Analisis perbandingan unjuk kerja TCP Tahoe dan TCP Reno pada router droptail dan random early detection.

(1)

ABSTRAK

Pada penelitian ini penulis ingin mengetahui unjuk kerja TCP Tahoe dan TCP Reno yang diterapkan pada ruter Droptail dan Random Early Detection dengan menggunakan Network Simulator 2. Metrik yang digunakan adalah Throughput, Packet Drop dan End - To - End Delay. Parameter yang digunakan adalah penambahan kapasitas buffer dan penambahan α (Alpha) dan β (Beta).

Hasil pengujian menunjukan TCP Reno ketika diterapkan di Droptail dan Random Early Detection, memiliki throughput yang lebih baik dari TCP Tahoe karena memiliki keunggulan dalam menangani single drop karena adanya fase fast recovery dan tidak memasuki fase slowstart berulang – ulang seperti halnya TCP Tahoe akan tetapi pada sisi packet drop TCP Reno memiliki hasil yang lebih buruk karena dengan adanya fase fast recovery, paket yang dikirim akan membanjiri jaringan sehingga packet drop memiliki hasil yang lebih besar. Sedangkan pada sisi End - To - End Delay, TCP Reno sedikit memiliki nilai yang besar karena paket yang dikirimkannya lebih banyak sehingga penanganan paket menjadi lebih lama.

Kata kunci : TCP Tahoe, TCP Reno, throughput, packet drop, End - To - End Delay, congestion window, slowstart, fast recovery, buffer.

(2)

ABSTRACT

In this study the authors wanted to know the performance of TCP Tahoe and TCP Reno is applied to the router Droptail and Random Early Detection using Network Simulator 2. The metric used is Throughput, Packet Drop and End-To-End Delay. The parameters used are the addition of buffer capacity and the addition of α (Alpha) and β (Beta).

The test results showed TCP Reno when applied in Droptail and Random Early Detection, have better throughput than TCP Tahoe because it has advantages in handling single drop since the phase of fast recovery and not entering a phase slowstart repeatedly - again just like TCP Tahoe but on the side Reno TCP packet drop have poorer outcomes due to their fast recovery phase, packets sent would overwhelm the network so that the packet drop have greater results. While on the End-To-End Delay, TCP Reno bit has a great value because it sends more packets so that the packet handling becomes longer.

(3)

ANALISIS PERBANDINGAN UNJUK KERJA TCP TAHOE DAN TCP RENO PADA ROUTER DROPTAIL DAN RANDOM EARLY

DETECTION

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

DISUSUN OLEH :

CESARIUS AGNI CHRISTIAN KURNIAWAN 125314039

PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA YOGYAKARTA

(4)

ii

COMPARATIVE ANALYSIS OF PERFORMANCE TCP TAHOE AND TCP RENO IN ROUTER DROPTAIL AND RANDOM EARLY

DETECTION A THESIS

Presented as Partial Fulfillment of Requirements to Obtain Sarjana Komputer Degree

in Informatics Engineering Department

By:

CESARIUS AGNI CHRISTIAN KURNIAWAN 125314039

INFORMATICS ENGINEERING STUDY PROGRAM INFORMATICS ENGINEERING DEPARTMENT

FACULTY SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY

(5)

iii

HALAMAN PERSETUJUAN

DETECTION

Dipersembahkan dan ditulis oleh :

Cesarius Agni Christian Kurniawan

NIM : 125314039

Telah disetujui oleh :

Pembimbing

(6)

iv

HALAMAN PENGESAHAN

SKRIPSI

DETECTION

Dipersiapkan dan ditulis oleh: Cesarius Agni Christian Kurniawan

NIM : 125314039

Telah dipertahankan di depan Panitia Penguji pada tanggal ………..

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, S.T., M.Sc., Ph.D. ...

Yogyakarta, ……….………

Fakultas Sains dan Teknologi Universitas Sanata Dharma

Dekan,

(7)

v

MOTTO

“Asalkan kamu percaya, semua bisa terjadi.” (Christopher Reeve)

(8)

vi

PERNYATAAN KEASLIAN KARYA

Dengan ini, saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini tidak memuat karya atau bagian karya orang lain, terkecuali yang sudah tertulis di dalam kutipan daftar pustaka, sebagaimana layaknya sebuah karya ilmiah.

Yogyakarta,... Penulis

(9)

vii

LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma: Nama : Cesarius Agni Christian Kurniawan

NIM : 125314039

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

DETECTION

Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data mendistribusikan secara terbatas, dan mempublikasikannya di Internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun member royalty kepada saya selama tetap mencantumkan nama saya sebagai penulis.

Demikian pernyataan ini saya buat dengan sebenarnya.

Yogyakarta,………

Penulis

(10)

viii

ABSTRAK

Pada penelitian ini penulis ingin mengetahui unjuk kerja TCP Tahoe dan TCP Reno yang diterapkan pada ruter Droptail dan Random Early Detection dengan menggunakan Network Simulator 2. Metrik yang digunakan adalah Throughput, Packet Drop dan End - To - End Delay. Parameter yang digunakan adalah penambahan kapasitas buffer dan penambahan α (Alpha) dan β (Beta).

Hasil pengujian menunjukan TCP Reno ketika diterapkan di Droptail dan Random Early Detection, memiliki throughput yang lebih baik dari TCP Tahoe karena memiliki keunggulan dalam menangani single drop karena adanya fase fast recovery dan tidak memasuki fase slowstart berulang – ulang seperti halnya TCP Tahoe akan tetapi pada sisi packet drop TCP Reno memiliki hasil yang lebih buruk karena dengan adanya fase fast recovery, paket yang dikirim akan membanjiri jaringan sehingga packet drop memiliki hasil yang lebih besar. Sedangkan pada sisi End - To - End Delay, TCP Reno sedikit memiliki nilai yang besar karena paket yang dikirimkannya lebih banyak sehingga penanganan paket menjadi lebih lama.

