Estimasi jumlah node di jaringan oportunistik menggunakan Algoritma Taxi Problem (kasus : jumlah node statis)

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. ESTIMASI JUMLAH NODE DI JARINGAN OPORTUNISTIK MENGGUNAKAN ALGORITMA TAXI PROBLEM (KASUS : JUMLAH NODE STATIS) SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika. oleh: LAYUNG INDRA APRILIA 155314013 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2019. i.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. ESTIMATION NUMBER OF NODE WITH TAXI PROBLEM ALGORITHM IN OPPORTUNISTIC NETWORK (CASE : TOTAL STATICS NODE) A THESIS Presented as Partial Fulfillment of Requirements to Obtain Sarjana Komputer Degree in Informatics Engineering Department. by: LAYUNG INDRA APRILIA 155314013. INFORMATICS ENGINEERING STUDY PROGRAM INFORMATICS ENGINEERING DEPARTMENT FACULITY SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY YOGYAKARTA 2019. ii.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. HALAMAN PERSETUJUAN SKRIPSI. ESTIMASI JUMLAH NODE DI JARINGAN OPORTUNISTIK MENGGUNAKAN ALGORITMA TAXI PROBLEM (KASUS : JUMLAH NODE STATIS). oleh : Layung Indra Aprilia (155314013). Telah disetujui oleh :. Dosen Pembimbing,. Bambang Soelistijanto, Ph.D.. Tanggal, ................ 2019. iii.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. HALAMAN PENGESAHAN SKRIPSI ESTIMASI JUMLAH NODE DI JARINGAN OPORTUNISTIK MENGGUNAKAN ALGORITMA TAXI PROBLEM (KASUS : JUMLAH NODE STATIS) Dipersiapkan dan ditulis oleh: Layung Indra Aprilia (155314013) Telah dipertahankan di depan panitia penguji pada tanggal 17 Juli 2019 dan dinyatakan memenuhi syarat Susunan Panitia Penguji Nama Lengkap. Tanda Tangan. Ketua. : Vittalis Ayu, S.T., M.Cs. …………………. Sekretaris. : Henricus Agung Hernawan, S.T., M.Kom.. …………………. Anggota. : Bambang Soelistijanto, Ph.D.. …………………. Yogyakarta, ….. Juli 2019 Fakultas Sains dan Teknologi Universitas Sanata Dharma Dekan,. Sudi Mungkasi, S.Si., M.Math.Si., Ph.D.. iv.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. MOTTO. “Tak perlulah membandingkan dirimu dengan orang lain karena memang tidak ada dari dirimu yang layak untuk dibandingkan.” - LAYUNG INDRA APRILIA. v.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. PERNYATAAN KEASLIAN KARYA Saya menyatakan dengan sebenar-benarnya bahwa skripsi yang saya tulis ini tidak memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan dalam kutipan daftar pustaka, sebagaimana layaknya karya ilmiah.. Yogyakarta, 07 Juni 2019 Penulis. Layung Indra Aprilia. vi.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS. Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma : Nama. : Layung Indra Aprilia. NIM. :155314013. Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan Universitas Sanata Dharma karya ilmiah yang berjudul:. ESTIMASI JUMLAH NODE DI JARINGAN OPORTUNISTIK MENGGUNAKAN ALGORITMA TAXI PROBLEM (KASUS : JUMLAH NODE STATIS) Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengolahnya dalam bentuk. angkalan. data,. mendistribusikannya. secara. terbatas,. dan. mempublikasikannya di Internet atau media lain untuk kepentingan akademis tanpa meminta ijin dari saya maupun memberikan royalty kepada saya selama tetap mencantumkan nama saya sebagai penulis. Demikian pernyataan ini saya buat dengan sebenarnya. Yogyakarta, 07 Juni 2019 Penulis,. Layung Indra Aprilia. vii.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. ABSTRAK Routing protokol harus mengetahui global knowledge untuk mendapatkan unjuk kerja jaringan yang optimal. Routing dapat bekerja dengan lebih efisien dalam pemilihan jalur untuk pengiriman pesan sehingga beban pada jaringan dapat berkurang dan memungkinkan node yang ada di jaringan dapat menyesuaikan dengan topologi sehingga dapat menemukan jalur terbaik dalam pengiriman pesan. Pada jaringan OppNet untuk mengetahui global knowledge menjadi tantangan karena dibutuhkan waktu yang lama dan karakteristik dari jaringan OppNet yang bersifat dinamis. Beberapa contoh global knowledge antara lain jumlah node atau total node yang ada di sebuah jaringan, sisa buffer, jumlah replika pesan atau L copy. Jumlah node atau total node yang ada di sebuah jaringan sangatlah penting untuk diketahui. Dengan mengetahui total node atau jumlah node yang ada di jaringan, maka dapat meningkatkan unjuk kerja dan dapat menggunakan resources secara optimal. Oleh karena itu, kami mengusulkan algoritma yang dapat melakukan estimasi jumlah node di jaringan. Taxi Problem adalah salah satu algoritma yang dapat digunakan untuk melakukan estimasi jumlah node yang ada pada jaringan. Pada penelitian ini, kami menganalisis dan mengevaluasi perbandingan antara routing Spray and Wait tanpa menggunakan algoritma taxi problem dengan routing Spray and Wait yang menggunakan algoritma taxi problem yang sudah dimodifikasi. Untuk melihat unjuk kerja dari kinerja routing, pada penelitian ini menggunakan beberapa metrik yang berupa average convergence time, residu, delivery probability, overhead ratio dan average latency per total contact. Dari hasil penelitian taxi problem terbukti dapat melakukan estimasi jumlah node dengan cukup baik dan total node yang gagal untuk mengestimasi lebih sedikit dari pada routing tanpa menggunakan taxi problem.. Kata Kunci : Spray and Wait, Algoritma Taxi Problem. viii.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. ABSTRACT Protocol routing must know the global knowledge of the network in order to get the optimal network performances. Routing can be more efficient in choosing the route to send messages so that the overhead of the network can be reduced and make the network nodes can suit with the topology in order to find the best route in sending messages. In the OppNet, to know the global knowledge is a challenge because it takes more time and the Oppnet network characteristic is dynamic. Some examples of the global knowledge are the number of nodes or total number of nodes in a network, the buffer residual, the total of message copies or L copy. The number of nodes or the total nodes in a network is important to know. By knowing the total nodes or the number of nodes in a network can enhance the performances and use the resources optimally. Therefore, we proposed an algorithm which is able to estimate the total nodes in a network. The taxi problem is an algorithm which can be used to estimate the total number of nodes in a network. In this research, we analyzed an evaluated the comparison before and after the use of the taxi problem that a bit modified in spray and wait routing. In the use performances of the routing we used some matriks as if the average of the convergence time, residu, delivery probability, overhead ratio and average latency of the total nodes. Based on the rearch result, the taxi problem is good enough to estimate the total number of nodes and the total of the nodes that fail to estimate is less than routing without the taxi problem algorithm.. Keywords : Spray and Wait, The Taxi Problem Algorithm. ix.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. KATA PENGANTAR Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus, oleh karena kasih dan karunia-Nya yang melimpah, penulis dapat menyelesaikan penulisan tugas akhir dengan baik dan lancar. Saya selaku penulis menyadari tugas akhir dapat terselesaikan dengan bantuan dan bimbingan dari berbagai pihak secara langsung maupun tidak langsung. Maka pada kesempatan ini, selaku penulis mengucapkan terimakasih kepada: 1. Keluarga tercinta, Bapak Serka Purn. Ruswinardi dan Ibu Anastasia N. serta kedua saudara saya Marcelinus Ardi Hari Christiawan serta Marcelina Indah Pawitrasari yang selalu memberikan dukungan berupa doa, motivasi, penghiburan dan logistik selama saya menempuh perkuliahan hingga saat saya menyelesaikan tugas akhir. 2. Bapak Bambang Soelistijanto, S.T., M.Sc., Ph.D. selaku dosen pembimbing tugas akhir yang telah membimbing, memberi ilmu, serta pengalaman dalam menyelesaikan tugas akhir. 3. Keluarga besar, The Karto’s Fam dan keluarga dari Ibu Waljinem yang selalu mendukung dan memberikan bantuan berbentuk dukungan moril maupun sokongan finansial. 4. Grup idola, WINNER dan Sheila on7 beserta jajaran band indie lainnya yang selalu memberi saya semangat dan motivasi melalui karya yang saya dengarkan di platform spotify maupun youtube saat mengerjakan tugas akhir. 5. Pasangan, Martinus Tri Nur Cahyono, S.Kom yang selalu memberi saya motivasi, dorongan semangat dan bantuan berbentuk moril maupun fisik selama saya menempuh perkuliahan hingga dalam menyelesaikan tugas akhir. 6. Sahabat, Luluk Umi Hanna, Ririn Dwi Wijayanti, S.Kom dan Giovanni Osmond Indyaputra, S.Kom yang selalu memberi saya semangat, dukungan dan motivasi dalam pengerjaan tugas akhir.. x.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 7. Rekan, Kalorinda, S.Kom dan Gregorius Bima K. Wicaksana, S.Kom yang telah banyak memberi dorongan dalam bentuk semangat maupun motivasi serta membantu saya dalam menyelesaikan tugas akhir. 8. Teman-teman, Baper Ranger, TI 2015 Kelas A DPA Bapak Robertus Adi, Marwoto Squad, Kos Denokan, INSADHA tahun 2015 Kelompok 15Airlines, Jaringan Komputer angkatan 2015 maupun kakak tingkat yang telah banyak memberikan dukungan, penghiburan dari saya memulai masa perkuliahan hingga saat menyelesaikan tugas akhir. 9. OMK Paroki St. Petrus dan Paulus Klepu, Kapan Dolan? dan Multimedia ‘Sempak Teles Crew’, yang selalu memberikan dukungan sehingga saya dapat menyelesaikan tugas akhir. 