PENGARUH NODE SELFISHNESS PADA KINERJA PROTOKOL ROUTING SIMBET DI JARINGAN SOSIAL OPORTUNISTIK SKRIPSI

(1)

PENGARUH NODE SELFISHNESS PADA KINERJA PROTOKOL ROUTING SIMBET DI JARINGAN SOSIAL OPORTUNISTIK

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Disusun Oleh:

GABRIEL BINTANG TIMUR 145314080

JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA YOGYAKARTA

(2)

ii

EFFECT NODE SELFIHNESS ON SIMBET ROUTING PERFOMANCE IN SOCIAL OPPORTUNISTIC NETWORK

A THESIS

Presented as Partial Fullment of Requirements to Obtain Sarjana Komputer Degree in Informatics Engineering Study Program

By :

GABRIEL BINTANG TIMUR 145314080

INFORMATIC ENGINEERING STUDY PROGRAM INFORMATICS ENGINEERING DEPARTMENT

FACULTY OF SIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY

YOGYAKARTA 2018

(3)

iii

HALAMAN PERSETUJUAN

SKRIPSI

PENGARUH NODE SELFISHNESS PADA KINERJA PROTOKOL ROUTING SIMBET DI JARINGAN SOSIAL OPORTUNISTIK

Oleh:

Gabriel Bintang Timur (145314080)

Telah disetujui oleh:

Dosen Pembimbing,

(4)

iv

HALAMAN PENGESAHAN

Dipersiapkan dan ditulis oleh : Gabriel Bintang Timur

145314080

Telah dipertahankan didepan Panitia Penguji Pada tanggal 6 Juli 2018

Dan dinyatakan memenuhi syarat Susunan Panitia Penguji

Nama Lengkap Tanda Tangan

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

Sekertaris : Puspaningtyas Sanjoyo Adi, M.T ………...

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

Yogyakarta , Juli 2018 Fakultas Sains dan Teknologi

Universitas Sanata Dharma

Dekan,

(5)

v

MOTTO

“The Intellegent people can lose

because of the tenacity of the fools.”

(6)

vi

PERNYATAAN KEASLIAN KARYA

Dengan ini, saya menyatakan bahwa skripsi ini tidak memuat karya milik orang lain kecuali yang telah disebutkan dalam kutipan dan daftar pustaka sebagai layaknya karya ilmiah.

Yogyakarta, Juli 2018 Penulis

(7)

vii

LEMBAR PERNYATAAN PERSETUJUAN

PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

Yang bertanda tanga dibawah ini, saya mahasiswa Universitas Sanata Dharma : Nama : Gabriel Bintang Timur

Nomor mahasiswa : 145314080

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

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

Demikian pernyataan ini saya buat dengan sebenarnya.

Yogyakarta, Juli 2018

Yang menyatakan

(8)

viii

ABSTRAK

Terdapat banyak jenis jaringan komunikasi pada saat ini, khususnya adalah jaringan sosial oportunistik, pada jaringan ini pergerakan manusia digunakan untuk membantu memindahkan data ke seluruh jaringan. Pada literature yang ada sifat altruisme(kooperatif) pada device yang digunakan manusia merupakan faktor penting yang dapat menentukan kinerja sebuah protokol dalam jaringan tersebut. Namun dalam kenyataanya setiap device yang digunakan oleh manusia memiliki keterbatasan pada media penyimpanan, daya, serta waktu penggunaanya. Sifat kooperatif yang pada nantinya akan merugikan diri kita sendiri, karena device yang kita miliki akan menjadi terbebani. Oleh karena itu, dalam penelitian ini kami menyematkan nilai selfishness(keegoisan) pada device tersebut yang bertujuan untuk mengurangi beban pada yang ada pada device. Dalam makalah ini, kami mempelajari dampak dari distribusi nilai altruism dan selfishness yang berbeda pada unjuk kerja delivery probability, latency, overhead ratio, buffer occupancy dan total relay message pada jaringan sosial opoertunistik. Kami mengevaluasi sistem kinerja protokol routing SimBet dengan penerapan node selfishness menggunakan empat jenis pergerakan manusia. Pada penelitian ini, kami menemukan bahwa nilai selfishness yang didistribusikan secara merata memiliki pengaruh dalam mengurangi beban pada device, namun tidak begitu signifikan dibandingkan dengan nilai selfishness tersebut hanya didistribusikan kepada node yang popular pada jaringan tersebut.

(9)

ix ABSTRACT

There are many kinds of communication networks nowadays, especially opportunistic social network. In this network, human movement is used to move data to the entire network. In this literature there is a nature of altruism (cooperative) on devices used by humans which is an important factor that can determine the performance of a protocol in the network. However, in reality every device used by humans has limitations on storage media, power, and time of its use. The cooperative nature eventually will be disadvantage to ourselves, because it will load our device. Therefore, in this study we pin the value of selfishness on the device to reduce the load existing on the device. In this paper, we study the effects of different distribution of altruism values and selfishness on delivery probability, latency, overhead ratio, buffer occupancy and total relay message performance in opportunistic social networks. We evaluate the performance system of the SimBet routing protocol with the application of selfishness nodes using four types of human movements. In this study, we find that the selfishness value distributed evenly has an effect on reducing the load on the device, though not too significant to be compared with the value of selfishness which is only distributed to the popular nodes on the network.

(10)

x

KATA PENGANTAR

Puji syukur saya panjatkan kehadirat Tuhan yang Maha Esa, yang telah melimpahkan rahmat dan karunia, sehingga saya dapat menyelesaikan skripsi dengan judul “PENGARUH NODE SELFISHNESS PADA KINERJA PROTOKOL ROUTING SIMBET DI JARINGAN SOSIAL OPORTUNISTIK” . Penulisan skripsi ini bertujuan untuk memenuhi salah satu syarat untuk memperoleh gelar sarjana pada Program Studi Teknik Informatika, Fakultas Sains dan Teknologi Universitas Sanata Dharma.

Dalam menyelesaikan skripsi ini, saya menyadari bahwa skripsi ini berhasil disusun berkat bantuan, bimbingan serta dorongan dari berbagai pihak. Oleh karena itu saya mengucapkan terimakasih yang tak terhingga kepada :

1. Tuhan Yesus Kristus yang selalu melimpahkan rahmat dan berkat sehingga penulis dapat menyelesaikan skripsi ini.

2. Bambang Soelistijanto, S.T., M.Sc., Ph.D. selaku Dosen Pembimbing Skripsi yang telah meluangkan waktu untuk membimbing, memberi masukan, dorongan dan selalu sabar dalam proses membimbing penyusunan skripsi ini. 3. Semua dosen Fakultas Sains dan Teknologi Universitas Sanata Dharma yang

telah membagikan ilmu dan pengalamannya selama proses perkuliahan. 4. Kepada keluarga tercinta Bapak Drs.Purnomo dan Ibu Agata Suwardiyanti

beserta Fabian Pamor Putranto, Henrik Cahaya Perkasa dan keluarga besar atas dukungan, doa dan bantuannya dalam bentuk moril dan materil.

5. Fransisca Fernanda Widiyastuti yang selalu memberikan semangat, dukungan, doa, selalu menghibur dalam kesusahan serta membantu dalam banyak hal.

(11)

xi

6. Teman-teman seperjuangan di lab tugas akhir dan teman-teman teknik informatika yang saling mendukung dan membantu selama perkuliahan. 7. Semua pihak yang banyak membantu yang tidak bisa disebutkan satu per satu.

Penulis menyadari bahwa skripsi ini masih banyak kekurangan, oleh karena itu penulis mengharapkan kritik dan saran. Semoga skripsi ini dapat bermanfaat bagi pembaca.

