
JAVA.
1.6. Metodologi Penelitian
Metode yang dilakukan dalam penelitian ini adalah sebagai berikut:
1. Studi Pustaka
Mencari, mengumpulkan referensi dan menerapkan teori untuk
mendukung tugas akhir antara lain: teori mengenai Spray and Wait,
teori mengenai Distributed Estimator of Global Parameters in Delay-
Tolerant Network, teori mengenai Estimators for Global Information
in Mobile Opportunistic Network, teori mengenai The Racing Car
Problem dan dokumentasi dari The ONE Simulator.
2. Pengumpulan Bahan Penelitian
Dataset yang akan digunakan untuk melakukan penelitian telah
tersedia di internet pada alamat
http://www.shigs.co.uk/index.php?page=traces.
3. Pembuatan Alat Uji
Perancangan sistem dilakukan dengan menerapkan Taxi Problem pada
routing protokol Spray and Wait sehingga unjuk kerja dapat
teridentifikasi dari hasil yang ditunjukan.
4. Analisis Data Simulasi
Mengolah data dari hasil simulasi, untuk diproses kemudian dianalisis
sesuai dengan parameter unjuk kerja.
5. Penarikan Kesimpulan
Penarikan kesimpulan terhadap hasil yang telah dianalisis dengan
acuan parameter unjuk kerja yang telah ditentukan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
1.7. Sistematika Penulisan
BAB I PENDAHULUAN
Bab ini berisi tentang latar belakang, rumusan masalah, tujuan
penelitian, manfaat penelitian, batasan masalah, metodologi penelitian,
dan sistematika penulisan.
BAB II LANDASAN TEORI
Bab ini berisi tentang penjelasan dari beberapa teori yang diantara lain
adalah MANET, jaringan oportunistik, estimasi global knowledge,
protokol spray and wait, algoritma taxi problem dan the one simulator.
BAB III PERANCANGAN SIMULASI
Bab ini berisi tentang perencanaan skenario simulasi yang dikerjakan
dalam tugas akhir ini.
BAB IV PENGUJIAN DAN ANALISIS
Bab ini berisi pelaksanaan simulasi dan analisis data hasil simulasi.
BAB V KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan yang dapat dari hasil analisis data simulasi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
BAB II
LANDASAN TEORI
2.1. Mobile Ad Hoc Network (MANET)
MANET atau Mobile Ad-hoc Network adalah jaringan yang bersifat
sementara sehingga tidak memerlukan infrastruktur. Setiap node yang ada pada
jaringan selalu bergerak secara bebas sehingga node mempunyai kemampuan
untuk langsung saling terhubung dan membentuk sebuah jaringan antara source
ke destination. Sebuah node tidak lagi hanya berfungsi sebagai end-device
tetapi dapat digunakan sebagai pencari jalur komunikasi (router).
Gambar 2.1.: Topologi MANET
Node source dapat mengirimkan pesan ke node destination bila jalur untuk
berkomunikasi tersedia. Ketika node ingin melakukan komunikasi syaratnya
ialah node source harus bisa saling mengenali node destination serta berada
dalam satu radio range dengan source, akan tetapi jika salah satu node berada di
luar jangkauan radio range maka membutuhkan node lain untuk meneruskan
pesan. Namun, ketersediaan jalur komunikasi dari node source ke node
destination sangat sulit untuk ditemui karena setiap node bebas bergerak
sehingga topologi dapat berubah dengan sangat cepat, sehingga dapat
menyebabkan kegagalan komunikasi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7
Beberapa contoh penerapan MANET antara lain pembangunan pusat-pusat
komunikasi di daerah bencana alam yang mengalami kerusakan prasarana
jaringan komunikasi fisik, sarana koneksi internet pada booth suatu event yang
tidak dimungkinkan untuk membangun jaringan kabel atau ketersediaan
layangan jaringan [1].
2.2. Jaringan Oportunistik
Jaringan Oportunistik adalah sebuah jaringan yang dibuat untuk mengatasi
kelemahan dari MANET. Node tidak terhubung secara terus menerus dengan
node lain. Karena itu, jaringan ini menjadi toleran terhadap delay sehingga
disebut sebagai Delay Tolerant Network atau DTN. Pada jaringan lain, node
dapat memastikan bahwa pesan sampai ke tujuan karena koneksi dari source ke
destination terjamin. Sedangkan pada jaringan OppNet tidak. Hal ini
dikarenakan jalur antara source ke destination yang tidak tersedia atau diluar
jangkauan, pergerakan node dan koneksi jaringan yang bersifat kadang
tersambung dan kadang terputus (intermitten) dimana tidak tersedianya jalur
end-to-end antara source ke destination. Delay pengiriman pesan semakin
bertambah tinggi disaat node bergerak secara aktif dan kontak antar node yang
tidak terjadwal.
Asumsi yang ada pada jaringan OppNet maka jaringan OppNet dapat
diterapkan pada jaringan sebagai berikut [2]:
1. Jaringan Luar Angkasa (Interplanetary Network), konsep jaringan yang
memungkinkan akses internet di luar angkasa.
2. Military Ad-Hoc Network, pasukan militer sering sekali ditempatkan di
daerah terpencil yang tidak berpenghuni dan tidak ada koneksi yang
memadai. Misalkan di perbatasan Indonesia dengan Papua Nugini, atau
di pulau-pulau terluar Indonesia. Konsep DTN dapat digunakan untuk
membangun jaringan komputer dalam keadaan seperti ini.
3. Jaringan Sensor/Akuator, contohnya pada penerapan Wireless Sensor
Network atau WSN.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
Gambar 2.2.: Metode store-carry-forward di jaringan OppNet
Pada jaringan OppNet, dalam mengirimkan pesan digunakan metode store-
carry-forward dimana saat sebuah paket data atau pesan melewati node
perantara maka paket data atau pesan tersebut akan disimpan terlebih dahulu
sebelum diteruskan menuju destination. Metode ini mengharuskan node
memiliki penyimpan atau storage yang dapat digunakan sebagai tempat
penyimpanan pesan apabila koneksi dengan node berikutnya terputus atau
belum tersedia.
Bundle layer mengimplementasikan mekanisme store-carry-forward
dimana setiap perangkat dapat menyimpan dan membawa pesan dalam memori
serta dapat meneruskan pesan tersebut ke perangkat lain yang terkoneksi [3].
Karena sifatnya yang dapat putus sewaktu-waktu (intermitten connectivity)
maka jaringan OppNet mempunyai nilai latency yang tinggi, sering terjadi
error, data rate yang terbatas dan resources yang terbatas.
Menemukan jalur agar source dapat mengirim pesan sampai ke destination
dengan delay yang cepat dan memberikan unjuk kerja yang optimal, merupakan
tantangan yang ada pada jaringan OppNet.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
2.3. Estimasi Global Knowledge
Routing protokol harus mengetahui global knowledge untuk mendapatkan
unjuk kerja jaringan yang optimal. Routing dapat bekerja dengan lebih efisien
dalam pemilihan jalur untuk pengiriman pesan sehingga beban pada jaringan
dapat berkurang dan memungkinkan node yang ada di jaringan dapat
menyesuaikan dengan topologi sehingga dapat menemukan jalur terbaik dalam
pengiriman pesan.
Sebenarnya, ada beberapa cara untuk meningkatkan unjuk kerja yang ada
pada jaringan, salah satunya dengan menggunakan replika pesan. Jika replika
pesan semakin besar, maka semakin besar pula pesan dapat sampai ke
destination. Namun, hal ini memerlukan banyak resources, sedangkan setiap
node mempunyai resources yang terbatas.
Pada jaringan OppNet untuk mengetahui global knowledge menjadi
tantangan karena dibutuhkan waktu yang lama dan karakteristik dari jaringan
OppNet yang bersifat dinamis. Beberapa contoh global knowledge antara lain
jumlah node atau total node yang ada di sebuah jaringan, sisa buffer, jumlah
replika pesan atau L copy. Jumlah node atau total node yang ada di sebuah
jaringan sangatlah penting untuk diketahui. Dengan mengetahui total node atau
jumlah node yang ada di jaringan, maka dapat meningkatkan unjuk kerja dan
dapat menggunakan resources secara optimal.