10. Serta seluruh pihak yang tidak dapat disebutkan satu persatu, yang telah memberi dukungan dan doa sehingga saya dapat menyelesaikan tugas akhir ini. Tuhan memberkati kalian semua. Penulis sadar bahwa tugas akhir ini masih jauh dari kata sempurna, maka penulis dengan senang hati dan berterimakasih bila ada kritik serta saran demi menyempurnakan tulisan ini. Semoga tulisan ini bermanfaat bagi semua pihak.. Penulis. Layung Indra Aprilia. xi.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. DAFTAR ISI HALAMAN JUDUL ................................................................................................ i TITLE PAGE .......................................................................................................... ii HALAMAN PERSETUJUAN ............................................................................... iii HALAMAN PENGESAHAN ................................................................................ iv MOTTO .................................................................................................................. v PERNYATAAN KEASLIAN KARYA ................................................................. vi LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH ............................ vii ABSTRAK............................................................................................................ viii ABSTRACT ........................................................................................................... ix KATA PENGANTAR ............................................................................................. x DAFTAR ISI ......................................................................................................... xii DAFTAR TABEL ................................................................................................ xiv DAFTAR GAMBAR ............................................................................................. xv DAFTAR RUMUS .............................................................................................. xvii BAB I PENDAHULUAN ........................................................................................ 1 1.1.. Latar Belakang............................................................................................ 1. 1.2.. Rumusan Masalah....................................................................................... 3. 1.3.. Tujuan Penelitian ........................................................................................ 3. 1.4.. Manfaat Penelititan ..................................................................................... 3. 1.5.. Batasan Masalah ......................................................................................... 3. 1.6.. Metodologi Penelitian ................................................................................. 4. 1.7.. Sistematika Penulisan ................................................................................. 5. BAB II LANDASAN TEORI .................................................................................. 6 2.1.. Mobile Ad Hoc Network (MANET) ............................................................ 6. 2.2.. Jaringan Oportunistik .................................................................................. 7. 2.3.. Estimasi Global Knowledge ........................................................................ 9. 2.4.. Spray and Wait Routing Protokol .............................................................. 10. 2.5.. Algoritma Taxi Problem ........................................................................... 12. 2.6.. The ONE Simulator................................................................................... 16. BAB III METODE PENELITIAN ...................................................................... 17. xii.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 3.1.. Data .......................................................................................................... 17. 3.2.. Alat Penelitian .......................................................................................... 18. a.. Hardware .................................................................................................. 18. b.. Software ................................................................................................... 19. 3.3.. Pembuatan Alat Uji ................................................................................... 19. 3.4.. Langkah-Langkah Pengujian ..................................................................... 20. 3.5.. Cara Analisis Hasil ................................................................................... 23. 3.6.. Desain Alat Uji ......................................................................................... 24. BAB IV PENGUJIAN DAN ANALISIS .............................................................. 26 4.1.1. Hasil Simulasi Metrik Unjuk Kerja Average Convergence Time dan Residu pada Dataset Random.......................................................................................... 26 4.1.2. Hasil Simulasi Metrik Unjuk Kerja Average Convergence Time dan Residu pada Dataset Haggle3-Infocome5 ........................................................................ 29 4.1.3. Hasil Simulasi Metrik Unjuk Kerja Average Convergence Time dan Residu pada Dataset Reality Minning by MIT................................................................. 31 4.1.4. Hasil Simulasi Metrik Unjuk Kerja Delivery Probability, Overhead Ratio, dan Latency Average........................................................................................... 34 BAB V KESIMPULAN DAN SARAN ................................................................. 43 5.1.. Kesimpulan............................................................................................... 43. 5.2.. Saran ........................................................................................................ 43. DAFTAR PUSTAKA ............................................................................................ 44 LAMPIRAN .......................................................................................................... 45. xiii.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. DAFTAR TABEL Tabel 3.1. Parameter Simulasi untuk Pergerakan Random ................................................17 Tabel 3.2. Parameter Simulasi untuk Pergerakan Manusia (Haggle3-Infocome5 dan Reality Minning by MIT) ...................................................................................................18 Tabel 3.3.1. Skenario 1.1. : algoritma taxi problem dengan node yang tidak saling bertukar informasi pada pergerakan random ...................................................20 Tabel 3.3.2. Skenario 1.2. : algoritma taxi problem dengan node yang saling bertukar informasi pada pergerakan random ...........................................................20 Tabel 3.3.3. Skenario 1.3. : algoritma spray and wait dengan jumlah node 100 dan skenario ini bergerak pada pergerakan random ..................................................................20 Tabel 3.4.1. Skenario 2.1. : algoritma taxi problem dengan node yang tidak saling bertukar informasi pada pergerakan haggle3-infocome5 .................................21 Tabel 3.4.2. Skenario 2.2. : algoritma taxi problem dengan node yang saling bertukar informasi pada pergerakan haggle3-infocome5..........................................21 Tabel 3.4.3. Skenario 2.3. : algoritma spray and wait dengan jumlah node 41 dan skenario ini bergerak pada pergerakan haggle-infocome5 ..................................................21 Tabel 3.5.1. Skenario 3.1. : algoritma taxi problem dengan node yang tidak saling bertukar informasi pergerakan reality minning by mit .....................................22 Tabel 3.5.2. Skenario 3.2. : algoritma taxi problem dengan node yang saling bertukar informasi pada pergerakan reality minning by mit .....................................22 Tabel 3.5.3. Skenario 3.3. : algoritma spray and wait dengan jumlah node 97 dan skenario ini bergerak pada pergerakan reality minning by mit ...........................................22. xiv.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. DAFTAR GAMBAR Gambar 2.1. Topologi MANET ......................................................................................... 6 Gambar 2.2. Metode store-carry-forward di jaringan OppNet........................................... 