Penulis,

(12)

xii DAFTAR ISI

HALAMAN PERSETUJUAN ... iii

HALAMAN PENGESAHAN ... iv

MOTTO... v

PERNYATAAN KEASLIAN KARYA ... vi

LEMBAR PERNYATAAN PERSETUJUAN ... vii

PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS ... vii

ABSTRAK ... viii

ABSTRACT ... ix

KATA PENGANTAR ... x

DAFTAR ISI ... xii

DAFTAR TABEL ... xiv

DAFTAR GAMBAR ... xv

DAFTAR RUMUS... xviii

BAB I ... 1 1.1. Latar belakang ... 1 1.2 Rumusan Masalah ... 2 1.3 Tujuan Penelitian ... 2 1.4 Manfaat Penlitian ... 2 1.5 Batasan Masalah ... 2 1.6 Metode Penelitian ... 3 1.7 Sistematika Penulisan ... 3 BAB II ... 5

(13)

xiii

2.2 Jaringan Oportunistik ... 6

2.3 Protokol Routing SimBet... 6

2.4 Althurism dan Selfihness ... 12

2.5 Simulator ONE (Opportunistic Networking Environment) ... 14

BAB III... 15

3.1 Distribusi Nilai Selfishness ... 15

3.2 Parameter Simulasi ... 17

3.3 Skenario Pengujian ... 18

3.4 Desain Cara Melakukan Pungujian dengan Alat Uji ... 18

3.5 Metrik Unjuk Kerja ... 18

3.6 Node Mobility ... 20

BAB IV ... 22

4.1. Tabel Perbandingan Hasil Simulasi ... 22

4.2. Perbandingan Delivery Probability, Overhead Ratio, Latency ... 26

4.4. Perbandingan Buffer Occupancy per Node ... 45

BAB V ... 56

5.1. Kesimpulan ... 56

5.2. Saran ... 57

DAFTAR PUSTAKA ... 58

LAMPIRAN ... 59

Protokol Routing SimBet ... 59

(14)

xiv

DAFTAR TABEL

Table 3.1.1 Parameter Simulasi ... 17 Table 4.1.1 Hasil simulasi menggunakan pergerakan Haggle 3 – Infocom 5... 23 Table 4.1.2 Hasil simulasi menggunakan pergerakan Haggle 4 Cam – iMotes .... 23 Table 4.1.3 Hasil simulasi menggunakan pergerakan Haggle 6 – Infocom 6... 24 Table 4.1.4 Hasil simulasi menggunakan pergerakan Reality MIT ... 25

(15)

xv

DAFTAR GAMBAR

Gambar 2.1.1 Topologi MANET ... 5

Gambar 2.2.1 Model penyebaran pesan dalam jaringan Oportunistik ... 6

Gambar 2.3.1 Kelompok yang tidak saling terhubung ... 9

Gambar 2.4.1 Mekanisme pengaruh nilai Selfishness ... 13

Gambar 3.1.1 Grafik Distribusi Normal ... 16

Gambar 3.1.2 Grafik Utility-biased Distribution ... 16

Gambar 3.1.3 Storage Depend Distribution ... 17

Gambar 4.2.1 Grafik Delivery Probability : Haggle 3 Infocom 5 ... 26

Gambar 4.2.2 Grafik Delivery Probability : Haggle 4 Cam – iMotes ... 26

Gambar 4.2.3 Grafik Delivery Probability : Haggle 6 Infocom 6 ... 27

Gambar 4.2.4 Grafik Delivery Probability : Reality MIT ... 27

Gambar 4.2.5 Grafik Total relay message : Haggle 3 - Infocom 5 ... 28

Gambar 4.2.6 Grafik Total relay message : Haggle 4 Cam – iMotes ... 28

Gambar 4.2.7 Grafik Total relay message : Haggle 6 - Infocom 6 ... 29

Gambar 4.2.8 Grafik Total relay message : Reality MIT ... 29

Gambar 4.2.9 Grafik Overhead ratio : Haggle 3 – Infocom 5 ... 30

Gambar 4.2.10 Grafik Overhead ratio : Haggle 4 Cam – iMotes ... 30

Gambar 4.2.11 Grafik Overhead ratio : Haggle 6 – Infocom 6 ... 31

Gambar 4.2.12 Grafik Overhead ratio : Reality MIT... 31

Gambar 4.2.13 Grafik Latency : Haggle 3 – Infocom 5 ... 32

Gambar 4.2.14 Grafik Latency : Haggle 4 Cam – iMotes ... 33

Gambar 4.2.15 Grafik Latency : Haggle 6 – Infocom 6 ... 33

Gambar 4.2.16 Grafik Latency : Reality MIT... 34

Gambar 4.3.1 Grafik Delivered Success Msg per Contact Haggle 3 : Uniform .... 35

Gambar 4.3.2 Grafik Delivered Success Msg per Contact Haggle 3 : Percentage 35 Gambar 4.3.3 Grafik Delivered Success Msg per Contact Haggle 3 : Norm Dis .. 36

Gambar 4.3.4 Grafik Delivered Success Msg per Contact Haggle 3 : Storage-Depend ... 36

Gambar 4.3.5 Grafik Delivered Success Msg per Contact Haggle 3 : Utility biased... 37

(16)

xvi

Gambar 4.3.6 Grafik Delivered Success Msg per Contact Haggle 4 : Uniform .... 37 Gambar 4.3.7 Grafik Delivered Success Msg per Contact Haggle 4 : Percentage 38 Gambar 4.3.8 Grafik Delivered Success Msg per Contact Haggle 4 : Distribusi Normal... 38 Gambar 4.3.9 Grafik Delivered Success Msg per Contact Haggle 4 : Storage-Depend ... 39 Gambar 4.3.10 Grafik Delivered Success Msg per Contact Haggle 4 : Utility-biased... 39 Gambar 4.3.11 Grafik Delivered Success Msg per Contact Haggle 6 : Uniform .. 40 Gambar 4.3.12 Grafik Delivered Success Msg per Contact Haggle 6 :

Percentage ... 40 Gambar 4.3.13 Grafik Delivered Success Msg per Contact Haggle 6 : Distribusi Normal... 41 Gambar 4.3.14 Grafik Delivered Success Msg per Contact Haggle 6 : Storage-Depend ... 41 Gambar 4.3.15 Grafik Delivered Success Msg per Contact Haggle 6 :Utility-biased... 42 Gambar 4.3.16 Grafik Delivered Success Msg per Contact Reality : Uniform ... 42 Gambar 4.3.17 Grafik Delivered Success Msg per Contact Reality : Percentage . 43 Gambar 4.3.18 Grafik Delivered Success Msg per Contact Reality :NormDis ... 43 Gambar 4.3.19 Grafik Delivered Success Msg per Contact Reality :Storage-Depend ... 44 Gambar 4.3.20 Grafik Delivered Success Msg per Contact Reality

:Utility-biased... 44 Gambar 4.4.1 Grafik Buffer Occupancy Haggle 3 – Infocom 5 : Uniform ... 45 Gambar 4.4.2 Grafik Buffer Occupancy Haggle 3 – Infocom 5 : Percentage ... 46 Gambar 4.4.3 Grafik Buffer Occupancy Haggle 3 – Infocom 5 : Normal

Distribution ... 46 Gambar 4.4.4 Grafik Buffer Occupancy Haggle 3 – Infocom 5 : Storage-depend 47 Gambar 4.4.5 Grafik Buffer Occupancy Haggle 3 – Infocom 5 : Utility-biased ... 47 Gambar 4.4.6 Grafik Buffer Occupancy Haggle 4 Cam – iMotes : Uniform ... 48

(17)

xvii

Gambar 4.4.7 Grafik Buffer Occupancy Haggle 4 Cam – iMotes : Percentage .... 48

Gambar 4.4.8 Grafik Buffer Occupancy Haggle4 Cam–iMotes : Normal Distribution ... 49

Gambar 4.4.9 Grafik Buffer Occupancy Haggle4 Cam–iMotes : Storage-depend 49 Gambar 4.4.10 Grafik Buffer Occupancy Haggle4 Cam–iMotes : Utility-biased . 50 Gambar 4.4.11 Grafik Buffer Occupancy Haggle 6 – infocom 6 : Uniform ... 50

Gambar 4.4.12 Grafik Buffer Occupancy Haggle 6 – infocom 6 : Percentage ... 51

Gambar 4.4.13 Grafik Buffer Occupancy Haggle 6 – infocom 6 : Normal Distribution ... 51

Gambar 4.4.14 Grafik Buffer Occupancy Haggle 6 – infocom 6 : Storage-depend ... 52

Gambar 4.4.15 Grafik Buffer Occupancy Haggle 6 – infocom 6 : Utility-biased . 52 Gambar 4.4.16 Grafik Buffer Occupancy Reality MIT : Uniform ... 53

Gambar 4.4.17 Grafik Buffer Occupancy Reality MIT : Percentage ... 53

Gambar 4.4.18 Grafik Buffer Occupancy Reality MIT : Normal Distribution ... 54

Gambar 4.4.19 Grafik Buffer Occupancy Reality MIT : Storage-depend ... 54

(18)

xviii DAFTAR RUMUS Rumus 2.3.1 ... 8 Rumus 2.3.2 ... 9 Rumus 2.3.3 ... 11 Rumus 2.3.4 ... 11 Rumus 2.3.5 ... 11 Rumus 3.1.1 ... 16 Rumus 3.5.1 ... 18 Rumus 3.5.2 ... 19 Rumus 3.5.3 ... 19 Rumus 3.5.4 ... 19

(19)

1

BAB I

1.1. Latar belakang

Mobile Ad-hoc Network (MANET) merupakan salah satu dari

teknologi wireless yang sedang dikembangkan untuk memenuhi kebutuhan informasi yang dibutuhkan manusia. Cara yang dilakukan MANET adalah dengan menjadikan setiap node memiliki beberapa fungsi. Setiap node dalam MANET dapat berperan sebagai pengirim pesan,router,penerima pesan dan bertindak sebagai relay. Mobile Ad-hoc Network (MANET) akan bekerja dengan baik jika seluruh node dapat terhubung dan saling menereuskan pesan dari satu node ke node lainnya sampai menemukan tujuan pesan tersebut. Sifat dari node yang bergerak setiap saat dengan kecepatan tertentu menyebabkan topologi dapat berubah kapanpun sehingga dapat menyebabkan koneksi yang sudah terbangun dapat terputus seiring dengan bergeraknya node tersebut.