Ada beberapa algoritma yang dapat digunakan untuk menghitung total
node atau jumlah node yang ada di sebuah jaringan, yaitu Gossip Based
Aggregation dan algoritma Mark and Recapture. Setiap algoritma
menggunakan informasi yang didapatkan secara langsung atau local knowledge.
Oleh karena itu untuk melakukan estimasi total node pada penelitian ini akan
digunakan algoritma Taxi Problem yang diterapkan di protokol Routing Spray
and Wait.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
2.4. Spray and Wait Routing Protokol
Routing Spray and Wait digunakan untuk mengatasi masalah flooding yang
terjadi pada protokol routing Epidemic. Routing Spray and Wait mencoba
untuk mengontrol jumlah copy message (L copy) untuk mengurangi cost yang
ada di konsep flooding pada routing Epidemic. Routing Spray and Wait selalu
mengikuti dua fase pada routing itu sendiri (Binary Spray). Pada binary spray
and wait, baik node source maupun node relay membawa copy pesan n (𝑛 > 1)
dan kemudian bertemu dengan relay node lain yang tidak memiliki copy pesan.
Node yang memiliki copy pesan akan menyalin 𝑛2⁄ ke node relay.
Selanjutnya, ketika node hanya memiliki satu copy pesan maka node akan
masuk ke fase wait dengan menunggu sampai bertemu dengan node destination
dan mentransmisikan pesan secara langsung.
Gambar 2.3.: Strategi Routing Protokol Spray and Wait
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11
Routing Spray and Wait terdiri dari dua fase yaitu :
• Fase Spray
Pada fase ini node source menghasilkan L copies yang akan disebarkan
ke relay node. Pesan yang disalin dibatasi untuk meminimalkan
penggunaan resource atau sumber daya jaringan. Proses multi-cast
dilakukan untuk mengirim beberapa salinan atau copy message dari
source ke relay node. Jika destination tidak ditemukan dalam fase ini
maka node akan memasuki tahap ‘wait’ dimana setiap relay node yang
memiliki salinan pesan akan menunggu sampai node destination atau
tujuan ditemukan untuk melakukan transmisi.
• Fase Wait
Jika destination tidak ditemukan dalam fase ‘spray’, maka setiap relay
node yang membawa salinan pesan atau L copy melakukan transmisi
langsung atau mengirimkan pesan ke node destination. Node
diperbolehkan untuk menyampaikan pesan ke node destination
menggunakan direct transmission ketika time-to-live-nya berakhir.
Sebuah node akan meneruskan pesan ke relay yang lain, hingga tersisa
satu pesan saja dan relay node hanya memegang satu copy pesan akan
masuk ke dalam fase ‘wait’.
Pada protokol routing spray and wait untuk menentukan L copy yang
optimal untuk disebarkan di jaringan merupakan hal yang sulit dilakukan, hal
ini karena setiap node hanya mempunyai local knowledge tanpa memperoleh
global knowledge dari jaringan. Oleh karena itu, untuk mengatasi masalah pada
protokol routing spray and wait, pada penelitian ini diterapkan algoritma taxi
problem untuk mendapatkan L copy yang optimal untuk disebarkan dengan
menggunakan 𝑛2⁄ dari jumlah node yang ada di jaringan. Setiap node akan
melakukan estimasi dari jumlah node yang ada di jaringan sebelum
menghasilkan L copy yang akan disebarkan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12
2.5. Algoritma Taxi Problem
Routing algoritma yang efisien dapat diketahui dengan mengetahui dari
global knowledge-nya. Salah satu global knowledge yang dapat dicari ialah
jumlah dari node yang ada di sebuah jaringan. Berbeda dengan jaringan wired,
pada jaringan wireless node bergerak secara dinamis tanpa mengetahui jalur
untuk menuju ke destination dan ditambah node tidak mengetahui berapa
jumlah total node yang ada di jaringan tersebut.
Gambar 2.4: Ilustrasi Taxi Problem
Algoritma Taxi Problem adalah sebuah pendekatan matematis yang hadir
untuk mengestimasi jumlah total taxi yang ada di kota New York. Cara kerja
dari algoritma taxi problem yaitu dengan seseorang diam dan mengamati
kemudian mencatat nomor ID dari setiap taxi yang ditemui. Syaratnya, nomor
ID pada taxi harus urut (1,2,3. . . 𝑁) serta bersifat unique atau unik karena
menjadi identitas dari taxi tersebut. Dengan hal tersebut, maka total dari taxi
dapat diramalkan dengan melihat nomor ID tertinggi yang sudah tercatat.
Nomor ID akan disimpan sebagai local knowledge.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13
Gagasan yang sama diterapkan di jaringan OppNet dimana setiap node
akan mencatat nomor unique ID dari setiap kali bertemu dengan node lainnya.
Nomor ID atau unique id ini berfungsi sebagai identitas dari node dengan syarat
unique ID harus urut seperti nomor ID dari taxi jadi harus 1,2,3. . . . 𝑁. Setiap
node bertemu dan mencatat unique id, kemudian disimpan sebagai local
knowledge yang digunakan untuk mengestimasi total node yang ada di jaringan.
Pada awalnya rumus estimasi untuk algoritma taxi problem mengacu pada
teorema dari Rao-Blackwell The Uniformly Minimum Variance Unbiased
Estimators (UMVUE) dimana suatu estimator 𝑇(𝑥) dikatakan sebagai estimator
tak bias untuk 𝜃, jika
𝐸[𝑇(𝑥)] = 𝜃
Jika 𝑇1 dan 𝑇2 keduanya adalah estimator tak bias untuk 𝜃, jelas yang
mempunyai variansi lebih kecil akan lebih baik sebagai estimator. Sekarang,
jika {𝑇(𝑥)} mewakili himpunan semua estimator yang tidak bias untuk .
Seharusnya 𝑇0 ∈ {𝑇(𝑥)}, dan jika
𝐸{(𝑇0(𝑥) – 𝜃)2 } ≤ 𝐸{(𝑇(𝑥) − 𝜃)2 }
Untuk semua 𝑇(𝑥) di dalam {𝑇(𝑥)}, maka 𝑇0(𝑥) dikatakan sebagai
UMVUE untuk 𝜃. Meskipun 𝑇(𝑥1, 𝑥2, . . . , 𝑥𝑛) = 𝑚𝑎𝑥 (𝑥1, 𝑥2, . . . , 𝑥𝑛) cukup
untuk N tapi ini bukan sebuah UMVUE. Namun, UMVUE untuk jumlah N
yang ada di jaringan dapat ditulis dengan rumus sebagai berikut :
Rumus 2.5.1. Estimasi jumlah N menggunakan algoritma taxi problem
�̂�𝑛 =[max(𝑥1, 𝑥2, … , 𝑥𝑛)]𝑛+1 − [max(𝑥1, 𝑥2, 𝑥3, … , 𝑥𝑛) − 1]𝑛+1
[max(𝑥1, 𝑥2, 𝑥3, … , 𝑥𝑛)]𝑛 − [max(𝑥1, 𝑥2, 𝑥3, … , 𝑥𝑛) − 1]𝑛
�̂�𝑛 = rata-rata total node yang ada di jaringan.
x = maximum id dari total n
n = total n yang sudah ditemui
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
Contoh : Node i bertemu dengan node 1, 4, 15, 20. Setelah sampai di waktu t,
node i melakukan estimasi dengan rumus 2.5.1.
�̂�4 =204+1− (20−1)4+1
204− (20−1)4 = 24
Hasil estimasi untuk node i untuk 4 node yang sudah ditemui adalah 24 yang
merupakan hasil estimasi terbaik dari jumlah total node yang ada di jaringan.