7 Gambar 2.3. Strategi Routing Protokol Spray and Wait ...................................................10 Gambar 2.4. Ilustrasi Taxi Problem .................................................................................12 Gambar 2.6.1. Ilustrasi node di Taxi Problem ketika connection-up.................................14 Gambar 2.6.2. Ilustrasi node di Taxi Problem ketika koneksi terbangun ..........................15 Gambar 2.6.3. Ilustrasi node di Taxi Problem ketika connection-down ............................15 Gambar 2.6.4. Ilustrasi Taxi Problem ketika bertukar informasi pada jaringan OppNet .......................................................................................................16 Gambar 4.4.1. Grafik Average Convergence Time disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan random .............................................................................................................................26 Gambar 4.4.2. zoom out dari grafik Average Convergence Time disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan random ...........................................................................................................27 Gambar 4.4.3. Grafik Residu disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan random .................28 Gambar 4.4.4. Grafik Average Convergence Time disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan manusia (Haggle3-Infocome5) ..........................................................................................29 Gambar 4.4.5. zoom out dari grafik Average Convergence Time disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan manusia (Haggle3-Infocome5) ........................................................................29 Gambar 4.4.6. Grafik Residu disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan manusia (Haggle3Infocome5)........................................................................................................................30 Gambar 4.4.7. Grafik Average Convergence Time disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan manusia (Reality Minning by MIT) ....................................................................................31. xv.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Gambar 4.4.8. zoom out dari grafik Average Convergen Time disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan manusia (Reality Minning by MIT) ..................................................................32 Gambar 4.4.9. Grafik Residu disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan manusia (Reality-MIT) ..........33 Gambar 4.4.10. Random Waypoint Delivery Probability ..................................................34 Gambar 4.4.11. Haggle3 – Infocome5 Delivery Probability .............................................35 Gambar 4.4.12. Reality MIT Delivery Probability ............................................................36 Gambar 4.4.13. Random Waypoint Overhead Ratio .........................................................37 Gambar 4.4.14. Haggle3-Infocome5 Overhead Ratio .......................................................38 Gambar 4.4.15. Reality Minning by MIT Overhead Ratio ................................................39 Gambar 4.4.16. Random Waypoint Latency Average .......................................................40 Gambar 4.4.17. Haggle3-Infocome5 Latency Average .....................................................41 Gambar 4.4.18. Reality Minning by MIT Latency Average ...............................................42. xvi.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. DAFTAR RUMUS Rumus 2.5.1. Estimasi jumlah N menggunakan algoritma taxi problem............................13 Rumus 3.5.1. Delivery Probability per Total Contact .......................................................23 Rumus 3.5.2. Overhead Ratio ..........................................................................................23 Rumus 3.5.3. Average Latency per Total Contact .............................................................24. xvii.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. BAB I PENDAHULUAN 1.1.. Latar Belakang. MANET atau Mobile Ad-hoc Network dirancang untuk perangkat mobile agar dapat berkomunikasi satu dengan yang lainnya dengan menggunakan jaringan wireless atau nirkabel. Setiap perangkat mobile mempunyai kemampuan untuk saling terhubung dan membentuk sebuah jaringan antara node source ke node destination. Dimana, perangkat ini tidak memerlukan infrastruktur sehingga dapat bergerak secara aktif atau dinamis. Dikarenakan perangkat yang dapat bergerak dengan bebas, pada jaringan MANET sering kali terjadi perubahan topologi jaringan yang sangat cepat sehingga memungkinkan terjadinya kegagalan transmisi atau pertukaran data. Delay Tolerant Network (DTN) atau Opportunistic Network (OppNet) diciptakan dengan kelebihan dimana jaringan ini tidak mempermasalahkan delay atau penundaan dalam pengiriman pesan karena tidak tersedianya end-toend path atau setiap node yang tidak terhubung secara terus menerus tetapi dapat melakukan pencarian jalur dari source ke destination tanpa adanya topologi yang terbentuk. Meskipun delay dalam jaringan cukup tinggi, perangkat masih tetap bisa saling bertukar pesan. Hal ini karena DTN menggunakan metode pengiriman store-and-forward. Pada metode ini, pesan akan di-forward atau diteruskan dari storage pada suatu node ke storage node yang lainnya sehingga pesan tersebut sampai pada destination. Dengan menggunakan metode store-and-forward, maka node memiliki storage untuk menyimpan pesan apabila jalur koneksi belum tersedia. Tantangan dari DTN sendiri adalah bagaimana cara untuk menemukan jalur komunikasi yang dapat mengoptimalkan unjuk kerja.. 1.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Routing merupakan cara bagaimana pesan diarahkan dari source menuju ke destination. Salah satu routing protokol yang ada di jaringan DTN adalah Spray and Wait. Routing ini bekerja untuk membatasi jumlah replika dari L copies. Routing algortima harus mengambil keputusan untuk mencari jalur terbaik agar source bisa mengirimkan pesan dan sampai ke destination. Keputusan yang paling naif adalah copy-nya disebar agar mendapat delay yang cukup cepat untuk sampai ke destination sehingga dapat memberikan unjuk kerja yang optimal. Namun, karena menyebarkan pesan ke seluruh node yang ada pada jaringan, ini membuat beban jaringannya menjadi tinggi karena jumlah L copies yang disebarkan. Routing algoritma yang menggunakan metode flooding ini adalah Epidemic Routing. Terdapat 2 strategi yang dapat digunakan untuk membatasi jumlah L copies yaitu heuristic local knowledge dan qouta fixed. Perbedaan dua strategi ini ialah dimana untuk heuristic local knowledge, pada saat node bertemu dengan node lain, node tersebut akan memutuskan apakah node yang ia temui itu memiliki bobot yang bagus atau tidak. Jika iya, maka node tersebut akan memberikan copy pesan kepada node yang ia temui. Sedangkan untuk quota fixed, sejak awal jumlah untuk copy sudah di-set atau nilai sudah ditentukan sedari awal sehingga tidak membebani jaringan. Tantangan yang didapatkan adalah bagaimana untuk menentukan nilai dari L copy yang paling optimal? Pada jaringan OppNet dapat dilakukan dengan mengetahui total N atau total node yang ada di jaringan. Hal ini menjadi tantangan karena pada jaringan OppNet untuk mengetahui knowledge atau pengetahuan di jaringan dibutuhkan waktu yang sangat lama, oleh karena itu ada banyak pendekatan. Pada penelitian ini akan digunakan pendekatan estimator atau pendekatan matematika dengan menggunakan algoritma Taxi Problem yang sudah dimodifikasi untuk melakukan estimasi total node yang ada di sebuah jaringan. Dengan melakukan estimasi total node di jaringan maka diharapkan dapat menentukan L copies yang tepat untuk disebarkan dijaringan, sehingga dapat memberikan unjuk kerja jaringan yang optimal.. 2.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 1.2.. Rumusan Masalah. Berdasarkan latar belakang, rumusan masalah yang didapatkan adalah seberapa efektif kinerja dari algoritma Taxi Problem pada jaringan OppNet dengan kasus node statis atau berjumlah tetap. 1.3.. Tujuan Penelitian. Tujuan yang akan dicapai dalam penelitian ini adalah mengetahui trade-off atau kelebihan dan kelemahan dan dapat mengatasi kelemahan dari algoritma Taxi Problem pada jaringan OppNet dengan node statis. 1.4.. Manfaat Penelititan. Hasil dari penelitian ini diharapkan dapat digunakan sebagai bahan pertimbangan dalam menentukan estimasi jumlah total node yang ada di jaringan sehingga dapat digunakan untuk menentukan nilai L copy yang optimal pada jaringan OppNet. 1.5.. Batasan Masalah. Batasan masalah yang ada dalam penelitian ini adalah : a. Algoritma estimasi yang diuji adalah algoritma Taxi Problem pada jaringan OppNet dengan node yang bersifat tetap atau statis. b. Pergerakan yang digunakan yaitu pergerakan homogen dan heterogen (random, pergerakan manusia (haggle3-infocome5) dan pergerakan manusia (reality mining by mit)). c. Performance metric yang digunakan untuk menilai unjuk kerja protokol spray and wait yaitu delivery probability, overhead ratio, dan average latency per total contact. d. Performance metric yang digunakan untuk menilai unjuk kerja algoritma taxi problem yaitu average convergence time dan residu. e. Diterapkan pada routing protokol spray and wait.. 3.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. f. The ONE Simulator versi 1.6.0 digunakan sebagai framework untuk menyimulasikan jaringan yang akan diteliti. g. Netbeans versi 8.2 digunakan sebagai tools untuk menjalankan simulator The ONE Simulator dan menggunakan bahasa pemrograman JAVA. 1.6.. Metodologi Penelitian. Metode yang dilakukan dalam penelitian ini adalah sebagai berikut: 1.. Studi Pustaka Mencari, mengumpulkan referensi dan menerapkan. teori untuk. mendukung tugas akhir antara lain: teori mengenai Spray and Wait, teori mengenai Distributed Estimator of Global Parameters in DelayTolerant Network, teori mengenai Estimators for Global Information in Mobile Opportunistic Network, teori mengenai The Racing Car Problem dan dokumentasi dari The ONE Simulator. 2.. Pengumpulan Bahan Penelitian Dataset yang akan digunakan untuk melakukan penelitian telah tersedia di internet pada alamat http://www.shigs.co.uk/index.php?page=traces.. 