Disusun Oleh: THOMAS YANUAR NUGROHO ARIYADI

(1)

PENGARUH NODE SELFISHNESS PADA KINERJA PROTOKOL ROUTING BUBBLE RAP DI JARINGAN SOSIAL OPORTUNISTIK

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika

Disusun Oleh:

THOMAS YANUAR NUGROHO ARIYADI 145314042

PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA YOGYAKARTA

(2)

ii

INFLUENCE OF SELFISHNESS NODE ON BUBBLE RAP ROUTING PERFORMANCE PROTOCOL IN SOCIAL OPPORTUNISTIC NETWORK

A THESIS

Presented as Partial Fulfillment of Requirements to Obtain Sarjana Komputer Degree in Informatics Engineering Department

By:

THOMAS YANUAR NUGROHO ARIYADI 145314042

INFORMATICS ENGINEERING STUDY PROGRAM INFORMATICS ENGINEERING DEPARTMENT

FACULTY SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY

YOGYAKARTA 2018

(3)

iii

HALAMAN PERSETUJUAN

SKRIPSI

PENGARUH NODE SELFISHNESS PADA KINERJA PROTOKOL ROUTING BUBBLE RAP DI JARINGAN SOSIAL OPORTUNISTIK

Oleh:

Thomas Yanuar Nugroho Ariyadi 145314042

Telah disetujui oleh:

Dosen Pembimbing,

(4)

iv

HALAMAN PENGESAHAN SKRIPSI

Dipersiapkan dan ditulis oleh:

Thomas Yanuar Nugroho Ariyadi 145314042

Telah dipertahankan di depan panitia penguji Pada tanggal 6 Juli 2018

dan dinyatakan memenuhi syarat

Susunan Panitia Penguji

Nama Lengkap Tanda Tangan

Ketua : Henricus Agung Hernawan, S.T., M.Kom. ………..

Sekretaris : Puspaningtyas Sanjoyo Adi, S.T., M.T. ………..

Anggota : Bambang Soelistijanto, Ph.D. ………..

Yogyakarta, ... Juli 2018 Fakultas Sains dan Teknologi

Universitas Sanata Dharma Dekan,

(5)

v

MOTTO

"When you're depressed, it always helps to lean your

head on your arms. Arms like to feel useful."

(6)

vi

PERNYATAAN LEMBAR KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa di dalam 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, 99 Juli 2018 Penulis

(7)

vii

LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

Yang bertada tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma:

Nama : Thomas Yanuar Nugroho Ariyadi Nim : 145314042

Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan Universitas Sanata Dharma karya ilmiah yang berjudul:

Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelohnya 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, 24 Juli 2018 Penulis,

(8)

viii

ABSTRAK

Pada jaringan sosial oportunistik diharapkan setiap perangkat adalah kooperatif, dimana perangkat yang akan mengirimkan pesan dan perangkat akan meneruskan pesan yang diterimananya. Ketika sebuah perangkat terus menerus mengirimkan pesan dan meneruskan pesan, kegiatan tersebut akan menghabiskan banyak sumber daya yang dimiliki oleh perangkat tersebut. Hal tersebut menimbulkan perangkat tersebut menjadi egois (selfish) atau tidak kooperatif dengan tujuan menghemat sumber daya yang perangkat tersebut. Pada penelitian ini dilakukan pengamatan terhadap pengaruh dari perangkat yang egois terhadap pengiriman pesan pada jaringan sosial oportunistik menggunakan protokol routing BUBBLE Rap dengan matrik unjuk kerja delivery probability, latency, overhead ratio, buffer occupancy dan total relay message. Untuk memperoleh data tersebut digunakan beberapa model pergerakan manusia seperti Haggle4-Cambridge, Haggle3-Infocom05, Haggle6-Infocom06, dan MIT Reality Mining, dengan menggunakan beberapa model distribusi nilai selfish seperti percentage of selfishness, uniform distribution, normal distribution, global node-biased distribution, dan community-biased distribution. Sebagai hasilnya, dapat kita lihat bahwa perangkat yang kooperatif akan selalu memiliki probabilitas pengiriman pesan yang jauh lebih tinggi dengan waktu pengiriman pesan yang lebih singkat. Namun, dengan adanya perangkat yang egois mengakibatkan turunnya probabilitas pengiriman pesan. Dengan adanya penurunan tersebut membuat penuruman penggunaan sumber daya lebih kecil dibandingkan dengan jaringan yang seluruh perangkatnya kooperatif. Namun, sebagai gantinya waktu pengiriman pesan menjadi lebih lama.

(9)

ix

ABSTRACT

Social opportunistic network expect each device to be cooperative. This means that the device can sends messages and forward it received message. When a device is cooperative, it will spend a lot of it resources. This contradict with device's goal to preserve its resource. The selfishness notion introduced to overcome these problem. When a device is selfish, it won’t forward or received messages from other devices. In this study we observe the effect of a selfish device on the information transmission on opportunistic social network by using BUBBLE Rap routing protocol. The observed performance matrix are delivery probability, latency, overhead ratio, buffer occupancy and total relay message. We use several models of human movement such as Haggle4-Cambridge, Haggle3-Infocom05, Haggle6-Infocom06, and MIT Reality Mining, and using several selfish value distribution models such as percentage of selfishness, uniform distribution, normal distribution, global node-biased distribution, and community-biased distribution to obtain the data. As the result, the cooperative devices will always have a higher message delivery probability with shorter message delivery times compared with the uncooperative device. However, the presence of uncooperative devices result in a decreasing in the probability of delivered messages. As the result, the device resource’s usage is minimized, but the message delivery time is longer.

(10)

x

KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, oleh karena rahmatnya yang melimpah penulis dapat menyelesaikan tugas akhir dengan tepat waktu. 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 sebesar-besarnya kepada:

1. Tuhan Yang Maha Esa, karena atas rahmat dan kuasanya penulis dapat menyelesaikan tugas akhir.

2. Kepada keluarga tercinta, Bapak Ekwanto Sugeng Ariyadi dan Ibu Tatik Sri Mulyani dan saudara perempuan saya Hanna Meiliyawati Ariyadi yang selalu mendukung dalam doa, motivasi, dan logistik.

3. Bapak Bambang Soelistijanto, S.T., M.Sc., Ph.D. selaku dosen pembimbing tugas akhir yang telah membimbing, memberi ilmu, serta pengelaman dalam menyelesaikan tugas akhir.

4. Seluruh teman-teman seperjuangan di lab tugas akhir dan Teknik Informatika yang selalu mendukung.

5. Serta seluruh pihak yang mendukung secara langsung maupun tidak langsung saya ucapkan terimakasih.

Saya selaku penulis menyadari bahwa tulisan ini belumlah sempurna, maka kritik dan saran sangat kami harapkan demi menyempurnakan tulisan ini. Akhir kata penulis ucapkan terimakasih semoga tulisan ini bermanfaat bagi semua pihak.

Yogyakarta, 24 Juli 2018 Penulis

(11)

xi

DAFTAR ISI

HALAMAN PERSETUJUAN ... iii

HALAMAN PENGESAHAN ... iv

MOTTO ... v

PERNYATAAN LEMBAR KEASLIAN KARYA ... vi

LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH ... vii

ABSTRAK ... viii

ABSTRACT ... ix

KATA PENGANTAR ... x

DAFTAR ISI ... xi

DAFTAR TABEL ... xiv

DAFTAR GAMBAR ... xv

DAFTAR RUMUS ... xviii

BAB I PENDAHULUAN ... 1 1.1. Latar Belakang ... 1 1.2. Rumusan Masalah ... 2 1.3. Tujuan Penelitian ... 2 1.4. Manfaat Penelitian ... 2 1.5. Batasan Masalah ... 2 1.6. Metodelogi Penelitian ... 2 1.7. Sistematika Penulisan ... 3

BAB II LANDASAN TEORI ... 5

2.1. Mobile Ad Hoc Network (MANETs) ... 5

2.2. Jaringan Oportunistik ... 6

2.3. Protokol Routing BUBBLE Rap ... 7

2.3.1. Centrality Algorithm ... 8

2.3.2. Community Detection Algorithm ... 9

(12)

xii

2.5. The ONE Simulator ... 11

BAB III PERANCANGAN SIMULASI ... 12

3.1. Parameter Simulasi ... 12

3.2. Pergerakan Node ... 12

3.2.1. Haggle 4 – Cambridge ... 12

3.2.2. Haggle 3 - Infocom 05 ... 13

3.2.3. Haggle 6 - Infocom 06 ... 13

3.2.4. MIT Reality Mining ... 13

3.3. Distribusi Nilai Alturism ... 13

3.3.1. Percentage of Selfishness ... 14

3.3.2. Uniform Distribution ... 14

3.3.3. Normal Distribution ... 14

3.3.4. Global Node-biased Distribution ... 15

3.3.5. Community-biased Distribution ... 16

3.4. Skenario Simulasi ... 16

3.5. Parameter Unjuk Kerja ... 16

3.5.1. Total Relayed Message ... 17

3.5.2. Delivery Probability ... 17

3.5.3. Overhead Ratio... 17

3.5.4. Latency Average ... 17

3.5.5. Buffer Occupancy ... 18

3.5.6. Received Message per Contact ... 18

3.6. Desain Alat Uji ... 18

BAB IV PENGUJIAN DAN ANALISIS ... 19

4.1. Tabel Perbandingan Hasil Simulasi ... 19

4.2. Perbandingan Delivery Probability, Total Relayed Message, Overhead Ratio dan Latency ... 22

(13)