Kelebihan dari algoritma adalah ide yang sederhana karena node hanya
mengamati kemudian mencatat dari unique id sehingga node dapat
mengestimasi dengan menggunakan rumus 2.5.1. Kekurangan dari algoritma ini
adalah node hanya akan saling bertemu kemudian mencatat nomor ID-nya saja
tanpa ada pertukaran pesan. Sehingga, The Taxi Problem bersifat pasif. Node
hanya dapat melakukan estimasi dengan menggunakan local knowledge yang
dimiliki. Berikut adalah gambaran kegiatan yang dilakukan node ketika
bertemu :
1. Connection-Up : fase saat node saling menyadari bahwa ada node baru
yang berada pada satu radio range kemudian saling mencatat unique id
dari node yang ditemui.
Gambar 2.6.1. Ilustrasi node di Taxi Problem ketika connection-up
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
2. Setelah koneksi terbangun : node tidak akan melakukan apapun karena
tidak ada informasi yang akan ditukar.
Gambar 2.6.2. Ilustrasi node di Taxi Problem ketika koneksi terbangun
3. Setelah waktu koneksi habis : kedua node akan melakukan estimasi
dengan rumus 2.5.1. dengan informasi yang dimiliki.
Gambar 2.6.3. Ilustrasi node di Taxi Problem ketika connection-down
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16
Gambar 2.6.4: Ilustrasi Taxi Problem ketika bertukar informasi
pada jaringan OppNet
Taxi Problem passive node hanya bisa melakukan estimasi dengan
menggunakan local knowledge yang dimiliki. Sehingga estimasi yang diperoleh
tentang total jumlah node antara node satu dengan lainnya berbeda dan
convergence time-nya lebih lama. Untuk mengatasi hal ini, maka dilakukan
improvisasi berupa pertukaran informasi atau set yang dimiliki. Sehingga,
diharapkan setiap node mempunyai informasi yang sama tentang jumlah total
node yang ada di jaringan dan memiliki waktu convergence yang lebih cepat.
2.6. The ONE Simulator
The ONE atau yang dikenal dengan Opportunistic Network Environment
merupakan sebuah simulator yang digunakan untuk melakukan simulasi
komunikasi pada jaringan DTN atau lebih dikenal dengan jaringan oportunistik
(OppNet). Pada simulator ONE, ada beberapa keadaan yang bisa diatur sesuai
kebutuhan, antara lain model pergerakan node, protokol routing OppNet yang
digunakan oleh penerima dan pengirim, dan visualisasi pergerakan dan
persebaran pesan secara real time pada tampilan grafis yang disediakan. Pada
simulator ONE juga tersedia fitur pelaporan pesan yang terkirim dan data
statistik secara umum setelah simulasi selesai dijalankan. Simulator ini
menggunakan platform pemrograman bahasa Java.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17
BAB III
METODE PENELITIAN
3.1. Data
Pada penelitian ini digunakan beberapa parameter simulasi yang bersifat
tetap dan digunakan dengan nilai yang sama pada simulasi yang berbeda.
Parameter-parameter berikut adalah :
a. Pergerakan Random
Pada penelitian ini menggunakan pergerakan random waypoint dimana
pada model pergerakan ini tidak memiliki jalur, node berpindah dan bergerak
secara random atau acak sesuai dengan area yang telah ditentukan pada
simulasi. Berikut adalah skenario yang digunakan :
Parameter Pergerakan Random
Waktu Simulasi 172800 detik atau 2 hari
Waktu TTL 1440 menit atau 24 jam
Kecepatan Transmisi 250k atau 2 Mbps
Jarak Transmisi 10 meter
Besar Pesan 10 k
Besar Buffer 10 M
Interval pembuatan pesan 290 detik sampai 310 detik
(kurang lebih 12 pesan/jam)
Pergerakan node 0.5 meter - 1.5 meter
Tabel 3.1.: Parameter Simulasi untuk Pergerakan Random
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18
b. Pergerakan Manusia
Pada penelitian ini menggunakan pergerakan manusia yaitu haggle3-
infocome5 dan reality minning by MIT. Berikut adalah beberapa skenario
simulasi yang digunakan, diantara lain adalah :
Parameter Pergerakan Manusia
(Haggle3 - Infocome5)
Pergerakan Manusia
(Reality Mining by MIT)
Waktu Simulasi 274883 detik atau 3,1 hari 16981816 detik atau 196,5
hari atau 6,4 bulan
Waktu TTL 1440 menit atau 24 jam 30240 menit atau 3 minggu
Kecepatan Transmisi 250k atau 2 Mbps 250k atau 2 Mbps
Jarak Transmisi 10 meter 10 meter
Besar Pesan 10 k 10 k
Besar Buffer 10 M 20 M
Interval pembuatan pesan
290 detik sampai 310
detik
(kurang lebih 12
pesan/jam)
290 detik sampai 310 detik
(kurang lebih 12 pesan/jam)
Pergerakan node 0.5 meter - 1.5 meter 0.5 meter - 1.5 meter
Tabel 3.2.: Parameter Simulasi untuk Pergerakan Manusia (Haggle3-
Infocome5 dan Reality Minning by MIT)
3.2. Alat Penelitian
a. Hardware
PC dengan spesifikasi sistem operasi Windows 10 Pro, processor
Pentium(R) Dual-Core CPU E5400 @2.70GHz dengan system type
64-bit RAM sebesar 4,00 GB.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
b. Software
• Netbeans
Netbeans merupakan salah satu aplikasi yang digunakan untuk
pemrograman. Semula, aplikasi Netbeans diperuntukkan bagi
pengembangan dalam bahasa pemrograman Java. Namun,
kemudian aplikasi ini juga mendukung program-program
pembuatan bahasa lain secara khusus seperti PHP, C/C++ dan
HTML5. Netbeans digunakan untuk menjalankan The ONE
Simulator.
• The ONE Simulator
Penjelasan tentang The ONE Simulator sudah ditulis dalam
landasan teori pada Bab II.
3.3. Pembuatan Alat Uji
1. Studi Pustaka
Studi pustaka dilakukan dengan membaca jurnal yang berkatian
dengan protokol routing simulator MANET, Jaringan Oportunistik,
protokol routing Spray and Wait dan simulator The ONE Simulator.
2. Pengumpulan Bahan Penelitian
Analisis kelas Java, Java Collection dan struktur data yang
dibutuhkan untuk mengimplementasikan estimator The Taxi
Problem pada routing Spray and Wait menggunakan The ONE
Simulator.
3. Implementasi
Implementasi dari kelas Java, Java Collection dan struktur data
yang sudah dianalisis dengan menggunakan bahasa Java.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
3.4. Langkah-Langkah Pengujian
Skenario diuji dengan melakukan algoritma spray and wait tanpa taxi
problem dan routing spray and wait yang taxi problem dengan skenario yang
tidak saling bertukar informasi dari set node dan taxi problem dengan skenario
yang saling bertukar informasi dari set node yang dipunyai untuk
membandingkan ketepatan dari hasil estimasi dan menggunakan pergerakan
random, haggle3-infocome5 serta reality mining by MIT. Adapula skenarionya
dibagi sebagai berikut :
1. Pergerakan Random
Skenario Jumlah Node Model Pergerakan
1.1. 100 Random Waypoint
Tabel 3.3.1.: Skenario 1.1. : algoritma taxi problem dengan node yang
tidak saling bertukar informasi pada pergerakan random.
Skenario Jumlah Node Model Pergerakan
1.2. 100 Random Waypoint
Tabel 3.3.2.: Skenario 1.2. : algoritma taxi problem dengan node yang
saling bertukar informasi pada pergerakan random.
Skenario Jumlah Node Model Pergerakan
1.3. 100 Random Waypoint
Tabel 3.3.3.: Skenario 1.3. : algoritma spray and wait dengan jumlah node 100
dan skenario ini bergerak pada pergerakan random.