Kata kunci : TCP Tahoe, TCP Reno, throughput, packet drop, End - To - End Delay, congestion window, slowstart, fast recovery, buffer.

(11)

ix

ABSTRACT

In this study the authors wanted to know the performance of TCP Tahoe and TCP Reno is applied to the router Droptail and Random Early Detection using Network Simulator 2. The metric used is Throughput, Packet Drop and End-To-End Delay. The parameters used are the addition of buffer capacity and the addition of α (Alpha) and β (Beta).

The test results showed TCP Reno when applied in Droptail and Random Early Detection, have better throughput than TCP Tahoe because it has advantages in handling single drop since the phase of fast recovery and not entering a phase slowstart repeatedly - again just like TCP Tahoe but on the side Reno TCP packet drop have poorer outcomes due to their fast recovery phase, packets sent would overwhelm the network so that the packet drop have greater results. While on the End-To-End Delay, TCP Reno bit has a great value because it sends more packets so that the packet handling becomes longer.

(12)

x

KATA PENGANTAR

Puji dan syukur kepada Tuhan Yang Maha Esa, karena berkat dan karunia-Nya penulis dapat menyelesaikan tugas akhir yang berjudul “Analisis Perbandingan Unjuk Kerja TCP Tahoe dan TCP Reno Pada Router Droptail dan Random Early Detection” ini dapat diselesaikan dengan baik oleh penulis. Penyusunan tugas akhir ini merupakan syarat untuk memperoleh gelar sarjana komputer di Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Sanata Dharma Yogyakarta.

Dalam penulisan tugas akhir ini, tentunya banyak pihak yang telah memberikan bantuan dan bimbingan kepada penulis, sehingga pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar – besarnya kepada :

1. Tuhan Yesus Kristus dan Bunda Maria yang telah memberikan kesehatan, semangat, berkat dan perlindunganNya.

2. Kedua orang tuaku, Paulus Agus Kusdianto dan mendiang Bernadetta Noorhayati yang telah memberikan dukungan berupa doa, dukungan moral maupun materi sehingga penulis dapan menyelesaikan tugas akhir.

3. Bambang Soelistijanto, S.T., M.Sc., Ph.D. selaku Dosen Pembimbing tugas akhir yang telah sabar membimbing, meluangkan waktu dan tenaga.

4. Iwan Binanto, S.Si., M.Cs. selaku dosen pembimbing akademik. 5. Dr. Anastasia Rita Widiarti, M.Kom. selaku Ketua Program Studi

Teknik Informatika.

6. Sudi Mungkasi. S.Si., M.Math.Sc., Ph.D. selaku Dekan Fakultas Sains dan Teknologi.

(13)

xi

8. Benedicta Meiharisa Winda Kartika tercinta yang selalu menemani dalam suka dan duka serta selalu memberikan dukungan doa dan dukungannya selama menyelesaikan tugas akhir.

9. Teman seperjuangan TCP yang selalu berdebat (Theo, Yoppi dan Ari), teman – teman Lab Tugas Akhir Jaringan Komputer dan teman – teman seperjuangan Teknik Informatika yang telah memberikan dukungan dan doa.

10.Semua pihak yang tidak dapat disebutkan satu per satu yang telah membantu penulis dalam pengerjaan tugas akhir ini.

Penulis menyadari masih banyak kekurangan yang terdapat dalam penulisan tugas akhir ini. Kritik dan saran sangat diharapkan untuk perbaikan yang akan dating. Akhir kata, semoga tulisan ini dapat bermanfaat untuk perkembembangan ilmu pengetahuan.

Yogyakarta,……… Penulis

(14)

xii

DAFTAR ISI

SKRIPSI ... i

A THESIS ... ii

HALAMAN PERSETUJUAN ... iii

HALAMAN PENGESAHAN ... iv

MOTTO ... v

PERNYATAAN KEASLIAN KARYA ... vi

LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS ... vii

ABSTRAK ... viii

ABSTRACT ... ix

KATA PENGANTAR ... x

DAFTAR ISI ... xii

DAFTAR TABEL ... xv

DAFTAR GAMBAR ... xvi

BAB I ... 1

1.6 Metodelogi Penelitian ... 3

(15)

xiii

2. Perancangan ... 3

3. Pembangunan Simulasi dan Pengumpulan Data ... 3

4. Analisis ... 3

1.7 Sistematika Penulisan ... 4

BAB II ... 5

LANDASAN TEORI ... 5

2.1 Jaringan Kabel (Wired Network) ... 5

2.2 TCP Tahoe ... 5

2.2.1 Slow Start ... 5

2.2.2 Congestion Avoidence ... 6

2.2.3 Fast Retransmit ... 6

RANCANGAN SIMULASI JARINGAN ... 9

3.1 Parameter Simulasi ... 9

3.2 Skenario Simulasi ... 9

3.3 Parameter Kinerja ... 10

3.4 Topologi Jaringan ... 11

BAB IV ... 12

PENGUJIAN DAN ANALISA... 12

(16)

xiv

4.1.1 Penambahan kapasitas Buffer ... 12

4.1.2 Congestion Window ... 15

4.2 Random Early Detection (RED) ... 20

4.2.1 Penambahan Nilai α (Alpha) ... 20

4.2.3 Penambahan Nilai β (Beta) ... 30

BAB V ... 39

KESIMPULAN DAN SARAN ... 39

5.1 Kesimpulan ... 39

5.2 Saran ... 40

DAFTAR PUSTAKA ... 41

(17)

xv

DAFTAR TABEL

Tabel 3.1 Parameter Simulasi ... 9

Tabel 3.2 Skenario penambahan nilai α dengan nilai β dan kapasitas buffer bernilai tetap ... 10