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

Protokol routing yang ada pada literatur sebagian besar mengasumsikan bahwa setiap node kooperatif dalam merelaykan pesan dari node lain ke node tujuan. Dalam penerapanya node-node dalam jaringan tersebut merupakan device yang kita gunakan sehari-hari, device yang kita gunakan sebenarnya memiliki keterbatasan, diantaranya media penyimpanan, daya, serta waktu penggunaanya. Sifat kooperatif yang terlalu berlebihan ini pada nantinya akan merugikan diri kita sendiri, karena

device yang kita miliki akan terbebani oleh pesan orang lain. Hal ini akan

menyebabkan daya maupun penyimpanan yang terdapat pada device kita menjadi semakin berkurang.

Pada penelitian ini, saya akan melakukan analisis pengaruh node

(20)

merupakan tingkat keegoisan seseorang yang dalam penerapan kali ini disematkan kepada node di sebuah jaringan. Dalam penelitaian ini diasumsikan sebuah node memiliki sifat Selfish(egois) atau

Altruism(peduli). Sifat Alturis berarti, setiap node akan peduli dan

kooperatif terhadap node lainya tanpa peduli akan node itu sendiri. Pada penelitian kali ini saya akan memberikan nilai selfishness agar setiap node tidak selamanya selalu kooperatif terhadap node lainya. Penerapan model Selfisness disini akan menggunakan beberapa model distribusi sifat selfishness, ada 5(lima) model yang akan diterapkan. Model tersebut meliputi Percentage of Selfishness (Prosentase Keegoisan) , Uniform

Distribution (Distribusi seragam) , Normal Distribution (Distribusi normal)

, Utility-biased Distribution dan Storage-depend Distribution.

1.2 Rumusan Masalah

Berdasarkan pada latar belakang tersebut, maka rumusan masalah yang didapatkan :

1.2.1 Mengetahui efisiensi routing protokol SimBet, jika Selfishness diterapkan pada node yang ada di jaringan tersebut.

1.2.2 Menganalisis data berupa Total relayed message, delivery

probability, Buffer Ocupancy, latency average, dan Received message per time untuk mengetahui performa dari protocol Simbet

dengan penerapan nilai Selfishness.

1.3 Tujuan Penelitian

Tujuan dari penelitian ini adalah mengetahui pengaruh diterapkanya node selfish pada protokol routing SimBet.

1.4 Manfaat Penlitian

Hasil dari penelitian ini diharapakan dapat digunakan sebagai acuan untuk menentukan pemilihan routing protokol di jaringan sosial oportunistik.

1.5 Batasan Masalah

(21)

3

1.5.1 Menggunakan protokol SimBet.

1.5.2 Menggunakan framework OneSimulator.

1.5.3 Metrik unjuk kerja adalah Total relayed message, delivery

probability, Buffer Ocupancy, latency average, dan delivered success message per contact.

1.6 Metode Penelitian

Metode yang dilakukan dalam penelitian ini adalah sebagai berikut: 1.6.1 Studi Pustaka

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

1) Teori jaringan oportunistik. 2) Teori routing protokol SimBet. 3) Teori Selfisness.

4) Dokumentasi OneSimulator. 5) Tahap-tahap membangun simulasi. 1.6.2 Perancangan

Pada tahap ini data yang akan penulis gunakan untuk melakukan penelitian sudah tersedia di Internet pada alamat http://www.shigs.co.uk/index.php?page=traces .

1.6.3 Pembangunan Simulasi dan Pengumpulan Data

Pada simulasi jaringan Oportunistik ini menggunakan simulator bernama The One Simmulator.

1.6.4 Analisi Data Simulasi

Mengolah data dari hasil simulasi, untuk diproses kemudian dianalisis sesuai dengan parameter ujuk kerja.

1.6.5 Penarikan Kesimpulan

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

1.7 Sistematika Penulisan

Berikut ini adalah sistematika penulisan yang dibagi menjadi 5 bab:

(22)

Bab ini berisi tentang latar belakang yang diambil dari judul Tugas Akhir, batasan masalah, Tujuan penelitian , manfaat penelitian, Metodologi 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 dan menjelaskan teori yang berkaitan dengan judul/masalah di tugas akhir.

BAB III: PERANCANGAN PENELITIAN

Bab ini membahas bagaiman cara perancangan infrastruktur dalam melakukan penelitian, serta parameter-parameter yang digunakan sebagai bahan penelitian

BAB IV: PENGUJIAN DAN ANALISIS

Bab ini berisi tahap pengujian siimulasi dan analisa data hasil hari simulasi.

BAB V: KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan dan saran-saran berdasarkan simulasi dan hasil analisa data jaringan

(23)

5

BAB II

LANDASAN TEORI

2.1 Mobile Ad Hoc Network (MANETs)

Mobile Ad-Hoc Network (MANET) merupakan jaringan tanpa kabel

yang memeiliki beberapa node dimana infrastruktur sudah tidak menjadi patokan utamanya. Pada jaringan MANET, semua node yang terdapat pada suatau jaringan akan selalu bergerak. Sebuah node tidak lagi berfungsi hanya sebagai end device, namun bisa juga digunakan sebagai relay untuk meneruskan pesan ke node yang lain.

Pada MANET, sebuah komunikasi dapat berjalan apabila terdapat jalur dari node asal (source) ke node tujuan (destination). MANET melakukan komunikasi secara peer to peer menggunakan skema routing dengan cara multihop. Informasi yang akan dikirimkan disimpan dahulu dan diteruskan ke node tujuan melalui node perantara. Ketika topologi mengalami perubahan karena node tersebut bergerak, maka perubahan topologi harus diketahui oleh setiap node [1].

Gambar 2.1.1 Topologi MANET

Kelemahan utama dalam komunikasi mobile adalah keterbatasan sumber daya, waktu pertemuan antar node yang tidak pasti lamanya,dan

(24)

2.2 Jaringan Oportunistik

Jaringan oportunistik adalah sebuah jaringan yang dibuat untuk mengatasi kelemahan pada MANET. Jaringan ini merupakan bentuk khusus dari MANET. Tidak ada topologi jaringan yang pasti terbentuk pada jaringan ini. Jika pada MANET sebuah komunikasi hanya bisa terjadi ketika ada jalur langsung dari node source ke node destination, pada jaringan oportunistik dimungkinkan terjadinya komunikasi tanpa ada jalur langsung dari node source ke node destination. Kelemahan-kelemahan pada jaringan oportunistik adalah seluruh kelemahan pada MANET, ditambah kontak node yang tidak tentu sehingga delay pengiriman pesan menjadi sangat tinggi.

Gambar 2.2.1Model penyebaran pesan dalam jaringan Oportunistik

Komunikasi dalam jaringan ini terjadi ketika dua buah node saling terdeteksi dalam radio range. Kemudian node akan saling mengirim pesan yang dibawa masing-masing node. Setelah menerima pesan, node tersebut akan menyimpannya sampai ia menemui relay yang lebih baik atau menemukan node destination. Metode komunikasi ini dikenal dengan

store-carry-forward.

2.3 Protokol Routing SimBet

Algoritma routing SimBet merepresentasikan komunikasi antara node A dan B. Algoritma routing SimBet secara sederhana dapat dibagi menjadi 4 fase. Berikut merupakan gambaran kegiatan yang dilakukan kedua buah node yang saling bertemu:

(25)

7

1. Connection up: fase saat kedua node menyadari ada node baru dalam radio range-nya.

2. Setelah koneksi terbangun: pada fase ini kedua node akan melakukan pertukaran informasi tentang node tetangga yang sudah pernah ditemui.

● Jika node yang ditemui ini adalah node yang sebelumnya sudah ditemui, informasi yang lama akan diupdate dengan informasi terbaru.

● Jika node yang ditemui ini belum pernah ditemui sebelumnya, informasi yang didapat akan ditambahkan dalam penyimpanan lokal.

● Setelah mendapat informasi node tetangga, kedua node akan melakukan:

a. Mengupadate metrik betweenness centrality

Penghitungan Egocentric Betweenness Centrality

Secara matematis, node-node yang sudah ditemui

ego node dapat direpresentasikan dalam bentuk matriks adjacency. Matriks yang terbentuk adalah matriks simetris

yang akan memiliki orde n × n, n merupakan jumlah node yang sudah ditemui oleh ego node.

