1Putu Arya Mertasana
1Program Studi Teknik Elektro, Universitas Udayana Badung, Bali, Indonesia
mertasana@unud.ac.id
2Ngurah Indra Er
2Program Studi Teknik Elektro, Universitas Udayana Badung, Bali, Indonesia
Abstract—Pesatnya perkembangan di perkotaan membutuhkan strategi pembangunan kota yang rasional dan berkesinambungan. Kota cerdas (Smart Cities) bertujuan mengisi ketimpangan yang ada melalui penyediaan layanan berkualitas tinggi kepada penduduk dengan memanfaatkan Teknologi Informasi dan Komunikasi (TIK) yang efisien dan rasional, seperti teknologi Internet of Things (IoT). Penginderaan cerdas (Smart Sensing) menjadi sarana yang penting untuk pengamatan infrastruktur, sistem transportasi, lingkungan dan kesehatan. Selanjutnya, mengikutsertakan penduduk ke dalam lingkaran proses penginderaan tersebut merupakan solusi yang saling menguntungkan. Konsep Mobile Crowdsensing (MCS) mulai muncul dalam beberapa tahun terakhir dan menjadi paradigma baru dalam bidang penginderaan perkotaan (Urban Sensing). Pada MCS, para penghuni kota berpartisipasi secara aktif dalam proses penginderaan cerdas dengan memberikan kontribusi data menggunakan telepon genggam, tablet, dan perangkat bergerak lainnya. Penelitian ini bertujuan untuk membangun simulasi penerapan MCS menggunakan Jaringan Oportunistik (Opportunistic Networks) yang tentu akan lebih efisien dari sisi biaya dibandingkan Jaringan Terdedikasi (Dedicated Networks). Skenario simulasi akan diterapkan pada sebagian wilayah sebuah kota cerdas, dimana penduduk menyediakan data tingkat kebisingan pada beberapa lokasi, melalui perangkat mereka. Dari simulasi akan dianalisa tingkat keberhasilan pengiriman data ke server pusat (Central Server), dan rata-rata waktu tunda (latency) penyampaian data tersebut. Dari kedua parameter yang dianalisa tersebut, dapat dilihat potensi pemanfaatan layanan yang diteliti pada dunia nyata menuju sebuah kota cerdas.
Kata Kunci— Jaringan Oportunistik, Mobile Crowdsensing, Opportunistic Networks Environment, ONE Simulator I. PENDAHULUAN
Partisipasi aktif dari penduduk dengan perangkatnya masing-masing adalah salah satu faktor terpenting dalam penerapan sistem Mobile Crowdsensing (MCS). Akselerometer, giroskop, magnetometer, GPS, mikropon, dan kamera adalah beberapa jenis sensor yang umumnya tertanam pada setiap perangkat genggam cerdas. Perangkat tersebut kemudian dapat dimanfaatkan sebagai pengambil data yang selanjutnya ditrasmisikan ke sebuah server pusat untuk disimpan dan tersedia bagi penyelenggara pengolahan data penginderaan, seperti badan pemerintah, institusi akademik, atau lembaga bisnis. Pusat pengumpul data biasanya berada di awan digital (cloud) yang menyediakan sumber daya dan layanan untuk menyimpan, menganalisa, dan memproses data yang diterima, seperti terlihat pada gambar 1 [1]. Gambar 1 juga memperlihatkan bagian-bagian utama dari sebuah sistem MCS, yang meliputi perangkat Internet-of-Things (IoT), telepon genggam cerdas (smartphones), perangkat tablet (tablets), dan perangkat terpakai (wearable devices). Perangkat-perangkat tersebut telah dilengkapi dengan kemampuan penginderaan dan dimanfaatkan oleh banyak pengguna (the crowd). Tidak seperti jaringan sensor diam/statis, sistem MCS memiliki kemungkinan penginderaan yang dapat dikatakan tak terbatas. Hal ini disebabkan oleh ketersediaan
027-2
beberapa jenis sensor di dalamnya dan keterjaminan sumber daya (batere) yang dapat diisi ulang oleh penggunanya.
Selanjutnya kecerdasan dan mobilitas para pengguna juga menambahkan kesadaran terhadap situasi (context awareness) dan memperluas jangkauan layanan (coverage).
GAMBAR 1.FUNGSIONALITAS MOBILE CROWDSENSING[1]
Jaringan Oportunistik (Opportunistic Networks), yang selanjutnya kita singkat menjadi (JarOp), adalah langkah awal menuju cara-cara alternatif untuk menyusun, mengelola, dan mengatur sumber daya jaringan. Secara umum, para pengguna membawa perangkat seluler pribadi (smartphone, kamera, dan asisten digital pribadi) yang memanfaatkan koneksi baik kabel dan nirkabel, serta mendukung aplikasi canggih dengan tugas komputasi yang intensif untuk menghasilkan konten multimedia dalam jumlah besar. Objek fisik dan perangkat seluler pribadi yang terhubung secara digital, secara kolektif memberikan lingkungan jaringan sumber daya terdistribusi yang memiliki fungsi lebih baik daripada individu. Karena JarOp menyediakan jaringan yang dapat mengatur diri sendiri yang secara eksklusif bergantung pada infrastruktur nirkabel yang menyebar melalui seluler, mereka memandang mobilitas perangkat sebagai peluang komunikasi daripada tantangan. Oleh karena itu, bahkan setelah pengetahuan yang langka tentang topologi jaringan dan tanpa koneksi jaringan ujung ke ujung, JarOp membangun koneksi dengan penggunaan node tetangga yang ada secara dinamis.