3.. Pembuatan Alat Uji Perancangan sistem dilakukan dengan menerapkan Taxi Problem pada routing protokol Spray and Wait sehingga unjuk kerja dapat teridentifikasi dari hasil yang ditunjukan.. 4.. Analisis Data Simulasi Mengolah data dari hasil simulasi, untuk diproses kemudian dianalisis sesuai dengan parameter unjuk kerja.. 5.. Penarikan Kesimpulan Penarikan kesimpulan terhadap hasil yang telah dianalisis dengan acuan parameter unjuk kerja yang telah ditentukan.. 4.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 1.7.. Sistematika Penulisan. BAB I. PENDAHULUAN. Bab ini berisi tentang latar belakang, rumusan masalah, tujuan penelitian, manfaat penelitian, batasan masalah, metodologi penelitian, dan sistematika penulisan. BAB II. LANDASAN TEORI. Bab ini berisi tentang penjelasan dari beberapa teori yang diantara lain adalah MANET, jaringan oportunistik, estimasi global knowledge, protokol spray and wait, algoritma taxi problem dan the one simulator. BAB III. PERANCANGAN SIMULASI. Bab ini berisi tentang perencanaan skenario simulasi yang dikerjakan dalam tugas akhir ini. BAB IV. PENGUJIAN DAN ANALISIS. Bab ini berisi pelaksanaan simulasi dan analisis data hasil simulasi. BAB V. KESIMPULAN DAN SARAN. Bab ini berisi kesimpulan yang dapat dari hasil analisis data simulasi.. 5.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. BAB II LANDASAN TEORI 2.1.. Mobile Ad Hoc Network (MANET). MANET atau Mobile Ad-hoc Network adalah jaringan yang bersifat sementara sehingga tidak memerlukan infrastruktur. Setiap node yang ada pada jaringan selalu bergerak secara bebas sehingga node mempunyai kemampuan untuk langsung saling terhubung dan membentuk sebuah jaringan antara source ke destination. Sebuah node tidak lagi hanya berfungsi sebagai end-device tetapi dapat digunakan sebagai pencari jalur komunikasi (router).. Gambar 2.1.: Topologi MANET Node source dapat mengirimkan pesan ke node destination bila jalur untuk berkomunikasi tersedia. Ketika node ingin melakukan komunikasi syaratnya ialah node source harus bisa saling mengenali node destination serta berada dalam satu radio range dengan source, akan tetapi jika salah satu node berada di luar jangkauan radio range maka membutuhkan node lain untuk meneruskan pesan. Namun, ketersediaan jalur komunikasi dari node source ke node destination sangat sulit untuk ditemui karena setiap node bebas bergerak sehingga topologi dapat berubah dengan sangat cepat, sehingga dapat menyebabkan kegagalan komunikasi.. 6.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Beberapa contoh penerapan MANET antara lain pembangunan pusat-pusat komunikasi di daerah bencana alam yang mengalami kerusakan prasarana jaringan komunikasi fisik, sarana koneksi internet pada booth suatu event yang tidak dimungkinkan untuk membangun jaringan kabel atau ketersediaan layangan jaringan [1].. 2.2.. Jaringan Oportunistik. Jaringan Oportunistik adalah sebuah jaringan yang dibuat untuk mengatasi kelemahan dari MANET. Node tidak terhubung secara terus menerus dengan node lain. Karena itu, jaringan ini menjadi toleran terhadap delay sehingga disebut sebagai Delay Tolerant Network atau DTN. Pada jaringan lain, node dapat memastikan bahwa pesan sampai ke tujuan karena koneksi dari source ke destination terjamin. Sedangkan pada jaringan OppNet tidak. Hal ini dikarenakan jalur antara source ke destination yang tidak tersedia atau diluar jangkauan, pergerakan node dan koneksi jaringan yang bersifat kadang tersambung dan kadang terputus (intermitten) dimana tidak tersedianya jalur end-to-end antara source ke destination. Delay pengiriman pesan semakin bertambah tinggi disaat node bergerak secara aktif dan kontak antar node yang tidak terjadwal. Asumsi yang ada pada jaringan OppNet maka jaringan OppNet dapat diterapkan pada jaringan sebagai berikut [2]: 1. Jaringan Luar Angkasa (Interplanetary Network), konsep jaringan yang memungkinkan akses internet di luar angkasa. 2. Military Ad-Hoc Network, pasukan militer sering sekali ditempatkan di daerah terpencil yang tidak berpenghuni dan tidak ada koneksi yang memadai. Misalkan di perbatasan Indonesia dengan Papua Nugini, atau di pulau-pulau terluar Indonesia. Konsep DTN dapat digunakan untuk membangun jaringan komputer dalam keadaan seperti ini. 3. Jaringan Sensor/Akuator, contohnya pada penerapan Wireless Sensor Network atau WSN.. 7.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Gambar 2.2.: Metode store-carry-forward di jaringan OppNet Pada jaringan OppNet, dalam mengirimkan pesan digunakan metode storecarry-forward dimana saat sebuah paket data atau pesan melewati node perantara maka paket data atau pesan tersebut akan disimpan terlebih dahulu sebelum diteruskan menuju destination. Metode ini mengharuskan node memiliki penyimpan atau storage yang dapat digunakan sebagai tempat penyimpanan pesan apabila koneksi dengan node berikutnya terputus atau belum tersedia. Bundle layer mengimplementasikan mekanisme store-carry-forward dimana setiap perangkat dapat menyimpan dan membawa pesan dalam memori serta dapat meneruskan pesan tersebut ke perangkat lain yang terkoneksi [3]. Karena sifatnya yang dapat putus sewaktu-waktu (intermitten connectivity) maka jaringan OppNet mempunyai nilai latency yang tinggi, sering terjadi error, data rate yang terbatas dan resources yang terbatas. Menemukan jalur agar source dapat mengirim pesan sampai ke destination dengan delay yang cepat dan memberikan unjuk kerja yang optimal, merupakan tantangan yang ada pada jaringan OppNet.. 8.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 2.3.. Estimasi Global Knowledge. Routing protokol harus mengetahui global knowledge untuk mendapatkan unjuk kerja jaringan yang optimal. Routing dapat bekerja dengan lebih efisien dalam pemilihan jalur untuk pengiriman pesan sehingga beban pada jaringan dapat berkurang dan memungkinkan node yang ada di jaringan dapat menyesuaikan dengan topologi sehingga dapat menemukan jalur terbaik dalam pengiriman pesan. Sebenarnya, ada beberapa cara untuk meningkatkan unjuk kerja yang ada pada jaringan, salah satunya dengan menggunakan replika pesan. Jika replika pesan semakin besar, maka semakin besar pula pesan dapat sampai ke destination. Namun, hal ini memerlukan banyak resources, sedangkan setiap node mempunyai resources yang terbatas. Pada jaringan OppNet untuk mengetahui global knowledge menjadi tantangan karena dibutuhkan waktu yang lama dan karakteristik dari jaringan OppNet yang bersifat dinamis. Beberapa contoh global knowledge antara lain jumlah node atau total node yang ada di sebuah jaringan, sisa buffer, jumlah replika pesan atau L copy. Jumlah node atau total node yang ada di sebuah jaringan sangatlah penting untuk diketahui. Dengan mengetahui total node atau jumlah node yang ada di jaringan, maka dapat meningkatkan unjuk kerja dan dapat menggunakan resources secara optimal. Ada beberapa algoritma yang dapat digunakan untuk menghitung total node atau jumlah node yang ada di sebuah jaringan, yaitu Gossip Based Aggregation. dan. algoritma. Mark. and. Recapture.. Setiap. algoritma. menggunakan informasi yang didapatkan secara langsung atau local knowledge. Oleh karena itu untuk melakukan estimasi total node pada penelitian ini akan digunakan algoritma Taxi Problem yang diterapkan di protokol Routing Spray and Wait.. 9.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 2.4.. Spray and Wait Routing Protokol. Routing Spray and Wait digunakan untuk mengatasi masalah flooding yang terjadi pada protokol routing Epidemic. Routing Spray and Wait mencoba untuk mengontrol jumlah copy message (L copy) untuk mengurangi cost yang ada di konsep flooding pada routing Epidemic. Routing Spray and Wait selalu mengikuti dua fase pada routing itu sendiri (Binary Spray). Pada binary spray and wait, baik node source maupun node relay membawa copy pesan n (𝑛 > 1) dan kemudian bertemu dengan relay node lain yang tidak memiliki copy pesan. Node yang memiliki copy pesan akan menyalin 𝑛⁄2 ke node relay. Selanjutnya, ketika node hanya memiliki satu copy pesan maka node akan masuk ke fase wait dengan menunggu sampai bertemu dengan node destination dan mentransmisikan pesan secara langsung.. Gambar 2.3.: Strategi Routing Protokol Spray and Wait. 10.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Routing Spray and Wait terdiri dari dua fase yaitu : • Fase Spray Pada fase ini node source menghasilkan L copies yang akan disebarkan ke relay node. Pesan yang disalin dibatasi untuk meminimalkan penggunaan resource atau sumber daya jaringan. Proses multi-cast dilakukan untuk mengirim beberapa salinan atau copy message dari source ke relay node. Jika destination tidak ditemukan dalam fase ini maka node akan memasuki tahap ‘wait’ dimana setiap relay node yang memiliki salinan pesan akan menunggu sampai node destination atau tujuan ditemukan untuk melakukan transmisi. • Fase Wait Jika destination tidak ditemukan dalam fase ‘spray’, maka setiap relay node yang membawa salinan pesan atau L copy melakukan transmisi langsung atau mengirimkan pesan ke node destination. Node diperbolehkan untuk menyampaikan pesan ke node destination menggunakan direct transmission ketika time-to-live-nya berakhir. Sebuah node akan meneruskan pesan ke relay yang lain, hingga tersisa satu pesan saja dan relay node hanya memegang satu copy pesan akan masuk ke dalam fase ‘wait’. Pada protokol routing spray and wait untuk menentukan L copy yang optimal untuk disebarkan di jaringan merupakan hal yang sulit dilakukan, hal ini karena setiap node hanya mempunyai local knowledge tanpa memperoleh global knowledge dari jaringan. Oleh karena itu, untuk mengatasi masalah pada protokol routing spray and wait, pada penelitian ini diterapkan algoritma taxi problem untuk mendapatkan L copy yang optimal untuk disebarkan dengan menggunakan 𝑛⁄2 dari jumlah node yang ada di jaringan. Setiap node akan melakukan estimasi dari jumlah node yang ada di jaringan sebelum menghasilkan L copy yang akan disebarkan.. 