Karena matriks yang terbentuk adalah matriks simetris, hanya nilai di atas diagonal dan tidak bernilai 0 yang perlu diperhatikan. Ketika ego node bertemu dengan node baru yang belum termasuk dalam daftar node-node yang ditemuinya, ego node akan melakukan pembaharuan daftar node dan orde matriks adjacency. Pada ego network, node yang diperhitungkan adalah node yang ditemui ego

node secara langsung maka hanya daftar node milik contact node (node yang ditemui ego node) yang sama-sama

ditemui oleh ego node dan contact node saja yang dimasukkan ke dalam matriks adjacency [2].

(26)

𝐸𝐵𝐶(𝐴) = ∑ 1 𝐴2_{[1 − 𝐴]} 𝑖,𝑗 𝐸𝐵𝐶(𝐴) = 𝑛𝑖𝑙𝑎𝑖 𝑒𝑔𝑜𝑐𝑒𝑛𝑡𝑟𝑖𝑐 𝑏𝑒𝑡𝑤𝑒𝑒𝑛𝑛𝑒𝑠𝑠 𝑐𝑒𝑛𝑡𝑟𝑎𝑙𝑖𝑡𝑦 𝑠𝑒𝑏𝑢𝑎ℎ 𝑒𝑔𝑜 𝑛𝑜𝑑𝑒 𝐴 𝐴2 = 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑑𝑎𝑟𝑖 𝑚𝑎𝑡𝑟𝑖𝑘𝑠 𝑎𝑑𝑗𝑒𝑐𝑒𝑛𝑐𝑦 𝐴 Rumus 2.3.1

b. Mengupdate metrik node similarity Node Similarity

Jaringan sosial dapat menunjukkan adanya derajat

transitivity yang sangat tinggi. Transitivity adalah relasi antara

3 node, jika ada hubungan antara node 1 dan node 2, node 2 dan node 3, maka secara tidak langsung node 1 dan node 3 juga berhubungan. Transitivity menunjukan bahwa semakin tinggi nilai transitivity antara node 1 dan node 3 maka probabilitas untuk bertemu akan meningkat. Hal ini biasa disebut dengan

Algoritma Penghitungan Betweenness Centrality

1: Ambil nilai keySet dari penyimpanan lokal node n

2: Bangun matriks adjacency berdasarkan node-node yang sudah ditemui node key

3: Simpan matriks yang terbentuk dalam variabel A 4: Pangkatkan matriks A

5: Simpan hasil perpangkatan pada variabel A2

6: Lakukan operasi pengurangan matriks 1 dengan ordo n × n dengan matriks A

7: Lakukan perkalian A2 dengan hasil pengoperasian pada langkah ke 6 menggunakan element wise operation

8: Simpan hasil pengoperasian pada variabel result(i,j)

9: Ambil seluruh nilai result(i,j) yang tidak bernilai 0 dan berada di atas garis diagonal matriks

10: Simpan untuk setiap nilai yang diambil pada variabel y 11: Untuk setiap nilai di variabel y

12: Ubah nilai menjadi nilai resiprokalnya

13: Lakukan operasi penjumlahan untuk seluruh nilai yang tersimpan pada variabel y

14: Simpan nilai penambahan dalam variabel EBC(n) 15: Return nilai betweenness dari variabel EBC(n)

(27)

9

pengelompokan (clustering). Dalam sebuah jaringan, semakin banyak teman yang sama yang dimiliki oleh dua buah node yang tidak saling terhubung maka semakin tinggi probabilitas kedua node ini saling terhubung.

Gambar 2.3.1 Kelompok yang tidak saling terhubung

Probabilitas dari penghitungan di bawah dapat menggambarkan adanya ‘node similarity’ dari node x dan node y pada sebuah topologi jaringan. Semakin banyak kesamaan himpunan node tetangga yang sama antara node x dan y, maka semakin tinggi probabilitas kedua buah node untuk saling bertemu.

𝑃(𝑥, 𝑦) = |𝑁(𝑥) ∩ 𝑁(𝑦)|

𝑃(𝑥, 𝑦) = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑛𝑜𝑑𝑒 𝑥 𝑑𝑎𝑛 𝑛𝑜𝑑𝑒 𝑦 𝑡𝑒𝑟ℎ𝑢𝑏𝑢𝑛𝑔 𝑁(𝑥) = ℎ𝑖𝑚𝑝𝑢𝑛𝑎𝑛 𝑛𝑜𝑑𝑒 𝑦𝑎𝑛𝑔 𝑡𝑒𝑟ℎ𝑢𝑏𝑢𝑛𝑔 𝑑𝑒𝑛𝑔𝑎𝑛 𝑥 𝑁(𝑦) = ℎ𝑖𝑚𝑝𝑢𝑛𝑎𝑛 𝑛𝑜𝑑𝑒 𝑦𝑎𝑛𝑔 𝑡𝑒𝑟ℎ𝑢𝑏𝑢𝑛𝑔 𝑑𝑒𝑛𝑔𝑎𝑛 𝑦

Rumus 2.3.2

Penghitungan Node Similarity

Penghitungan nilai node similarity juga menggunakan matriks pertemuan yang sudah dibuat pada saat akan menghitung nilai betweenness centrality. Cara menghitung nilai node similarity untuk node-node yang sudah ditemui secara langsung oleh ego node dengan mengudaratkan matriks

adjacency yang telah dibuat. Namun, untuk menghitung nilai node similarity terhadap node-node yang tidak ditemui secara

(28)

jumlah node yang telah ditemui ego node secara langsung dan

m adalah jumlah node yang tidak ditemuinya secara langsung

namun dapat dijangkau melalui node yang telah ditemui oleh

ego node. Setelah matriks node yang tidak ditemui secara

langsung terbuat, penghitungan node similarity dilakukan dengan mencari irisan dari kedua buah matriks, ada berapa node yang sama-sama memiliki nilai 1 pada matriks.

Algoritma Penghitungan Node Similarity

1: Ambil nilai matriks A yang sudah terbentuk

2: Ambil seluruh node yang tidak termasuk dalam keySet 3: Jika ada dua node yang sama,

4: Pilih salah satu

5: Simpan node-node tersebut dalam variabel m 6: Buat matriks adjacency n × m

7: Untuk setiap kolom node m,

8: Cari irisan nilai 1 dengan kolom node n pada matriks A 9: Simpan jumlah irisan untuk setiap node m

10: Return nilai node similarity untuk setiap dest node m

3. Forwarding: fase ini merupakan fase pengecekan apakah ego node

membawa pesan untuk node yang ditemuinya dan pemilihan pesan mana yang bisa dititipkan pada node yang ditemuinya saat ini.

● Jika ego node membawa pesan untuk node yang ditemuinya, semua pesan untuk node tersebut akan dikirimkan.

● Jika tidak, ego node akan menghitung nilai SimBet Utility pesan m untuk tujuan dest.

● Setelah melakukan penghitungan, setiap node akan melakukan perbandingan nilai SimBet Utility pesan m untuk tujuan dest. ● Jika nilai SimBet Utility ego node untuk tujuan dest lebih kecil dari

nilai SimBet Utility node yang ditemuinya untuk tujuan dest, pesan akan dititpkan.

4. Setelah waktu koneksi habis: pada fase ini kedua node tidak melakukan apa-apa [2].

(29)

11

Penghitungan Nilai Utilitas SimBet (SimBet Utility)

Utilitas SimBet merupakan nilai yang berada antara 0 dan 1. Nilai ini memiliki dua komponen dasar yaitu node similarity dan

betweenness centrality. Memilih node yang akan menjadi node relay

untuk menyampaikan pesan masalah yang dapat diselesaikan menggunakan beberapa ketentuan. Node yang terpilih adalah node yang memiliki nilai utilitas tertinggi dalam menyampaikan pesan ke node destination. Nilai utilitas SimBet didapatkan dari penghitungan nilai utilitas node similarity dan utilitas betweenness dari ego node (n) untuk mengirim pesan ke node destination (d) dibandingkan dengan node node relay (m).