II. METODE DAN PROSEDUR
Penelitian dimulai dengan studi kepustakaan untuk mengumpulkan data atau informasi dari literatur yang berkaitan dengan penelitian dimana nantinya akan digunakan sebagai tinjauan pustaka serta panduan sehingga diperoleh dasar teori-teori yang mendukung arah penelitian. Selanjutnya, verifikasi integrasi peta digital dari OpenStreetMap ke SUMO. Langkah ini perlu dilakukan untuk memastikan bahwa semua denah kota yang diekstraksi dari OSM dapat dilalui oleh pejalan kaki sesuai dengan keadaan riil di lapangan. Perancangan model mobilitas penduduk dilakukan agar syntax yang dirancang harus dapat mengakomodasikan tingkat kepadatan dari pejalan kaki dari yang rendah sampai yang tinggi, yang dilanjutkan dengan pengujian model mobilitas pendudukuntuk memastikan hasil rancangan sesuai dengan yang diinginkan. Penyusunan algoritma Data Forwarding pada Jaringan Oportunistik merupakan langkah untuk mulai menerapkan logika penyampaian data secara store-carry-forward, sesuai mekanisme yang biasa diterapkan pada jaringan oportunistik. Implementasi model simulasi Mobile Crowdsensing (MSC) pada simulator Opportunistic Network Environment (ONE) merupakan langkah implementasi dari keseluruhan rancangan algoritma dan simulasi MCS pada jaringan oportunistik.
Selanjutnya, pengambilan data-data hasil kinerja model penghindaran kemacetan untuk merangkum hasil simulasi berupa data tingkat keberhasilan penyampaian data ke server pusat (central server), serta rata-rata waktu tunda (latency) penyampaian data tersebut. Data tersebut merupakan bahan untuk evaluasi kinerja dari model simulasi MCS pada jaringan oportunistik yang telah diterapkan.
III. HASIL DAN PEMBAHASAN
Jenis mobilitas yang dibahas pada penelitian ini adalah mobilitas penduduk yang berjalan kaki di sepanjang trotoar jalan, untuk itu diasumsikan hanya 1,25 km2 dari luasan pusat kota Helsinki yang menjadi batas pergerakan para pejalan kaki tersebut. Sebanyak 100 orang pejalan kaki disimulasikan menggunakan perangkat masing-masing untuk mengambil data kebisingan (noise level) setiap 1 menit selama 2 jam. Untuk itu akan dihasilkan 12.000 data sebesar 5 bytes selama simulasi berlangsung, dimana setiap pejalan kaki dimodelkan bergerak dengan kecepatan acak antara 0,5 sampai dengan 1,5 meter per detiknya. Setiap pejalan kaki memiliki jumlah dan tujuan bergerak yang acak selama 2 jam simulasi, namun tetap berada pada lingkup 1,25 km2 di pusat kota. Setiap sampai di sebuah tujuan, pejalan kaki akan berhenti antara 1 sampai dengan 10 menit, sebelum bergerak menuju tujuan selanjutnya.
Sepanjang perjalanan, data pada satu perangkat dapat diteruskan ke perangkat lain yang berada dalam jangkauan komunikasi. Teknologi komunikasi nirkabel yang digunakan dalam model kali ini adalah Bluetooth dengan jangkauan komunikasi 5 meter dan kecepatan transfer sebesar 2 Mbps. Selanjutnya 5 buah Wi-Fi Access Point (AP) ditempatkan di pusat kota tersebut untuk menerima data dari perangkat pejalan kaki, dimana setiap AP memiliki kemampuan untuk meneruskan data tersebut secara langsung ke server pusat. Komunikasi antara AP dengan perangkat pejalan kaki dimodelkan menggunakan teknologi Wi-Fi dengan jarak jangkauan 25 meter dan kecepatan transfer data sebesar 10 Mbps.
GAMBAR 2.SIMULASI MODEL MCSMENGGUNAKAN JARINGAN OPORTUNISTIK
Algoritma data forwarding, atau juga disebut routing, yang digunakan pada model kali ini adalah Epidemic untuk memperlihatkan kinerja maksimal dari sistem untuk 2 parameter: 1) prosentase keberhasilan penyampaian data, dan 2) rata-rata waktu tunda atau latency dari penyampaian data. Pada bagian sebelumnya telah dijelaskan mengenai prinsip kerja Epidemic Routing, yang pada dasarnya selalu berusaha membagikan data yang belum dimiliki oleh perangkat lain untuk memperbesar kemungkinan keberhasilan penyampaian data. Di sisi lain, penerapan algoritma tersebut memiliki efek negatif yakni terbanjirinya jaringan dengan replika data yang terbatas.