Tabel 3.3 Skenario penambahan nilai β dengan nilai α dan kapasitas buffer bernilai tetap ... 10

Tabel 4 1 Hasil Pengujian penambahan kapasitas buffer... 12

Tabel 5.1 Hasil pengujian RED dengan penambahan nilai α ... 20

(18)

xvi

DAFTAR GAMBAR

Gambar 2.1 Algoritma TCP Tahoe ... 5

Gambar 2.2 Algoritma TCP Reno ... 7

Gambar 2.3 RED Packet Drop ... 8

Gambar 3.1 Topologi Jaringan ... 11

Gambar 4.1 Throughput pada antrian Droptail ... 12

Gambar 4.2 Packet Drop pada antrian Droptail ... 13

Gambar 4.3 End-To-End Delay pada antrian Droptail ... 13

Gambar 4.4 Congestion Window TCP Tahoe dengan buffer = 10 paket ... 15

Gambar 4.5 Hasil zoom Congestion Window TCP Tahoe dengan buffer = 10 paket ... 15

Gambar 4.6 Congestion Window TCP Reno dengan buffer = 10 paket ... 16

Gambar 4.7 hasil zoom Congestion Window TCP Reno dengan buffer = 10 paket ... 16

Gambar 4.9 Hasil zoom Congestion Window TCP Tahoe dengan buffer = 20 paket ... 17

Gambar 4.11 Hasil zoom Congestion Window TCP Reno dengan buffer = 20 paket ... 18

Gambar 5.1 Throughput pada antrian RED dengan penambahan nilai α ... 20

Gambar 5.2 Packet Drop pada antrian RED dengan penambahan nilai α ... 21

Gambar 5.3 End-To-End Delay pada antrian RED dengan penambahan nilai α .. 21

Gambar 5.4 Congestion Window TCP Tahoe pada antrian RED dengan penamahan α = 5 paket ... 23

(19)

xvii

Gambar 5.6 Congestion Window TCP Reno pada antrian RED dengan penamahan α = 5 paket ... 24 Gambar 5.7 Hasil zoom Congestion Window TCP Reno pada antrian RED dengan penamahan α = 5 paket ... 24 Gambar 5 8 Congestion Window TCP Tahoe pada antrian RED dengan

penamahan α = 10 paket ... 25 Gambar 5.9 Hasil zoom Congestion Window TCP Tahoe pada antrian RED dengan penamahan α = 10 paket ... 25 Gambar 5.10 Congestion Window TCP Reno pada antrian RED dengan

penamahan α = 10 paket ... 26 Gambar 5.11 Hasil zoom Congestion Window TCP Reno pada antrian RED dengan penamahan α = 10 paket ... 26 Gambar 5.12 Congestion Window TCP Tahoe pada antrian RED dengan

penamahan α = 15 paket ... 27 Gambar 5.13 Hasil zoom Congestion Window TCP Tahoe pada antrian RED dengan penamahan α = 15 paket ... 28 Gambar 5.14 Congestion Window TCP Reno pada antrian RED dengan

penamahan α = 15 paket ... 28 Gambar 5.15 Hasil zoom Congestion Window TCP Reno pada antrian RED dengan penamahan α = 15 paket ... 29 Gambar 6.1 Throughput pada antrian RED dengan penambahan nilai β ... 30 Gambar 6.2 Packet Drop pada antrian RED dengan penambahan nilai β ... 31 Gambar 6.3 End-To-End Delay pada antrian RED dengan penambahan nilai β . 31 Gambar 6.4 Congestion Window TCP Tahoe pada antrian RED dengan

(20)

xviii

Gambar 6.8 Congestion Window TCP Tahoe pada antrian RED dengan

penamahan β = 15 paket ... 35 Gambar 6.9 Hasil zoom Congestion Window TCP Tahoe pada antrian RED dengan penamahan β = 15 paket ... 35 Gambar 6.10 Congestion Window TCP Reno pada antrian RED dengan

penamahan β = 15 paket ... 36 Gambar 6.11 Hasil zoom Congestion Window TCP Reno pada antrian RED dengan penamahan β = 15 paket ... 36 Gambar 6.12 Congestion Window TCP Tahoe pada antrian RED dengan

penamahan β = 20 paket ... 37 Gambar 6.13 Hasil zoom Congestion Window TCP Tahoe pada antrian RED dengan penamahan β = 20 paket ... 37 Gambar 6.14 Congestion Window TCP Reno pada antrian RED dengan

(21)

1

BAB I PENDAHULUAN

1.1 Latar Belakang

Perkembangan teknologi informasi begitu pesatnya seiring dengan berjalannya waktu semakin banyak juga bermunculan teknologi – teknologi baru yang semakin memudahkan manusia dalam melakukan segala hal. Perkembangan teknologi yang sangat cepat khususnya pada jaringan internet juga ikut berkembang dengan segala teknologi yang ada sehingga dapat memberikan kualitas terbaik untuk memenuhi kebutuhan informasi yang semakin besar dan juga cepat.

Kualitas suatu jaringan internet sangat di tuntut kualitas terbaiknya, salah satu yang menjadi sorotan untuk selalu di kembangkan yaitu TCP (Transmission Control Protocol). Varian TCP terbaik di kembangkan untuk mampu menjamin layanan yang handal terutama di internet dengan layanan berkecapatan tinggi seperti saat ini, Perkembangan TCP yang di awali dengan TCP Tahoe, TCP Reno, TCP New Reno, TCP SACK, TCP Vegas dan versi terbaru.