Pergerakan random merupakan pergerakan yang memiliki probabilitas atau
peluang pertemuan antar node yang sama. Pada penelitian ini, jumlah node
yang digunakan adalah 100. Pada pergerakan ini dibagi tiga skenario dimana
algoritma taxi problem yang tidak saling bertukar informasi akan set node yang
dipunyai, algoritma taxi problem node yang saling bertukar informasi akan set
node yang dipunyai dan spray and wait tanpa algoritma taxi problem.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21
2. Pergerakan Manusia (Haggle3-Infocome5)
Skenario Jumlah Node Model Pergerakan
2.1. 41 Haggle3-Infocome5
Tabel 3.4.1.: Skenario 2.1. : algoritma taxi problem dengan node yang
tidak saling bertukar informasi pada pergerakan haggle3-infocome5.
Skenario Jumlah Node Model Pergerakan
2.2. 41 Haggle3-Infocome5
Tabel 3.4.2.: Skenario 2.2. : algoritma taxi problem dengan node yang
saling bertukar informasi pada pergerakan haggle3-infocome5.
Skenario Jumlah Node Model Pergerakan
2.3. 41 Haggle3-Infocome5
Tabel 3.4.3.: Skenario 2.3. : algoritma spray and wait dengan jumlah node 41
dan skenario ini bergerak pada pergerakan haggle-infocome5.
Pada penelitian ini menggunakan pergerakan manusia yaitu haggle3-
infocome5 yang berisi data pertemuan antara partisipan pada konferensi IEEE
Infocome di Miami. Setiap partisipan diberi device (iMotes) yang digunakan
untuk mencatat data pertemuan antar partisipan. Dari 50 partisipan yang dipilih,
device yang menghasilkan data yang valid dan dapat digunakan untuk
melakukan penelitian sebanyak 41 devices. Durasi simulasi pda dataset ini
adalah 274883 atau sekitar 3,18 hari. Di pergerakan ini dibagi tiga skenario
algoritma taxi problem yang tidak saling bertukar informasi akan set node yang
dipunyai, algoritma taxi problem node yang saling bertukar informasi akan set
node yang dipunyai dan spray and wait tanpa algoritma taxi problem.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
3. Pergerakan Manusia (Reality Minning by MIT)
Skenario Jumlah Node Model Pergerakan
3.1. 97 Reality Connection Final
Tabel 3.5.1.: Skenario 3.1. : algoritma taxi problem dengan node yang
tidak saling bertukar informasi pergerakan reality minning by mit.
Skenario Jumlah Node Model Pergerakan
3.2. 97 Reality Connection Final
Tabel 3.5.2.: Skenario 3.2. : algoritma taxi problem dengan node yang
saling bertukar informasi pada pergerakan reality minning by mit.
Skenario Jumlah Node Model Pergerakan
3.3. 97 Reality Connection Final
Tabel 3.5.3.: Skenario 3.3. : algoritma spray and wait dengan jumlah node 97
dan skenario ini bergerak pada pergerakan reality minning by mit.
Kemudian pada penelitian ini juga digunakan pergerakan manusia yaitu
reality minning by MIT. Dataset ini berisi data pertemuan antar pelajar dari 2
Fakultas di Universitas MIT. Jumlah partisipan yang digunakan dalam simulasi
ini sebanyak 75 pelajar dari fakultas Media Laboratory dan 25 pelajar dari
fakultas Business. Durasi simulasi pada dataset ini sekitar 1 semester akademik.
Dari 100 partisipan, device yang menghasilkan data yang valid dan dapat
digunakan untuk melakukan penelitian sebanyak 97 device. Di pergerakan ini
dibagi tiga skenario algoritma taxi problem yang tidak saling bertukar informasi
akan set node yang dipunyai, algoritma taxi problem node yang saling bertukar
informasi akan set node yang dipunyai dan spray and wait tanpa algoritma taxi
problem.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23
3.5. Cara Analisis Hasil
Setelah melakukan simulasi maka untuk mengetahui performa dari sebuah
protokol routing, dibutuhkan beberapa metrik unjuk kerja jaringan. Dalam
penelitian ini, ada 5 metrik unjuk kerja jaringan yang digunakan. Kelima metrik
unjuk kerja jaringan yang digunakan adalah average convergence time, residu,
delivered probability, overhead ratio, average latency per total contact.
Penjelasan kelima metrik sebagai berikut:
3.5.1. Average Convergence Time
Parameter ini digunakan untuk mengetahui rata-rata dari node yang
mendapatkan informasi yang sama tentang jumlah node yang ada di sebuah
jaringan.
3.5.2. Residu
Parameter ini digunakan untuk mengetahui rata-rata node yang memiliki
hasil counting yang tidak akurat.
3.5.3. Delivery Probability per Total Contact
Parameter ini digunakan untuk mengetahui probabilitas pesan yang berhasil
dikirim ke destination. Rasio antara jumlah pesan yang terkirim ke node
destination dengan jumlah pesan yang dibuat.
Rumus 3.5.1.
𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑙𝑖𝑣𝑒𝑟𝑒𝑑 𝑀𝑒𝑠𝑠𝑎𝑔𝑒
𝑇𝑜𝑡𝑎𝑙 𝐺𝑒𝑛𝑒𝑟𝑎𝑡𝑒 𝑀𝑒𝑠𝑠𝑎𝑔𝑒
3.5.4. Overhead Ratio
Parameter ini digunakan untuk mengetahui perbandingan antara total L
copy yang ada di sebuah jaringan dengan jumlah pesan yang sampai ke
node destination. Semakin tinggi nilai dari overhead ratio maka unjuk
kerja protokol routing dapat dianggap buruk.
Rumus 3.5.2.
𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑚𝑒𝑠𝑠𝑎𝑔𝑒𝑠 𝑟𝑒𝑙𝑎𝑦𝑒𝑑 − 𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑑𝑒𝑙𝑖𝑣𝑒𝑟𝑒𝑑 𝑚𝑒𝑠𝑠𝑎𝑔𝑒𝑠
𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑑𝑒𝑙𝑖𝑣𝑒𝑟𝑒𝑑 𝑚𝑒𝑠𝑠𝑎𝑔𝑒𝑠
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24
3.5.5. Average Latency per Total Contact
Average latency atau average delay merupakan metrik unjuk kerja jaringan
yang digunakan untuk mengetahui rata-rata delay (waktu tunda) pesan
yang sampai ke destination sejak pesan dibuat. Semakin tinggi nilai
average latency yang dihasilkan maka unjuk kerja protokol routing dapat
dikatakan semakin buruk.
Rumus 3.5.3.
𝐴𝑣𝑒𝑟𝑎𝑔𝑒 𝐿𝑎𝑡𝑒𝑛𝑐𝑦 = (𝑤𝑎𝑘𝑡𝑢 𝑝𝑒𝑠𝑎𝑛 𝑡𝑒𝑟𝑘𝑖𝑟𝑖𝑚 − 𝑤𝑎𝑘𝑡𝑢 𝑝𝑒𝑠𝑎𝑛 𝑑𝑖𝑏𝑢𝑎𝑡)
𝑗𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑠𝑎𝑛 𝑡𝑒𝑟𝑘𝑖𝑟𝑖𝑚
3.6. Desain Alat Uji
Alat uji yang digunakan merupakan implementasi dari protokol Spray and
Wait dengan menggunakan algoritma Taxi Problem di Simulator ONE dengan
bahasa pemrograman Java. Berikut adalah pseudo-code dari algoritma yang
dipakai pada penelitian ini :
i. Perhitungan jumlah node (Tidak Bertukar Informasi)
Pseudo-Code Taxi Problem Passive
Ni bertemu dengan Nj
IF Koneksi Terhubung
Ni memasukan unique id Nj kepenyimpanan lokal
Nj memasukan unique id Ni kepenyimpanan lokal
End If
IF Koneksi terputus
Ni menghitung estimasi
Nj menghitung estimasi
End IF
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
Pada strategi passive atau tidak bertukar informasi, setiap node di
jaringan dapat memperoleh hasil dari estimasi sesuai dengan jumlah node
yang ada di jaringan. Namun, untuk mencapai perhitungan atau
mendapatkan informasi yang sama node memerlukan waktu yang cukup
lama dikarenakan setiap node harus bertemu dengan node yang memiliki
nilai tertinggi di jaringan untuk mendapatkan hasil estimasi yang akurat
atau valid.