𝑆𝑖𝑚𝑈𝑡𝑖𝑙_𝑛(𝑑) = 𝑆𝑖𝑚𝑛(𝑑) 𝑆𝑖𝑚_𝑛(𝑑) + 𝑆𝑖𝑚_𝑚(𝑑) 𝑆𝑖𝑚𝑈𝑡𝑖𝑙𝑛(𝑑) = 𝑛𝑖𝑙𝑎𝑖 𝑢𝑡𝑖𝑙𝑖𝑡𝑎𝑠 𝑛𝑜𝑑𝑒 𝑠𝑖𝑚𝑖𝑙𝑎𝑟𝑖𝑡𝑦 𝑛𝑜𝑑𝑒 𝑛 𝑡𝑒𝑟ℎ𝑎𝑑𝑎𝑝 𝑛𝑜𝑑𝑒 𝑑 𝑆𝑖𝑚_𝑛(𝑑) = 𝑛𝑖𝑙𝑎𝑖 𝑛𝑜𝑑𝑒 𝑠𝑖𝑚𝑖𝑙𝑎𝑟𝑖𝑡𝑦 𝑛𝑜𝑑𝑒 𝑛 𝑡𝑒𝑟ℎ𝑎𝑑𝑎𝑝 𝑛𝑜𝑑𝑒 𝑑 𝑆𝑖𝑚_𝑚(𝑑) = 𝑛𝑖𝑙𝑎𝑖 𝑛𝑜𝑑𝑒 𝑠𝑖𝑚𝑖𝑙𝑎𝑟𝑖𝑡𝑦 𝑛𝑜𝑑𝑒 𝑚 𝑡𝑒𝑟ℎ𝑎𝑑𝑎𝑝 𝑛𝑜𝑑𝑒 𝑑 Rumus 2.3.3 𝐵𝑒𝑡𝑈𝑡𝑖𝑙_𝑛 = 𝐵𝑒𝑡𝑛 𝐵𝑒𝑡_𝑛+ 𝐵𝑒𝑡_𝑚 𝐵𝑒𝑡𝑈𝑡𝑖𝑙𝑛 = 𝑛𝑖𝑙𝑎𝑖 𝑢𝑡𝑖𝑙𝑖𝑡𝑎𝑠 𝑏𝑒𝑡𝑤𝑒𝑒𝑛𝑛𝑒𝑠𝑠 𝑛𝑜𝑑𝑒 𝑛 𝐵𝑒𝑡_𝑛 = 𝑛𝑖𝑙𝑎𝑖 𝑏𝑒𝑡𝑤𝑒𝑒𝑛𝑛𝑒𝑠𝑠 𝑛𝑜𝑑𝑒 𝑛 𝐵𝑒𝑡_𝑚 = 𝑛𝑖𝑙𝑎𝑖 𝑏𝑒𝑡𝑤𝑒𝑒𝑛𝑛𝑒𝑠𝑠 𝑛𝑜𝑑𝑒 𝑚 Rumus 2.3.4

Nilai utilitas SimBet node n ke node d dapat diukur dengan mengombinasikan nilai utilitas node similarity dan utilitas betweenness yang telah diukur sebelumnya.

𝑆𝑖𝑚𝐵𝑒𝑡𝑈𝑡𝑖𝑙𝑛(𝑑) = 𝛼𝑆𝑖𝑚𝑈𝑡𝑖𝑙𝑛(𝑑) + 𝛽𝐵𝑒𝑡𝑈𝑡𝑖𝑙𝑛

𝑆𝑖𝑚𝐵𝑒𝑡𝑈𝑡𝑖𝑙𝑛(𝑑) = 𝑛𝑖𝑙𝑎𝑖 𝑢𝑡𝑖𝑙𝑖𝑡𝑎𝑠 𝑆𝑖𝑚𝐵𝑒𝑡 𝑛𝑜𝑑𝑒 𝑛 𝑘𝑒 𝑛𝑜𝑑𝑒 𝑑

𝛼 + 𝛽 = 1

(30)

Algoritma Penghitungan SimBetUtil

1: Ambil nilai betweenness node n dari penyimpanan lokal 2: Ambil nilai betweenness node m dari summary vector yang

dikirim node m 3: Hitung nilai BetUtiln

4: Untuk setiap node destination d lakukan 5: Ambil nilai node similarity node n ke node d 6: Ambil nilai node similarity node m ke node d 7: Hitung nilai SimUtiln (d)

8: Hitung nilai SimBetUtiln

9: Return nilai SimBetUtiln

Nilai α dan β merupakan parameter yang dapat diatur untuk menentukan nilai utilitas mana yang menjadi utilitas terpenting dibanding nilai utilitas lainnya [3].

2.4 Althurism dan Selfihness

Altruism(Kepedulian) adalah sifat kepedulian dari sebuah node.

Setiap node akan sangat peduli dan kooperatif terhadap node lainya tanpa memedulikan node itu sendiri. Sebuah node yang memiliki sifat altruism akan memiliki antusiasme yang tinggi untuk meneruskan pesan yang node itu peroleh. Semakin tinggi nilai altruism suatu node, semakin tinggi juga kemungkinan node tersebut akan meneruskan pesan yang diterimanya. Sedangkan Selfishness(mementingkan kepentinganya sendiri) adalah suatu kondisi dimana sebuah node memiliki sifat egois dengan kata lain, node akan mementingkan kepentinganya sendiri. Sebuah node yang egois akan menolak meneruskan pesan yang akan dia peroleh. Semakin tinggi sifat

selfishness suatu node, semakin tinggi juga kemungkinan node tersebut akan

menolak meneruskan pesan.

Berikut ini merupakan gambaran/mekanisme kegiatan yang dilakukan kedua buah node yang saling bertemu jika nilai selfishness diterapkan pada node di jaringan sosial oportunistik :

(31)

13

Gambar 2.4.1 Mekanisme pengaruh nilai Selfishness

1) Connection up : fase ini adalah fase dimana kedua node menyadari ada

node baru dalam radio range(jangkauan)nya.

2) Update : Setelah koneksi terbangun, pada fase ini kedua node akan saling mengirimkan pesan yang digunakan untuk penghitungan nilai similiarity dan betweenness.

3) Send Message to Peer, pada tahap ini, node akan mengirimkan pesan ke node yang ditemuinya apabila nilai Utility Peer lebih tinggi daripada nilai utilitynya.

4) Di tahap terakhir, setiap node akan membuang pesan yang diterimanya, apabila dia adalah node selfish dan akan menyimpan apabila node tersebut bukanlah node selfish.

Dalam penelitian ini, kami membahas beberapa persebaran nilai selfishness pada setiap node diantaranya, percentage of selfish, uniform,

normal distribution, simbet utility-biased dan storage-depend biased.

Semua tingkatan Altruism dan Selfish tersebar antara 0 dan 1, dimana 0 adalah penuh dengan Altruism dan 1 penuh dengan Selfish.

(32)

2.5 Simulator ONE (Opportunistic Networking Environment)

Simulator ONE merupakan sebuah simulator yang digunakan untuk melakukan simulasi komunikasi pada Opportunistik network. The One mampu menghasilkan gerakan-gerakan dari setiap node menggunakan gerakan yang berbeda tergantung dari setting yang telah kita atur. Pada dasarnya fungsi utama dari The One ini adalah pemodelan dari node movement, inter-node contacts, routing dan message handling. Hasil dan analisis yang didapat akan dipanggil menlalui visualization, reports dan post-processing tools. Simulator ini dibangun menggunakan platform pemrograman bahasa Java, the One juga mampu melakukan import terhadap eksternal mobility meskipun secara default telah tersedia seperti kita menggunakan pergerakan real human trace [4].

(33)

15

BAB III

PERENCANAAN SIMULASI JARINGAN

Altruism dan Selfishness diamati dalam berbagai aspek masyarakat

modern dan diuji oleh para ahli. Altruism pada manusia telah dipelajari secara intensif. Umumnya, setiap node dapat memiliki tingkat Altruism maupun

Selfishness yang berbeda antara satu dengan yang lain [5] . 3.1 Distribusi Nilai Selfishness

3.1.1 Percentage of Selfishness

Prosentase distribusi ini adalah persebaran nilai selfishness paling sederhana, pada keseluruhan jaringan akan dibagi menjadi 2 kelompok besar , beberapa persen node akan memiliki sifat benar-benar selfish dengan nilai 1 dan siasanya adalah node dengan sifat benar-benar Alturis dengan nilai 0. 3.1.2 Uniform Distribution

Distribusi seragam, tingkat selfishness pada seluruh populasi

tersebar seragam antara 0 dan 1. Setiap node pada model distribusi ini memiliki nilai selfishness yang sama antara satu dengan yang lain.

3.1.3 Normal Distribution

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

(34)

Gambar 3.1.1 Grafik Distribusi Normal

3.1.4 Utility-biased Distribution

Utility-biased Distribution, menghubungkan selfishness pada

nilai berikut ini:

𝑎

_𝑖

=

(𝑈𝑚𝑎𝑥 – 𝑈𝑖)𝛼

(𝑈_𝑚𝑎𝑥− 𝑈_𝑚𝑖𝑛)𝛼

Rumus 3.1.1

Umin dan Umax adalah nilai yang paling kecil dan paling besar

dalam sebuah jaringan. Dengan rumus tersebut, secara bebas menentukan nilai 𝛼, maka nilai 𝛼 kami tentukan sebesar 0.5. Dalam persamaan tersebut, nilai Ui merupakan nilai SimBet

Utility pada saat itu. Skenario model ini terdapat dalam jaringan sosial, orang menjadi popular dan memiliki banyak teman karena mereka dengan suka rela membantu orang lain [5].