(22)

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah, maka rumusan masalah yang didapat adalah mengetahui pengaruh Droptail dan Random Early Detection (RED) terhadap unjuk kerja TCP Tahoe dan TCP Reno.

1.3 Tujuan Penelitian

Adapun tujuan dari penulisan tugas akhir ini adalah untuk mengetahui perbandingan unjuk kerja dari TCP Tahoe dan TCP Reno pada router Droptail dan Random Early Detection (RED).

1.4 Batasan Masalah

Dalam pelakasanaan tugas akhir ini, masalah dibatasi sebagai berikut : 1. Pengujian unjuk kerja TCP Tahoe dan TCP Reno.

2. Manajemen antrian yang di gunakan adalah Droptail dan Random Early Detection (RED).

3. Pengujian dilakukan menggunakan simulator Network Simulator 2 4. Pengujian dengan menggunakan satu host pengirim, satu host penerima

dan dua router di antara kedua host.

5. Parameter yang diukur adalah throughput, packet drop, end to end delay, dan congestion window.

1.5 Manfaat Penelitian

(23)

1.6 Metodelogi Penelitian

Adapun tahapan penelitian dan langkah-langkah yang digunakan dalam pelaksanaan tugas akhir ini adalah sebagai berikut :

1. Studi Literatur

Mengumpulkan berbagai macam referensi yang mendukung tugas akhir, seperti

a. Teori Wired

b. Teori TCP Tahoe dan TCP Reno

c. Teori throughput, packet drop dan end-to-end delay. d. Teori Network Simulator 2

2. Perancangan

Dalam tahap ini penulis merancang skenario jaringan sebagai berikut :

a. Kapasitas datarate, delay dan link (tetap). b. Penambahan kapasitas buffer.

3. Pembangunan Simulasi dan Pengumpulan Data

Simulasi jaringan menggunakan simulator yang bernama Network Simulator 2.

4. Analisis

(24)

1.7 Sistematika Penulisan

Dalam penulisan tugas akhir ini perlu membagi sistematika penulisan menjadi 5 bab, yang lebih jelas dapat dilihat dibawah ini :

BAB I : PENDAHULUAN

Bab ini berisi tentang latar belakang yang diambil dari judul Tugas Akhir “ Analisis Perbandingan Unjuk Kerja TCP Tahoe dan TCP Reno Pada Router Droptail dan Random Early Detection” , batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian dan sistematika penulisan Tugas Akhir yang menjelaskan secara garis besar substansi yang diberikan pada masing-masing bab.

BAB II : LANDASAN TEORI

Bab ini membahas tentang teori – teori yang menjadi acuan pada topic tugas akhir.

BAB III : PERANCANGAN SIMULASI JARINGAN

Bab ini membahas bagaimana cara perancangan imulasi jaringan dalam melakukan penelitian.

BAB IV : PENGUJIAN DAN ANALISIS

Bab ini berisi tahap pengujian simulasi dan analisis data hasil simulasi.

BAB V : KESIMPULAN DAN SARAN

(25)

5

BAB II

LANDASAN TEORI

2.1 Jaringan Kabel (Wired Network)

Jaringan kabel adalah menghubungkan satu komputer dengan komputer lain diperlukan penghubung berupa kabel jaringan. Kabel jaringan berfungsi dalam mengirim informasi dalam bentuk sinyal listrik antar komputer jaringan [1].

2.2 TCP Tahoe

TCP Tahoe mengacu pada algoritma TCP congestion control. TCP menggunakan acknowledgement untuk paket keluar karena acknowledgement berarti bahwa paket telah sampai pada penerima. TCP Tahoe memiliki 3 mekanisme yaitu slow-start, congestion avoidance, fast retransmission.

Gambar 2.1 Algoritma TCP Tahoe

2.2.1 Slow Start

(26)

koneksi tidak akan pernah dimulai. Slowstart menunjukkan bahwa pengirim mengatur congestion window menjadi 1 dan kemudian untuk setiap ACK yang menerimanya meningkatkan congestion window dengan 1, sehingga dalam Round Trip Time (RTT) pertama TCP mengirim 1 paket, di kedua TCP mengirim 2 dan ketiga TCP mengirim 4. Peningkatan terjadi secara eksponensial sampai TCP kehilangan paket yang merupakan tanda congestion. Ketika TCP menghadapi congestion, TCP menurunkan tingkat pengiriman dan mengurangi congestion window menjadi 1 kemudian mulai dari awal lagi.

2.2.2 Congestion Avoidence

Sebuah packet loss diambil sebagai tanda congestion dan TCP Tahoe menyimpan setengah dari congestion window saat ini sebagai nilai threshold. Kemudian menetapkan congestion window menjadi 1 dan mulai slow start sampai mencapai nilai threshold. Congestion window mengalami kenaikan linier sampai bertemu dengan sebuah packet loss.

2.2.3 Fast Retransmit

Fast Retransmit adalah fase ketiga setelah Congestion Avoidance. Fast Retransmit merupakan peningkatan terhadap TCP dalam rangka mengurangi waktu tunggu oleh pengirim sebelum me-retransmit packet drop. TCP pengirim akan menggunakan pencatat waktu untuk mengetahui segmen yang hilang. Jika acknowledgement tidak diterima untuk packet tertentu dalam jangka waktu tertentu, maka pengirim akan menggangap paket tersebut hilang dalam jaringan dan akan dilakukan retransmit untuk segmen yang hilang.

2.3 TCP Reno

(27)

acknowledgement maka di anggap sebagai tanda bahwa segmen hilang, jadi jika kembali mengirimkan segmen tanpa menunggu timeout .

2.3.1 Fast recovery

Fast recovery adalah tetap menjaga throughput tetap tinggi ketika terjadi congestion. Di fase ini, ketika menerima 3 duplikasi acknowledgement dan telah melakukan fast retransmission, TCP tidak masuk ke fase slowstart, tetapi langsung masuk pada fase congestion avoidance.