ii. Perhitungan jumlah node (Bertukar Informasi)
Pseudo-Code Taxi Problem (Bertukar Informasi)
Ni bertemu dengan Nj
IF Koneksi Terhubung
Ni memasukan unique id Nj kepenyimpanan lokal
Nj memasukan unique id Ni kepenyimpanan lokal
Ni memasukan daftar tetangga yang dimiliki Nj
kepenyimpanan lokal
Nj memasukan daftar tetangga yang dimiliki Ni
kepenyimpanan lokal
End If
IF Koneksi terputus
Ni menghitung estimasi
Nj menghitung estimasi
End IF
Pada strategi node yang bertukar informasi setiap node di jaringan dapat
memperoleh hasil estimasi sesuai dengan jumlah node yang ada di
jaringan. Waktu yang dibutuhkanpun lebih efisien dari node yang tidak
bertukar informasi. Keakuratan dari hasil estimasi taxi problem yang
bertukar informasi atau set juga lebih baik daripada taxi problem yang
tidak bertukar informasi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
BAB IV
PENGUJIAN DAN ANALISIS
Untuk mengetahui dan mengevaluasi performa dari algoritma taxi problem,
maka dilakukan pengujian. Pengujian dilakukan dengan menggunakan
rancangan simulasi yang sudah dijabarkan pada Bab III, pada pergerakan
Random, Haggle3-Infocome5 dan Reality Minning by MIT. Data hasil simulasi
diperoleh dari report yang dibangkitkan ketika simulasi berjalan. Setelah
beberapa kali menjalankan simulasi maka didapatkan hasil sebagai berikut:
4.1.1. Hasil Simulasi Metrik Unjuk Kerja Average Convergence Time
dan Residu pada Dataset Random
Gambar 4.4.1.: Grafik Average Convergence Time disetiap interval waktu
pada skenario node tidak bertukar informasi dan bertukar informasi pada
pergerakan random
0
20
40
60
80
100
120
0 50000 100000 150000 200000
Nu
mb
er o
f N
od
es
Time
Average Convergence Time : Random Waypoint
Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar InformasiJumlah Node : 100
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27
Gambar 4.4.2.: zoom out dari grafik Average Convergence Time disetiap
interval waktu pada skenario node tidak bertukar informasi dan bertukar
informasi pada pergerakan random
Berdasarkan hasil simulasi pada Gambar 4.4.1. dan Gambar 4.4.2.
dengan jumlah node tetap atau statis pada pergerakan random terlihat bahwa
dengan skenario bertukar informasi dan tidak bertukar informasi sama-sama
mendapat nilai average convergence time yang tidak jauh berbeda. Hal ini
dikarenakan untuk pergerakan random, probabilitas setiap node bertemu dengan
node lainnya adalah sama sehingga hal ini meminimalisir node yang tidak
mendapatkan hasil counting atau estimasi dari total node yang ada di jaringan.
Namun untuk skenario dimana node tidak bertukar informasi atau set,
memerlukan waktu yang sedikit lebih lama hingga mendekati interval atau
waktu sekitar ke-90000 sampai 100000 karena tidak bertukar informasi, hasil
dari perhitungan bisa mendapat nilai yang terlampau jauh dari nilai estimasi
yang sesungguhnya.
94
95
96
97
98
99
100
0 50000 100000 150000 200000
Nu
mb
er
of
No
de
s
Time
Average Convergence Time : Random Waypoint
Taxi Problem : Tidak Bertukar Informasi Taxi Problem : Bertukar Informasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
Gambar 4.4.3.: Grafik Residu disetiap interval waktu pada skenario
node tidak bertukar informasi dan bertukar informasi pada pergerakan random
Berdasarkan pada Gambar 4.4.3. dengan jumlah node tetap atau statis
dengan pergerakan random terlihat bahwa untuk skenario node bertukar
informasi memiliki nilai residu yang bergerak turun mendekati nilai 0 yang
artinya setiap node mendapatkan informasi yang sama dengan node lain yang
ada di jaringan. Berbeda dengan skenario dimana tidak bertukar informasi,
dapat terlihat pada grafik residu grafiknya bergerak naik turun menunjukkan
bahwa node memiliki pengetahuan yang berbeda dan memerlukan waktu yang
lebih lama untuk mendapat convergence time (ditunjukan pada Gambar 4.4.1.
dan Gambar 4.4.2. saat grafik bergerak naik). Grafik pada skenario dimana
tidak bertukar informasi menunjukan bahwa perolehan hasil estimasinya masih
kurang tepat dikarenakan pada akhir waktu simulasi masih ada 1 node yang
memiliki hasil estimasi atau counting yang tidak akurat.
0
5
10
15
20
25
30
35
40
45
50
0 50000 100000 150000 200000
Nu
mb
er
of
No
de
s
Time
Residu : Random Waypoint
Taxi Problem : Tidak Bertukar Informasi Taxi Problem : Bertukar Informasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
4.1.2. Hasil Simulasi Metrik Unjuk Kerja Average Convergence Time
dan Residu pada Dataset Haggle3-Infocome5
Gambar 4.4.4.: Grafik Average Convergence Time disetiap interval waktu
pada skenario node tidak bertukar informasi dan bertukar informasi pada
pergerakan manusia (Haggle3-Infocome5)
Gambar 4.4.5.: zoom out dari grafik Average Convergence Time disetiap
interval waktu pada skenario node tidak bertukar informasi dan bertukar
informasi pada pergerakan manusia (Haggle3-Infocome5)
0
5
10
15
20
25
30
35
40
45
0 50000 100000 150000 200000 250000 300000
Nu
mb
er
of
No
de
s
Time
Average Convergence Time : Haggle3-Infocome5
Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi
30
32
34
36
38
40
42
0 50000 100000 150000 200000 250000 300000
Nu
mb
er o
f N
od
es
Time
Average Convergence Time : Haggle3-Infocome5
Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi
Total Nodes: 41
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
Berdasarkan hasil simulasi pada Gambar 4.4.4. dan Gambar 4.4.5.
dengan jumlah node tetap atau statis pada pergerakan haggle3-infocome5
terlihat bahwa convergence time dengan skenario bertukar informasi lebih cepat
dibandingkan node yang tidak bertukar informasi. Hal ini terjadi dikarenakan
saat node bertemu dengan node lainnya maka node tersebut akan bertukar
informasi atau dataset yang dimiliki. Selain itu pada pergerakan haggle3-
infocome5, ruang gerak dari node cukup terbatas karena hanya sebatas ruang
konferensi saja. Sehingga probabilitas pertemuan antar node meningkat.
Sedangkan untuk skenario dimana node tidak bertukar informasi memerlukan
waktu yang sedikit lebih lama untuk mendapatkan hasil perhitungan yang sama
dengan node yang lainnya.
Gambar 4.4.6: Grafik Residu disetiap interval waktu pada skenario node
tidak bertukar informasi dan bertukar informasi pada pergerakan manusia
(Haggle3-Infocome5)
0
5
10
15
20
25
30
35
40
45
0 50000 100000 150000 200000 250000 300000
Nu
mb
er o
f N
od
es
Time
Residu : Haggle3-Infocome5
Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
31
Berdasarkan pada Gambar 4.4.6. dengan jumlah node tetap atau statis
dengan pergerakan haggle3-infocome5 terlihat bahwa untuk skenario bertukar
informasi memiliki nilai residu yang bergerak turun mendekati nilai 0 hal
didukung dengan grafik dari average convergen time (ditunjukan pada Gambar
4.4.4. dan Gambar 4.4.5.) bahwa setiap node yang berada di jaringan
mendapatkan informasi yang sama. Sedangkan untuk skenario dimana tidak
bertukar informasi memiliki nilai yang juga bergerak turun namun (yang
ditunjukan oleh Gambar 4.4.5.) pengetahuan akan informasi antar node
berbeda serta memerlukan waktu convergence time yang lebih lama
dibandingkan dengan skenario bertukar informasi. Terlihat, pada skenario ini
masih ada node dengan hasil counting yang kurang tepat hingga akhir waktu
simulasi masih terdapat 2 node yang memiliki hasil estimasi atau counting yang
tidak akurat.