Gambar 3.1.2 Grafik Utility-biased Distribution

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Se lf is h n es s SimBet Utility

Distribusi Nilai Selfishness

α 0.3 α 0.5 α 0.7

(35)

17

Skenario ini digunakan dalam jaringan sosial apabila orang tersebut memiliki banyak teman, dia mungkin saja tidak cukup memiliki sumberdaya untuk membantu mereka semua, dimana seseorang yang hanya memiliki satu teman mungkin akan sangat membantu temannya.

3.1.5 Storage Depend Distribution

Dalam distribusi nilai alturis ini, node akan menentukan nilai alturisnya sendiri. Ketika jumlah buffer yang tersisa semakin sedikit, maka nilai selfishness dari node tersebut akan semakin meningkat. Sebaliknya apabila jumlah buffer yang tersisa masih banyak, maka nilai selfishness menurun.

Gambar 3.1.3 Storage Depend Distribution 3.2 Parameter Simulasi

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

Parameter Haggle3-Infocom05 Haggle4-Cam-Imote Haggle6-Infocom06 Reality Buffer Size 10 M 15 M 15 M 10 M TTL (Menit) 360 1440 360 10080 Host 41 36 98 97 Msg Size 250k , 300k 100k, 250k 350k , 400k 20k

Table 3.2.1 Parameter Simulasi

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 .1 0 .1 5 0 .2 0 .2 5 0 .3 0 .3 5 0 .4 0. 45 ₀.5 0 .5 5 0 .6 0 .6 5 0 .7 0. 75 ₀.8 0 .8 5 0 .9 0 .9 5 1 B u ff er Selfishness

(36)

3.3 Skenario Pengujian

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

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

d. Sorage Depend-biased Distribution e. Utility-biased Distribution

3.4 Desain Cara Melakukan Pungujian dengan Alat Uji

Pengujian dilakukan dengan cara menjalankan metode distribusi nilai althurism dan selfishness di protocol routing SimBet pada setiap dataset sebanyak 5 kali.

3.5 Metrik Unjuk Kerja

3.5.1 Total Relayed Message

Total relayed message adalah jumlah keseluruhan dari pesan yang ada dijaringan, pesan yang di relay dan pesan yang terkirim.

3.5.2 Delivery Probability

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

𝐷𝑒𝑙𝑖𝑣𝑒𝑟𝑦 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦 = 𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑙𝑖𝑣𝑒𝑟𝑒𝑑 𝑀𝑒𝑠𝑠𝑎𝑔𝑒 𝑇𝑜𝑡𝑎𝑙 𝐺𝑒𝑛𝑒𝑟𝑎𝑡𝑒𝑑 𝑀𝑒𝑠𝑠𝑎𝑔𝑒

(37)

19

3.4.3 Overhead Ratio

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

=𝑆𝑢𝑚 𝑜𝑓 𝑟𝑒𝑙𝑎𝑦𝑒𝑑 𝑚𝑒𝑠𝑠𝑎𝑔𝑒 − 𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑙𝑖𝑣𝑒𝑟𝑒𝑑 𝑀𝑒𝑠𝑠𝑎𝑔𝑒 𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑙𝑖𝑣𝑒𝑟𝑒𝑑 𝑀𝑒𝑠𝑠𝑎𝑔𝑒

Rumus 3.5.2

3.5.4 Latency Average

Latency average merupakan metrik unjuk kerja

jaringan yang digunakan untuk mengetahui jumlah rata-rata waktu yang dibutuhkan sebuah pesan untuk mencapai node

destination sejak pesan tersebut dibuat.

𝐿𝑎𝑡𝑒𝑛𝑐𝑦 =𝑤𝑎𝑘𝑡𝑢 𝑝𝑒𝑠𝑎𝑛 𝑡𝑒𝑟𝑘𝑖𝑟𝑖𝑚 − 𝑤𝑎𝑘𝑡𝑢 𝑝𝑒𝑠𝑎𝑛 𝑑𝑖 𝑏𝑢𝑎𝑡 𝑗𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑠𝑎𝑛 𝑡𝑒𝑟𝑘𝑖𝑟𝑖𝑚

Rumus 3.5.3

3.5.5 Buffer Occupancy

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

100 ∗(𝑏𝑠𝑖𝑧𝑒 − 𝑓𝑟𝑒𝑒𝐵𝑢𝑓𝑓𝑒𝑟) bsize

Rumus 3.5.4

3.5.6 Delivered Success Message Per Contact

Delivered success message per contact merupakan

metrik unjuk kerja jaringan yang digunakan untuk mengetahui jumlah pesan yang telah terkirim ke destination.

(38)

3.6 Node Mobility

3.6.1 Haggle 4 – Cambridge iMotes

Dataset ini berisi data pertemuan antar pelajar di

Universitas Cambridge. Jumlah partisipan yang digunakan dalam simulasi ini sebanyak 36 orang. Lokasi pengambilan data berada di Kota Cambridge, Inggris. Selain dibawa 36 orang mahasiswa Cambridge, iMotes juga diletakkan di beberapa tempat yang sering dikunjungi partisipan, yaitu laboratorium komputer Universitas Cambridge, toko penjual bahan makanan, pubs, supermarket, pusat perbelanjaan di Kota Cambridge. Durasi simulasi pada dataset ini adalah 987529, sekitar 11.43 hari.

3.6.2 Haggle 3 - Infocom 05

Dataset ini berisi data pertemuan antar partisipan pada

konferensi IEEE Infocom di Miami. Setiap partisipan diberi

device (iMotes) yang digunakan untuk mencatat data

pertemuan antar partisipan. Dari 50 partisipan yang dipilih,

device yang menghasilkan data yang valid dan dapat

digunakan untuk melakukan penelitian sebanyak 41 device. Durasi simulasi pada dataset ini adalah 254150 detik, sekitar 2.94 hari.

3.4.2 Haggle 6 - Infocom 06

Dataset ini berisi data pertemuan antar warga di kota

metropolitan yang sibuk di Bacelona. Setiap partisipan diberi

device (iMotes) yang digunakan untuk mencatat data

pertemuan antar partisipan. Pada dataset ini, partisipan yang ikut bdan valid berjumlah 98 device. Durasi simulasi pada

dataset ini adalah 342915 detik, sekitar 3.96 hari.

3.6.3 Reality

Dataset ini berisi data pertemuan antar pelajar dari 2

fakultas di Universitas MIT. Jumlah partisipan yang digunakan dalam simulasi ini sebanyak 75 pelajar Fakultas

(39)

21

Media Laboratory dan 25 pelajar dari Fakultas Business.

Durasi simulasi pada dataset ini adalah sekitar 1 semester. Dari 100 partisipan yang dipilih, device yang menghasilkan data yang valid dan dapat digunakan untuk melakukan penelitian sebanyak 97 device. Durasi simulasi pada dataset ini adalah 16981816 detik, sekitar 197.38 hari.

(40)

22

BAB IV

PENGUJIAN DAN ANALISIS

Untuk melakukan analisis pengaruh node Selfishness terhadap protokol routing SimBet dengan distribusi nilai selfishness Uniform distribution, Percentage

of selfishness distribution, Normal distributed, Storage-depend distribution dan Utility-biased distribution, maka dilakukan simulasi dengan 4 dataset yang berbeda

antara lain, Haggle 3 – Infocom 5, Haggle 4 Cambridge – iMotes, Haggle 6 – Infocom 6 dan Reality MIT yang telah di rancang pada Bab III. Data hasil simulasi yang ditampilkan berdasarkan hasil report yang dibuat ketika simulasi dimulai hingga simulasi selesai di lakukan.

4.1. Tabel Perbandingan Hasil Simulasi

Setelah melakukan 5 kali menjalankan simulasi dengan menggunakan Haggle 3 – Infocom 5, Haggle 4 Cambridge – iMotes, Haggle 6 – Infocom 6 dan Reality MIT maka di dapatkan hasil sebagai berikut :

Metrik

Haggle 3 – Infocom 5 Distribusi nilai Selfishness

Uniform Percentage 0.3 0.5 0.7 30% 50% 70% Total Relayed Message 3719 3298 2580 2789 1862 1232 Delivery Probability 0.406 0.396 0.379 0.402 0.378 0.366 Overhead Ratio 18.9 17.11 13.81 14.07 9.71 6.3 Latency Average 8506.15 8659.22 8752.79 8596.05 8703.24 8771.08

(41)

23

Metrik

Haggle 3 – Infocom 5 Distribusi nilai Selfishness

Normal Distribution Storage Depend Distribution Utility biased Distribution Total Relayed Message 2354 3866 2204 Delivery Probability 0.380 0.411 0.364 Overhead Ratio 12.48 19.43 12.17 Latency Average 8764.41 8757.82 9015.42

Table 4.1.1 Hasil simulasi menggunakan pergerakan Haggle 3 – Infocom 5

Metrik

Haggle 4 – Cambridge iMotes Distribusi nilai Selfishness

Uniform Percentage 0.3 0.5 0.7 30% 50% 70% Total Relayed Message 14026 10375 7464 1332 7450 2546 Delivery Probability 0.452 0.436 0.402 0.445 0.398 0.320 Overhead Ratio 17.081 12.846 9.817 16.403 9.766 3.607 Latency Average 35768.5 36140.8 37310.8 35530 36597 37712 Metrik