Gambar 2.2 Algoritma TCP Reno

2.4 Droptail

(28)

2.5 Random Early Detection (RED)

Random Early Detection merupakan mekanisme antrian yang dapat menjatuhkan paket sebelum congestion terjadi dengan cara menandai atau melakukan drop secara acak. Random Early Detection memiliki dua batasan panjang antrian yaitu α (Alpha) dan β (Beta) untuk menentukan apa yang akan dilakukan terhadap paket. Jika paket berada di bawah α (Alpha), maka paket akan diantrikan atau ditransmisikan dan tidak akan didrop. Jika paket berada diatas β (Beta), paket di buang/drop. Jika paket berada diantara α (Alpha) dan β (Beta), paket akan ditandai dan akan didrop secara random.

2.6 Network Simulator 2

Network simulator (NS2) adalah alat simulasi jaringan yang bersifat open source yang banyak digunakan dalam mempelajari struktur dinamik dari jaringan komunikasi. Simulasi dari jaringan nirkabel dan protokol (seperti algoritma routing, TCP, dan UDP) dapat diselesaikan dengan baik dengan simulator ini. Beberapa keuntungan menggunakan network simulator sebagai perangkat lunak simulasi adalah : network simulator dilengkapi dengan tool validasi, pembuatan simulasi dengan menggunakan network simulator jauh lebih mudah daripada menggunakan software develover seperti Delphi atau C++, network simulator bersifat open source di bawah GPL (Gnu Public License), Dapat digunakan pada sistem operasi windows dan sistem oprasi linux [2].

α

β

No Dropping Random Dropping

Full Dropping

(29)

9

BAB III

RANCANGAN SIMULASI JARINGAN

3.1 Parameter Simulasi

Pada penelitian ini, penulis sudah menentukan parameter-parameter jaringan. Parameter jaringan yang digunakan bersifat konstan dan akan dipakai terus pada setiap pengujian yang dilakukan. Parameter jaringan dapat dilihat pada tabel di bawah ini.

Parameter Simulasi Nilai

Waktu simulasi 200s

Jumlah host 4

Banyak koneksi 1 TCP, 1 UDP

TCP Packet Size 1024 B

Traffic source TCP vs UDP

Datarate 10 Mbps

Delay 2 ms

Router Droptail, Random Early Detection

Buffer size 10, 20, 30 paket ( Droptail ) / 30 paket (RED)

Tabel 3.1 Parameter Simulasi

3.2 Skenario Simulasi

Skenario pengujian yang digunakan pada simulasi menggunakan dua tipe antrian yang terdapat pada router, yaitu Droptail dan Random Early Detection :

1. Skenario Droptail

(30)

2. Skenario Random Early Detection

Pada skenario ini dilakukan dengan menambah nilai α dan β serta buffer capacity bernilai tetap.

Buffer Size α β

30 paket 5 paket 20 paket

Tabel 3.2 Skenario penambahan nilai α dengan nilai β dan kapasitas buffer bernilai tetap

Buffer Size α β

Tabel 3.3 Skenario penambahan nilai β dengan nilai α dan kapasitas buffer bernilai tetap

3.3 Parameter Kinerja

Parameter yang digunakan pada tugas akhir ini : a. Throughput

Throughput adalah bandwidth aktual yang terukur pada suatu ukuran

waktu tertentu.Nilai satuan Throughput yaitu Bps (Byte per second)

Semakin besar nilai Throughput akan semakin baik.

b. Packet drop

Packet drop adalah paket yang dibuang ketika melalui router atau ketika kapasitas antrian/buffer penuh. Jumlah total packet drop selama simulasi. c. End-To-End Delay

(31)

3.4 Topologi Jaringan

(32)

12

BAB IV

PENGUJIAN DAN ANALISA

4.1 Droptail

4.1.1 Penambahan kapasitas Buffer Kapasitas

Buffer

Throughput Packet Drop End-To-End Delay

Tahoe Reno Tahoe Reno Tahoe Reno

10 Paket 131920.2 161217.5 651 753 0.035590944 0.036033678 20 Paket 151817 163111.4 306 327 0.065568038 0.067585386 30 Paket 163148.6 163308.2 35 36 0.11500034 0.11826652

Tabel 4 1 Hasil Pengujian penambahan kapasitas buffer

Gambar 4.1 Throughput pada antrian Droptail

0

Buffer Capacity (packet) pada Router 1

Throughput

(33)

Gambar 4.2 Packet Drop pada antrian Droptail

Gambar 4.3 End-To-End Delay pada antrian Droptail

Gambar 4.1 menunjukan bahwa dengan menambah kapasitas buffer berpengaruh kepada throughput yang semakin meningkat pada TCP Tahoe dan TCP Reno. Hal ini menunjukan bahwa dengan semakin memperbesar kapasitas buffer pada router berpengaruh juga dengan semakin benyaknya paket yang dapat di tampung. Meskipun demikian, TCP Reno pada sisi throughput terlihat lebih

Packet Drop

End-To-End Delay

(34)

unggul dibandingkan dengan TCP Tahoe, hal ini dapat terjadi karena TCP Reno lebih unggul dalam penanganan single error dibandingkan dengan TCP Tahoe yang ketika terjadi single error akan kembali ke fase slow start, sedangkan TCP Reno ketika terjadi single error akan masuk ke fase fast retransmit dan fase fast recovery sehingga paket yang terkirim akan lebih banyak, oleh karena itu throughput yang di hasilkan TCP Reno lebih unggul dari TCP Tahoe.