4.1.3. Hasil Simulasi Metrik Unjuk Kerja Average Convergence Time
dan Residu pada Dataset Manusia (Reality Minning by MIT)
Gambar 4.4.7.: Grafik Average Convergence Time disetiap interval waktu
pada skenario node tidak bertukar informasi dan bertukar informasi pada
pergerakan manusia (Reality Minning by MIT)
0
10
20
30
40
50
60
70
80
90
100
0 5000000 10000000 15000000 20000000
Nu
mb
er o
f N
od
es
Time
Average Convergence Time : Reality Minning by MIT
Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi
Total Nodes : 97
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32
Gambar 4.4.8.: zoom out dari grafik Average Convergen Time disetiap
interval waktu pada skenario node tidak bertukar informasi dan bertukar
informasi pada pergerakan manusia (Reality Minning by MIT)
Berdasarkan hasil simulasi pada Gambar 4.4.7. dan Gambar 4.4.8.
dengan jumlah node tetap atau statis pada pergerakan reality dengan skenario
bertukar informasi terlihat bahwa convergence time yang didapatkan lebih cepat
dibandingkan dengan skenario node yang tidak saling bertukar informasi. Hal
ini dikarenakan ketika node bertemu tidak hanya mencatat unique id, tetapi juga
melakukan pertukaran informasi yang dimiliki sehingga setiap node dapat
memperoleh hasil estimasi yang sama tanpa harus bertemu dengan semua node
di jaringan. Untuk pergerakan reality probabilitas node bertemu dengan node
lainnya tidak sama, sehingga disaat skenario node tidak saling bertukar
informasi maka node mempunyai pengetahuan yang berbeda dengan node
lainnya sehingga ada kemungkinan bahwa node tidak mendapatkan nilai
maksimum yang sebenarnya dan melakukan estimasi dari total node yang ada
di jaringan.
80
82
84
86
88
90
92
94
96
98
100
0 5000000 10000000 15000000 20000000
Nu
mb
er
of
No
de
s
Time
Average Convergence Time : Reality Minning by MIT
Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
33
Gambar 4.4.9.: Grafik Residu disetiap interval waktu pada skenario node
tidak bertukar informasi dan bertukar informasi pada pergerakan manusia
(Reality-MIT)
Berdasarkan pada Gambar 4.4.9. dengan jumlah node tetap atau statis
pada pergerakan reality terlihat bahwa dengan skenario bertukar informasi
memiliki nilai residu yang bergerak turun mendekati nilai 0. Hal didukung
dengan grafik dari average convergen time (ditunjukan pada Gambar 4.4.7.
dan Gambar 4.4.8.) bahwa setiap node yang berada di jaringan mendapatkan
informasi yang hampir sama walaupun ada 1 node yang tidak mendapat nilai
estimasi yang akurat. Sedangkan untuk skenario dimana tidak bertukar
informasi memiliki nilai yang juga bergerak turun namun perhitungannya atau
estimasi dari jumlah node yang ada di jaringan (ditunjukan pada Gambar
4.4.7.) bahwa setiap node memiliki informasi yang berbeda dan memerlukan
convergence time yang lebih lama dibanding skenario bertukar informasi. Hal
ini ditunjukan pada residu, dimana pad skenario ini masih ada node dengan
hasil counting yang kurang tepat hingga akhir waktu simulasi masih terdapat 9
node yang memiliki hasil estimasi atau counting yang tidak akurat.
0
20
40
60
80
100
120
0 5000000 10000000 15000000 20000000
Nu
mb
er o
f N
od
es
Time
Residu : Reality Minning by MIT
Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
34
4.1.4. Hasil Simulasi Metrik Unjuk Kerja Delivery Probability,
Overhead Ratio, dan Latency Average Pada Dataset Random,
Haggle3-Infocome5 dan Reality MIT
Gambar 4.4.10.: Random Waypoint Delivery Probability
Berdasarkan pada Gambar 4.4.10. digunakan pergerakan random dengan
jumlah node 100, oleh karena itu peneliti mengambil ekstrim bawah yaitu
jumlah copy 5 dan ekstrim atas dengan jumlah copy 97 dan taxi problem
bekerja diantara kedua ekstrim. Terlihat bahwa pada algoritma taxi problem
dengan skenario yang tidak bertukar informasi maupun bertukar informasi,
sama-sama mendapat delivery probability yang sama dikarenakan ciri khas dari
dataset random yang setiap nodenya mempunyai probabilitas yang sama untuk
bertemu. Setiap node akan menghasilkan L copy dengan menggunakan 𝑁/2
jumlah node dari hasil estimasi. Spray and wait tanpa taxi problem dengan L
copy yang kecil akan menghasilkan delivery probability yang sedikit sehingga
node relay juga sedikit untuk membantu menyampaikan pesan ke destination.
Begitu juga dengan L copy yang besar maka akan menghasilkan delivery
probability yang besar dan akan lebih banyak node relay yang akan membantu
menyampaikan pesan ke destination.
0,9549
0,9827 0,98270,9879
0,93
0,94
0,95
0,96
0,97
0,98
0,99
1
Delivery Probability : Random Waypoint
Spray and Wait L=5 Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi Spray and Wait L=97
Jumlah Node : 100
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
35
Gambar 4.4.11.: Haggle3 – Infocome5 Delivery Probability
Pada Gambar 4.4.11. digunakan pergerakan manusia yaitu haggle3-
infocome5 dengan jumlah node 41. Sehingga peneliti mengambil ekstrim
bawah dengan jumlah copy 4 dan ekstrim atas dengan jumlah copy 40. Sama
seperti Gambar 4.4.9. algoritma taxi problem akan bekerja diantara kedua
ekstrim. Terlihat bahwa algoritma taxi problem dapat memberikan jumlah
delivered message yang cukup baik. Jumlah copy diperoleh dari hasil estimasi
setiap node. Setiap node akan menghasilkan L copy dengan menggunakan 𝑁/2
jumlah node dari hasil estimasi. Spray and wait tanpa taxi problem dengan L
copy yang kecil akan menghasilkan delivery probability yang sedikit sehingga
node relay juga sedikit untuk membantu menyampaikan pesan ke destination.
Begitu juga dengan L copy yang besar maka akan menghasilkan delivery
probability yang besar dan akan lebih banyak node relay yang akan membantu
menyampaikan pesan ke destination.
0,7843
0,8126 0,8115
0,8344
0,75
0,76
0,77
0,78
0,79
0,8
0,81
0,82
0,83
0,84
Delivery Probability : Haggle3-Infocome5
Spray and Wait L=4 Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi Spray and Wait L=40
Jumlah Node : 41
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
36
Gambar 4.4.12.: Reality MIT Delivery Probability
Pada Gambar 4.4.12. digunakan pergerakan manusia yaitu reality minning
by mit dimana ada 97 total node yang digunakan. Peneliti mengambil ekstrim
bawah dengan jumlah copy 5 dan ekstrim atas dengan jumlah copy 95.
Sehingga protokol taxi problem akan bekerja diantara kedua ekstrim tersebut.
Terlihat bahwa algoritma taxi problem dapat memberikan jumlah delivered
message yang cukup baik bahkan hampir menyamai hasil dari spray and wait
dengan jumlah L copy 95. Jumlah copy diperoleh dari hasil estimasi setiap
node. Setiap node akan menghasilkan L copy dengan menggunakan 𝑁/2
jumlah node dari hasil estimasi. Spray and wait tanpa taxi problem dengan L
copy yang kecil akan menghasilkan delivery probability yang sedikit sehingga
node relay juga sedikit untuk membantu menyampaikan pesan ke destination.
Begitu juga dengan L copy yang besar maka akan menghasilkan delivery
probability yang besar dan akan lebih banyak node relay yang akan membantu
menyampaikan pesan ke destination.