xiii

4.3.1. Haggle3-Infocom5 ... 32

4.3.2. Haggle4-Cambridge-iMotes ... 34

4.3.4. Reality MIT ... 39

4.4. Perbandingan Buffer Occupancy per Node ... 42

4.4.2. Haggle4-Cambridge-iMotes ... 45

4.4.4. Reality MIT ... 50

BAB V KESIMPULAN DAN SARAN ... 53

5.1. Kesimpulan ... 53

5.2. Saran ... 54

DAFTAR PUSTAKA ... 55

(14)

xiv

DAFTAR TABEL

Tabel 3.1.1 Parameter Utama Simulasi ... 12 Tabel 4.1.1 Hasil simulasi menggunakan pergerakan Haggle3–Infocom5... 19 Tabel 4.1.2 Hasil simulasi menggunakan pergerakan Haggle4-Cambridge–iMotes ... 20 Tabel 4.1.3 Hasil simulasi menggunakan pergerakan Haggle6–Infocom6... 21 Tabel 4.1.4 Hasil simulasi menggunakan pergerakan Reality MIT ... 21

(15)

xv

DAFTAR GAMBAR

Gambar 2.1.1 Topologi MANET ... 5

Gambar 2.2.1 Topologi jaringan oportunistik ... 6

Gambar 2.3.1 Topologi protokol routing BUBBLE Rap ... 8

Gambar 2.4.1 Mekanisme pengaruh nilai selfishness ... 10

Gambar 3.3.1 Nilai altruism menggunakan Distribusi Normal ... 15

Gambar 3.3.2 Nilai altruism menggunakan Global Node-biased Distribution ... 15

Gambar 4.2.1 Grafik Haggle3-Infocom5: Delivery Probability ... 22

Gambar 4.2.2 Grafik Haggle4-Cam-Imote: Delivery Probability ... 22

Gambar 4.2.3 Grafik Haggle6-infocom6: Delivery Probability ... 23

Gambar 4.2.4 Grafik Reality MIT: Delivery Probability ... 23

Gambar 4.2.5 Grafik Haggle3-Infocom5: Total Relayed Message ... 24

Gambar 4.2.6 Grafik Haggle4-Cam-Imote: Total Relayed Message ... 25

Gambar 4.2.7 Grafik Haggle6-infocom6: Total Relayed Message... 25

Gambar 4.2.8 Grafik Reality MIT: Total Relayed Message ... 26

Gambar 4.2.9 Grafik Haggle3-Infocom5: Overhead Ratio ... 27

Gambar 4.2.10 Grafik Haggle4-Cam-Imote: Overhead Ratio ... 27

Gambar 4.2.11 Grafik Haggle6-infocom6: Overhead Ratio ... 28

Gambar 4.2.12 Grafik Reality MIT: Overhead Ratio ... 28

Gambar 4.2.13 Grafik Haggle3-Infocom5: Latency Average ... 29

Gambar 4.2.14 Grafik Haggle4-Cam-Imote: Latency Average ... 30

Gambar 4.2.15 Grafik Haggle6-infocom6: Latency Average ... 30

Gambar 4.2.16 Grafik Reality MIT: Latency Average ... 31

Gambar 4.3.1 Grafik Haggle3-Infocom5: Recieved Message per Time - Uniform Distribution ... 32

Gambar 4.3.2 Grafik Haggle3-Infocom5: Recieved Message per Time - Percentage ... 32

Gambar 4.3.3 Grafik Haggle3-Infocom5: Recieved Message per Time - Normal Distribution ... 33

Gambar 4.3.4 Grafik Haggle3-Infocom5: Recieved Message per Time - Global-Node Biased ... 33

(16)

xvi

Gambar 4.3.5 Grafik Haggle3-Infocom5: Recieved Message per Time - Community Distribution ... 34 Gambar 4.3.6 Grafik Haggle4-Cam-Imote: Recieved Message per Time - Uniform Distribution ... 34 Gambar 4.3.7 Grafik Haggle4-Cam-Imote: Recieved Message per Time - Percentage ... 35 Gambar 4.3.8 Grafik Haggle4-Cam-Imote: Recieved Message per Time - Normal Distribution ... 35 Gambar 4.3.9 Grafik Haggle4-Cam-Imote: Recieved Message per Time - Global-Node Biased ... 36 Gambar 4.3.10 Grafik Haggle4-Cam-Imote: Recieved Message per Time - Community Distribution ... 36 Gambar 4.3.11 Grafik Haggle6-infocom6: Recieved Message per Time - Uniform Distribution ... 37 Gambar 4.3.12 Grafik Haggle6-infocom6: Recieved Message per Time - Percentage ... 37 Gambar 4.3.13 Grafik Haggle6-infocom6: Recieved Message per Time - Normal Distribution ... 38 Gambar 4.3.14 Grafik Haggle6-infocom6: Recieved Message per Time - Global-Node Biased ... 38 Gambar 4.3.15 Grafik Haggle6-infocom6: Recieved Message per Time - Community Distribution ... 39 Gambar 4.3.16 Grafik Reality MIT: Recieved Message per Time - Uniform Distribution ... 39 Gambar 4.3.17 Grafik Reality MIT: Recieved Message per Time - Percentage .. 40 Gambar 4.3.18 Grafik Reality MIT: Recieved Message per Time - Normal Distribution ... 40 Gambar 4.3.19 Grafik Reality MIT: Recieved Message per Time - Global-Node Biased ... 41 Gambar 4.3.20 Grafik Reality MIT: Recieved Message per Time - Community Distribution ... 41

(17)

xvii

Gambar 4.4.1 Grafik Haggle3-Infocom5: Buffer Occupancy - Uniform ... 42 Gambar 4.4.2 Grafik Haggle3-Infocom5: Buffer Occupancy - Percentage... 43 Gambar 4.4.3 Grafik Haggle3-Infocom5: Buffer Occupancy - Normal Distribution ... 43 Gambar 4.4.4 Grafik Haggle3-Infocom5: Buffer Occupancy - Global-Node Biased ... 44 Gambar 4.4.5 Grafik Haggle3-Infocom5: Buffer Occupancy - Community Biased ... 44 Gambar 4.4.6 Grafik Haggle4-Cam-Imote: Buffer Occupancy - Uniform ... 45 Gambar 4.4.7 Grafik Haggle4-Cam-Imote: Buffer Occupancy - Percentage ... 45 Gambar 4.4.8 Grafik Haggle4-Cam-Imote: Buffer Occupancy - Normal Distribution ... 46 Gambar 4.4.9 Grafik Haggle4-Cam-Imote: Buffer Occupancy - Global-Node Biased ... 46 Gambar 4.4.10 Grafik Haggle4-Cam-Imote: Buffer Occupancy - Community Biased ... 47 Gambar 4.4.11 Grafik Haggle6-infocom6: Buffer Occupancy - Uniform... 47 Gambar 4.4.12 Grafik Haggle6-infocom6: Buffer Occupancy - Percentage ... 48 Gambar 4.4.13 Grafik Haggle6-infocom6: Buffer Occupancy - Normal Distribution ... 48 Gambar 4.4.14 Grafik Haggle6-infocom6: Buffer Occupancy - Global-Node Biased ... 49 Gambar 4.4.15 Grafik Haggle6-infocom6: Buffer Occupancy - Community Biased ... 49 Gambar 4.4.16 Grafik Reality MIT: Buffer Occupancy - Uniform ... 50 Gambar 4.4.17 Grafik Reality MIT: Buffer Occupancy - Percentage ... 50 Gambar 4.4.18 Grafik Reality MIT: Buffer Occupancy - Normal Distribution ... 51 Gambar 4.4.19 Grafik Reality MIT: Buffer Occupancy - Global-Node Biased ... 51 Gambar 4.4.20 Grafik Reality MIT: Buffer Occupancy - Community Biased ... 52

(18)

xviii DAFTAR RUMUS Rumus 3.3.1 ... 15 Rumus 3.5.1 ... 17 Rumus 3.5.2 ... 17 Rumus 3.5.3 ... 17 Rumus 3.5.4 ... 18

(19)

1

BAB I PENDAHULUAN 1.1. Latar Belakang

Dalam beberapa tahun terakhir, jaringan oportunistik telah mendapatkan popularitas dalam penelitian sebagai evolusi dari mobile ad-hoc networks (MANETs). Dalam jaringan oportunistik, setiap perangkat saling berhubungan satu sama lain pada interval yang tidak dapat diprediksi dengan durasi yang tak terduga dari setiap kontak. Kemajuan teknologi mengarah ke dunia yang penuh dengan perangkat mobile, seperti telepon seluler, notebook, dan gadget, sehingga membuka jalan bagi banyak kesempatan untuk kontak perangkat.

Pada jaringan oportnistik tidak diperlukann infrastruktur untuk melakukan komunikasi. Semua perangkat yang akan melakukan komunikasi akan mengirimkan pesannya melalui perangkat lain yang ditemuinya. Pesan akan dikirim merambat dari sebuah perangkat ke perangkat lain hingga mencapai tujuan pesan. Setiap perangkat akan meneruskan setiap pesan yang diterimanya.

Namun, pada kenyataannya tidak semua perangkat akan meneruskan setiap pesan yang diterimanya. Perangkat mobile memiliki sumber daya yang terbatas dan energi yang terbatas. Pada saat-saat tertentu sebuah perangkat akan menolak untuk mneruskan pesan yang diterimanya, seperti pada kondisi baterai lemah, ruang penyimpanan telah mencapai batas, dan lain sebagainya. Sebuah perangkat dapat dikatakan selfish atau egois apabila tidak mau meneruskan pesan yang akan melalui perangkat tersebut. Tindakan selfish tersebut akan sangat berdampak pada komunikasi di jaringan oportunistik. Jaringan oportunistik menggunakan perangkat-perangkat mobile untuk meneruskan pesan, sehingga kinerja dari model komunikasi ini akan menurun.

BUBBLE Rap adalah salah satu protokol yang digunakan untuk mengirimkan pesan di jaringan sosial oportunistik. Kinerja dari protokol ini akan dapat terpengaruh dengan adanya node yang selfish. Penerapan node

(20)

yang selfish mungkin dapat mempengaruhi waktu pengiriman, persebaran pesan, dan lain sebagainya.

Sifat altruism adalah sifat yang berlawanan dengan selfishness. Ketika node memiliki sifat altruism yang tinggi, node akan semakin antusias untuk meneruskan pesan. Dan ketika node memiliki sifat selfishness yang tinggi, node akan semakin menolak untuk meneruskan pesan.

1.2. Rumusan Masalah

Berdasarkan latar belakang yang telah dipaparkan, rumusan masalah yang didapat adalah mengetahui performa dari protokol routing BUBBLE Rap di jaringan oportunistik apabila diterapkannya node selfish.

1.3. Tujuan Penelitian

Tujuan dari tugas akhir ini adalah untuk mengetahui dampak pengaruh diterapkannya node selfish apabila diterapkan di protokol routing BUBBLE Rap.

1.4. Manfaat Penelitian

Hasil dari penelitian ini diharapkan dapat membantu untuk mempertimbangkat pemilihan routing protokol di jaringan sosial oportunistik.

1.5. Batasan Masalah

Batasan masalah dalam penelitian ini adalah: a. Menggunakan protokol routing BUBBLE Rap

b. Parameter yang digunakan adalah total relayed message, delivery probability, overhead ratio, latency average, buffer occupancy, dan received message per time.

c. Simulator yang digunakan adalah The Opportunistic Network Environment Simulator (The ONE Simulator).

1.6. Metodelogi Penelitian

Metode yang digunakan dalam penelitian ini adalah sebagai berikut: a. Studi Literatur

Mencari dan mengumpulkan referensi dan menerapkan teori untuk mendukung tugas akhir antara lain:

(21)

3

2) Teori Delay Tolerant Network 3) Teori protokol routing BUBBLE Rap 4) The ONE Simulator

5) Tahap-tahap dalam membangun simulasi b. Pengumpulan Bahan Penelitian

Dataset yang digunakan untuk melakukan penelitian telah tersedia di Internet pada alamat http://www.shigs.co.uk/index.php?page=traces. c. Pembuatan Alat Uji

Perancangan sistem dilakukan dengan menerapkan skenario node yang selfish pada protocol routing BUBBLE Rap sehingga unjuk kerja dapat teridentifikasikan dari hasil yang ditunjukan.

d. Analisis Data Simulasi

Mengelola data dari hasil simulasi, untuk diproses kemudian dianalisis sesuai dengan parameter unjuk kerja.

e. Penarikan Kesimpulan

Penarikan kesimpulan terhadap hasil yang telah dianalisis dengan acuan parameter unjuk kerja yang telah ditentukan.

1.7. Sistematika Penulisan

BAB I PENDAHULUAN

Bab ini berisi tentang latar belakang masalah, 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 antara lain adalah MANETs, jaringan oportunistik, protokol routing BUBBLE Rap, selfishness dan altruism, dan The ONE Simulator.

BAB III PERANCANGAN SIMULASI

Bab ini berisi tentang perencanaan scenario simulasi yang akan dikerjakan dalam tugas akhir ini.

(22)

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 didapat dari hasil analisis data simulasi.

(23)

5

BAB II

LANDASAN TEORI 2.1. Mobile Ad Hoc Network (MANETs)

Mobile Ad-Hoc Network (MANET) adalah sebuah jaringan nirkabel yang memiliki beberapa node yang sudah tidak lagi bergantung pada infrastruktur komunikasi. Di jaringan MANET, semua node adalah node yang bergerak atau mobile. Semua node yang ada jaringan tidak hanya akan menjadi pengguna atau host saja, melainkan node tersebut akan menjadi router untuk menghubungkan sebuah node dengan node yang lainnya.

Pada jaringan MANET, sebuah node akan melakukan komunikasi peer to peer untuk mengirimkan sebuah pesan dari node asal (source) ke node tujuan (destination) secara multihop. Setiap informasi yang diterima oleh sebuah node akan disimpan terlebih dahulu sebelum nantinya akan diteruskan ke node lain. Dan ketika terjadi topologi di jaringan tersebuh berubah, maka setiap node harus mengetahui perubahan topologi tersebut.

Gambar 2.1.1 Topologi MANET

Dalam model komunikasi seperti ini sumber daya atau resource akan menjadi hal penting. Ketika sebuah node tidak hanya menjadi sebuah host melainkan juga menjadi sebuah router, maka resource seperti baterai dan ruang penyimpanan akan lebih banyak untuk digunakan. Selain itu, ketika komunikasi node hanya mengandalkan bantuan dari node yang lain, maka

(24)

waktu yang dibutuhkan untuk mengantarkan sebuah pesan tersebut sampai ke tujuan akan membutuhkan waktu yang lebih lama model komunikasi yang menggunakan infrastruktur.

2.2. Jaringan Oportunistik

Jaringan oportunistik adalah jaringan MANET yang tidak menggunakan infrastruktur untuk melakukan komunikasi. Jaringan oportunistik menggunakan perangkat perangkat mobile seperti telepon seluler, laptop, dan lain sebagainya untuk meneruskan pesan. Komunikasi dengan model ini memiliki konektivitas yang berubah-ubah dan tidak dapat diperkirakan kapan sebuah node akan bertemu dengan node lain.

Source Destination

Gambar 2.2.1 Topologi jaringan oportunistik

Perangkat yang menggukanan jaringan oportunistik adalah perangkat yang kooperatif. Setiap perangkat akan mengirimkan setiap informasi secara broadcast ke perangkat lain yang dia temui. Kemudian perangkat lain yang menerima informasi tersebut akan meneruskan pesan tersebut ke perangkat lain. Pesan tersebut akan diteruskan ke perangkat lain hingga pesan tersebut sampai ke tujuan.

Model komunikasi ini dapat diterapkan untuk komunikasi di luar angkasa atau pada kondisi bencana alam. Meski demikian, model komunikasi ini sangat menguras banyak resource dan energi dari perangkat yang menggunakan.

Jaringan sosial oportunistik adalah salah satu bagian dari jaringan oportunistik. Model komunikasi ini mengasumsikan bahwa pergerakan suatu node itu sama dengan pergerakan manusia. Pergerakan manusia itu ternyata tidak acak. Pergerakan dari seseorang dapat diprediksi karena pergerakan manusia memiliki pola tertentu. Pergerakan manusia cenderung membentuk kelompok.

(25)

7

2.3. Protokol Routing BUBBLE Rap

Pergerakan suatu node diibaratkan sama dengan pergerakan manusia. Pergerakan manusia tidaklah sepenuhnya acak. Manusia memiliki pola sehari-hari sebagai contohnya manusia bekerja setiap hari dan di waktu yang sama pula. Hal tersebut membuat pergerakan manusia ini menjadi terlihat berkelompok-kelompok.

Ketika manusia berada di dalam komunitas, di dalam komunitas tersebut akan memiliki orang yang akan menjadi pusat. Orang yang menjadi pusat di dalam komunitas tersebut akan dianggap sebagai orang yang paling memiliki banyak kawan mengenal banyak dari anggota komunitas. Karena orang itu memiliki banyak kawan sehingga orang itu dianggap memiliki popularitas yang paling tinggi di antara orang lain disekitarnya.

Pada protokol routing BUBBLE Rap, komunitas dan popularitas dari sebuah node menjadi parameter yang paling penting untuk melakukan pengiriman sebuah pesan. Dengan memanfaatkan adanya komunitas dan popularitas sebuah node, sehingga protokol ini dapat meningkatkan efektifitas pengiriman pesan.

Berikut ini adalah gambaran dari kegiatan yang dilakukan oleh sebuah node yang bertemu dengan node lain dan akan mengirimkan sebuah pesan: 1. Node A akan mengirimkan pesan ke node B.

2. Jika node B adalah node tujuan, pesan dikirim ke node B. 3. Jika node B bukan node tujuan:

a. Jika node A berada di komunitas yang sama dengan node tujuan sedangkan node B tidak, pesan tidak dikirim.

b. Jika node B berada di komunitas yang sama dengan node tujuan sedangkan node A tidak, pesan dikirim ke node B.

c. Jika kedua node berada di komunitas yang sama dengan node tujuan:

i. Jika popularitas node B lebih tinggi dari node A, pesan dikirim ke node B.

(26)

ii. Jika popularitas node A lebih tinggi dari node B, pesan tidak dikirim.

d. Jika keduanya tidak berada di komunitas yang sama dengan tujuan: i. Jika popularitas global node B lebih besar dari node A, pesan

dikirim ke B

Gambar 2.3.1 Topologi protokol routing BUBBLE Rap

Untuk mengetahui komunitas dan nilai popularitas dari sebuah node pada jaringan, BUBBLE Rap memiliki algoritma untuk menentukan komunitas dan popularitas suatu node, yaitu dengan Centrality Algorithm dan Community Detection Algorithm.

2.3.1. Centrality Algorithm

Pada manusia, manusia dapat dilihat kepopuleran mereka dengan melihat berapa banyak jumlah teman yang mereka miliki. Semakin banyak seseorang memiliki teman, maka semakin tinggi pula popularitas mereka. Sedangkan semakin sedikit teman orang itu, maka semakin tidak popular.

Pada ranah jaringan, kepopularitasan sebuah node dapat dilihat dari jumlah node yang pernah node tersebut jumpai. Semakin node tersebut bertemu dengan node lainnya, semakin tinggi pula popularitas dari node tersebut.

Algoritma centrality digunakan untuk memberi nilai popularitas pada sebuah node. Salah satu bentuk algoritma centrality adalah

(27)

9

Degree Centrality. Algoritma ini adalah algoritma sederhana yang digunakan untuk melihat history pertemuan dari suatu node bertemu dengan node lain. Ketika di dalam history tersebut terdapat banyak node yang tercatat, maka node tersebut akan memiliki popularitas yang tinggi. Sebaliknya, semakin sedikit node tersebut bertemu dengan node lain maka akan semakin kecil pula popularitasnya.

2.3.2. Community Detection Algorithm

Pada manusia, komunitas dapat terbentuk ketika manusia sering bertemu dan berkumpul bersama. Pada dasarnya sekelompok manusia akan membentuk komunitas ketika mereka memiliki kesamaan dalam beberapa hal tertentu.

Pada ranah jaringan, ketika sekumpulan node akan membuat sebuah komunita, dapat dilihat dari berapa lamanya sekumpulan node tersebut saling berkumpul. Ketika sekumpulan node sering bersama pada waktu tertentu, sekumpulan node tersebut dapat dikatakan sebagai sebuah komunitas.

Algoritma Community Detection digunakan untuk mendeteksi komunitas yang dimiliki oleh sebuah node. Salah satu algoritma community detection adalah KCliqueCommunityDetection. Algoritma ini membutuhkan dua buah parameter untuk melakukan perhitungan, yaitu Familiar Threshold dan nilai K.

Familiar threshold dipergunakan untuk menjadi waktu minimum yang dibutuhkan agar algoritma ini dapat mencatat setiap node yang dijumpai oleh sebuah node dalam sebuah daftar local community. Sedangkan nilai K berfungsi sebagai batas minimal jumlah node yang sama dalam daftar local community saat dibandingkan dengan milik node lain saat akan melakukan pengiriman pesan. Apabila di dalam daftar local community tidak terpenuhi jumlah minimal nilai K, kedua node tersebut tidak berada pada komunitas yang sama.

(28)

2.4. Selfishness dan Altruism

Selfishness adalah sifat dimana sebuah node itu egois. Sebuah node yang egois akan menolak meneruskan pesan yang diperolehnya. Semakin tinggi sifat selfishness suatu node, semakin tinggi juga kemungkinan node tersebut akan menolak meneruskan pesan.

Altruism adalah kebalikan dari sifat selfishness. Sebuah node yang memiliki sifat altruism akan memiliki antusias untuk meneruskan pesan yang node itu peroleh. Semakin tinggi nilai altruism suatu node, semakin tinggi juga kemungkinan node tersebut akan meneruskan pesan yang diterimanya.

Berikut ini merupakan gambaran atau mekanisme dari kegiatan yang dilakukan ketika ada dua buah node yang bertemu akan bertukar pesan di jaringan sosial oportunistik dan memiliki nilai selfishness:

Gambar 2.4.1 Mekanisme pengaruh nilai selfishness

Pada protokol routing BUBBLE Rap pada keadaan biasa setelah memenuhi syarat untuk melakukan mengirimkan pesan, maka peer akan menyimpan pesan tersebut. Namun pada node yang selfish, ketika node tersebut menerima sebuah pesan, maka pesan tersebut akan dibuang.

Setiap nilai altruism akan didefinisikan dengan nilai antara 0 dan 1 dan 0 hingga 1, Dimana 0 berarti node tersebut benar-benar selfish, dan 1 berarti node tersebut benar-benar altruism. Dalam penelitian ini, penulis

(29)

11

menggunakan beberapa model distribusi diantaranya percentage of selfishness, uniform distribution, normal distribution, global node-biased distribution, dan community-biased distribution. Setiap model distribusi akan mendistribusikan nilai altruism dari setiap node.

2.5. The ONE Simulator

The ONE Simulator merupakan simulator untuk melakukan simulasi jaringan oportunistik. Simulator ini menyediakan alat yang kuat untuk menghasilkan jejak mobilitas, menjalankan simulasi pesan Delay Tolerant Network (DTN) dengan protokol routing yang berbeda, dan memvisualisasikan kedua simulasi secara interaktif secara real-time dan hasil setelah selesai.

(30)

12

BAB III

PERANCANGAN SIMULASI 3.1. Parameter Simulasi

Pada penelitian ini, memiliki beberapa parameter simulasi yang bersifat tetap dan digunakan dengan nilai yang sama pada simulasi yang berbeda. Parameter-parameter berikut adalah:

Parameter Haggle3-Infocom05 Haggle4-Cam-Imote Haggle6-Infocom06 Reality Scenario Time 274883 987529 342915 16981816 Transmit Speed 250 kBps 250 kBps 250 kBps 250 kBps Transmit Range 10 10 10 10 Scan Interval 120 120 120 120 Buffer Size 20 M 20 M 20 M 20 M K 5 5 5 5 Familiar Threshold (s) 1000 1300 1000 80000 TTL (Menit) 360 1440 360 20160 Host 41 36 98 97 Msg. Interval (1msg/s) 200 500 , 600 500 , 600 500 , 600 Msg. Size 250k , 300k 100k, 250k 350k , 400k 20k

Tabel 3.1.1 Parameter Utama Simulasi 3.2. Pergerakan Node

Dalam penelitian ini, pergerakan node yang digunakan adalah pergerakan real atau pergerakan manusia, antara lain adalah:

3.2.1. Haggle 4 – Cambridge

Dataset ini berisi data pertemuan antar pelajar di Universitas Cambridge. Jumlah partisipan yang digunakan dalam simulasi ini sebanyak 36 orang. Lokasi pengambilan data berada di Kota Cambridge, Inggris. Selain dibawa 36 orang mahasiswa Cambridge, iMotes juga diletakkan di beberapa tempat yang sering dikunjungi partisipan, yaitu laboratorium komputer Universitas Cambridge, toko penjual bahan makanan, pubs, supermarket, pusat perbelanjaan di

(31)

13

Kota Cambridge. Durasi simulasi pada dataset ini adalah 987529, sekitar 11.43 hari.

3.2.2. Haggle 3 - Infocom 05

Dataset ini berisi data pertemuan antar partisipan pada konferensi IEEE Infocom 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 device. Durasi simulasi pada dataset ini adalah 254150 detik, sekitar 2.94 hari.

3.2.3. Haggle 6 - Infocom 06

Dataset ini berisi data pertemuan antar warga di kota metropolitan yang sibuk di Bacelona. Setiap partisipan diberi device (iMotes) yang digunakan untuk mencatat data pertemuan antar partisipan. Pada dataset ini, partisipan yang ikut bdan valid berjumlah 98 device. Durasi simulasi pada dataset ini adalah 342915 detik, sekitar 3.97 hari.

3.2.4. MIT Reality Mining

Dataset ini berisi data pertemuan antar pelajar dari 2 fakultas di Universitas MIT. Jumlah partisipan yang digunakan dalam simulasi ini sebanyak 75 pelajar Fakultas Media Laboratory dan 25 pelajar dari Fakultas Business. Durasi simulasi pada dataset ini adalah sekitar 1 semester akademik. Dari 100 partisipan yang dipilih, device yang menghasilkan data yang valid dan dapat digunakan untuk melakukan penelitian sebanyak 97 device.

3.3. Distribusi Nilai Alturism

Nilai altruism dapat diamati dalam banyak aspek masyarakat modern, yang biasanya memiliki jaringan hubungan pertukaran yang padat, pembagian makanan, perburuan kooperatif, dan peperangan kolektif. Pada umumnya, setiap node (atau orang) memiliki altruism yang berbeda

(32)

tergantung dari kepeduliannya terhadap node (atau orang) lain. Disini terdapat beberapa jenis model distribusi yang digunakan dalam penelitian ini:

3.3.1. Percentage of Selfishness

Persentase keegoisan, persentase titik egois bervariasi antara 0 dan 100, dan titik yang lain adalah altruistik. Persentase distribusi ini adalah persebaran altruisme paling sederhana, tapi sebagaimana yang kita ketahui, sebuah titik biasanya tidak akan sepenuhnya egois atau altruistik.

Dalam skenario ini persentase node yang selfish akan dibagi menjadi 3, yaitu 30%, 50%, dan 70% dari jumlah node total. Node yang selfish akan benar-benar selfish, dan sebaliknya node yang atruism akan benar-benar altruism.

3.3.2. Uniform Distribution

Distribusi seragam, tingkat altruism pada seluruh populasi tersebar seragam antara 0 dan 1. Seragam dan normal adalah distribusi yang populer dijumpai dan sangat memungkinkan dijadikan model bagi altruism.

Dalam skenario ini nilai altruism dari setiap node akan dibagi menjadi 3, yaitu 0.3, 0.5, dan 0.7.

3.3.3. Normal Distribution

Distribusi normal, tingkat altruism pada keseluruhan populasi mengikuti distribusi normal dengan tingkat normal antara 0 sampai 1. Dalam penerapan kali ini, distibusi normal dibagi menjadi 5 bagian. Setiap bagian memiliki nilai altruism 0.1, 0.3, 0,7, 0.9, dan 1, dengan nilai rata-rata 0.5 dan simpangan baku 0.5. Untuk mencari berapa persen luas wilayahnya dapat menggunakan table normal z.

(33)

15

Gambar 3.3.1 Nilai altruism menggunakan Distribusi Normal 3.3.4. Global Node-biased Distribution

Nilai altruism akan didistribusikan berdasarkan degree dari node. Semakin besar degree node tersebut, semakin kecil nilai altruism dari node tersebut.

Rumus 3.3.1

𝑎𝑖 = (𝑘𝑚𝑎𝑥 − 𝑘𝑖)

𝛼

(𝑘_𝑚𝑎𝑥 − 𝑘_𝑚𝑖𝑛)𝛼

ai = nilai altruism dari node tersebut

kmax = nilai degree tertinggi pada jaringan global kmin = nilai degree terendah pada jaringan global ki = nilai degree dari node tersebut

α = nilai alpha

Gambar 3.3.2 Nilai altruism menggunakan Global Node-biased Distribution

0 0.2 0.4 0.6 0.8 1 1.2 1 2 3 4 5 6 7 8 9 N ilai AL tru is m Popularitas node

Distribusi Nilai Alturism

α = 0.3 α = 0.5 α = 0.7

(34)

3.3.5. Community-biased Distribution

Nilai altruism dari intra-community dan inter-community akan memiliki nilai yang berbeda. Pada node yang mengirimkan pesan pada intra-community akan memiliki nilai altruism yang lebih tinggi dibanding dengan node yang mengirimkan pesan pada inter-comunity. Node yang berada di intra-community akan memiliki nilai altruism 0.7, sedangkan node pada inter-community akan memiliki nilai altruism 0.1.

3.4. Skenario Simulasi

Pada simulasi yang akan dijalankan penulis menggunakan skenario sebagai berikut:

Protokol Routing

Pergerakan Node Jumlah Node Waktu

Simulasi

BUBBLE Rap Haggle4-Cambridge 36 987529

BUBBLE Rap Haggle3-Infocom05 41 274883

BUBBLE Rap Haggle6-Infocom06 98 342915

BUBBLE Rap MIT Reality Mining 97 16981816

Scenario pengujian yang dimainkan dalam penelitian ini adalah mengubah distribusi nilai althurism dari setiap node. Nilai althurism dan selfishness akan dibagi menggunakan beberapa metode distibusi metode pembagian nilai tersebut adalah sebagai berikut :

a. Percentage of Selfishness b. Uniform Distribution c. Normal Distribution

d. Global Node-biased Distribution e. Community-biased Distribution

3.5. Parameter Unjuk Kerja

Untuk melakukan evaluasi pada unjuk kerja protokol routing BUBBLE Rap pada skenario node selfish, akan dibuktikan dengan parameter unjuk kerja sebagai berikut:

(35)

17

3.5.1. Total Relayed Message

Total relayed message adalah jumlah keseluruhan dari pesan yang ada dijaringan, pesan yang disampaikan dan pesan yang terkirim

3.5.2. Delivery Probability

Delivery Probability akan merepresentasikan berapa banyak pesan yang terkirim ke tujuan dan berapa banyak pesan yang dibuat. Secara garis besar delivery probability ini akan menyimpulkan nilai probabilitas pesan berhasil dikirimkan ke tujuan yaitu node destination. Rasio antara jumlah pesan yang terkirim ke node destination dibagi dengan jumlah pesan yang dibuat. Rumus delivery probability adalah:

Rumus 3.5.1

𝐷𝑒𝑙𝑖𝑣𝑒𝑟𝑦 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦 = 𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑙𝑖𝑣𝑒𝑟𝑒𝑑 𝑀𝑒𝑠𝑠𝑎𝑔𝑒 𝑇𝑜𝑡𝑎𝑙 𝐺𝑒𝑛𝑒𝑟𝑎𝑡𝑒𝑑 𝑀𝑒𝑠𝑠𝑎𝑔𝑒

3.5.3. Overhead Ratio

Overhead ratio adalah metrik yang digunakan untuk memperkirakan copy pesan dari original pesan yang disebarkan di dalam jaringan. Jaringan dapat dikatakan memiliki kinerja yang baik apabila memiliki overhead yang rendah. Rumus overhead ratio adalah:

Rumus 3.5.2

= 𝑆𝑢𝑚 𝑜𝑓 𝑅𝑒𝑙𝑎𝑦𝑒𝑑 𝑀𝑒𝑠𝑠𝑎𝑔𝑒 − 𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑙𝑖𝑣𝑒𝑟𝑒𝑑 𝑀𝑒𝑠𝑠𝑎𝑔𝑒 𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑙𝑖𝑣𝑒𝑟𝑒𝑑 𝑀𝑒𝑠𝑠𝑎𝑔𝑒

3.5.4. Latency Average

Latency average merupakan metrik unjuk kerja jaringan yang digunakan untuk mengetahui jumlah rata-rata waktu yang dibutuhkan sebuah pesan untuk mencapai node destination sejak pesan tersebut dibuat. Rumus Latency average adalah:

Rumus 3.5.3

𝐿𝑎𝑡𝑒𝑛𝑐𝑦 𝐴𝑣𝑒𝑟𝑎𝑔𝑒 =𝑆𝑢𝑚 𝑜𝑓 𝐿𝑎𝑡𝑒𝑛𝑐𝑦 𝑜𝑓 𝐷𝑒𝑙𝑖𝑣𝑒𝑟𝑒𝑑 𝑀𝑒𝑠𝑠𝑎𝑔𝑒

(36)

3.5.5. Buffer Occupancy

Buffer Occupancy merupakan metrik unjuk kerja jaringan yang digunakan untuk mengetahui jumlah rerata konsumsi buffer dengan skala antara 0-100%. Rumus Buffer Occupancy adalah:

Rumus 3.5.4

𝐵𝑢𝑓𝑓𝑒𝑟 𝑂𝑐𝑐𝑢𝑝𝑎𝑛𝑐𝑦 = 100 ∗(𝐵𝑢𝑓𝑓𝑒𝑟 𝑆𝑖𝑧𝑒 − 𝐹𝑟𝑒𝑒 𝐵𝑢𝑓𝑓𝑒𝑟) Buffer Size

3.5.6. Received Message per Contact

Received message per contact merupakan metrik unjuk kerja jaringan yang digunakan untuk mengetahui jumlah pesan yang telah terkirim ke destination.

3.6. Desain Alat Uji

Pengujian dilakukan dengan cara menjalankan semua metode distribusi nilai althurism yang sudah disebutkan pada protokol routing BUBBLE Rap untuk setiap model pergerakan sebanyak 5 kali. Simulasi menggunakan parameter-parameter yang sudah disebutkan sesuai dengan model pergerakan yang sesuai. Sebagai pembadingnya, dilakukan simulasi menggunakan protokol routing BUBBLE Rap untuk setiap model pergerakan

(37)

19

BAB IV

PENGUJIAN DAN ANALISIS 4.1. Tabel Perbandingan Hasil Simulasi

Berikut ini adalah hasil yang didapat setelah melakukan simulasi selama lima kali menggunakan pergerakan Haggle3–Infocom5, Haggle4-Cambridge–iMotes, Haggle6–Infocom6 dan Reality MIT dengan menggunakan protokol routing BUBBLE Rap dan BUBBLE Rap yang menggunakan skenario node Selfishnes:

Metriks _Cooperative Uniform Percentage

0.3 0.5 0.7 30% 50% 70% Total Relayed Message 8709 4589.4 6225 7381 5681.4 3606.2 2271.4 Delivery Probabilit y 0.374 0.3477 2 0.36144 0.367 0.3513 6 0.32574 0.3047 2 Overhead Ratio 17.37 9.43 12.6043 14.89 11.77 7.74814 4.89 Latency Average 8300.26 8763.6 5 8588.4977 2 8426.3 8 8613.6 4 8718.468 3 8839.6 0

Metriks _Cooperative _{Normal Distribution} _{Global-Node Biased} Community Biased Total Relayed Message 8709 7248.6 4889 4270.8 Delivery Probability 0.374 0.36682 0.340 0.346 Overhead Ratio 17.37 14.61 10.35 8.75 Latency Average 8300.26 8497.99 8749.64 8556.40

(38)

Metriks _Cooperative Uniform Percentage 0.3 0.5 0.7 30% 50% 70% Total Relayed Message 9501 6019. 2 7617.2 8611.6 6424.4 4191 2829.8 Delivery Probabilit y 0.48 0.402 54 0.43556 0.45858 0.4011 0.34798 0.30854 Overhead Ratio 11.17 8.11 9.65142 10.44 8.76 6.3261 4.58 Latency Average 37223.40 39424 .17 38890.2455 8 38175.5 0 37705.0 3 38100.2803 8 38295.8 1

Metriks _Cooperative _{Normal Distribution} _{Global-Node Biased} Community Biased Total Relayed Message 9501 8630 7329.6 7287.8 Delivery Probability 0.48 0.4592 0.44 0.42 Overhead Ratio 11.17 10.45 9.20 9.57 Latency Average 37223.40 37901.04 38566.95 38224.62

Tabel 4.1.2 Hasil simulasi menggunakan pergerakan Haggle4-Cambridge–iMotes

0.3 0.5 0.7 30% 50% 70% Total Relayed Message 11463 7624.6 9245.8 10248.4 7099.2 4036 2450.4 Delivery Probability 0.5249 0.43566 0.47548 0.49916 0.4144 0.3369 0.27924 Overhead Ratio 36.46 29.02 32.36036 34.22 28.38 19.51434 14.00 Latency Average 6684.09 7641.28 7377.164 6943.56 6983.49 7185.987 7433.85

Metriks _Cooperative _{Normal Distribution} _{Global-Node Biased} Community Biased Total Relayed Message 11463 10248.6 8006.4 8704.2 Delivery Probability 0.5249 0.49914 0.45042 0.44426 Overhead Ratio 36.46 34.21 29.50 32.61 Latency Average 6684.09 7042.24 7541.63 7248.63

(39)

21

Tabel 4.1.3 Hasil simulasi menggunakan pergerakan Haggle6–Infocom6

0.3 0.5 0.7 30% 50% 70% Total Relayed Message 345680 183223. 4 252664.6 299091.8 203476.4 121983.2 61294.4 Delivery Probabilit y 0.37 0.28074 0.32306 0.3481 0.2716 0.20934 0.15774 Overhead Ratio 30.42 20.90 25.245 27.83 24.14 18.53174 12.02 Latency Average 255732.77 278250. 13 269270.6 2 262973.1 0 257380.9 0 254915.7 3 248228.2 6

Metriks _Cooperative _{Normal Distribution} _{Global-Node Biased} Community Biased Total Relayed Message 345680 296164 272613 74903.6 Delivery Probability 0.37 0.34406 0.33 0.19 Overhead Ratio 30.42 27.88 27.06 12.18 Latency Average 255732.77 261857.48 266651.70 278177.66

Tabel 4.1.4 Hasil simulasi menggunakan pergerakan Reality MIT

Pada simulasi tersebut, untuk pengambilan nilai altruism pada model distribusi Uniform ditentukan sebesar 0.3 dan 0.7, dan untuk pengambilan nilai altruism pada model distribusi Percentage ditentukan sebesar 30% node altruism dan 70% node altruism dari jumlah keseluruhan node yang ada. Diharapkan hal ini dapat mewakili pola dari pengambilan nilai altruism dimasing-masing model distribusi.

(40)

4.2. Perbandingan Delivery Probability, Total Relayed Message, Overhead Ratio dan Latency

Gambar 4.2.1 Grafik Haggle3-Infocom5: Delivery Probability

Gambar 4.2.2 Grafik Haggle4-Cam-Imote: Delivery Probability 0.374 0.347720.36144 0.3670.35136 0.32574 0.30472 0.36682 0.340 0.346 0.000 0.050 0.100 0.150 0.200 0.250 0.300 0.350 0.400

Haggle3-Infocom5: Delivery Probability

Cooperative Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 70% Percentage 50% Percentage 30% Normal Distribution Global-Node Biased 0.48 0.40254 0.435560.45858 0.4011 0.34798 0.30854 0.4592 0.44 0.42 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50

Haggle4-Cam-Imote: Delivery Probability

Cooperative Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 70% Percentage 50% Percentage 30% Normal Distribution Global-Node Biased Community Biased

(41)

23

Gambar 4.2.3 Grafik Haggle6-infocom6: Delivery Probability

Gambar 4.2.4 Grafik Reality MIT: Delivery Probability

Terlihat bahwa protokol BUBBLE Rap terlihat lebih unggul pada setiap jenis pergerakan yang diujikan, hali ini terjadi karena pengaruh node yang selfish terhadap setiap pengiriman pesan kepada node tetangga. Ketika sebuah node akan menerima sebuah pesan dari node yang lain, node tersebut akan mengecek nilai altruism miliknya. Semakin kecil nilai dari altruism

0.5249 0.43566 0.475480.49916 0.4144 0.3369 0.27924 0.49914 0.450420.44426 0 0.1 0.2 0.3 0.4 0.5 0.6

Haggle6-infocom6: Delivery Probability

Cooperative Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 70% Percentage 50% Percentage 30% Normal Distribution Global-Node Biased Community Biased 0.37 0.28074 0.32306 0.3481 0.2716 0.20934 0.15774 0.34406 0.33 0.19 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40

Reality MIT: Delivery Probability

(42)

sebuah node, semakin ia malas untuk dititipi sebuah pesan. Pesan tersebut dengan sendirinya akan hilang dari jaringan ketika time to live dari pesan tersebut habis. Ketika jumlah pesan yang dibuat jauh lebih banyak daripada pesan yang terkirim, maka probabilitas dari pesan yang terkirim akan semakin menurun.

Selain daripada menurunya probabilitas menurunya pesan yang terkirim, dampak lain yang ditimbulkan dengan adanya nilai selfishness terhadap node adalah perubahan terhadap jumlah pesan yang berada di suatu jaringan. Ketika node mulai malas untuk meneruskan pesan maka akan mempengaruhi jumlah pesan yang ada di suatu jaringan.

Gambar 4.2.5 Grafik Haggle3-Infocom5: Total Relayed Message 8709 4589.4 6225 7381 5681.4 3606.2 2271.4 7248.6 4889 4270.8 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000

Haggle3-Infocom5: Total Relayed Message

(43)

25

Gambar 4.2.6 Grafik Haggle4-Cam-Imote: Total Relayed Message

Gambar 4.2.7 Grafik Haggle6-infocom6: Total Relayed Message 9501 6019.2 7617.2 8611.6 6424.4 4191 2829.8 8630 7329.67287.8 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000

Haggle4-Cam-Imote: Total Relayed Message

Cooperative Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 70% Percentage 50% Percentage 30% Normal Distribution Global-Node Biased Community Biased 11463 7624.6 9245.8 10248.4 7099.2 4036 2450.4 10248.6 8006.48704.2 0 2000 4000 6000 8000 10000 12000 14000

Haggle6-infocom6: Total Relayed Message

(44)

Gambar 4.2.8 Grafik Reality MIT: Total Relayed Message

Dari hasil tersebut dapat terlihat bahwa nilai selfishness dapat mempengaruhi jumlah persebaran pesan pada sebuah jaringan. Terlihat bahwa disetiap pergerakan yang memliliki nilai selfishness memiliki jumlah persebaran pesan yang lebih sedikit dibandingan yang tidak memiliki nilai selfishness.

Ketika sebuah node memiliki nilai altruism yang tinggi atau mendekati nilai satu, probabilitas node tersebut akan meneruskan sebuah pesan akan semakin tinggi. Namun sebaliknya, bila nilai altruism dari node tersebut semakin turun dengan adanya nilai selfishness, probabilitas node tersebut akan meneruskan pesan akan semakin kecil. Semakin kecil probabilitas node meneruskan pesan, maka persebaran pesan di jaringan akan semakin menurun.

Berkurangnya jumlah persebaran pesan di jaringan akan membuat penurunan biaya yang digunakan di jaringan tersebut. Penurunan persebaran pesan di jaringan akan berbanding lurus dengan penurunan overhead ratio.

345680 183223.4 252664.6 299091.8 203476.4 121983.2 61294.4 296164 272613 74903.6 0 50000 100000 150000 200000 250000 300000 350000 400000

Reality MIT: Total Relayed Message

(45)

27

Gambar 4.2.9 Grafik Haggle3-Infocom5: Overhead Ratio

Gambar 4.2.10 Grafik Haggle4-Cam-Imote: Overhead Ratio 17.37 9.43 12.6043 14.89 11.77 7.74814 4.89 14.61 10.35 8.75 0.00 2.00 4.00 6.00 8.00 10.00 12.00 14.00 16.00 18.00 20.00

Haggle3-Infocom5: Overhead Ratio

Cooperative Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 70% Percentage 50% Percentage 30% Normal Distribution Global-Node Biased Community Biased 11.17 8.11 9.65142 10.44 8.76 6.3261 4.58 10.45 9.20 9.57 0.00 2.00 4.00 6.00 8.00 10.00 12.00

Haggle4-Cam-Imote: Overhead Ratio

(46)

Gambar 4.2.11 Grafik Haggle6-infocom6: Overhead Ratio

Gambar 4.2.12 Grafik Reality MIT: Overhead Ratio

Dari grafik tersebut terlihat terlihat bahwa overhead dari jaringan yang tidak memiliki nilai selfishness lebih tinggi dibandingkan dengan jaringan yang memiliki nilai selfishness. Penurunan nilai dari overhead akan sangat

36.46 29.02 32.3603634.22 28.38 19.51434 14.00 34.21 29.50 32.61 0.00 5.00 10.00 15.00 20.00 25.00 30.00 35.00 40.00

Haggle6-infocom6: Overhead Ratio

Cooperative Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 70% Percentage 50% Percentage 30% Normal Distribution Global-Node Biased Community Biased 30.42 20.90 25.245 27.83 24.14 18.53174 12.02 27.88 _27.06 12.18 0.00 5.00 10.00 15.00 20.00 25.00 30.00 35.00

Reality MIT: Overhead Ratio

(47)

29

terlihat ketika dalam jaringan tersebut memiliki nilai selfishness yang sangat tinggi.

Dengan adanya nilai selfishness yang ada di jaringan akan membuat beban jaringan akan menurun. Namun, hal tersebut akan berpengaruh pada lamanya pesan akan sampai ke tujuan. Ketika sebuah node yang memiliki nilai selfishness yang tinggi mengakibatkan probabilitas node tersebut akan meneruskan sebuah pesan akan semakin menurun. Ketika persebaran sebuah pesan di sebuah jaringan menurun, maka akan berdampak kepada lamanya pesan tersebut akan sampai ketujuannya.

Gambar 4.2.13 Grafik Haggle3-Infocom5: Latency Average 8300.26 8763.65 8588.49772 8426.38 8613.64 8718.4683 8839.60 8497.99 8749.64 8556.40 8000.00 8100.00 8200.00 8300.00 8400.00 8500.00 8600.00 8700.00 8800.00 8900.00

Haggle3-Infocom5: Latency Average

(48)

Gambar 4.2.14 Grafik Haggle4-Cam-Imote: Latency Average

Gambar 4.2.15 Grafik Haggle6-infocom6: Latency Average 37223.40 39424.17 38890.24558 38175.50 37705.03 38100.2803838295.81 37901.04 38566.95 38224.62 36000.00 36500.00 37000.00 37500.00 38000.00 38500.00 39000.00 39500.00 40000.00

Haggle4-Cam-Imote: Latency Average

Cooperative Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 70% Percentage 50% Percentage 30% Normal Distribution Global-Node Biased Community Biased 6684.09 7641.28 7377.16402 6943.566983.49 7185.9874 7433.85 7042.24 7541.63 7248.63 6200.00 6400.00 6600.00 6800.00 7000.00 7200.00 7400.00 7600.00 7800.00

Haggle6-infocom6: Latency Average

(49)

31

Gambar 4.2.16 Grafik Reality MIT: Latency Average

Pada grafik tersebut dapat terlihat bahwa disetiap jaringan yang memiliki nilai selfishness akan memiliki nilai latency yang tinggi dibandingkan dengan jaringan yang tidak memiliki nilai selfishness. Terlihat bahwa ketika jaringan yang memiliki nilai selfishness akan membuat beban jaringan tersebut menjadi turun, namun akan berakibat terhadap peningkatan lamanya waktu yang dibutuhkan oleh sebuah pesan untuk bisa sampai ke tujuan.

Pada kasus di model pergerakan Reality MIT, terlihat pada model distribusi Percentage of Selfishness memiliki tingkat latency yang cukup rendah. Hal ini dapat terjadi karena model pergerakan ini adalah meliputi pergerakan manusia selama 1 semester di kampus di mana pergerakan mereka menjadi lebih luas dari model pergerakan lain. Ketika jumlah node yang selfish semakin banyak maka akan banyak pesan yang ditolak untuk diteruskan. Karena pergerakan ini sangat luas sehingga akan sangat sulit untuk menemukan node yang mau meneruskan pesan ketika node semakin banyak yang selfish, sehingga sebagian besar hanya pesan dengan tujuan dekat saja yang akan tersampaikan dan membuat rata-rata latency menurun.

255732.77 278250.13 269270.619 262973.10 257380.90 254915.7287 248228.26 261857.48 266651.70 278177.66 230000.00 235000.00 240000.00 245000.00 250000.00 255000.00 260000.00 265000.00 270000.00 275000.00 280000.00 285000.00

Reality MIT: Latency Average

(50)

4.3. Perbandingan Received Message per Contact

Berikut ini adalah hasil yang menunjukan pertambahan pesan yang terkirim sampai kepada tujuan untuk setiap beberapa kali node melakukan kontak:

4.3.1. Haggle3-Infocom5

Gambar 4.3.1 Grafik Haggle3-Infocom5: Recieved Message per Time - Uniform Distribution

Gambar 4.3.2 Grafik Haggle3-Infocom5: Recieved Message per Time - Percentage

0 50 100 150 200 250 300 350 400 450 500

Haggle3-Infocom5: Uniform Distribution

Cooperative Uniform 0.3 Uniform 0.5 Uniform 0.7

0 50 100 150 200 250 300 350 400 450 500

Haggle3-Infocom5: Percentage

(51)

33

Gambar 4.3.3 Grafik Haggle3-Infocom5: Recieved Message per Time - Normal Distribution

Gambar 4.3.4 Grafik Haggle3-Infocom5: Recieved Message per Time - Global-Node Biased

0 50 100 150 200 250 300 350 400 450 500

Haggle3-Infocom5: Normal Distribution

Cooperative Normal Distribution

0 50 100 150 200 250 300 350 400 450 500

Haggle3-Infocom5: Global-Node Biased

(52)

Gambar 4.3.5 Grafik Haggle3-Infocom5: Recieved Message per Time - Community Distribution 4.3.2. Haggle4-Cambridge-iMotes

Gambar 4.3.6 Grafik Haggle4-Cam-Imote: Recieved Message per Time - Uniform Distribution

0 50 100 150 200 250 300 350 400 450 500

Haggle3-Infocom5: Community Distribution

Cooperative Community Biased

0 100 200 300 400 500 600 700 800 900 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000 6500 7000 7500 8000 8500

Haggle4-Cam-Imote: Uniform Distribution

(53)

35

Gambar 4.3.7 Grafik Haggle4-Cam-Imote: Recieved Message per Time - Percentage

Gambar 4.3.8 Grafik Haggle4-Cam-Imote: Recieved Message per Time - Normal Distribution

0 100 200 300 400 500 600 700 800 900 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000 6500 7000 7500 8000 8500

Haggle4-Cam-Imote: Precentage

Cooperative Percentage 70% Percentage 50% Percentage 30%

0 100 200 300 400 500 600 700 800 900 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000 6500 7000 7500 8000 8500

Haggle4-Cam-Imote: Normal Distribution

(54)

Gambar 4.3.9 Grafik Haggle4-Cam-Imote: Recieved Message per Time - Global-Node Biased

Gambar 4.3.10 Grafik Haggle4-Cam-Imote: Recieved Message per Time - Community Distribution

0 100 200 300 400 500 600 700 800 900 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000 6500 7000 7500 8000 8500

Haggle4-Cam-Imote: Global-Node Biased

Cooperative Global-Node Biased

0 100 200 300 400 500 600 700 800 900 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000 6500 7000 7500 8000 8500

Haggle4-Cam-Imote: Community Biased

(55)

37

Gambar 4.3.11 Grafik Haggle6-infocom6: Recieved Message per Time - Uniform Distribution

Gambar 4.3.12 Grafik Haggle6-infocom6: Recieved Message per Time - Percentage

0 50 100 150 200 250 300 350 500 ₅₅₀₀ 10500 15500 20500 25500 30500 35500 40500 45500 50500 55500 60500 65500 70500 75500 80500 85500 90500 95500 ₁₀₀₅₀₀ ₁₀₅₅₀₀ ₁₁₀₅₀₀ ₁₁₅₅₀₀ ₁₂₀₅₀₀ ₁₂₅₅₀₀ ₁₃₀₅₀₀ ₁₃₅₅₀₀ ₁₄₀₅₀₀ ₁₄₅₅₀₀ ₁₅₀₅₀₀ ₁₅₅₅₀₀

Haggle6-infocom6: Uniform Distribution

Cooperative Uniform 0.3 Uniform 0.5 Uniform 0.7

0 50 100 150 200 250 300 350 500 ₅₅₀₀ 10500 15500 20500 25500 30500 35500 40500 45500 50500 55500 60500 65500 70500 75500 80500 85500 90500 95500 ₁₀₀₅₀₀ ₁₀₅₅₀₀ ₁₁₀₅₀₀ ₁₁₅₅₀₀ ₁₂₀₅₀₀ ₁₂₅₅₀₀ ₁₃₀₅₀₀ ₁₃₅₅₀₀ ₁₄₀₅₀₀ ₁₄₅₅₀₀ ₁₅₀₅₀₀ ₁₅₅₅₀₀

Haggle6-infocom6: Percentage

(56)

Gambar 4.3.13 Grafik Haggle6-infocom6: Recieved Message per Time - Normal Distribution

Gambar 4.3.14 Grafik Haggle6-infocom6: Recieved Message per Time - Global-Node Biased

0 50 100 150 200 250 300 350 500 ₅₅₀₀ 10500 15500 20500 25500 30500 35500 40500 45500 50500 55500 60500 65500 70500 75500 80500 85500 90500 95500 ₁₀₀₅₀₀ ₁₀₅₅₀₀ ₁₁₀₅₀₀ ₁₁₅₅₀₀ ₁₂₀₅₀₀ ₁₂₅₅₀₀ ₁₃₀₅₀₀ ₁₃₅₅₀₀ ₁₄₀₅₀₀ ₁₄₅₅₀₀ ₁₅₀₅₀₀ ₁₅₅₅₀₀

Haggle6-infocom6: Normal Distribution

Cooperative Normal Distribution

0 50 100 150 200 250 300 350 500 ₅₅₀₀ 10500 15500 20500 25500 30500 35500 40500 45500 50500 55500 60500 65500 70500 75500 80500 85500 90500 95500 ₁₀₀₅₀₀ ₁₀₅₅₀₀ ₁₁₀₅₀₀ ₁₁₅₅₀₀ ₁₂₀₅₀₀ ₁₂₅₅₀₀ ₁₃₀₅₀₀ ₁₃₅₅₀₀ ₁₄₀₅₀₀ ₁₄₅₅₀₀ ₁₅₀₅₀₀ ₁₅₅₅₀₀

Haggle6-infocom6: Global-Node Biased

(57)

39

Gambar 4.3.15 Grafik Haggle6-infocom6: Recieved Message per Time - Community Distribution 4.3.4. Reality MIT

Gambar 4.3.16 Grafik Reality MIT: Recieved Message per Time - Uniform Distribution

0 50 100 150 200 250 300 350 500 ₅₅₀₀ 10500 15500 20500 25500 30500 35500 40500 45500 50500 55500 60500 65500 70500 75500 80500 85500 90500 95500 ₁₀₀₅₀₀ ₁₀₅₅₀₀ ₁₁₀₅₀₀ ₁₁₅₅₀₀ ₁₂₀₅₀₀ ₁₂₅₅₀₀ ₁₃₀₅₀₀ ₁₃₅₅₀₀ ₁₄₀₅₀₀ ₁₄₅₅₀₀ ₁₅₀₅₀₀ ₁₅₅₅₀₀

Haggle6-infocom6: Community Biased

0 2000 4000 6000 8000 10000 12000 500 ₃₅₀₀ ₆₅₀₀ ₉₅₀₀ 12500 15500 18500 21500 24500 27500 30500 33500 36500 39500 42500 45500 48500 51500 54500 57500 60500 63500 66500 69500 72500 75500 78500 81500 84500

RealityConnectionTrace: Uniform Distribution

(58)

Gambar 4.3.17 Grafik Reality MIT: Recieved Message per Time - Percentage

Gambar 4.3.18 Grafik Reality MIT: Recieved Message per Time - Normal Distribution

0 2000 4000 6000 8000 10000 12000 500 ₃₅₀₀ ₆₅₀₀ ₉₅₀₀ 12500 15500 18500 21500 24500 27500 30500 33500 36500 39500 42500 45500 48500 51500 54500 57500 60500 63500 66500 69500 72500 75500 78500 81500 84500

RealityConnectionTrace: Percentage

Cooperative Percentage 70% Percentage 50% Percentage 30%

0 2000 4000 6000 8000 10000 12000 500 ₃₅₀₀ ₆₅₀₀ ₉₅₀₀ 12500 15500 18500 21500 24500 27500 30500 33500 36500 39500 42500 45500 48500 51500 54500 57500 60500 63500 66500 69500 72500 75500 78500 81500 84500

RealityConnectionTrace: Normal Distribution

(59)

41

Gambar 4.3.19 Grafik Reality MIT: Recieved Message per Time - Global-Node Biased

Gambar 4.3.20 Grafik Reality MIT: Recieved Message per Time - Community Distribution

Dari hasil tersebut, terlihat bahwa pada setiap model pergerakan yang digunakan, terlihat bahwa protokol routing BUBBLE Rap memiliki jumlah pesan yang berhasil dikirim dengan jumlah paling banyak dibandingkan dengan protokol routing BUBBLE Rap yang memiliki nilai selfishness.

0 2000 4000 6000 8000 10000 12000 500 ₃₅₀₀ ₆₅₀₀ ₉₅₀₀ 12500 15500 18500 21500 24500 27500 30500 33500 36500 39500 42500 45500 48500 51500 54500 57500 60500 63500 66500 69500 72500 75500 78500 81500 84500

RealityConnectionTrace: Global-Node Biased

0 2000 4000 6000 8000 10000 12000 500 ₃₅₀₀ ₆₅₀₀ ₉₅₀₀ 12500 15500 18500 21500 24500 27500 30500 33500 36500 39500 42500 45500 48500 51500 54500 57500 60500 63500 66500 69500 72500 75500 78500 81500 84500

RealityConnectionTrace: Community Distribution

(60)

Menurunya probabilitas node akan meneruskan sebuah pesan mengakibatkan menurunnya jumlah pesan yang sampai kepada tujuan.

Dalam grafik tersebut terlihat bahwa hasil yang didapat akan berbanding lurus dengan latency average yang dibahas pada bagian sebelumnya. Sehingga dapat terlihat bahwa semakin tinggi nilai selfishness dari suatu node akan menurunkan jumlah persebaran pesan yang berada di jaringan dan mengakibatkan turunnya probabilitas suatu pesan terkirim dan meningkatkan lamanya waktu yang dibutuhkan untuk sebuah pesan dapat terkirim.

4.4. Perbandingan Buffer Occupancy per Node

Setiap pesan yang diterima dan akan diteruskan, akan disimpan pada buffer atau penyimpanan dari node tersebut. Berikut ini adalah hasil yang menunjukan rerata dari pemakaian buffer dari setiap node pada simulasi yang sedang berlangsung:

Gambar 4.4.1 Grafik Haggle3-Infocom5: Buffer Occupancy - Uniform

0 5 10 15 20 25 30 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40

Haggle3-Infocom5: Buffer Occupancy - Uniform

(61)

43

Gambar 4.4.2 Grafik Haggle3-Infocom5: Buffer Occupancy - Percentage

Gambar 4.4.3 Grafik Haggle3-Infocom5: Buffer Occupancy - Normal Distribution

0 5 10 15 20 25 30 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40

Haggle3-Infocom5: Buffer Occupancy - Percentage

Cooperative 70% 50% 30% 0 5 10 15 20 25 30 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40

Haggle3-Infocom5: Buffer Occupancy - Normal

Distribution

(62)

Gambar 4.4.4 Grafik Haggle3-Infocom5: Buffer Occupancy - Global-Node Biased

Gambar 4.4.5 Grafik Haggle3-Infocom5: Buffer Occupancy - Community Biased

0 5 10 15 20 25 30 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40

Haggle3-Infocom5: Buffer Occupancy - Global-Node

Biased

0 5 10 15 20 25 30 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41

Haggle3-Infocom5: Buffer Occupancy - Community

Biased

(63)

45

4.4.2. Haggle4-Cambridge-iMotes

Gambar 4.4.6 Grafik Haggle4-Cam-Imote: Buffer Occupancy - Uniform

Gambar 4.4.7 Grafik Haggle4-Cam-Imote: Buffer Occupancy - Percentage

0 5 10 15 20 25 30 35 40 45 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

Haggle4-Cam-Imote: Buffer Occupancy - Uniform

Cooperative 0.3 0.5 0.7 0 5 10 15 20 25 30 35 40 45 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

Haggle4-Cam-Imote: Buffer Occupancy - Percentage

(64)

Gambar 4.4.8 Grafik Haggle4-Cam-Imote: Buffer Occupancy - Normal Distribution

Gambar 4.4.9 Grafik Haggle4-Cam-Imote: Buffer Occupancy - Global-Node Biased

0 5 10 15 20 25 30 35 40 45 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

Haggle4-Cam-Imote: Buffer Occupancy - Normal

Distribution

Cooperative Normal Distribution 1

0 5 10 15 20 25 30 35 40 45 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

Haggle4-Cam-Imote: Buffer Occupancy - Global-Node

Biased

(65)

47

Gambar 4.4.10 Grafik Haggle4-Cam-Imote: Buffer Occupancy - Community Biased 4.4.3. Haggle6-Infocom6

Gambar 4.4.11 Grafik Haggle6-infocom6: Buffer Occupancy - Uniform

0 5 10 15 20 25 30 35 40 45 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

Haggle4-Cam-Imote: Buffer Occupancy - Community

Biased

0 5 10 15 20 25 30 0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60 63 66 69 72 75 78 81 84 87 90 93 96