Skenario penambahan kapasitas buffer memberikan pengaruh baik tidak hanya pada nilai throughput, akan tetapi juga berpengaruh kepada nilai packet drop yang ditunjukkan pada Gambar 4.2. Pengaruh yang dapat ditunjukan adalah dengan semakin berkurangnya packet drop pada TCP Tahoe maupun TCP Reno seiring dengan semakin besarnya kapasitas buffer. Pada Gambar 4.2 terlihat TCP Reno memiliki packet drop yang lebih besar dari TCP Tahoe karena TCP Reno memiliki fase fast recovery, sehingga paket yang terkirim lebih banyak dan akan membanjiri jaringan. Hal ini berakibat packet drop TCP Reno lebih besar. Berbeda dengan TCP Tahoe yang akan kembali ke fase slow start ketika terjadi drop packet sehingga paket yang dikirim tidak membanjiri jaringan.

Skenario penambahan kapasitas buffer tidak hanya memberikan hasil yang baik terhadap nilai throughput dan packet drop saja, akan tetapi memberikan nilai yang semakin besar untuk End-To-End Delay. Hal ini dapat dilihat dari semakin besarnya kapasitas buffer maka akan semakin banyak pula paket yang masuk kedalam antrian sehingga paket tersebut lebih lama untuk melalui antrian untuk mencapai tujuan karena pelayanan paket pun juga akan lebih lama. Dalam hal ini TCP Reno menunjukkan End-To-End Delay lebih besar dari TCP Tahoe karena TCP Reno memiliki fase fast recovery yang membuat TCP Reno dapat mengirim lebih banyak paket dari pada TCP Tahoe yang akan kembali ke slow startketika mendapati packet drop.

(35)

dalam penanganan single error TCP Reno lebih unggul dari TCP Reno karena memiliki fase fast recovery.

4.1.2 Congestion Window Droptail

Gambar 4.4 Congestion Window TCP Tahoe dengan buffer = 10 paket

(36)

Gambar 4.6 Congestion Window TCP Reno dengan buffer = 10 paket

(37)

Gambar 4.9 Hasil zoom Congestion Window TCP Tahoe dengan buffer = 20 paket

Lingkaran merah menunjukan bahwa terjadi packet drop sehingga TCP Tahoe masuk ke fase fast retransmit.

(38)

Gambar 4.10 Congestion Window TCP Reno dengan buffer = 20 paket

Gambar 4.11 Hasil zoom Congestion Window TCP Reno dengan buffer = 20 paket

(39)

Lingkaran biru menunjukan bahwa ketika TCP Reno sedang memasuki fase fast recovery dan terjadi packet drop kembali sehingga fase tersebut gagal dan akan kembali ke fase slowstart.

(40)

4.2 Random Early Detection (RED) 4.2.1 Penambahan Nilai α (Alpha) Kapasitas

Buffer

Nilai α

Troughput Packet Drop End-To-End Delay

Tahoe Reno Tahoe Reno Tahoe Reno

30 paket 5 157642.44 159493.8 490 596 0.044509023 0.044740671 30 paket 10 158078.52 159908.76 383 462 0.05212432 0.053177764 30 paket 15 159120.44 160568.44 328 342 0.063077745 0.065482192

Tabel 5.1 Hasil pengujian RED dengan penambahan nilai α

Gambar 5.1 Throughput pada antrian RED dengan penambahan nilai α

156000

Throughput

(41)

Gambar 5.2 Packet Drop pada antrian RED dengan penambahan nilai α

Gambar 5.3 End-To-End Delay pada antrian RED dengan penambahan nilai α

Pada Gambar 5.1 menunjukkan bahwa TCP Tahoe dan TCP Reno terjadi peningkatan pada throughput, hal ini di sebabkan karena ketika nilai α (Alpha) semakin besar maka paket yang diterima pun juga akan semakin banyak. TCP Reno lebih unggul pada sisi throughput karena pada tipe antrian ini kemungkinan untuk multiple error lebih sedikit, oleh karena itu TCP Reno kemungkinan untuk masuk ke fase slowstart ketika terjadi packet drop pun juga semakin sedikit dan paket yang

0

Packet Drop

End - To - End Delay

(42)

dapat terkirim pun juga lebih banyak dari TCP Tahoe sehingga pengiriman paket TCP Reno akan lebih baik.

Selain itu pada sisi packet drop TCP Tahoe dan TCP Reno mengalami penurunan, pada grafik Gambar 5.2 terlihat bahwa packet drop pada TCP Reno lebih besar karena mekanisme antrian ini bertipe single drop sehingga ketika terjadi packet drop TCP Reno memasuki fast recovery, oleh karena itu paket yang dikirimkan dapat membanjiri jaringan sehingga lebih banyak packet drop dibanding dengan TCP Tahoe yang akan kembali ke fase slow start, sehingga paket yang dikirim tidak membanjiri jaringan.

Skenario penambahan nilai α pada buffer juga mempengaruhi pada End - To - End Delay, dalam hal ini TCP Reno menunjukan hasil yang lebih besar karena pada TCP Reno memiliki fase fast recoviery yang dapat mengirim lebih banyak paket sehingga pelayanan terhadap paket akan semakin lama.

(43)

4.2.2 Congestion Window

Random Early Detection dengan penambahan nilai α (Alpha)

Gambar 5.4 Congestion Window TCP Tahoe pada antrian RED dengan penamahan α = 5 paket

(44)

Gambar 5.6 Congestion Window TCP Reno pada antrian RED dengan penamahan α = 5 paket

(45)

Gambar 5 8 Congestion Window TCP Tahoe pada antrian RED dengan penamahan α = 10 paket

Gambar 5.9 Hasil zoom Congestion Window TCP Tahoe pada antrian RED dengan penamahan α = 10 paket

(46)

Random Early Detection akan gagal ketika menemui packet drop dan akan kembali ke fase slowstart.