0,3882
0,5589 0,5596 0,5798
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
Delivery Probability : Reality MIT
Spray and Wait L=5 Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi Spray and Wait L=95
Jumlah Node : 97
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
37
Gambar 4.4.13.: Random Waypoint Overhead Ratio
Terlihat pada Gambar 4.4.13. bahwa taxi problem dengan skenario
bertukar informasi lebih meminimalisir beban di jaringan daripada taxi problem
yang tidak bertukar informasi karena cost atau biayanya lebih kecil. Dalam
catatan untuk kasus di pergerakan random. Terlihat pada spray and wait biasa
memiliki nilai overhead yang cukup tinggi. Overhead pada node yang
menggunakan L copy yang kecil maka juga akan menghasilkan overhead yang
kecil. Sedangkan, Hal ini karena setiap node akan menghasilkan L copy sesuai
dengan hasil estimasi yang diperoleh. Sebelum waktu convergence setiap node
akan mempunyai pengetahuan yang berbeda tentang jumlah node sehingga L
copy yang dihasilkan bervariasi. Ketika node sudah mencapai waktu
convergence maka setiap node akan menghasilkan L copy yang sama antar
node. Hal ini juga bergantung pada hasil estimasi sebelum waktu convergence.
Semakin besar hasil estimasi maka overhead-nya juga akan semakin
meningkat. Jika overhead semakin tinggi maka delivery probability-nya akan
menurun.
4,1887
48,5326 48,4603
95,2842
0
20
40
60
80
100
120
Overhead Ratio : Random Waypoint
Spray and Wait L=5 Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi Spray and Wait L=97
Jumlah Node : 100
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
38
Gambar 4.4.14.: Haggle3-Infocome5 Overhead Ratio
Pada Gambar 4.4.14. terlihat bahwa taxi problem yang tidak bertukar
informasi lebih meminimalisir beban di jaringan daripada taxi problem yang
bertukar informasi. Sedangkan pada spray and wait biasa memiliki nilai
overhead yang tinggi dibandingkan spray and wait yang menggunakan taxi
problem. Overhead pada node yang menggunakan L copy yang kecil maka juga
akan menghasilkan overhead yang kecil. Sedangkan, Hal ini karena setiap node
akan menghasilkan L copy sesuai dengan hasil estimasi yang diperoleh.
Sebelum waktu convergen setiap node akan mempunyai pengetahuan yang
berbeda tentang jumlah node sehingga L copy yang dihasilkan bervariasi.
Ketika node sudah mencapai waktu convergence maka setiap node akan
menghasilkan L copy yang sama antar node. Hal ini juga bergantung pada hasil
estimasi sebelum waktu convergence. Semakin besar hasil estimasi maka
overhead-nya juga akan semakin meningkat. Jika overhead semakin tinggi
maka delivery probability-nya akan menurun.
4,2597
20,2292 20,302
36,9086
0
5
10
15
20
25
30
35
40
Overhead Ratio : Haggle3-Infocome5
Spray and Wait L=4 Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi Spray and Wait L=40
Jumlah Node : 41
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
39
Gambar 4.4.15.: Reality Minning by MIT Overhead Ratio
Pada Gambar 4.4.15. terlihat bahwa taxi problem yang tidak bertukar
informasi lebih meminimalisir beban di jaringan daripada taxi problem yang
bertukar informasi. Sedangkan pada spray and wait biasa memiliki nilai
overhead yang tinggi dibandingkan spray and wait yang menggunakan taxi
problem. Overhead pada node yang menggunakan L copy yang kecil maka juga
akan menghasilkan overhead yang kecil. Sedangkan, Hal ini karena setiap node
akan menghasilkan L copy sesuai dengan hasil estimasi yang diperoleh.
Sebelum waktu convergence setiap node akan mempunyai pengetahuan yang
berbeda tentang jumlah node sehingga L copy yang dihasilkan bervariasi.
Ketika node sudah mencapai waktu convergence maka setiap node akan
menghasilkan L copy yang sama antar node. Hal ini juga bergantung pada hasil
estimasi sebelum waktu convergence. Semakin besar hasil estimasi maka
overhead-nya juga akan semakin meningkat. Jika overhead semakin tinggi
maka delivery probability-nya akan menurun.
10,4855
61,2652 61,1519
103,595
0
20
40
60
80
100
120
Overhead Ratio : Reality MIT
Spray and Wait L=5 Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi Spray and Wait L=95
Jumlah Node : 97
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
40
Gambar 4.4.16.: Random Waypoint Latency Average
Pada Gambar 4.4.16. terlihat bahwa latency average yang dimiliki oleh
spray and wait dengan jumlah L copy=5 cukup tinggi dibandingkan dengan
taxi problem yang tidak bertukar informasi, taxi problem yang bertukar
informasi dan spray and wait dengan jumlah L copy=97. Sehingga bisa
dikatakan bahwa performa dari spray and wait dengan jumlah L copy=5 lebih
buruk dibandingkan performa dari taxi problem yang tidak bertukar informasi,
taxi problem yang bertukar informasi dan spray and wait dengan jumlah L
copy=97. Hal ini dikarenakan semakin banyak jumlah L copy semakin cepat
pesan sampai ke destination.
6679,5463
2044,7443 2044,7407 1877,4368
0
1000
2000
3000
4000
5000
6000
7000
8000
Latency Average : Random Waypoint
Spray and Wait L=5 Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi SAW L=97
Jumlah Node : 100
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
41
Gambar 4.4.17.: Haggle3-Infocome5 Latency Average
Pada Gambar 4.4.17. terlihat bahwa latency average yang dimiliki oleh
spray and wait dengan jumlah L copy=4 cukup tinggi dibandingkan dengan
taxi problem yang tidak bertukar informasi, taxi problem yang bertukar
informasi dan spray and wait dengan jumlah L copy=41. Sehingga bisa
dikatakan bahwa performa dari spray and wait dengan jumlah L copy=4 lebih
buruk dibandingkan performa dari taxi problem yang tidak bertukar informasi,
taxi problem yang bertukar informasi dan spray and wait dengan jumlah L
copy=41. Hal ini dikarenakan semakin banyak jumlah L copy semakin cepat
pesan sampai ke destination.
24611,5583
22979,4611 22934,7611
22621,5901
21500
22000
22500
23000
23500
24000
24500
25000
Latency Average : Haggle3-Infocome5
Spray and Wait L=4 Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi Spray and Wait L=40
Jumlah Node : 41
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
42
Gambar 4.4.18.: Reality Minning by MIT Latency Average
Pada Gambar 4.4.18. terlihat bahwa latency average yang dimiliki oleh
spray and wait dengan jumlah L copy=5 cukup tinggi dibandingkan dengan
taxi problem yang tidak bertukar informasi, taxi problem yang bertukar
informasi dan spray and wait dengan jumlah L copy=95. Sehingga bisa
dikatakan bahwa performa dari spray and wait dengan jumlah L copy=5 lebih
buruk dibandingkan performa dari taxi problem yang tidak bertukar informasi,
taxi problem yang bertukar informasi dan spray and wait dengan jumlah L
copy=95. Hal ini dikarenakan semakin banyak jumlah L copy semakin cepat
pesan sampai ke destination. Pada pergerakan manusia cenderung berkelompok
sehingga semakin besar L copy yang ada di jaringan maka akan semakin
banyak relay node yang akan meneruskan pesan. Dengan kata lain, jika nilai
dari latency average semakin tinggi maka delivery probability-nya akan turun.