11.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 2.5.. Algoritma Taxi Problem. Routing algoritma yang efisien dapat diketahui dengan mengetahui dari global knowledge-nya. Salah satu global knowledge yang dapat dicari ialah jumlah dari node yang ada di sebuah jaringan. Berbeda dengan jaringan wired, pada jaringan wireless node bergerak secara dinamis tanpa mengetahui jalur untuk menuju ke destination dan ditambah node tidak mengetahui berapa jumlah total node yang ada di jaringan tersebut.. Gambar 2.4: Ilustrasi Taxi Problem Algoritma Taxi Problem adalah sebuah pendekatan matematis yang hadir untuk mengestimasi jumlah total taxi yang ada di kota New York. Cara kerja dari algoritma taxi problem yaitu dengan seseorang diam dan mengamati kemudian mencatat nomor ID dari setiap taxi yang ditemui. Syaratnya, nomor ID pada taxi harus urut (1,2,3. . . 𝑁) serta bersifat unique atau unik karena menjadi identitas dari taxi tersebut. Dengan hal tersebut, maka total dari taxi dapat diramalkan dengan melihat nomor ID tertinggi yang sudah tercatat. Nomor ID akan disimpan sebagai local knowledge.. 12.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Gagasan yang sama diterapkan di jaringan OppNet dimana setiap node akan mencatat nomor unique ID dari setiap kali bertemu dengan node lainnya. Nomor ID atau unique id ini berfungsi sebagai identitas dari node dengan syarat unique ID harus urut seperti nomor ID dari taxi jadi harus 1,2,3. . . . 𝑁. Setiap node bertemu dan mencatat unique id, kemudian disimpan sebagai local knowledge yang digunakan untuk mengestimasi total node yang ada di jaringan. Pada awalnya rumus estimasi untuk algoritma taxi problem mengacu pada teorema dari Rao-Blackwell The Uniformly Minimum Variance Unbiased Estimators (UMVUE) dimana suatu estimator 𝑇(𝑥) dikatakan sebagai estimator tak bias untuk 𝜃, jika 𝐸[𝑇(𝑥)] = 𝜃 Jika 𝑇1 dan 𝑇2 keduanya adalah estimator tak bias untuk 𝜃, jelas yang mempunyai variansi lebih kecil akan lebih baik sebagai estimator. Sekarang, jika {𝑇(𝑥)} mewakili himpunan semua estimator yang tidak bias untuk. .. Seharusnya 𝑇0 ∈ {𝑇(𝑥)}, dan jika 𝐸{(𝑇0(𝑥) – 𝜃)2 } ≤ 𝐸{(𝑇(𝑥) − 𝜃)2 } Untuk semua 𝑇(𝑥) di dalam {𝑇(𝑥)}, maka 𝑇0 (𝑥) dikatakan sebagai UMVUE untuk 𝜃. Meskipun 𝑇(𝑥1, 𝑥2, . . . , 𝑥𝑛) = 𝑚𝑎𝑥 (𝑥1, 𝑥2, . . . , 𝑥𝑛) cukup untuk N tapi ini bukan sebuah UMVUE. Namun, UMVUE untuk jumlah N yang ada di jaringan dapat ditulis dengan rumus sebagai berikut : Rumus 2.5.1. Estimasi jumlah N menggunakan algoritma taxi problem. ̂𝑛 = 𝑁 ̂𝑛 𝑁 x n. [max(𝑥1, 𝑥2, … , 𝑥𝑛)]𝑛+1 − [max(𝑥1, 𝑥2, 𝑥3, … , 𝑥𝑛) − 1]𝑛+1 [max(𝑥1, 𝑥2, 𝑥3, … , 𝑥𝑛)]𝑛 − [max(𝑥1, 𝑥2, 𝑥3, … , 𝑥𝑛) − 1]𝑛. = rata-rata total node yang ada di jaringan. = maximum id dari total n = total n yang sudah ditemui. 13.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Contoh : Node i bertemu dengan node 1, 4, 15, 20. Setelah sampai di waktu t, node i melakukan estimasi dengan rumus 2.5.1. 4+1 − (20−1)4+1. ̂4 = 20 𝑁. 204 − (20−1)4. = 24. Hasil estimasi untuk node i untuk 4 node yang sudah ditemui adalah 24 yang merupakan hasil estimasi terbaik dari jumlah total node yang ada di jaringan. Kelebihan dari algoritma adalah ide yang sederhana karena node hanya mengamati kemudian mencatat dari unique id sehingga node dapat mengestimasi dengan menggunakan rumus 2.5.1. Kekurangan dari algoritma ini adalah node hanya akan saling bertemu kemudian mencatat nomor ID-nya saja tanpa ada pertukaran pesan. Sehingga, The Taxi Problem bersifat pasif. Node hanya dapat melakukan estimasi dengan menggunakan local knowledge yang dimiliki. Berikut adalah gambaran kegiatan yang dilakukan node ketika bertemu : 1. Connection-Up : fase saat node saling menyadari bahwa ada node baru yang berada pada satu radio range kemudian saling mencatat unique id dari node yang ditemui.. Gambar 2.6.1. Ilustrasi node di Taxi Problem ketika connection-up. 14.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 2. Setelah koneksi terbangun : node tidak akan melakukan apapun karena tidak ada informasi yang akan ditukar.. Gambar 2.6.2. Ilustrasi node di Taxi Problem ketika koneksi terbangun 3. Setelah waktu koneksi habis : kedua node akan melakukan estimasi dengan rumus 2.5.1. dengan informasi yang dimiliki.. Gambar 2.6.3. Ilustrasi node di Taxi Problem ketika connection-down. 15.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Gambar 2.6.4: Ilustrasi Taxi Problem ketika bertukar informasi pada jaringan OppNet Taxi Problem passive node hanya bisa melakukan estimasi dengan menggunakan local knowledge yang dimiliki. Sehingga estimasi yang diperoleh tentang total jumlah node antara node satu dengan lainnya berbeda dan convergence time-nya lebih lama. Untuk mengatasi hal ini, maka dilakukan improvisasi berupa pertukaran informasi atau set yang dimiliki. Sehingga, diharapkan setiap node mempunyai informasi yang sama tentang jumlah total node yang ada di jaringan dan memiliki waktu convergence yang lebih cepat.. 2.6.. The ONE Simulator. The ONE atau yang dikenal dengan Opportunistic Network Environment merupakan sebuah simulator yang digunakan untuk melakukan simulasi komunikasi pada jaringan DTN atau lebih dikenal dengan jaringan oportunistik (OppNet). Pada simulator ONE, ada beberapa keadaan yang bisa diatur sesuai kebutuhan, antara lain model pergerakan node, protokol routing OppNet yang digunakan oleh penerima dan pengirim, dan visualisasi pergerakan dan persebaran pesan secara real time pada tampilan grafis yang disediakan. Pada simulator ONE juga tersedia fitur pelaporan pesan yang terkirim dan data statistik secara umum setelah simulasi selesai dijalankan. Simulator ini menggunakan platform pemrograman bahasa Java.. 16.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. BAB III METODE PENELITIAN 3.1.. Data. Pada penelitian ini digunakan beberapa parameter simulasi yang bersifat tetap dan digunakan dengan nilai yang sama pada simulasi yang berbeda. Parameter-parameter berikut adalah : a. Pergerakan Random Pada penelitian ini menggunakan pergerakan random waypoint dimana pada model pergerakan ini tidak memiliki jalur, node berpindah dan bergerak secara random atau acak sesuai dengan area yang telah ditentukan pada simulasi. Berikut adalah skenario yang digunakan : Parameter. Pergerakan Random. Waktu Simulasi. 172800 detik atau 2 hari. Waktu TTL. 1440 menit atau 24 jam. Kecepatan Transmisi. 250k atau 2 Mbps. Jarak Transmisi. 10 meter. Besar Pesan. 10 k. Besar Buffer. 10 M 290 detik sampai 310 detik (kurang lebih 12 pesan/jam) 0.5 meter - 1.5 meter. Interval pembuatan pesan Pergerakan node. Tabel 3.1.: Parameter Simulasi untuk Pergerakan Random. 17.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. b. Pergerakan Manusia Pada penelitian ini menggunakan pergerakan manusia yaitu haggle3infocome5 dan reality minning by MIT. Berikut adalah beberapa skenario simulasi yang digunakan, diantara lain adalah : Parameter. Waktu Simulasi Waktu TTL. Pergerakan Manusia. Pergerakan Manusia. (Haggle3 - Infocome5). (Reality Mining by MIT). 274883 detik atau 3,1 hari. 16981816 detik atau 196,5 hari atau 6,4 bulan. 1440 menit atau 24 jam. 30240 menit atau 3 minggu. 250k atau 2 Mbps. 250k atau 2 Mbps. 10 meter. 10 meter. Besar Pesan. 10 k. 10 k. Besar Buffer. 10 M. 20 M. 290 detik sampai 310 detik (kurang lebih 12. 290 detik sampai 310 detik (kurang lebih 12 pesan/jam). Kecepatan Transmisi Jarak Transmisi. Interval pembuatan pesan. pesan/jam) Pergerakan node. 0.5 meter - 1.5 meter. 0.5 meter - 1.5 meter. Tabel 3.2.: Parameter Simulasi untuk Pergerakan Manusia (Haggle3Infocome5 dan Reality Minning by MIT) 3.2. a.. Alat Penelitian Hardware PC dengan spesifikasi sistem operasi Windows 10 Pro, processor Pentium(R) Dual-Core CPU E5400 @2.70GHz dengan system type 64-bit RAM sebesar 4,00 GB.. 18.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. b. Software •. Netbeans Netbeans merupakan salah satu aplikasi yang digunakan untuk pemrograman. Semula, aplikasi Netbeans diperuntukkan bagi pengembangan dalam bahasa pemrograman Java. Namun, kemudian. aplikasi. ini. juga. mendukung. program-program. pembuatan bahasa lain secara khusus seperti PHP, C/C++ dan HTML5. Netbeans digunakan untuk menjalankan The ONE Simulator. •. The ONE Simulator Penjelasan tentang The ONE Simulator sudah ditulis dalam landasan teori pada Bab II.. 3.3.. Pembuatan Alat Uji 1.. Studi Pustaka Studi pustaka dilakukan dengan membaca jurnal yang berkatian dengan protokol routing simulator MANET, Jaringan Oportunistik, protokol routing Spray and Wait dan simulator The ONE Simulator.. 2.. Pengumpulan Bahan Penelitian Analisis kelas Java, Java Collection dan struktur data yang dibutuhkan untuk mengimplementasikan estimator The Taxi Problem pada routing Spray and Wait menggunakan The ONE Simulator.. 3.. Implementasi Implementasi dari kelas Java, Java Collection dan struktur data yang sudah dianalisis dengan menggunakan bahasa Java.. 19.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 3.4.. Langkah-Langkah Pengujian. Skenario diuji dengan melakukan algoritma spray and wait tanpa taxi problem dan routing spray and wait yang taxi problem dengan skenario yang tidak saling bertukar informasi dari set node dan taxi problem dengan skenario yang saling bertukar informasi dari set node yang dipunyai untuk membandingkan ketepatan dari hasil estimasi dan menggunakan pergerakan random, haggle3-infocome5 serta reality mining by MIT. Adapula skenarionya dibagi sebagai berikut : 1. Pergerakan Random Skenario. Jumlah Node. Model Pergerakan. 1.1.. 100. Random Waypoint. Tabel 3.3.1.: Skenario 1.1. : algoritma taxi problem dengan node yang tidak saling bertukar informasi pada pergerakan random. Skenario. Jumlah Node. Model Pergerakan. 1.2.. 100. Random Waypoint. Tabel 3.3.2.: Skenario 1.2. : algoritma taxi problem dengan node yang saling bertukar informasi pada pergerakan random. Skenario. Jumlah Node. Model Pergerakan. 1.3.. 100. Random Waypoint. Tabel 3.3.3.: Skenario 1.3. : algoritma spray and wait dengan jumlah node 100 dan skenario ini bergerak pada pergerakan random. Pergerakan random merupakan pergerakan yang memiliki probabilitas atau peluang pertemuan antar node yang sama. Pada penelitian ini, jumlah node yang digunakan adalah 100. Pada pergerakan ini dibagi tiga skenario dimana algoritma taxi problem yang tidak saling bertukar informasi akan set node yang dipunyai, algoritma taxi problem node yang saling bertukar informasi akan set node yang dipunyai dan spray and wait tanpa algoritma taxi problem.. 20.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 2. Pergerakan Manusia (Haggle3-Infocome5) Skenario. Jumlah Node. Model Pergerakan. 2.1.. 41. Haggle3-Infocome5. Tabel 3.4.1.: Skenario 2.1. : algoritma taxi problem dengan node yang tidak saling bertukar informasi pada pergerakan haggle3-infocome5. Skenario. Jumlah Node. Model Pergerakan. 2.2.. 41. Haggle3-Infocome5. Tabel 3.4.2.: Skenario 2.2. : algoritma taxi problem dengan node yang saling bertukar informasi pada pergerakan haggle3-infocome5. Skenario. Jumlah Node. Model Pergerakan. 2.3.. 41. Haggle3-Infocome5. Tabel 3.4.3.: Skenario 2.3. : algoritma spray and wait dengan jumlah node 41 dan skenario ini bergerak pada pergerakan haggle-infocome5. Pada penelitian ini menggunakan pergerakan manusia yaitu haggle3infocome5 yang berisi data pertemuan antara partisipan pada konferensi IEEE Infocome di Miami. Setiap partisipan diberi device (iMotes) yang digunakan untuk mencatat data pertemuan antar partisipan. Dari 50 partisipan yang dipilih, device yang menghasilkan data yang valid dan dapat digunakan untuk melakukan penelitian sebanyak 41 devices. Durasi simulasi pda dataset ini adalah 274883 atau sekitar 3,18 hari. Di pergerakan ini dibagi tiga skenario algoritma taxi problem yang tidak saling bertukar informasi akan set node yang dipunyai, algoritma taxi problem node yang saling bertukar informasi akan set node yang dipunyai dan spray and wait tanpa algoritma taxi problem.. 21.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 3. Pergerakan Manusia (Reality Minning by MIT) Skenario. Jumlah Node. Model Pergerakan. 3.1.. 97. Reality Connection Final. Tabel 3.5.1.: Skenario 3.1. : algoritma taxi problem dengan node yang tidak saling bertukar informasi pergerakan reality minning by mit. Skenario. Jumlah Node. Model Pergerakan. 3.2.. 97. Reality Connection Final. Tabel 3.5.2.: Skenario 3.2. : algoritma taxi problem dengan node yang saling bertukar informasi pada pergerakan reality minning by mit. Skenario. Jumlah Node. Model Pergerakan. 3.3.. 97. Reality Connection Final. Tabel 3.5.3.: Skenario 3.3. : algoritma spray and wait dengan jumlah node 97 dan skenario ini bergerak pada pergerakan reality minning by mit. Kemudian pada penelitian ini juga digunakan pergerakan manusia yaitu reality minning by MIT. Dataset ini berisi data pertemuan antar pelajar dari 2 Fakultas di Universitas MIT. Jumlah partisipan yang digunakan dalam simulasi ini sebanyak 75 pelajar dari fakultas Media Laboratory dan 25 pelajar dari fakultas Business. Durasi simulasi pada dataset ini sekitar 1 semester akademik. Dari 100 partisipan, device yang menghasilkan data yang valid dan dapat digunakan untuk melakukan penelitian sebanyak 97 device. Di pergerakan ini dibagi tiga skenario algoritma taxi problem yang tidak saling bertukar informasi akan set node yang dipunyai, algoritma taxi problem node yang saling bertukar informasi akan set node yang dipunyai dan spray and wait tanpa algoritma taxi problem.. 22.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 3.5.. Cara Analisis Hasil. Setelah melakukan simulasi maka untuk mengetahui performa dari sebuah protokol routing, dibutuhkan beberapa metrik unjuk kerja jaringan. Dalam penelitian ini, ada 5 metrik unjuk kerja jaringan yang digunakan. Kelima metrik unjuk kerja jaringan yang digunakan adalah average convergence time, residu, delivered probability, overhead ratio, average latency per total contact. Penjelasan kelima metrik sebagai berikut: 3.5.1. Average Convergence Time Parameter ini digunakan untuk mengetahui rata-rata dari node yang mendapatkan informasi yang sama tentang jumlah node yang ada di sebuah jaringan. 3.5.2. Residu Parameter ini digunakan untuk mengetahui rata-rata node yang memiliki hasil counting yang tidak akurat. 3.5.3. Delivery Probability per Total Contact Parameter ini digunakan untuk mengetahui probabilitas pesan yang berhasil dikirim ke destination. Rasio antara jumlah pesan yang terkirim ke node destination dengan jumlah pesan yang dibuat. Rumus 3.5.1. 𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑙𝑖𝑣𝑒𝑟𝑒𝑑 𝑀𝑒𝑠𝑠𝑎𝑔𝑒 𝑇𝑜𝑡𝑎𝑙 𝐺𝑒𝑛𝑒𝑟𝑎𝑡𝑒 𝑀𝑒𝑠𝑠𝑎𝑔𝑒 3.5.4. Overhead Ratio Parameter ini digunakan untuk mengetahui perbandingan antara total L copy yang ada di sebuah jaringan dengan jumlah pesan yang sampai ke node destination. Semakin tinggi nilai dari overhead ratio maka unjuk kerja protokol routing dapat dianggap buruk. Rumus 3.5.2. 𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑚𝑒𝑠𝑠𝑎𝑔𝑒𝑠 𝑟𝑒𝑙𝑎𝑦𝑒𝑑 − 𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑑𝑒𝑙𝑖𝑣𝑒𝑟𝑒𝑑 𝑚𝑒𝑠𝑠𝑎𝑔𝑒𝑠 𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑑𝑒𝑙𝑖𝑣𝑒𝑟𝑒𝑑 𝑚𝑒𝑠𝑠𝑎𝑔𝑒𝑠. 23.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 3.5.5. Average Latency per Total Contact Average latency atau average delay merupakan metrik unjuk kerja jaringan yang digunakan untuk mengetahui rata-rata delay (waktu tunda) pesan yang sampai ke destination sejak pesan dibuat. Semakin tinggi nilai average latency yang dihasilkan maka unjuk kerja protokol routing dapat dikatakan semakin buruk. Rumus 3.5.3. 𝐴𝑣𝑒𝑟𝑎𝑔𝑒 𝐿𝑎𝑡𝑒𝑛𝑐𝑦 =. (𝑤𝑎𝑘𝑡𝑢 𝑝𝑒𝑠𝑎𝑛 𝑡𝑒𝑟𝑘𝑖𝑟𝑖𝑚 − 𝑤𝑎𝑘𝑡𝑢 𝑝𝑒𝑠𝑎𝑛 𝑑𝑖𝑏𝑢𝑎𝑡) 𝑗𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑠𝑎𝑛 𝑡𝑒𝑟𝑘𝑖𝑟𝑖𝑚. 3.6. Desain Alat Uji Alat uji yang digunakan merupakan implementasi dari protokol Spray and Wait dengan menggunakan algoritma Taxi Problem di Simulator ONE dengan bahasa pemrograman Java. Berikut adalah pseudo-code dari algoritma yang dipakai pada penelitian ini : i.. Perhitungan jumlah node (Tidak Bertukar Informasi) Pseudo-Code Taxi Problem Passive Ni bertemu dengan Nj IF Koneksi Terhubung Ni memasukan unique id Nj kepenyimpanan lokal Nj memasukan unique id Ni kepenyimpanan lokal End If IF Koneksi terputus Ni menghitung estimasi Nj menghitung estimasi End IF. 24.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Pada strategi passive atau tidak bertukar informasi, setiap node di jaringan dapat memperoleh hasil dari estimasi sesuai dengan jumlah node yang ada di jaringan. Namun, untuk mencapai perhitungan atau mendapatkan informasi yang sama node memerlukan waktu yang cukup lama dikarenakan setiap node harus bertemu dengan node yang memiliki nilai tertinggi di jaringan untuk mendapatkan hasil estimasi yang akurat atau valid. ii.. Perhitungan jumlah node (Bertukar Informasi) Pseudo-Code Taxi Problem (Bertukar Informasi) Ni bertemu dengan Nj IF Koneksi Terhubung Ni memasukan unique id Nj kepenyimpanan lokal Nj memasukan unique id Ni kepenyimpanan lokal. Ni memasukan daftar tetangga yang dimiliki N j kepenyimpanan lokal Nj memasukan daftar tetangga yang dimiliki Ni kepenyimpanan lokal End If IF Koneksi terputus Ni menghitung estimasi Nj menghitung estimasi End IF. Pada strategi node yang bertukar informasi setiap node di jaringan dapat memperoleh hasil estimasi sesuai dengan jumlah node yang ada di jaringan. Waktu yang dibutuhkanpun lebih efisien dari node yang tidak bertukar informasi. Keakuratan dari hasil estimasi taxi problem yang bertukar informasi atau set juga lebih baik daripada taxi problem yang tidak bertukar informasi.. 25.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. BAB IV PENGUJIAN DAN ANALISIS Untuk mengetahui dan mengevaluasi performa dari algoritma taxi problem, maka dilakukan pengujian. Pengujian dilakukan dengan menggunakan rancangan simulasi yang sudah dijabarkan pada Bab III, pada pergerakan Random, Haggle3-Infocome5 dan Reality Minning by MIT. Data hasil simulasi diperoleh dari report yang dibangkitkan ketika simulasi berjalan. Setelah beberapa kali menjalankan simulasi maka didapatkan hasil sebagai berikut: 4.1.1.. Hasil Simulasi Metrik Unjuk Kerja Average Convergence Time dan Residu pada Dataset Random. Average Convergence Time : Random Waypoint 120. Number of Nodes. 100 80. 60 40 20 0 0. 50000. 100000. 150000. 