Gambar 5.10 Congestion Window TCP Reno pada antrian RED dengan penamahan α = 10 paket

Gambar 5.11 Hasil zoom Congestion Window TCP Reno pada antrian RED dengan penamahan α = 10 paket

(47)

fast recovery akan tetapi ketika pada fase ini terjadi packet drop sehingga TCP Reno gagal karena tidak mampunya untuk menangani multiple error, setelah itu pada lingkaran hijau memasuki fase slowstart. Pada antrian random early detection ini pada TCP Reno memiliki tingkat kegagalan yang lebih kecil dari antrian droptail karena pada antrian random early detection melakukan drop secara acak sehingga kemungkinan terjadi multiple drop lebih kecil.

(48)

Gambar 5.13 Hasil zoom Congestion Window TCP Tahoe pada antrian RED dengan penamahan α = 15 paket

(49)

(50)

4.2.3 Penambahan Nilai β (Beta) 30 paket 15 153998.24 157956.32 530 652 0.041459319 0.041587383 30 paket 20 156104.96 158323.4 468 590 0.044613763 0.045204291

Tabel 6.1 Hasil pengujian RED dengan penambahan nilai β

Gambar 6.1 Throughput pada antrian RED dengan penambahan nilai β

146000

Throughput

(51)

Gambar 6.2 Packet Drop pada antrian RED dengan penambahan nilai β

Gambar 6.3 End-To-End Delay pada antrian RED dengan penambahan nilai β

Pada Gambar 6.1 terlihat bahwa pada sisi throughput TCP Tahoe dan TCP Reno mengalami peningkatan seiring dengan semakin besarnya nilai β (Beta) karena paket yang ditampung juga akan semakin banyak. Selain itu TCP Reno

Packet Drop

End - To - End Delay

(52)

sebabkan karena TCP Reno memiliki fase fast recovery ketika terjadi single drop sehingga paket yang dapat dikirim lebih banyak.

Selain itu pada skenario ini juga memberikan pengaruh yang baik terhadap packet drop, pada Gambar 6.2 menunjukkan penurunan packet drop terhadap TCP Tahoe dan TCP Reno. Hal ini disebabkan karena TCP Reno memiliki fase fast recovery ketika mendapati single drop, karena mekanisme drop pada antrian ini adalah single drop sehingga paket yang dikirim dapat lebih banyak dan dapat membanjiri jaringan dibandingkan TCP Tahoe yang akan kembali ke fase slowstart ketika terjadi packet drop sehingga paket yang dikirim tidak membanjiri jaringan.

Nilai baik pada throughput dan packet drop tidak terlihat pada Gambar 6.3, peningkatan End-To-End Delay pada TCP Tahoe dan TCP Reno karena semakin besar kapasitas buffer maka akan semakin banyak pula paket yang masuk ke dalam antrian, sehingga penanganan paket akan semakin lama.

(53)

4.2.4 Congestion Window

Random Early Detection dengan penambahan nilai β (Beta)

Gambar 6.4 Congestion Window TCP Tahoe pada antrian RED dengan penamahan β = 10 paket

(54)

Gambar 6.6 Congestion Window TCP Reno pada antrian RED dengan penamahan β = 10 paket

(55)

Gambar 6.9 Hasil zoom Congestion Window TCP Tahoe pada antrian RED dengan penamahan β = 15 paket

(56)

Gambar 6.10 Congestion Window TCP Reno pada antrian RED dengan penamahan β = 15 paket

Gambar 6.11 Hasil zoom Congestion Window TCP Reno pada antrian RED dengan penamahan β = 15 paket

(57)

untuk menangani multiple error. Mekanisme antrian ini memiliki kemungkinan multiple error yang kecil karena antrian ini bertipe random drop yang memiliki kemungkinan single drop lebih besar sehingga tingkat kegagalan TCP Reno pada mekanisme antrian Random Early Detection lebih kecil.

(58)

Gambar 6.14 Congestion Window TCP Reno pada antrian RED dengan penamahan β = 20 paket

(59)

39

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari hasil simulasi yang telahi dilakukan, kesimpulan yang dapat diambil sebagai berikut :

1. Pada mekanisme antrian droptail keduanya memiliki unjuk kerja yang hampir sama akan tetapi TCP Reno lebih unggul dalam menangani single drop karena fase fast recovery yang dimilikinya sehingga berpengaruh terhadap nilai throughput yang lebih unggul karena kemampuan untuk mengirim paket lebih banyak, selain itu dari sisi packet drop TCP Reno juga menunjukan hasil yang lebih besar karena dengan fase fast recovery TCP Reno dapat mengirim paket lebih banyak, sehingga paket membanjiri jaringan dan packet drop semakin banyak. Akan tetapi pada sisi End-To-End Delay keduanya sama – sama mengalami peningkatan karena waktu penanganan didalam antrian yang semakin besar.

(60)

5.2 Saran

Untuk pengembangan lebih lanjut, terdapat beberapa saran dari penulis diantaranya :

(61)

41

DAFTAR PUSTAKA

1. http://blog.mdp.ac.id/nurrachmat/tag/wired-network/, diakses pada 3 Desember 2015.

2. http://ramadhaniulansari.blogspot.co.id/2011/08/network-simulator-ns2.html, diakses pada 8 Desember 2016

3. http://aprilsafa.blogspot.co.id/2013/08/perbedaan-tcp-tahoe-reno-sack-vegas.html, diakses pada 30 November 2015.

4. Ashish Kumar , Ajay K Sharma , Arun Singh, Comparison and Analysis of Drop Tail and RED Queuing Methodoly in PIM-DM Multicasting Network, National Institute of Technology, Jalandhar, India.

