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

(1)

ANALISIS PERBANDINGAN UNJUK KERJA TCP TAHOE DAN TCP RENOPADA 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

(2)

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

YOGYAKARTA

(3)

iii

HALAMAN PERSETUJUAN

DETECTION

Dipersembahkan dan ditulis oleh :

Cesarius Agni Christian Kurniawan

NIM : 125314039

Telah disetujui oleh :

Pembimbing

(4)

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,

(5)

v MOTTO

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

(6)

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

(7)

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

(8)

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.

(9)

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.

Keywords: TCP Tahoe, TCP Reno, throughput, packet drop, End - To - End Delay,

(10)

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.

7. Seluruh dosen Program Studi Teknik Informatika yang telah

memberikan ilmu selama perkuliahan sehingga dapat menjadi bekal

(11)

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

(12)

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

(13)

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

(14)

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

(15)

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

(16)

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

(17)

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

(18)

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

(19)

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.

Dalam suatu jaringan internet terdapat beberapa masalah yang diawali

dengan masuknya data yang membanjiri jaringan sehingga mengakibatkan

terjadi kemacetan yang menimbulkan peningkatan jumlah paket yang hilang.

Kemacetan yang terjadi pada suatu jaringan itu sendiri menimbulkan buffer

antrian yang terdapat pada router mengalami overload data, untuk mengatasi

masalah antrian tersebut terdapat beberapa cara managemen antrian yang

populer yaitu Droptail dan Random Early Detection (RED), dua jenis

manajemen antrian tersebut memiliki karakteristik sendiri dalam menangani

adanya antrian yang penuh. Oleh karena itu penulis akan melakukan analisis

pengaruh Droptail dan Random Early Detection (RED) terhadap unjuk kerja

(20)

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

Penelitian ini diharapkan memberikan informasi yang berguna

mengenai unjuk kerja dari TCP Tahoe dan TCP Reno, sehingga dari pengujian

(21)

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

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

Dalam tahap ini penulis menganalisis hasil sesuai dengan

parameter yang sudah ditentukan, untuk menarik kesimpulan

(22)

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

Bab ini berisi kesimpulan hasil penelitian serta saran yang

(23)

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 2.1Algoritma TCP Tahoe

2.2.1 Slow Start

Paket transmisi TCP di ambil dari acknowledgement yang

masuk. TCP dimulai atau restart setelah packet loss harus melalui

prosedur yang disebut slowstart. Alasan untuk prosedur ini adalah

(24)

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

TCP Reno mempertahankan prinsip dasar TCP Tahoe, seperti slow

start, congestion avoidance dan fast retransmit, namun pada TCP Reno

menambahkan mekanisme fast recovery. TCP Reno mengharuskan mendapat

(25)

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

Droptail adalah algoritma Passive Queue Managemment (PQM) yang

menetapkan panjang maksimum untuk setiap antrian pada router. Router

memutuskan kapan untuk menjatuhkan (drop) paket. Droptail menggunakan

algoritma First In First Out (FIFO) dimana paket yang pertama kali datang

maka paket tersebut yang akan pertama kali dilayani akan tetapi ketika buffer

antrian memenuhi batas kapasitas maksimum, paket yang masuk akan

dijatuhkan (drop). Artinya, Droptail akan terus mengabaikan/menjatuhkan

(26)

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

(27)

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

Pada skenario ini dilakukan dengan menambah buffer capacity

pada router Droptail untuk setiap pengambilan data. Besar buffer

(28)

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 3.3Skenario 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

End-To-end delay merupakan waktu tempuh paket yang dilalui dari source

(29)

3.4 Topologi Jaringan

(30)

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

(31)

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

(32)

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.

Dalam kondisi kapasitas buffer yang kecil akan memiliki kemungkinan

terjadinya multiple error yang lebih besar, akan tetapi dengan penambahan

kapasitas buffer maka kemungkinan terjadinya multiple error semakin berkurang,

(33)

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

(34)

Gambar 4.6 Congestion Window TCP Reno dengan buffer = 10 paket

(35)

Gambar 4.9 Hasil zoomCongestion Window TCP Tahoe dengan buffer = 20 paket

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

(36)

Gambar 4.10 Congestion Window TCP Reno dengan buffer = 20 paket

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

(37)

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.