Namun pada penelitian ini, ruang penyimpanan (buffer) sebesar 5 MB yang dimiliki setiap perangkat dapat dipastikan mencukupi untuk menyimpan sebanyak 12.000 data sebesar 5 bytes selama simulasi. Gambar 2 memperlihatkan model MCS pada salah satu skenario yang disimulasikan.
Pada skenario tersebut, dari 20 sampai 100 orang pejalan kaki disimulasikan menggunakan perangkat masing-masing untuk mengambil data kebisingan (noise level) setiap 1 menit selama 30 menit. Selanjutnya, proses penyampaian data ke server diamati selama 2 jam. Gambar 3 memperlihatkan rangkuman hasil simulasi model MCS untuk parameter: prosentase data yang tersampaikan dan rata-rata waktu tunda penyampaian data. Dari hasil tersebut terlihat bahwa untuk mencapai rata-rata tingkat penyampaian data yang tinggi, yakni sekitar 98,73%, diperlukan waktu sekitar 2 jam dengan rata-rata data dapat tersampaikan dalam waktu 25,29 menit. Jika hanya disediakan
027-4
waktu tunggu penyampaian selama 1 jam, maka rata-rata prosentase data yang tersampaikan menurun menjadi 79,29%. Untuk itu, diperlukan perencanaan yang bersesuaian dengan kebutuhan dari sisi aplikasi yang akan memanfaatkan data yang tersampaikan tersebut. Cara lain yang dapat diterapkan untuk memperbaiki nilai kedua parameter tersebut adalah dengan penambahan jumlah AP, sehingga lebih besar kemungkinan data dari pejalan kaki dapat tersampaikan ke AP dalam jangka waktu yang lebih singkat.
GAMBAR 3.HASIL SIMULASI MODEL MCSMENGGUNAKAN JARINGAN OPORTUNISTIK
IV. KESIMPULAN
Perancangan dan integrasi model mobile crowdsensing menggunakan jaringan oportunistik pada perangkat lunak Opportunistic Networking Environment (ONE) telah berhasil dilaksanakan. Simulasi terhadap model yang diuji memperlihatkan hasil tingkat penyampaian data yang tinggi dengan rata-rata waktu tunda yang sangat dipengaruhi oleh jumlah Access Point (AP) yang tersedia untuk menjadi pengumpul data yang selanjutnya diteruskan ke server utama. Model yang telah dibangun juga nantinya dapat digunakan untuk melakukan evaluasi terhadap berbagai strategi yang berbeda dalam penerapan MCS pada JarOp di masa mendatang.
UCAPAN TERIMA KASIH
Penelitian ini dibiayai oleh Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Udayana, dalam skema Hibah Unggulan Program Studi 2019.
DAFTAR PUSTAKA
[1] M. Tomasoni, A. Capponi, C. Fiandrino, D. Kliazovich, F. Granelli, P. Bouvry, "Profiling energy efficiency of mobile crowdsensing data collection frameworks for smart city applications", The 6th IEEE International Conference on Mobile Cloud Computing Services and Engineering (IEEE Mobile Cloud 2018) 2018.
[2] V. Sivaraman, J. Carrapetta, K. Hu, and B. G. Luxan, “Hazewatch: A participatory sensor system for monitoring air pollution in sydney,” in IEEE Conference on Local Computer Networks (LCN) - Workshops, Oct 2013.
[3] S. Kim, C. Robson, T. Zimmerman, J. Pierce, and E. M. Haber, “Creek Watch: Pairing usefulness and usability for successful citizen science,” in Proc. of the SIGCHI Conference on Human Factors in Computing Systems, ser. CHI. ACM, 2011.
[4] S. Reddy and V. Samanta, “Urban Sensing: Garbage Watch,” 2011, UCLA Center for Embedded Networked Sensing.
[5] L. Pelusi, A. Passarella, and M. Conti, “Opportunistic networking: data forwarding in disconnected mobile ad hoc networks,” IEEE Communications Magazine, vol. 44, no. 11, pp. 134–141, Nov. 2006.
[6] N. I. Er, K. D. Singh, and J.-M. Bonnin, “On the Performance of VDTN Routing Protocols with V2X Communications for Data Delivery in Smart Cities“, in IWSSS 2017 - 2nd International Workshop on Smart Sensing Systems, Aug 2017.
Seminar Nasional Sains dan Teknologi (SENASTEK) – The International Conference on Science, Technology and Humanities (ICoSTH)
Bali, Indonesia, 14-15 November 2019 Paper No. 028