5. A Comparative Analysis of TCP Tahoe, Reno, New-Reno, SACK and Vegas. 6. Yuliana Wahyu Putri Utami, Jusak, Anjik Sukmaaji, ANALISIS

PERBANDINGAN UNJUK KERJA ALGORITMA CONGESTION CONTROL PADA TCP TAHOE, RENO DAN SACK (SELECTIVE ACKNOWLEDGMENT), Sekolah Tinggi Manajemen Komputer & Teknik Komputer Surabaya.

(62)

42

LAMPIRAN

LISTING PROGRAM 1. DT.tcl

# Make a simulator (scheduler) set ns [new Simulator]

#Define different colors for data flows (for NAM) $ns color 1 Blue

$ns color 2 Red

# Open the Trace files

set file1 [open uji_Reno_3.tr w] $ns trace-all $file1

# Open the Window trace file

set winfile [open uji_Reno_3.xg w]

# Open the NAM trace file # set file2 [open Reno3.nam w] # $ns namtrace-all $file2

# Define a 'finish' procedure proc finish {} {

global ns file1 $ns flush-trace close $file1

#exec nam Reno2.nam & exit 0

(63)

# Create the nodes:

$ns duplex-link $n0 $n2 10Mb 2ms DropTail $ns duplex-link $n1 $n2 10Mb 2ms DropTail $ns duplex-link $n2 $n3 2Mb 2ms DropTail # $ns simplex-link $n3 $n2 2Mb 2ms DropTail $ns duplex-link $n3 $n4 10Mb 2ms DropTail $ns duplex-link $n3 $n5 10Mb 2ms DropTail

# Give node position (for NAM)

$ns duplex-link-op $n0 $n2 orient right-down $ns duplex-link-op $n1 $n2 orient right-up $ns duplex-link-op $n2 $n3 orient right # $ns simplex-link-op $n3 $n2 orient left $ns duplex-link-op $n3 $n4 orient right-up $ns duplex-link-op $n3 $n5 orient right-down

(64)

#Monitor the queue for link (n0-n1). (for NAM) $ns duplex-link-op $n2 $n3 queuePos 0.1

# Setup a TCP connection set tcp [new Agent/TCP/Reno] #set tcp [new Agent/TCP] $ns attach-agent $n0 $tcp

set sink [new Agent/TCPSink] $ns attach-agent $n4 $sink

$ns connect $tcp $sink $tcp set fid_ 1

#$tcp set window_ 8000 $tcp set packetSize_ 1024B

# Setup a FTP over TCP connection set ftp [new Application/FTP] $ftp attach-agent $tcp

$ftp set type_ FTP

(65)

# Setup a CBR over UDP connection set cbr [new Application/Traffic/CBR] $cbr attach-agent $udp

$cbr set type_ CBR

$cbr set packetSize_ 1000B $cbr set rate_ 0.7mb

$cbr set random_ 1

# Schedule start/stop times $ns at 1.0 "$cbr start" $ns at 0.1 "$ftp start" $ns at 200.0 "$ftp stop" $ns at 200.0 "$cbr stop"

proc plotWindow {tcpSource file} { global ns

$ns at [expr $now+$time] "plotWindow $tcpSource $file" }

#tcp output file

set tcpfile [open Reno3.tcp w]

(66)

$tcp trace rtt_ $tcp attach $tcpfile $tcp set tcpTick_ 0.01

# Start plotWindow

$ns at 0.1 "plotWindow $tcp $winfile"

# Set simulation end time $ns at 200.0 "finish"

$ns run 2. RED.tcl

# Make a simulator (scheduler) set ns [new Simulator]

#Define different colors for data flows (for NAM) $ns color 1 Blue

$ns color 2 Red

# Open the Trace files

set file1 [open Reno_red_1.tr w] $ns trace-all $file1

# Open the Window trace file

set winfile [open Reno_ red_1.xg w]

# Open the NAM trace file

(67)

# Define a 'finish' procedure

Queue/RED set bytes_ false # default changed on 10/11/2004. Queue/RED set queue_in_bytes_ false # default changed on 10/11/2004. Queue/RED set q_weight_ 0.002 Queue/RED set thresh_ 5

Queue/RED set maxthresh_ 20

# Create the links:

(68)

$ns duplex-link $n2 $n3 2Mb 2ms RED $ns duplex-link $n3 $n4 10Mb 2ms DropTail $ns duplex-link $n3 $n5 10Mb 2ms DropTail

# Give node position (for NAM)

$ns duplex-link-op $n0 $n2 orient right-down $ns duplex-link-op $n1 $n2 orient right-up $ns duplex-link-op $n2 $n3 orient right #$ns simplex-link-op $n3 $n2 orient left $ns duplex-link-op $n3 $n4 orient right-up $ns duplex-link-op $n3 $n5 orient right-down

# Set Queue Size of link (n2-n3) to 10 (default is 50 ?) $ns queue-limit $n2 $n3 30

# Setup a TCP connection set tcp [new Agent/TCP/Reno] $ns attach-agent $n0 $tcp

set sink [new Agent/TCPSink] $ns attach-agent $n4 $sink

$ns connect $tcp $sink $tcp set fid_ 1

#$tcp set window_ 8000 $tcp set packetSize_ 1024

(69)

$ftp set type_ FTP

# Setup a UDP connection set udp [new Agent/UDP]

# Setup a CBR over UDP connection set cbr [new Application/Traffic/CBR] $cbr attach-agent $udp

$cbr set type_ CBR

$cbr set packet_size_ 1024 $cbr set rate_ 0.7mbps $cbr set random_ 1

# Schedule start/stop times $ns at 1.0 "$cbr start" $ns at 0.1 "$ftp start" $ns at 200.0 "$ftp stop" $ns at 200.0 "$cbr stop"