571453,1302
489509,158 490449,57480580,847
420000
440000
460000
480000
500000
520000
540000
560000
580000
Latency Average : Reality MIT
Spray and Wait L=5 Taxi Problem : Tidak Bertukar Informasi
Taxi Problem : Bertukar Informasi Spray and Wait L=95
Jumlah Node : 97
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
43
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Setelah dilakukan analisis dari beberapa kali pengujian simulasi dapat
diambil kesimpulan bahwa algoritma Taxi Problem dapat melakukan estimasi
sesuai dengan jumlah node di jaringan dengan waktu convergence yang cukup
cepat. Hal ini dipengaruhi oleh proses pertukaran informasi tentang daftar
tetangga yang dimiliki tiap node. Namun pada kasus node yang tidak bertukar
informasi, taxi problem memberikan hasil yang cukup bagus walau
memerlukan waktu yang lebih lama dibandingkan dengan node yang bertukar
informasi. Pada dataset Reality hasil estimasi memiliki beberapa node yang
gagal mengestimasi dikarenakan pada pergerakan manusia cenderung
membentuk kelompok, sehingga banyak dari node yang tidak pernah ditemui
secara langsung. Kemudian ketika informasi tentang node tidak pernah
diperbaharui maka node tidak mendapatkan nilai maksimum dari jumlah node
yang ada di jaringan maka tidak akan mendapat hasil estimasi yang akurat.
Penerapan taxi problem di protokol routing spray and wait bisa terlihat dari
hasil simulasi bahwa dengan mengetahui jumlah node yang ada di jaringan
dapat membantu meningkatkan unjuk kerja dari jaringan karena L copy tidak
perlu dibuat pada awal simulasi tetapi cukup menggunakan 𝑁/2 jumlah node.
Setiap node dapat menghasilkan L copy sesuai dengan informasi yang dimiliki.
Hasil dari simulasi yang telah diuji menunjukan hasil yang cukup bagus namun
belum sempurna. Hal ini ditunjukan dari metrik unjuk kerja yang sudah
dituangkan dalam grafik yang tersedia.
5.2. Saran
Pada penelitian selanjutnya algoritma taxi problem untuk mengestimasi
jumlah node yang dinamis.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
44
DAFTAR PUSTAKA
[1] Keranen, J. Ott, T. Karkkainen, “The ONE Simulator for DTN Protocol
Evaluation”, SIMUTools 2009, Rome, Italy, 2009.
[2] K. Fall. “A Delay-Tolerant Network Architecture for Challenged Internet”. In
ACM SIGCOMM, Karlsruhe, Germany, August 2003.
[3] Puri, P., Singh, M.P. (2013) “A Survey Paper on Routing in Delay-tolerant
Networks”, International Conference on Information Systems and Computer
Networks, pp. 215-220.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
45
LAMPIRAN
/*
* To change this license header, choose License Headers in Project Properties.
* To change this template file, choose Tools | Templates
* and open the template in the editor.
*/
package routing.sprayandwait;
import core.Connection;
import core.DTNHost;
import core.Message;
import core.Settings;
import java.util.HashSet;
import java.util.Iterator;
import java.util.Set;
import report.Report;
import routing.DecisionEngineRouter;
import routing.MessageRouter;
import routing.RoutingDecisionEngine;
/**
*
* @author Katarine Layung Indra Aprilia | 155314013
*/
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
46
public class SprayAndWaitRouterWithTaxiProblem extends Report implements
RoutingDecisionEngine, CountingTaxiProblem{
public static final String NROF_COPIES = "nrofCopies";
public static final String BINARY_MODE = "binaryMode";
public static final String SPRAYANDWAIT_NS =
"SprayAndWaitRouterWithTaxiProblem";
public static final String MSG_COUNT_PROPERTY = "."
+ "copies";
protected int initialNrofCopies;
protected boolean isBinary;
private int totalEstimationOfTheNode;
protected Set<DTNHost> theCollections;
public SprayAndWaitRouterWithTaxiProblem(Settings s) {
if (s.contains(BINARY_MODE)) {
isBinary = s.getBoolean(BINARY_MODE);
} else {
isBinary = false; // default value
}
if (s.contains(NROF_COPIES)) {
initialNrofCopies = s.getInt(NROF_COPIES);
} }
public SprayAndWaitRouterWithTaxiProblem(SprayAndWaitRouterWithTaxiProblem
proto) {
this.initialNrofCopies = proto.initialNrofCopies;
this.isBinary = proto.isBinary;
this.theCollections = new HashSet<>();
}
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
47
@Override
public void connectionUp(DTNHost thisHost, DTNHost peer) {
}
@Override
public void connectionDown(DTNHost thisHost, DTNHost peer) {
SprayAndWaitRouterWithTaxiProblem partner = getOtherDecisionEngine(peer);
if (thisHost.isRadioActive() == true && peer.isRadioActive() == true) {
this.totalEstimationOfTheNode = this.CountTotalEstimationOfTheNode();
System.out.println("" + this.totalEstimationOfTheNode);
}
}
@Override
public void doExchangeForNewConnection(Connection con, DTNHost peer) {
DTNHost thisHost = con.getOtherNode(peer);
SprayAndWaitRouterWithTaxiProblem partner = getOtherDecisionEngine(peer);
if (thisHost.isRadioActive() == true && peer.isRadioActive() == true) {
this.theCollections.add(peer);
partner.theCollections.add(thisHost);
this.theCollections.addAll(partner.theCollections);
partner.theCollections.addAll(this.theCollections);
}
}
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
48
@Override
public boolean newMessage(Message m
) {
initialNrofCopies = this.totalEstimationOfTheNode / 2;
m.addProperty(MSG_COUNT_PROPERTY, initialNrofCopies);
return false;
}
@Override
public boolean isFinalDest(Message m, DTNHost aHost
) {
return m.getTo() == aHost;
}
@Override
public boolean shouldSaveReceivedMessage(Message m, DTNHost thisHost) {
Integer nrofCopies = (Integer) m.getProperty(MSG_COUNT_PROPERTY);
if (isBinary) {
nrofCopies = (int) Math.ceil(nrofCopies / 2.0);
} else {
nrofCopies = 1;
}
m.updateProperty(MSG_COUNT_PROPERTY, nrofCopies);
return m.getTo() != thisHost;
}
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
49
@Override
public boolean shouldSendMessageToHost(Message m, DTNHost otherHost) {
if (m.getTo() == otherHost) {
return true;
}
Integer nrofCopies = (Integer) m.getProperty(MSG_COUNT_PROPERTY);
if (nrofCopies > 1) {
return true;
}
return false;
}
@Override
public boolean shouldDeleteSentMessage(Message m, DTNHost otherHost) {
if (m.getTo() == otherHost) {
return false;
}
Integer nrofCopies = (Integer) m.getProperty(MSG_COUNT_PROPERTY);
if (isBinary) {
nrofCopies /= 2;
} else {
nrofCopies--;
}
m.updateProperty(MSG_COUNT_PROPERTY, nrofCopies);
return false;
}
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
50
@Override
public boolean shouldDeleteOldMessage(Message m, DTNHost hostReportingOld
) {
return m.getTo() == hostReportingOld;
}
@Override
public RoutingDecisionEngine replicate() {
return new SprayAndWaitRouterWithTaxiProblem(this);
}
private SprayAndWaitRouterWithTaxiProblem getOtherDecisionEngine(DTNHost h) {
MessageRouter otherRouter = h.getRouter();
assert otherRouter instanceof DecisionEngineRouter : "This router only works "
+ "with other routers of same type";
return (SprayAndWaitRouterWithTaxiProblem) ((DecisionEngineRouter)
otherRouter).getDecisionEngine();
}
private int CountTotalEstimationOfTheNode() {
int tracehold = Integer.MIN_VALUE;
for (Iterator<DTNHost> iterator = theCollections.iterator(); iterator.hasNext();) {
DTNHost next = iterator.next();
if (next.getAddress() > tracehold) {
tracehold = next.getAddress();
} }
double atas = Math.pow(tracehold, (theCollections.size() + 1)) - Math.pow((tracehold -
1), (theCollections.size() + 1));
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
51
double bawah = Math.pow(tracehold, theCollections.size()) - Math.pow((tracehold - 1),
theCollections.size());
return (int) (Math.floor(atas / bawah)); }
@Override
public int getCountTotalEstimationOfTheNode() {
return this.totalEstimationOfTheNode; }
private int getTotalEstimationOfTheNode() {
return totalEstimationOfTheNode; }
private void setTotalEstimationOfTheNode(int totalEstimationOfTheNode) {
this.totalEstimationOfTheNode = totalEstimationOfTheNode;
}
}
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI