Fakultas Ilmu Komputer
Universitas Brawijaya
2746
Implementasi Algoritme A* Pada Software Defined Network Untuk Mencari
Jalur Terpendek
Al Aziiz Burhanudin Faidzin Labay1, Primantara Hari Trisnawan2, Achmad Basuki3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1alaziizfdz@student.ub.ac.id, 2prima@ub.ac.id, 3abazh@ub.ac.id
Abstrak
Software Defined Network (SDN) adalah sebuah paradigma jaringan baru yang melakukan decouple atau pemisahan antara control plane dengan data plane. Software Defined Network memudahkan jaringan untuk dikelola, bereksperimen dan mengembangkan protokol baru, serta beradaptasi pada perubahan infrastruktur. Algoritme A* yang diimplementasikan pada ONOS Controller dengan topologi Abilene bekerja dengan baik. Dengan menggunakan Algoritme A* dapat menghasilkan jarak terpendek yang dihitung dari jarak asli pada dunia nyata dengan rata – rata waktu yang diperlukan untuk menghasilkan jalur yang akan dilewati selama 15,766 ms. Hasil pengujian didapatkan nilai rata - rata throughput dan packetloss pada 5 client sebesar 100.2 Mbps dan packetloss sebesar 2.1%, pada 7 client sebesar 92.5 Mbps dengan packetloss sebesar 3.9% dan 72.06 Mbps dengan packetloss 7,5% pada 9 client. Nilai rata – rata delay sebesar 0.081 ms Algoritme A* yang diimplementasikan pada ONOS Controller juga bekerja baik ketika terjadi link yang terputus dengan rata -rata nilai waktu konvergensi 20,773 ms.
Kata kunci: Software Defined Network, SDN, ONOS Controller, Algoritme A*, Topologi Abilene. Abstract
Software Defined Network (SDN) is a new networking paradigm that decouples or separates the control plane from the data plane. The Software Defined Network makes it easy to develop and experiment new protocols, easy to manage and adapting in infrastructure changes. The A* algorithm implemented in ONOS Controller with Abilene topology works well. Using A* Algorithm can produce the shortest path that is calculated from the real distance with an average time to make a path is 15,766 ms. The results of testing is showing that the average value of throughput and packet loss at 5 clients is 100.2 Mbps and packet loss is 2.1%, for 7 clients is 92.5 Mbps with packet loss of 3.9% and 72.06 Mbps with 7.5% packet loss for 9 clients. The average delay value is 0.081 ms. The A* Algorithm implemented in the ONOS Controller also works well when there is a fail link with an average convergence time value is 20,773 ms.
Keywords: Software Defined Network, SDN, ONOS Controller, A*Algorithm, Abilene Topology.
1. PENDAHULUAN
Internet telah sukses selama beberapa dekade Internet telah sukses selama beberapa dekade terakhir dan menjadi salah satu kebutuhan penting bagi masyarakat dunia. Setiap tahunnya jumlah pengguna internet mengalami peningkatan. Di Indonesia tercatat tiap tahun mengalami peningkatan pengguna internet. Menurut survei, pengguna internet pada tahun 2018 di Indonesia sebanyak 171,17 juta orang dari 264,16 juta orang atau meningkat sebesar 10,12% dari tahun 2017 (APJII, 2018). Banyaknya pengguna internet ini menunjukkan bahwa internet telah menjadi salah satu
kebutuhan di dunia sehingga jaringan interkoneksi data center, jaringan perusahaan dan jaringan operator telah menjadi infrastruktur yang penting (Foerster, 2018).
Seiring berjalannya waktu yang disertai dengan bertambahnya pengguna dan infrastruktur, menyebabkan jaringan menjadi semakin kompleks dan sulit dikelola sehingga muncul sebuah paradigma baru dalam industri jaringan yang dikenal dengan Software Defined Network (SDN). Konsep utama dari Software Defined Network yang membedakannya dari jaringan tradisional adalah melakukan pemisahan antara data plane dan control plane pada router atau switch. Salah satu kelebihan dari penggunaan Software Defined Network
antara lain jaringan akan mudah dilakukan pengelolaan, pengembangan dan eksperimen jaringan. Selain itu jaringan yang susah dikelola, peningkatan pengguna dan infrastruktur juga mempengaruhi peningkatan kompleksitas jalur komunikasi terkait dengan pemilihan rute terpendek (Qi & Schneider, 2015). Implementasi Algoritme pencarian jalur terpendek pada Software Defined Network telah dilakukan, beberapa contoh diantaranya adalah implementasi Algoritme Dijkstra yang dilakukan oleh Ramadhan (2017), Analisis Kinerja Algoritme Dijkstra, Bellman-Ford, dan Floyd-Warshall oleh Pratiwi (2017), dan Implementasi Yen Algorithm untuk multipath routing oleh Sembiring (2018).
Dari permasalahan dan fakta -fakta penelitian diatas, menunjukkan bahwa dengan menggunakan Software Defined Network dapat menerapkan beberapa Algoritme pencarian rute seperti Dijkstra, Bellman-Ford, dan Floyd-Warshal. Oleh karena itu, peneliti tertarik untuk berinovasi dengan mengimplementasikan Algoritme pencarian jalur terpendek lainnya pada Software Defined Network. Algoritme yang dipilih adalah Algoritme A*.
Algoritme A* merupakan Algoritme yang telah digunakan secara luas untuk mencari jalur terpendek pada graf. Algoritme A* pertama kali dikemukakan pada tahun 1968 oleh Peter Hart, Nils Nilsson dan Bertram Raphael. Algoritme A* merupakan perpanjangan atau extention dari Algoritme Dijkstra tahun 1959 yang mana memiliki kinerja yang lebih baik dengan menggunakan heuristic (Reddy, 2013). Algoritme A* dipilih dikarenakan belum pernah diimplementasikan sebelumnya pada jaringan dikarenakan perhitungan cost yang digunakan hanya hop count dan metric. Namun, dengan menggunakan ONOS Controller memungkinkan untuk menggunakan perhitungan cost geodistance linkweight.
ONOS Controller dipilih oleh peneliti dikarenakan pada controller ini mendukung perhitungan cost menggunakan geodistance atau jarak sebenarnya antara dua switch sehingga memungkinkan untuk dilakukannya implementasi Algoritme A* pada jaringan. Topologi yang akan digunakan pada penelitian ini adalah Topologi Abilene. Topologi Abilene dipilih karena pada topologi ini menggambarkan sebuah bentuk jaringan di permukaan bumi yang mana memiliki nilai koordinat sesuai lokasinya. Oleh karena itu peneliti akan mencoba melakukan implementasi Algoritme A* pada
Software Defined Network. Pada penelitian ini menggunakan topologi jaringan Abilene dan ONOS sebagai controller. Penelitian ini bertujuan untuk mengetahui jalur yang dihasilkan, throughput, delay, packetloss, dan waktu konvergensi ketika terjadi failover. 2. DASAR TEORI
2.1. Software Defined Network
Software Defined Network (SDN) merupakan istilah yang merujuk pada paradigma baru dalam desain, pengelolaan dan implementasi jaringan untuk mendukung kebutuhan dan inovasi jaringan yang semakin lama semakin kompleks. Konsep dasar Software Defined Network adalah memisahkan data plane dan control plane kemudian melakukan isolasi sub sistem dengan interface yang standard (Mulyana, 2015). Kelebihan dari penggunaan Software Defined Network antara lain jaringan akan mudah dilakukan pengelolaan, pengembangan dan eksperimen serta beradaptasi pada pergantian infrastruktur (Hu, et al., 2014).
2.2. Open Network Operating System (ONOS)
ONOS merupakan Controller yang bersifat opensource yang dikembangkan oleh ON.LAB. Kelebihan yang dimiliki ONOS antara lain memberikan kemampuan High Availability, Scalable, dan performa yang bagus pada jaringan komputer. ONOS menyediakan sebuah antarmuka berbasis Command Line Interface dan Graphical User Interface berupa website yang responsif agar operator jaringan dapat mengelola, memonitor dan mengawasi jaringan yang sedang berjalan (ON.LAB, 2014). ONOS dibangun menggunakan JAVA dan dapat berjalan pada sistem operasi Linux dan Mac OS. ONOS juga telah memberikan abstraksi Northbound dan API untuk memudahkan para
pengembang baru agar dapat
mengimplementasikan dan mengembangkan aplikasi SDN lebih mudah. Sedangkan abstraksi Southbound dan interface juga telah dikembangkan oleh ONOS untuk melakukan pengelolaan OpenFlow pada perangkat keras. 2.4. Mininet
Mininet merupakan sebuah sistem virtualisasi yang dapat membuat jaringan yang besar dengan hanya menggunakan sebuah device yang memiliki batasan performa seperti laptop
(Lantz, et.al, 2012). Mininet bersifat opensource yang berarti dapat diakses dan dikembangkan oleh siapapun. Mininet hosts menjalankan perangkat Linux standar dan mininet switch mendukung protokol OpenFlow untuk custom routing dan arsitektur Software Defined Network (Mininet, 2018). Mininet juga memiliki API untuk membuat sebuah jaringan dan eksperimen yang sebagian besar ditulis dengan Bahasa pemrograman Python (Jiang, dkk., 2014). Pada mininet sendiri telah disediakan juga wireshark dan iperf pada saat penginstalan mininet. 2.5. Algoritme A*
Algoritme A* (A Star) pertama kali diperkenalkan pada tahun 1968 oleh Peter Hart, Nils Nilsson, dan Bertran Raphael (Hart et al., 1968). Algoritme ini merupakan algoritme pencarian graf yang digunakan untuk menemukan jalur dari titik asal hingga tujuan yang diharapkan dengan biaya pengeluaran paling kecil (Pearl, 1984).
Algoritme A* diketahui sebagai salah satu algoritme untuk pencarian jalur dan penerusan grafis (graph traversal) yang paling sering digunakan. Algoritme ini menggunakan fungsi yang biasa dinotasikan sebagai f(x) untuk menentukan urutan pencarian node yang akan dilalui.
Rumus yang digunakan oleh Algoritme A* direpresentasikan pada Persamaan 1 sebagai berikut:
𝑓(𝑥) = 𝑔(𝑥) + ℎ(𝑥)
(1)
Dimana:
f(x): total jarak yang didapat dari node awal ke node tujuan
g(x): perkiraan jalur terpendek sementara dari node n
h(x): perkiraan biaya dari node n ke node tujuan
2.6. Spherical Law of Cosines
Fungsi Spherical Law of Cosines adalah sebuah fungsi yang digunakan dalam pencarian jarak antara dua titik pada permukaan bumi. Fungsi ini pertama kali digunakan oleh Menelaus of Alexandria yang merupakan penulis buku tentang spherical trigonometry yang berjudul Spherica. Persamaan Spherical
Law of Cosines untuk mencari jarak antara
dua titik dapat dilihat pada Persamaan 2
(Thwe & Win, 2018).
𝑑 = 𝑎𝑐𝑜𝑠(𝑠𝑖𝑛𝜑1. 𝑠𝑖𝑛𝜑2 +
𝑐𝑜𝑠𝜑1. 𝑐𝑜𝑠𝜑2. 𝑐𝑜𝑠𝛥𝜆). 𝑅 (2)
Dimana 𝑑 merupakan jarak antara dua titik yang dicari,
𝜑 merupakan nilai Latitude,
𝛥𝜆 merupakan selisih nilai Longitude kedua titik dan 𝑅 merupakan jari – jari Bumi yang bernilai 6378,370 kilometer.2.7. Topologi Abilene
Topologi Abilene dibuat oleh Internet2 Community akhir tahun 1990 yang memiliki performa backbone yang tinggi menggambarkan koneksi jaringan regional di Amerika Serikat. Topologi ini terdiri dari 11 router backbone. Topologi ini merupakan private network yang ditujukan untuk penelitian dan pendidikan (Internet2. 2007). Topologi Abilene dapat dilihat pada Gambar 1.
Gambar 1. Topologi Abilene
2.9. Iperf
Iperf adalah alat untuk pengukuran kinerja maksimum jaringan. Ini adalah alat lintas platform yang dapat menghasilkan pengukuran kinerja standar untuk jaringan apapun. Keluaran dari Iperf berisi interval waktu yang ditentukan, jumlah data yang ditransfer, throughput dan jitter yang diukur serta jumlah packetloss yang terjadi.
2.10. Throughput
Throughput dapat diartikan sebagai kecepatan transfer data yang efektif pada jaringan dalam durasi interval waktu tertentu dengan satuan bits per second.
2.11. Delay
Delay merupakan berapa waktu yang digunakan paket untuk dari pengirim ke penerima. Delay dapat dipengaruhi oleh jarak, jenis media pengiriman, congestion atau juga waktu proses yang lama. Perhitungan delay pada
jaringan yang memiliki forward path dan back path yang sama dapat menggunakan RTT atau Round-Trip Time dibagi dua.
2.12. Packetloss
Packetloss dapat diartikan sebagai jumlah paket yang hilang selama pengiriman. Hilangnya paket tersebut dapat terjadi karena paket yang bertabrakan dan perlambatan jalur pengiriman. 2.14. Waktu Konvergensi
Waktu konvergensi adalah sebuah parameter pengujian berupa waktu yang dibutuhkan jaringan untuk tersambung kembali. Waktu ini dihitung dari saat jalur tidak dapat mengirimkan paket sampai mendapat sebuah jalur baru yang dapat digunakan untuk pengiriman paket lagi. 3. Perancangan Sistem
1. Perancangan Topologi Abilene
Gambar 2. Rancangan Topologi Jaringan
Topologi yang akan digunakan dapat dilihat pada Gambar 2. Pada topologi tersebut menggunakan satu controller, sebelas switch dan sebelas host sesuai dengan Topologi Abilene. Koneksi antara masing – masing switch ditentukan bandwith dari awal sebesar 1000 Mbps
2. Perancangan geodistance linkweight
Geodistance linkweight merupakan cost yang didapatkan dari jarak yang sebenarnya dihitung dengan menggunakan Persamaan 2 dengan nilai masing – masing longitude dan latitude setiap switch yang dapat dilihat pada Tabel 1.
Tabel 1. Koordinat switch
Switch Nama
Kota Latitude Longitude
S1 New York 40,712 °N 74,005 °W S2 Washingt on 38,907 °N 77,037°W S3 Atlanta 33,749 °N 84,388 °W S4 Houston 29,760 °N 95,369 °W S5 Los Angeles 34,052 °N 118,243°W S6 Denver 39,739 °N 104,990°W S7 Kansas City 39,1 °N 94,578 °W S8 Sunnyvale 37,368 °N 122,036°W S9 Seattle 47,606 °N 122,332°W S10 Indianapolis 39,768 °N 86,158°W S11 Chicago 41,878°N 87,629°W
3. Perancangan fail path
Perancangan fail path dilakukan untuk mendukung pengujian waktu konvergensi. Terdapat lima rancangan jalur yang terputus masing – masing sesuai dengan skenario pengujian waktu konvergensi. Misalkan pada skenario pertama h1-h2 dilakukan pemutusan jalur antara s1 dan s2. Bentuk topologi tersebut dapat dilihat pada Gambar 3.
Gambar 3. Topologi fail path h1-h2
Lokasi pemutusan link tiap skenario dapat dilihat pada Tabel 2.
Tabel 2. Lokasi Pemutusan Link
Skenario Link terputus h1-h2 s1-s2 h5-h6 s6-s8 h3-h7 s10-s7 h2-h11 s1-s11 h4-h5 s4-s5
4. PENGUJIAN DAN PEMBAHASAN 4.1. Pengujian Algoritme A*
Pengujian Algoritme A* dilakukan untuk menguji implementasi Algoritme A*yang telah dilakukan mendapatkan jalur yang dihasilkan sama seperti yang dihasilkan didalam perhitungan manual. Hasil dari pengujian ini didapatkan dari membandingkan hasil implementasi dengan perhitungan manual dapat dilihat pada Tabel 3.
Tabel 3. Perbandingan Jalur dan Cost dari Hasil dan Manualisasi
Skenario Implementasi Hasil Perhitungan Manual Path Cost Path Cost
h2-h8 s2 > s3 > s10 > s7 > s6 > s8 4692,083 s2 > s3 > s10 > s7 > s6 > s8 4692,083 h1-h9 s1 > s11 > s10 > s7 > s6 > s9 4678,906 s1 > s11 > s10 > s7 > s6 > s9 4678,906 h3-h9 s3 > s10 > s7 > s6 > s9 3956,148 s3 > s10 > s7 > s6 > s9 3956,148 h4-h11 s4 > s7> s10 > s11 2035,272 s4 > s7> s10 > s11 2035,272 h6-h2 s6 > s7> s10 > s3 > s2 3187,285 s6 > s7> s10 > s3 > s2 3187,285 h3-h8 s3 > s10 > s7 > s6 > s8 3818,371 s3 > s10 > s7 > s6 > s8 3818,371 h9-h4 s9 > s6 > s7 > s4 3582,454 s9 > s6 > s7 > s4 3582,454 h11-h5 s11 > s10 > s7 > s6 > s8 > s5 3899,263 s11 > s10 > s7 > s6 > s8 > s5 3899,263 Dari Tabel 3 diketahui bahwa baik path maupun cost yang digunakan sama dengan perhitungan manual yang telah dilakukan perancangan Algoritme A*. Selain itu, implementasi Algoritme A* memiliki rata – rata pembuatan path sebesar 15,766 ms dapat dilihat pada Tabel 4.
Tabel 4. Skenario Pengujian
Skenario Waktu pembuatan jalur (ms)
h2-h8 17,80 h1-h9 9,151 h3-h9 6,046 h4-h11 14,92 h6-h2 10,57 h3-h8 11,84 h9-h4 16,60 h11-h5 39,20 Rata - rata 15,766
4.2. Pengujian Throughput, Delay dan
Packetloss
Pada pengujian throughput dan packetloss dilakukan dengan menggunakan Iperf. Pada salah satu host bertindak sebagai server dan host lainnya menjadi client. Pada pengujian ini menggunakan h9 bertindak sebagai server sedangkan host lainnya yang tersambung dengan switch s1 bertindak sebagai client. Pada sisi server memasukkan baris perintah “iperf s u -t”. Perintah “-s” berarti host tersebut menjadi server, u” berarti menggunakan UDP, dan “-t” berarti dilakukan selama tidak diinterupsi oleh pengguna. Pada sisi client memasukkan baris perintah “iperf -c 10.0.0.9 -u -t60 -b 100M”. Perintah “-c 10.0.0.9” berarti client menyambungkan ke IP server 10.0.0.9, “-u” berarti menggunakan UDP, “-t60” berarti dilakukan selama enam puluh detik, dan “-b 100M” berarti bandwith untuk pengiriman sebesar 100 Mbps. Cara ini diulangi sebanyak lima kali. Hasil dari pengujian throughput dan packetloss dapat dilihat pada Gambar dan Gambar 4 dan Gambar 5.
Gambar 4. Grafik Nilai Throughput
Dari Gambar 4, diketahui hasil yang berbeda pada setiap skenario yang dipengaruhi oleh jumlah client yang digunakan. Jika dilihat pada grafik diatas, nilai throughput berbanding terbalik dengan jumlah client. Hal ini menunjukkan bahwa semakin banyaknya paket yang dikirimkan dari beberapa client melalui satu jalur menyebabkan semakin padatnya lalu lintas pengiriman paket di dalam jaringan. Semakin bertambahnya client yang mengirimkan paket melalui satu jalur tersebut juga mempengaruhi nilai packetloss yang didapatkan. Pada Gambar 5, dapat diketahui melalui grafik bahwa nilai packetloss berbanding lurus dengan jumlah client.
0 200 1 2 3 4 5 Nilai T h ro u g h p u t (M b p s) Pengujian ke
-Grafik Nilai Throughput
5 Client 7 Client 9 Client
Gambar 5. Grafik Nilai Packetloss
Pada pengujian delay, didapatkan dengan menggunakan ping. Contoh, pada skenario h2-h8 dilakukan ping dari h2 ke h2-h8 menggunakan perintah pada mininet console “h2 ping h8 -c 60”. Perintah “h2 ping h8” berarti h2 melakukan ping ke h8, sedangkan “-c 60” berarti dilakukan sebanyak enam puluh kali sesuai dengan perancangan. Cara ini diulangi sebanyak lima kali pada tiap skenario pengujian. Hasil pengujian delay dapat dilihat pada Gambar 6.
Gambar 6. Grafik Nilai Delay
Dari Gambar 6, dapat diketahui bahwa grafik nilai delay berbanding lurus dengan nilai cost jalur pada setiap skenario. Nilai delay akan semakin besar ketika cost yang dibutuhkan untuk pengiriman paket semakin besar karena salah satu yang mempengaruhi nilai delay adalah jarak.
4.3 Pengujian Waktu Konvergensi
Pengujian waktu konvergensi dilakukan dengan cara menggunakan ping antar host pada skenario pengujian pada Tabel 2. Contoh pada skenario h1-h2, melakukan ping dari h1 ke h2 menggunakan perintah “ping 10.0.0.2”. Setelah itu, dilakukan pemutusan link sesuai perancangan fail path menggunakan perintah pada mininet “link s1 s2 down”. Hasil dari pengujian waktu konvergensi pada Tabel 5 dengan rata – rata waktu konvergensi yang didapatkan sebesar 20,773 ms.
Tabel 5. Hasil Waktu Konvergensi
Skenario
Waktu Konvergensi
(ms)
Jalur
Awal Jalur Baru
h1-h2 19,923 s1>s2 s1>s11>s10 >s3>s2 h5-h6 18,930 s5>s8>s6 s5>s8>s9>s6 h3-h7 14,663 s3>s10 >s7 s3>s4>s7 h2-h11 13,731 s2>s1>s11 s2>s3>s10> s11 h4-h5 36,620 s1>s5 s4>s7>s6> s8>s5 5. PENUTUP 5.1. Kesimpulan
Kesimpulan yang diperoleh berdasarkan penelitian yang telah dilakukan sebagai berikut: 1. Implementasi Algoritme A* berhasil mendapatkan jalur terpendek sesuai dengan perhitungan Algoritme A* tersebut dengan waktu yang diperlukan untuk menghasilkan jalur yang akan dilewati rata – rata selama 15,766 ms. Penelitian ini dilakukan dengan langkah -langkah pembuatan topologi jaringan Abilene kemudian menulis program yang berisi Algoritme A* dan geodistace linkweight.
2. Berdasarkan hasil dari pengujian, didapatkan nilai rata - rata throughput dan packetloss pada 5 client sebesar 100,2 Mbps dan packetloss sebesar 2,1%, pada 7 client sebesar 92,5 Mbps dengan packetloss sebesar 3,9% dan 72,06 Mbps dengan packetloss 7,5% pada 9 client. Nilai rata – rata delay sebesar 0,081 ms. Nilai rata - rata waktu konvergensi ketika terjadi failover sebesar 20,773 ms. Hal ini menunjukkan bahwa penggunaan Algoritme A* untuk pencarian jalur terpendek yang diimplementasikan pada ONOS Controller mendapatkan hasil yang baik.
5.2. Saran
Saran dari penelitian ini untuk pengembangan penelitian selanjutnya di bidang Software Defined Network sebagai berikut: 1. Mengembangkan penggunaan Algoritme
pencarian jalur terpendek lainnya pada Software Defined Network.
2. Untuk penelitian selanjutnya dapat
0.0% 5.0% 10.0% 1 2 3 4 5 Nilai P ac k etl o ss Pengujian ke
-Grafik Nilai Packetloss
5 Client 7 Client 9 Client 0.06 0.0650.07 0.0750.08 0.0850.09 Nilai Dela y (m s) Cost skenario
menggunakan topologi jaringan dengan bentuk yang lebih luas.
3. Untuk penelitian selanjutnya dapat menerapkan metode load balancing pada jaringan.
6. DAFTAR REFERENSI
Asosiasi Penyelenggara Jasa Internet Indonesia [APJII]. 2018. Laporan Survei Penetrasi & Perilaku Pengguna Internet Indonesia 2018. Asosiasi Penyelenggara Jasa Internet Indonesia.
Foerster, K.-T., Schmid, S., Vissicchio, S. 2018. Survey of consistent software-defined
network updates. IEEE
Communications Surveys & Tutorials. Hart, P. E.; Nilsson, N. J.; Raphael, B. 1968. A
Formal Basis for the Heuristic Determination of Minimum Cost Paths. IEEE Transactions on Systems Science and Cybernetics SSC$ 4 (2): 100-107. Hu, F., Hao, Q. & Bao, K. 2014. A Survey on
Software-Defined Network and
OpenFlow: From Concept to
Implementation. IEEE Communication Surveys & Tutorials, vol. 16, no. 4, fourth quarter 2014, p. 2181.
Internet2. 2007. Abilene Backbone Network. [online] Diambil kembali dari: <http://abilene.internet2.edu> [11 January 2020].
Jiang, J.-R.,Huang, H.-W., Liao, J.-H. & Chen, S.-Y. 2014. Extending Dijkstra's Shortest Path Algorithm for Software Defind Networking. Jhongli City, Taiwan, Department of Computer Science and Information Engineering National Central University.
Lantz, B., Heller, B., McKeown, N. 2012. A Network in a Laptop: Rapid Prototyping for Software-Defined Networks. CoNEXT 2012,
Mininet Team. 2018. Mininet Overview. Diambil kembali dari Mininet: http://mininet.org/overview/.
Mulyana, E. 2015. Buku Komunitas SDN-RG. Bandung: Gitbook.
ON.LAB. 2014. Introducing ONOS - a SDN network operating system for Service Provider.
Pearl, J. 1984. Heuristics: Intelligent Search Strategies for Computer Problem Solving. Addison-Wesley. ISBN
0-201-055594-5.
Pratiwi, A.A. 2019. Analisis Perbandingan Kinerja Algoritme Dijkstra, Bellman-Ford, dan Floyd-Warshall Untuk Penentuan Jalur Terpendek Pada Arsitektur Jaringan Software Defined Network. S1. Universitas Brawijaya. Qi, L., and Schneider, M. 2015. Trafforithm: A
traffic-aware shortest path algorithm in real road networks with traffic influence factors. International Conference on Geographical Information Systems Theory, Applications and Management (GISTAM), pp. 1–8.
Ramadhan, F. 2017. Implementasi Routing Berbasis Algoritme Dijkstra Pada Software Defined Networking Menggunakan Kontroler Open Network Operating System. S1. Universitas Brawijaya.
Saputra, I., M., R., & Hertiana, S. 2016. Uji Performansi Algoritma Floyd-Warshall Pada Jaringan Software Defined Network (SDN). Jurnal Elektronika dan Telekomunikasi, 16(2), 52-58.
Sembiring, A.C. 2018. Mencari Jalur K
Terpendek Menggunakan Yen
Algorithm Untuk Multipath Routing Pada Openflow Software-Defined Network. S1. Universitas Brawijaya.