(38)

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

(39)

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

(40)

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.

Pada Congestion Window dapat terlihat pada grafik bahwa mekanisme

antrian Random Early Detection berpengaruh terhadap kecilnya kegagalan TCP

Reno dibandingkan dengan mekanisme antrian Droptail karena mekanisme

Random Early Detection bertipe single drop dan memiliki kemungkinan multiple

drop yang kecil. Berbeda dengan TCP Tahoe yang tetap memiliki tingkat kegagalan

tinggi karena TCP Tahoe selalu kembali ke fase slowstart ketika terjadi packet

(41)

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

(42)

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

(43)

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

Lingkaran merah menunjukan bahwa terjadi packet drop dan memasuki fase fast retransmit. Setelah itu pada Lingkaran biru menunjukan fase slowstart setelah

(44)

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

(45)

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.

(46)

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

(47)

(48)

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 nilaiβ 146000

Throughput

(49)

Gambar 6.2 Packet Drop pada antrian RED dengan penambahan nilaiβ

Gambar 6.3 End-To-End Delay pada antrian RED dengan penambahan nilaiβ

Pada Gambar 6.1 terlihat bahwa pada sisi throughput TCP Tahoe dan TCP

Reno mengalami peningkatan seiring dengan semakin besarnya nilai β (Beta)

Packet Drop

End - To - End Delay

(50)

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.

(51)

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

(52)

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

(53)

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

Lingkaran merah menunjukan terjadinya packet drop sehingga TCP Tahoe memasuki fase fast retransmit dan pada lingkaran biru TCP Tahoe memasuki fase

(54)

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

Lingkaran merah menunjukan adanya packet drop sehingga TCP Reno akan masuk ke fase fast retransmit. Pada lingkaran biru memasuki fase fast recovery

paket akan diperbaiki, akan tetapi terjadi drop kembali sehingga kembali ke fase

(55)

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.

(56)

(57)

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.

2. Pada mekanisme antrian Random Early Detection yang memiliki

mekanisme random drop dengan kemungkinan single drop yang besar, TCP

Reno dengan adanya fase fast recovery, pengiriman paket yang dapat

melalui antrian dan sampai pada tujuan lebih banyak, oleh karena itu

menghasilkan nilai throughput yang lebih unggul. Selain itu dari sisi packet

drop TCP Reno menunjukan hasil yang lebih besar karena dengan fase fast

recovery, TCP Reno mengirimkan paket yang lebih banyak sehingga dapat

membanjiri jaringan, oleh karena itu packet drop lebih banyak. Akan tetapi

pada nilai End-To-End Delay keduanya memiliki kesamaan karena

penanganan paket akan semakin lama seiring dengan bertambahnya

(58)

5.2 Saran

Untuk pengembangan lebih lanjut, terdapat beberapa saran dari

penulis diantaranya :

1. Melakukan pengujian dengan variant TCP lainnya.

(59)

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.

7. Sally Floyd and Van Jacobson, Random Early Detection Gateways for

Congestion Avoidance, IEEE/ACM TRANSACTIONS ON NETWORKING.

(60)

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

(61)

# Create the nodes:

$ns duplex-link $n0 $n2 10Mb 2ms DropTail

# $ns simplex-link $n3 $n2 2Mb 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

# Set Queue Size of link (n2-n3) to 10 (default is 50 ?)

(62)

#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

# Setup a UDP connection

(63)

# 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]

# Agent/TCP/Reno set trace_all_oneline_ true

(64)

$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

# set file2 [open Newreno2.nam w]

(65)

# 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:

(66)

$ns duplex-link $n2 $n3 2Mb 2ms RED

# Give node position (for NAM)

$ns duplex-link-op $n2 $n3 orient right

#$ns simplex-link-op $n3 $n2 orient left

# 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

# Setup a FTP over TCP connection

set ftp [new Application/FTP]

(67)

$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"

proc plotWindow {tcpSource file} {

global ns

set time 0.1

(68)

set cwnd [$tcpSource set cwnd_]

set wnd [$tcpSource set window_]

puts $file "$now $cwnd"

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

}

# Start plotWindow

$ns at 0.1 "plotWindow $tcp $winfile"

# Set simulation end time

$ns at 200.0 "finish"

#seed

$defaultRNG seed 0