200000. Time Taxi Problem : Tidak Bertukar Informasi Taxi Problem : Bertukar Informasi. Jumlah Node : 100. Gambar 4.4.1.: Grafik Average Convergence Time disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan random. 26.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Average Convergence Time : Random Waypoint 100. Number of Nodes. 99 98 97 96 95 94 0. 50000. 100000. Time. Taxi Problem : Tidak Bertukar Informasi. 150000. 200000. Taxi Problem : Bertukar Informasi. Gambar 4.4.2.: zoom out dari grafik Average Convergence Time disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan random Berdasarkan hasil simulasi pada Gambar 4.4.1. dan Gambar 4.4.2. dengan jumlah node tetap atau statis pada pergerakan random terlihat bahwa dengan skenario bertukar informasi dan tidak bertukar informasi sama-sama mendapat nilai average convergence time yang tidak jauh berbeda. Hal ini dikarenakan untuk pergerakan random, probabilitas setiap node bertemu dengan node lainnya adalah sama sehingga hal ini meminimalisir node yang tidak mendapatkan hasil counting atau estimasi dari total node yang ada di jaringan. Namun untuk skenario dimana node tidak bertukar informasi atau set, memerlukan waktu yang sedikit lebih lama hingga mendekati interval atau waktu sekitar ke-90000 sampai 100000 karena tidak bertukar informasi, hasil dari perhitungan bisa mendapat nilai yang terlampau jauh dari nilai estimasi yang sesungguhnya.. 27.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Number of Nodes. Residu : Random Waypoint 50 45 40 35 30 25 20 15 10 5 0 0. 50000. 100000. 150000. 200000. Time Taxi Problem : Tidak Bertukar Informasi. Taxi Problem : Bertukar Informasi. Gambar 4.4.3.: Grafik Residu disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan random Berdasarkan pada Gambar 4.4.3. dengan jumlah node tetap atau statis dengan pergerakan random terlihat bahwa untuk skenario node bertukar informasi memiliki nilai residu yang bergerak turun mendekati nilai 0 yang artinya setiap node mendapatkan informasi yang sama dengan node lain yang ada di jaringan. Berbeda dengan skenario dimana tidak bertukar informasi, dapat terlihat pada grafik residu grafiknya bergerak naik turun menunjukkan bahwa node memiliki pengetahuan yang berbeda dan memerlukan waktu yang lebih lama untuk mendapat convergence time (ditunjukan pada Gambar 4.4.1. dan Gambar 4.4.2. saat grafik bergerak naik). Grafik pada skenario dimana tidak bertukar informasi menunjukan bahwa perolehan hasil estimasinya masih kurang tepat dikarenakan pada akhir waktu simulasi masih ada 1 node yang memiliki hasil estimasi atau counting yang tidak akurat.. 28.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 4.1.2.. Hasil Simulasi Metrik Unjuk Kerja Average Convergence Time dan Residu pada Dataset Haggle3-Infocome5. Average Convergence Time : Haggle3-Infocome5 45. Number of Nodes. 40 35 30 25 20 15 10 5 0 0. 50000. 100000. 150000. 200000. Taxi Problem : Tidak Bertukar Informasi Time. 250000. 300000. Total Nodes: 41. Taxi Problem : Bertukar Informasi. Gambar 4.4.4.: Grafik Average Convergence Time disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan manusia (Haggle3-Infocome5). Average Convergence Time : Haggle3-Infocome5 42. Number of Nodes. 40 38. 36 34 32 30 0. 50000. 100000. 150000. Time. 200000. 250000. 300000. Taxi Problem : Tidak Bertukar Informasi Taxi Problem : Bertukar Informasi. Gambar 4.4.5.: zoom out dari grafik Average Convergence Time disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan manusia (Haggle3-Infocome5). 29.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Berdasarkan hasil simulasi pada Gambar 4.4.4. dan Gambar 4.4.5. dengan jumlah node tetap atau statis pada pergerakan haggle3-infocome5 terlihat bahwa convergence time dengan skenario bertukar informasi lebih cepat dibandingkan node yang tidak bertukar informasi. Hal ini terjadi dikarenakan saat node bertemu dengan node lainnya maka node tersebut akan bertukar informasi atau dataset yang dimiliki. Selain itu pada pergerakan haggle3infocome5, ruang gerak dari node cukup terbatas karena hanya sebatas ruang konferensi saja. Sehingga probabilitas pertemuan antar node meningkat. Sedangkan untuk skenario dimana node tidak bertukar informasi memerlukan waktu yang sedikit lebih lama untuk mendapatkan hasil perhitungan yang sama dengan node yang lainnya.. Residu : Haggle3-Infocome5 45. Number of Nodes. 40 35 30 25 20 15 10 5 0 0. 50000. 100000. 150000. Time. 200000. 250000. 300000. Taxi Problem : Tidak Bertukar Informasi Taxi Problem : Bertukar Informasi. Gambar 4.4.6: Grafik Residu disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan manusia (Haggle3-Infocome5). 30.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Berdasarkan pada Gambar 4.4.6. dengan jumlah node tetap atau statis dengan pergerakan haggle3-infocome5 terlihat bahwa untuk skenario bertukar informasi memiliki nilai residu yang bergerak turun mendekati nilai 0 hal didukung dengan grafik dari average convergen time (ditunjukan pada Gambar 4.4.4. dan Gambar 4.4.5.) bahwa setiap node yang berada di jaringan mendapatkan informasi yang sama. Sedangkan untuk skenario dimana tidak bertukar informasi memiliki nilai yang juga bergerak turun namun (yang ditunjukan oleh Gambar 4.4.5.) pengetahuan akan informasi antar node berbeda serta memerlukan waktu convergence time yang lebih lama dibandingkan dengan skenario bertukar informasi. Terlihat, pada skenario ini masih ada node dengan hasil counting yang kurang tepat hingga akhir waktu simulasi masih terdapat 2 node yang memiliki hasil estimasi atau counting yang tidak akurat. 4.1.3.. Hasil Simulasi Metrik Unjuk Kerja Average Convergence Time. Number of Nodes. dan Residu pada Dataset Manusia (Reality Minning by MIT). Average Convergence Time : Reality Minning by MIT. 100 90 80 70 60 50 40 30 20 10 0 0. 5000000. 10000000. Time. 15000000. 20000000. Total Nodes : 97. Taxi Problem : Tidak Bertukar Informasi Taxi Problem : Bertukar Informasi. Gambar 4.4.7.: Grafik Average Convergence Time disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan manusia (Reality Minning by MIT). 31.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Number of Nodes. Average Convergence Time : Reality Minning by MIT 100 98 96 94 92 90 88 86 84 82 80 0. 5000000. 10000000. Time. 15000000. 20000000. Taxi Problem : Tidak Bertukar Informasi Taxi Problem : Bertukar Informasi. Gambar 4.4.8.: zoom out dari grafik Average Convergen Time disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan manusia (Reality Minning by MIT) Berdasarkan hasil simulasi pada Gambar 4.4.7. dan Gambar 4.4.8. dengan jumlah node tetap atau statis pada pergerakan reality dengan skenario bertukar informasi terlihat bahwa convergence time yang didapatkan lebih cepat dibandingkan dengan skenario node yang tidak saling bertukar informasi. Hal ini dikarenakan ketika node bertemu tidak hanya mencatat unique id, tetapi juga melakukan pertukaran informasi yang dimiliki sehingga setiap node dapat memperoleh hasil estimasi yang sama tanpa harus bertemu dengan semua node di jaringan. Untuk pergerakan reality probabilitas node bertemu dengan node lainnya tidak sama, sehingga disaat skenario node tidak saling bertukar informasi maka node mempunyai pengetahuan yang berbeda dengan node lainnya sehingga ada kemungkinan bahwa node tidak mendapatkan nilai maksimum yang sebenarnya dan melakukan estimasi dari total node yang ada di jaringan.. 32.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Residu : Reality Minning by MIT 120. Number of Nodes. 100 80 60 40 20 0. 0. 5000000. 10000000. Time. 15000000. 20000000. Taxi Problem : Tidak Bertukar Informasi Taxi Problem : Bertukar Informasi. Gambar 4.4.9.: Grafik Residu disetiap interval waktu pada skenario node tidak bertukar informasi dan bertukar informasi pada pergerakan manusia (Reality-MIT) Berdasarkan pada Gambar 4.4.9. dengan jumlah node tetap atau statis pada pergerakan reality terlihat bahwa dengan skenario bertukar informasi memiliki nilai residu yang bergerak turun mendekati nilai 0. Hal didukung dengan grafik dari average convergen time (ditunjukan pada Gambar 4.4.7. dan Gambar 4.4.8.) bahwa setiap node yang berada di jaringan mendapatkan informasi yang hampir sama walaupun ada 1 node yang tidak mendapat nilai estimasi yang akurat. Sedangkan untuk skenario dimana tidak bertukar informasi memiliki nilai yang juga bergerak turun namun perhitungannya atau estimasi dari jumlah node yang ada di jaringan (ditunjukan pada Gambar 4.4.7.) bahwa setiap node memiliki informasi yang berbeda dan memerlukan convergence time yang lebih lama dibanding skenario bertukar informasi. Hal ini ditunjukan pada residu, dimana pad skenario ini masih ada node dengan hasil counting yang kurang tepat hingga akhir waktu simulasi masih terdapat 9 node yang memiliki hasil estimasi atau counting yang tidak akurat.. 33.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. 4.1.4.. Hasil Simulasi Metrik Unjuk Kerja Delivery Probability, Overhead Ratio, dan Latency Average Pada Dataset Random, Haggle3-Infocome5 dan Reality MIT. Delivery Probability : Random Waypoint 1 0,99. 0,9827. 0,9827. 0,9879. 0,98 0,97. 0,96. 0,9549. 