Haggle 4 – Cambridge iMotes Distribusi nilai Selfishness

Normal Distribution Storage Depend Distribution Utility biased Distribution

Total Relayed Message 7849 9322 6614

Delivery Probability 0.416 0.412 0.383

Overhead Ratio 9.995 12.169 9.065

Latency Average 36860 37270 37463

Table 4.1.2 Hasil simulasi menggunakan pergerakan Haggle 4 Cam – iMotes

Metrik Haggle 6 – Infocom 06

(42)

Uniform Percentage 0.3 0.5 0.7 30% 50% 70% Total Relayed Message 13570 12340.8 10235.6 8964.8 6415.2 3232.6 Delivery Probability 0.530 0.507 0.460 0.480 0.459 0.393 Overhead Ratio 42.881 40.752 37.143 31.045 23.014 13.202 Latency Average 7137.30 7475.06 7724.25 7178.4 7429.4 7566.2 Metrik Haggle 6 – Infocom 06 Distribusi nilai Selfishness

Normal Distribution Storage Depend Distribution Utility biased Distribution Total Relayed Message 9391.4 13714.4 9020.6 Delivery Probability 0.471 0.520 0.416 Overhead Ratio 33.149 44.218 36.240 Latency Average 7830.42 7358.63 7967.11

(43)

25

Metrik

Reality MIT

Distribusi nilai Selfishness

Uniform Percentage 0.3 0.5 0.7 30% 50% 70% Total Relayed Message 458891 302903 192873 381171 171310 61936.8 Delivery Probability 0.315 0.295 0.260 0.296 0.254 0.189 Overhead Ratio 47.946 33.441 23.937 42.096 21.426 9.784 Latency Average 265211 269530 276317 263744 270178 265511 Metrik Reality MIT

Distribusi nilai Selfishness

Normal Distribution Storage Depend Distribution Utility biased Distribution Total Relayed Message 196972.8 310992 148610 Delivery Probability 0.260 0.306 0.224 Overhead Ratio 24.385 33.069 21.268 Latency Average 273743.83 276225.25 278002.4

Table 4.1.4 Hasil simulasi menggunakan pergerakan Reality MIT

Pada simulasi tersebut, pengambilan nilai selfishness secara Uniform ditentukan sebesar 0.3, 0.5 dan 0.7 dan untuk pengambilan nilai selfishness secara Percentage ditentukan sebesar 30% dari total node, 50% dari total node dan 70% dari total node. Hal ini diharapkan dapat mewakili pola dari pengambilain nilai selfihness di masing-masing distribusi.

(44)

4.2. Perbandingan Delivery Probability, Overhead Ratio, Latency

Gambar 4.2.1 Grafik Delivery Probability : Haggle 3 Infocom 5

Gambar 4.2.2 Grafik Delivery Probability : Haggle 4 Cam – iMotes

0.418 0.406 0.396 0.379 0.402 0.378 0.366 0.380 0.411 0.364 0.33 0.34 0.35 0.36 0.37 0.38 0.39 0.4 0.41 0.42 0.43

Delivery Probability

SimBet Kooperatif Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 30% Percentage 50% Percentage 70% NormDis Storage-depend Utility-biased 0.460_0.452 0.436 0.402 0.445 0.398 0.320 0.4160.412 0.383 0.2 0.25 0.3 0.35 0.4 0.45 0.5

Delivery Probability

SimBet Kooperatif Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 30% Percentage 50% Percentage 70% NormDis Storage-depend Utility-biased

(45)

27

Gambar 4.2.3 Grafik Delivery Probability : Haggle 6 Infocom 6

Gambar 4.2.4 Grafik Delivery Probability : Reality MIT

Protokol routing SimBet terlihat selalu unggul dalam semua pergerakan yang diujikan, hal ini terjadi karena penerapan Selfishness pada setiap node berpengaruh terhadap pengiriman pesan ke node tetangga. Ketika sebuah node akan mengirimkan pesan ke tetangganya , nilai selfishness bekerja seperti peredam yang membuat node tidak selalu dapat menitipkan pesan ke tetangganya. Disisi lain time to live akan selalu berkurang seiring dengan jalanya waktu simulasi. Saat time to live habis, pesan akan segera didrop dari jaringan tersebut. Ketika jumlah pesan yang dibuat jauh lebih

0.551 0.530 0.507 0.4600.4800.459 0.393 0.471 0.520 0.416 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6

Delivery Probability

SimBet Kooperatif Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 50% Percentage 30% Percentage 70% NormDis Storage-depend Utility-biased 0.329 0.315 0.295 0.260 0.296 0.254 0.189 0.260 0.306 0.224 0.1 0.15 0.2 0.25 0.3 0.35

Delivery Probability

(46)

banyak dari pada pesan yang terkirim maka probabilitas pesan terkirim akan semakin menurun.

Dampak lain dari penerapan nilai selfishness terhadap node di jaringan tersebut adalah banyaknya pesan yang direlay. Ketika dalam suatu jaringan hanya memiliki sedikit jumlah pesan yang direlay maka akan berpengaruh kepada banyak faktor.

Gambar 4.2.5 Grafik Total relay message : Haggle 3 - Infocom 5

Gambar 4.2.6 Grafik Total relay message : Haggle 4 Cam – iMotes

4166.2 3719 3298.6 2580.42789.2 1862.6 1232.8 2354 3866 2204.4 0 500 1000 1500 2000 2500 3000 3500 4000 4500

Total Relayed Message

SimBet Kooperatif Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 30% Percentage 50% Percentage 70% NormDis Storage-depend Utility-biased 21679.8 14026.2 10375.4 7464.2 13328.8 7450 2546.4 7849.2 9322.8 6614.2 0 5000 10000 15000 20000 25000

Total Relayed Message

(47)

29

Dalam grafik tersebut, penerapan nilai selfishness terhadap node di jaringan terbukti dapat mengurangi jumlah pesan yang di relay secara signifikan. Ketika nilai selfishness semakin mendekati nilai 1, maka probabilitas node untuk mengirimkan pesan ke node tetangga akan semakin kecil, ini mengakibatkan penyebaran pesan dalam jaringan tersebut menjadi semakin sedikit.

Gambar 4.2.7 Grafik Total relay message : Haggle 6 - Infocom 6

Gambar 4.2.8 Grafik Total relay message : Reality MIT

14786.4 13570 12340.8 10235.6 8964.8 6415.2 3232.6 9391.4 13714.4 9020.6 0 2000 4000 6000 8000 10000 12000 14000 16000

Total Relayed Message

SimBet Kooperatif Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 50% Percentage 30% Percentage 70% NormDis Storage-depend Utility-biased 754067.6 458891 302903.8 192873.4 381171 171310 61936.8 196972.8 310992.8 148610 0 100000 200000 300000 400000 500000 600000 700000 800000

Total Relayed Message

(48)

Sedikitnya pesan yang di relay dalam jaringan tersebut akan membuat overhead ratio juga semakin menurun. Hal ini sejalan dengan semakin sedikitnya jumlah pesan yang ada dalam jaringan.

Gambar 4.2.9 Grafik Overhead ratio : Haggle 3 – Infocom 5

Gambar 4.2.10 Grafik Overhead ratio : Haggle 4 Cam – iMotes

20.644 18.908 17.111 13.81314.076 9.713 6.302 12.483 19.430 12.173 0 5 10 15 20 25

Overhead Ratio

SimBet Kooperatif Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 30% Percentage 50% Percentage 70% NormDis Storage-depend Utility-biased 26.444 17.081 12.846 9.817 16.403 9.766 3.607 9.995 12.169 9.065 0 5 10 15 20 25 30

Overhead Ratio

(49)

31

Gambar 4.2.11 Grafik Overhead ratio : Haggle 6 – Infocom 6

Gambar 4.2.12 Grafik Overhead ratio : Reality MIT

Penerapan node selfishness dalam jaringan tersebut berhasil membuat beban jaringan berkurang terbukti dengan berkurangnya jumlah copy pesan dalam jaringan tersebut. Hasil dari penerapan node selfishness ini dapat mengurangi overhead secara signifikan, hal ini terlihat dari grafik 4.2.8 – 4.2.12 yang menunjukan perbedaan yang mencolok antara protocol simbet

45.038 42.881 40.752 37.143 31.045 23.014 13.202 33.149 44.218 36.240 0 5 10 15 20 25 30 35 40 45 50

Overhead Ratio

SimBet Kooperatif Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 50% Percentage 30% Percentage 70% NormDis Storage-depend Utility-biased 75.964 47.946 33.441 23.937 42.096 21.426 9.784 24.385 33.069 21.268 0 10 20 30 40 50 60 70 80

Overhead Ratio

(50)

tanpa penerapan node selfishness dan protocol simbet dengan penerapan node selfishness. Dalam pengujian kali ini tren yang berlaku adalah Simbet tanpa penerapan selfishness memiliki nilai Overhead paling tinggi, sedangkan penerapan node selfishness berdasarkan Prosentase (Prosentase 70%) memiliki tingkat overhead yang cenderung rendah.