0,95 0,94 0,93 Spray and Wait L=5. Taxi Problem : Tidak Bertukar Informasi. Taxi Problem : Bertukar Informasi. Spray and Wait L=97. Jumlah Node : 100 Gambar 4.4.10.: Random Waypoint Delivery Probability Berdasarkan pada Gambar 4.4.10. digunakan pergerakan random dengan jumlah node 100, oleh karena itu peneliti mengambil ekstrim bawah yaitu jumlah copy 5 dan ekstrim atas dengan jumlah copy 97 dan taxi problem bekerja diantara kedua ekstrim. Terlihat bahwa pada algoritma taxi problem dengan skenario yang tidak bertukar informasi maupun bertukar informasi, sama-sama mendapat delivery probability yang sama dikarenakan ciri khas dari dataset random yang setiap nodenya mempunyai probabilitas yang sama untuk bertemu. Setiap node akan menghasilkan L copy dengan menggunakan 𝑁/2 jumlah node dari hasil estimasi. Spray and wait tanpa taxi problem dengan L copy yang kecil akan menghasilkan delivery probability yang sedikit sehingga node relay juga sedikit untuk membantu menyampaikan pesan ke destination. Begitu juga dengan L copy yang besar maka akan menghasilkan delivery probability yang besar dan akan lebih banyak node relay yang akan membantu menyampaikan pesan ke destination.. 34.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Delivery Probability : Haggle3-Infocome5 0,8344. 0,84 0,83 0,82. 0,8126. 0,8115. 0,81 0,8. 0,7843. 0,79 0,78 0,77 0,76 0,75. Spray and Wait L=4. Taxi Problem : Tidak Bertukar Informasi. Taxi Problem : Bertukar Informasi. Spray and Wait L=40. Jumlah Node : 41 Gambar 4.4.11.: Haggle3 – Infocome5 Delivery Probability Pada Gambar 4.4.11. digunakan pergerakan manusia yaitu haggle3infocome5. dengan jumlah node 41. Sehingga peneliti mengambil ekstrim. bawah dengan jumlah copy 4 dan ekstrim atas dengan jumlah copy 40. Sama seperti Gambar 4.4.9. algoritma taxi problem akan bekerja diantara kedua ekstrim. Terlihat bahwa algoritma taxi problem dapat memberikan jumlah delivered message yang cukup baik. Jumlah copy diperoleh dari hasil estimasi setiap node. Setiap node akan menghasilkan L copy dengan menggunakan 𝑁/2 jumlah node dari hasil estimasi. Spray and wait tanpa taxi problem dengan L copy yang kecil akan menghasilkan delivery probability yang sedikit sehingga node relay juga sedikit untuk membantu menyampaikan pesan ke destination. Begitu juga dengan L copy yang besar maka akan menghasilkan delivery probability yang besar dan akan lebih banyak node relay yang akan membantu menyampaikan pesan ke destination.. 35.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Delivery Probability : Reality MIT 0,7. 0,5589. 0,6. 0,5596. 0,5798. 0,5 0,4. 0,3882. 0,3 0,2. 0,1 0 Spray and Wait L=5. Taxi Problem : Tidak Bertukar Informasi. Taxi Problem : Bertukar Informasi. Spray and Wait L=95. Jumlah Node : 97 Gambar 4.4.12.: Reality MIT Delivery Probability Pada Gambar 4.4.12. digunakan pergerakan manusia yaitu reality minning by mit dimana ada 97 total node yang digunakan. Peneliti mengambil ekstrim bawah dengan jumlah copy 5 dan ekstrim atas dengan jumlah copy 95. Sehingga protokol taxi problem akan bekerja diantara kedua ekstrim tersebut. Terlihat bahwa algoritma taxi problem dapat memberikan jumlah delivered message yang cukup baik bahkan hampir menyamai hasil dari spray and wait dengan jumlah L copy 95. Jumlah copy diperoleh dari hasil estimasi setiap node. Setiap node akan menghasilkan L copy dengan menggunakan 𝑁/2 jumlah node dari hasil estimasi. Spray and wait tanpa taxi problem dengan L copy yang kecil akan menghasilkan delivery probability yang sedikit sehingga node relay juga sedikit untuk membantu menyampaikan pesan ke destination. Begitu juga dengan L copy yang besar maka akan menghasilkan delivery probability yang besar dan akan lebih banyak node relay yang akan membantu menyampaikan pesan ke destination.. 36.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Overhead Ratio : Random Waypoint 120. 95,2842. 100 80 60. 48,5326. 48,4603. 40 20. 4,1887. 0 Spray and Wait L=5 Taxi Problem : Bertukar Informasi. Taxi Problem : Tidak Bertukar Informasi Spray and Wait L=97. Jumlah Node : 100 Gambar 4.4.13.: Random Waypoint Overhead Ratio Terlihat pada Gambar 4.4.13. bahwa taxi problem dengan skenario bertukar informasi lebih meminimalisir beban di jaringan daripada taxi problem yang tidak bertukar informasi karena cost atau biayanya lebih kecil. Dalam catatan untuk kasus di pergerakan random. Terlihat pada spray and wait biasa memiliki nilai overhead yang cukup tinggi. Overhead pada node yang menggunakan L copy yang kecil maka juga akan menghasilkan overhead yang kecil. Sedangkan, Hal ini karena setiap node akan menghasilkan L copy sesuai dengan hasil estimasi yang diperoleh. Sebelum waktu convergence setiap node akan mempunyai pengetahuan yang berbeda tentang jumlah node sehingga L copy yang dihasilkan bervariasi. Ketika node sudah mencapai waktu convergence maka setiap node akan menghasilkan L copy yang sama antar node. Hal ini juga bergantung pada hasil estimasi sebelum waktu convergence. Semakin besar hasil estimasi maka overhead-nya juga akan semakin meningkat. Jika overhead semakin tinggi maka delivery probability-nya akan menurun.. 37.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Overhead Ratio : Haggle3-Infocome5 36,9086. 40 35 30. 25. 20,2292. 20,302. 20 15 10 5. 4,2597. 0 Spray and Wait L=4. Taxi Problem : Tidak Bertukar Informasi. Taxi Problem : Bertukar Informasi. Spray and Wait L=40. Jumlah Node : 41 Gambar 4.4.14.: Haggle3-Infocome5 Overhead Ratio Pada Gambar 4.4.14. terlihat bahwa taxi problem yang tidak bertukar informasi lebih meminimalisir beban di jaringan daripada taxi problem yang bertukar informasi. Sedangkan pada spray and wait biasa memiliki nilai overhead yang tinggi dibandingkan spray and wait yang menggunakan taxi problem. Overhead pada node yang menggunakan L copy yang kecil maka juga akan menghasilkan overhead yang kecil. Sedangkan, Hal ini karena setiap node akan menghasilkan L copy sesuai dengan hasil estimasi yang diperoleh. Sebelum waktu convergen setiap node akan mempunyai pengetahuan yang berbeda tentang jumlah node sehingga L copy yang dihasilkan bervariasi. Ketika node sudah mencapai waktu convergence maka setiap node akan menghasilkan L copy yang sama antar node. Hal ini juga bergantung pada hasil estimasi sebelum waktu convergence. Semakin besar hasil estimasi maka overhead-nya juga akan semakin meningkat. Jika overhead semakin tinggi maka delivery probability-nya akan menurun.. 38.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Overhead Ratio : Reality MIT 120. 103,595. 100 80. 61,2652. 61,1519. 60 40 20. 10,4855. 0 Spray and Wait L=5. Taxi Problem : Tidak Bertukar Informasi. Taxi Problem : Bertukar Informasi. Spray and Wait L=95. Jumlah Node : 97 Gambar 4.4.15.: Reality Minning by MIT Overhead Ratio Pada Gambar 4.4.15. terlihat bahwa taxi problem yang tidak bertukar informasi lebih meminimalisir beban di jaringan daripada taxi problem yang bertukar informasi. Sedangkan pada spray and wait biasa memiliki nilai overhead yang tinggi dibandingkan spray and wait yang menggunakan taxi problem. Overhead pada node yang menggunakan L copy yang kecil maka juga akan menghasilkan overhead yang kecil. Sedangkan, Hal ini karena setiap node akan menghasilkan L copy sesuai dengan hasil estimasi yang diperoleh. Sebelum waktu convergence setiap node akan mempunyai pengetahuan yang berbeda tentang jumlah node sehingga L copy yang dihasilkan bervariasi. Ketika node sudah mencapai waktu convergence maka setiap node akan menghasilkan L copy yang sama antar node. Hal ini juga bergantung pada hasil estimasi sebelum waktu convergence. Semakin besar hasil estimasi maka overhead-nya juga akan semakin meningkat. Jika overhead semakin tinggi maka delivery probability-nya akan menurun.. 39.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Latency Average : Random Waypoint 8000 7000. 6679,5463. 6000 5000 4000 3000. 2044,7443. 2044,7407. 2000. 1877,4368. 1000. 0 Spray and Wait L=5. Taxi Problem : Tidak Bertukar Informasi. Taxi Problem : Bertukar Informasi. SAW L=97. Jumlah Node : 100 Gambar 4.4.16.: Random Waypoint Latency Average Pada Gambar 4.4.16. terlihat bahwa latency average yang dimiliki oleh spray and wait dengan jumlah L copy=5 cukup tinggi dibandingkan dengan taxi problem yang tidak bertukar informasi, taxi problem yang bertukar informasi dan spray and wait dengan jumlah L copy=97. Sehingga bisa dikatakan bahwa performa dari spray and wait dengan jumlah L copy=5 lebih buruk dibandingkan performa dari taxi problem yang tidak bertukar informasi, taxi problem yang bertukar informasi dan spray and wait dengan jumlah L copy=97. Hal ini dikarenakan semakin banyak jumlah L copy semakin cepat pesan sampai ke destination.. 40.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI. Latency Average : Haggle3-Infocome5 25000. 24611,5583. 24500 24000 23500. 22979,4611. 23000. 22934,7611 22621,5901. 22500 22000 21500 Spray and Wait L=4. Taxi Problem : Tidak Bertukar Informasi. Taxi Problem : Bertukar Informasi. Spray and Wait L=40. Jumlah Node : 41 Gambar 4.4.17.: Haggle3-Infocome5 Latency Average Pada Gambar 4.4.17. terlihat bahwa latency average yang dimiliki oleh spray and wait dengan jumlah L copy=4 cukup tinggi dibandingkan dengan taxi problem yang tidak bertukar informasi, taxi problem yang bertukar informasi dan spray and wait dengan jumlah L copy=41. Sehingga bisa dikatakan bahwa performa dari spray and wait dengan jumlah L copy=4 lebih buruk dibandingkan performa dari taxi problem yang tidak bertukar informasi, taxi problem yang bertukar informasi dan spray and wait dengan jumlah L copy=41. Hal ini dikarenakan semakin banyak jumlah L copy semakin cepat pesan sampai ke destination.. 41.