Namun dengan diterapkanya node selfishness pada jaringan tersebut menyebabkan lamanya pesan sampai kepada tujuan. Hal ini terjadi karena pada saat node akan mengirimkan pesan ke node tetangganya pesan itu akan mengalami banyak penolakan, sehingga menyebabkan semakin berkurangnya jumlah pesan yang di relay dan berdampak pada lamanya pesan sampai ke tujuan. Dalam kasus kali ini, lamanya pesan sampai ke tujuan disebut latency yang di tunjukan pada grafik berikut.

Gambar 4.2.13 Grafik Latency : Haggle 3 – Infocom 5

8470.5338506.156 8659.223 8752.791 8596.052 8703.244 8771.080 8764.410 8757.828 9015.428 8100 8200 8300 8400 8500 8600 8700 8800 8900 9000 9100

Latency

(51)

33

Gambar 4.2.14 Grafik Latency : Haggle 4 Cam – iMotes

Gambar 4.2.15 Grafik Latency : Haggle 6 – Infocom 6

34854.04 35768.53 36140.84418 37310.80 35530.27 36597.88076 37712.91 36860.14 37270.9837463.79 33000 33500 34000 34500 35000 35500 36000 36500 37000 37500 38000

Latency

SimBet Kooperatif Uniform 0.3 Uniform 0.5 Uniform 0.7 Percentage 30% Percentage 50% Percentage 70% NormDis Storage-depend Utility-biased 6826.54 7137.30 7475.06 7724.25 7178.41 7429.41 7566.29 7830.42 7358.63 7967.11 6200 6400 6600 6800 7000 7200 7400 7600 7800 8000 8200

Latency

(52)

Gambar 4.2.16 Grafik Latency : Reality MIT

Pada hasil simulasi tersebut terlihat bahwa penerapan node selfishness menggunakan pendekatan Utility-biased distribution memiliki latency yang paling tinggi dibadingkan dengan pendekatan distribusi yang lain. Tren ini berlaku pada semua pergerakan yang diujikan.

4.3. Perbandingan Delivered Success Message per Contact

Untuk mengetahui lamanya pesan dan pertambahan pesan terkirim dapat dilihat dari grafik Delivered message per contact yang menunjukan kecepatan pesan sampai ketujuan.

259315.39 265211.60 269530.20 276317.16 263744.65 270178.12 265511.63 273743.83 276225.25 278002.48 250000 255000 260000 265000 270000 275000 280000

Latency

(53)

35

4.3.1. Haggle 3 – Infocom 05

Gambar 4.3.1 Grafik Delivered Success Message per Contact Haggle 3 : Uniform

Gambar 4.3.2 Grafik Delivered Success Message per Contact Haggle 3 : Percentage

0 50 100 150 200

Message Delivered per Contact

SimBet Kooperatif Uniform 0.3 Uniform 0.5 Uniform 0.7

0 50 100 150 200

Message Delivered per Contact

(54)

Gambar 4.3.3 Grafik Delivered Success Message per Contact Haggle 3 : Distribusi Normal

Gambar 4.3.4 Grafik Delivered Success Message per Contact Haggle 3 : Storage-Depend

0 50 100 150 200

Message Delivered per Contact

SimBet Kooperatif NormDis

0 50 100 150 200

Message Delivered per Contact

(55)

37

Gambar 4.3.5 Grafik Delivered Success Message per Contact Haggle 3 : Utility biased

4.3.2. Haggle 4 – Cambridge iMotes

0 50 100 150 200

Message Delivered per Contact

SimBet Kooperatif Utility-biased

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

Message Delivered per Contact

(56)

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

Message Delivered per Contact

SimBet Kooperatif Percentage 30% Percentage 50% Percentage 70%

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

Message Delivered per Contact

(57)

39

Gambar 4.3.10 Grafik Delivered Success Message per Contact Haggle 4 : Utility-biased

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

Message Delivered per Contact

SimBet Kooperatif Storage-depend

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

Message Delivered per Contact

(58)

0 50 100 150 200 250 300 350 500 ₅500 1 0 50 0 1 5 50 0 2 0 50 0 2 5 50 0 3 0 50 0 3 5 50 0 4 0 50 0 4 5 50 0 5 0 50 0 5 5 50 0 6 0 50 0 6 5 50 0 7 0 50 0 7 5 50 0 8 0 50 0 8 5 50 0 9 0 50 0 9 5 50 0 1 0 05 0 0 1 0 55 0 0 1 1 05 0 0 1 1 55 0 0 1 2 05 0 0 1 2 55 0 0 1 3 05 0 0 1 3 55 0 0 1 4 05 0 0 1 4 55 0 0 1 5 05 0 0 1 5 55 0 0

Message Delivered per Contact

SimBet Kooperatif Uniform 0.3 Uniform 0.5 Uniform 0.7

0 50 100 150 200 250 300 350 500 ₅500 1 0 50 0 1 5 50 0 2 0 50 0 2 5 50 0 3 0 50 0 3 5 50 0 4 0 50 0 4 5 50 0 5 0 50 0 5 5 50 0 6 0 50 0 6 5 50 0 7 0 50 0 7 5 50 0 8 0 50 0 8 5 50 0 9 0 50 0 9 5 50 0 1 0 05 0 0 1 0 55 0 0 1 1 05 0 0 1 1 55 0 0 1 2 05 0 0 1 2 55 0 0 1 3 05 0 0 1 3 55 0 0 1 4 05 0 0 1 4 55 0 0 1 5 05 0 0 1 5 55 0 0

Message Delivered per Contact

(59)

41

0 50 100 150 200 250 300 350 500 ₅500 1 0 50 0 1 5 50 0 2 0 50 0 2 5 50 0 3 0 50 0 3 5 50 0 4 0 50 0 4 5 50 0 5 0 50 0 5 5 50 0 6 0 50 0 6 5 50 0 7 0 50 0 7 5 50 0 8 0 50 0 8 5 50 0 9 0 50 0 9 5 50 0 1 0 05 0 0 1 0 55 0 0 1 1 05 0 0 1 1 55 0 0 1 2 05 0 0 1 2 55 0 0 1 3 05 0 0 1 3 55 0 0 1 4 05 0 0 1 4 55 0 0 1 5 05 0 0 1 5 55 0 0

Message Delivered per Contact

SimBet Kooperatif NormDis

0 50 100 150 200 250 300 350 500 ₅500 1 0 50 0 1 5 50 0 2 0 50 0 2 5 50 0 3 0 50 0 3 5 50 0 4 0 50 0 4 5 50 0 5 0 50 0 5 5 50 0 6 0 50 0 6 5 50 0 7 0 50 0 7 5 50 0 8 0 50 0 8 5 50 0 9 0 50 0 9 5 50 0 1 0 05 0 0 1 0 55 0 0 1 1 05 0 0 1 1 55 0 0 1 2 05 0 0 1 2 55 0 0 1 3 05 0 0 1 3 55 0 0 1 4 05 0 0 1 4 55 0 0 1 5 05 0 0 1 5 55 0 0

Message Delivered per Contact

(60)

Gambar 4.3.15 Grafik Delivered Success Message per Contact Haggle 6 :Utility-biased

4.3.4. Reality MIT

Gambar 4.3.16 Grafik Delivered Success Message per Contact Reality : Uniform

0 50 100 150 200 250 300 350 500 ₅500 1 0 50 0 1 5 50 0 2 0 50 0 2 5 50 0 3 0 50 0 3 5 50 0 4 0 50 0 4 5 50 0 5 0 50 0 5 5 50 0 6 0 50 0 6 5 50 0 7 0 50 0 7 5 50 0 8 0 50 0 8 5 50 0 9 0 50 0 9 5 50 0 1 0 05 0 0 1 0 55 0 0 1 1 05 0 0 1 1 55 0 0 1 2 05 0 0 1 2 55 0 0 1 3 05 0 0 1 3 55 0 0 1 4 05 0 0 1 4 55 0 0 1 5 05 0 0 1 5 55 0 0

Message Delivered per Contact

SimBet Kooperatif Utility-biased

0 2000 4000 6000 8000 10000 500 ₃500 ₆500 ₉500 1 2 50 0 1 5 50 0 1 8 50 0 2 1 50 0 2 4 50 0 2 7 50 0 3 0 50 0 3 3 50 0 3 6 50 0 3 9 50 0 4 2 50 0 4 5 50 0 4 8 50 0 5 1 50 0 5 4 50 0 5 7 50 0 6 0 50 0 6 3 50 0 6 6 50 0 6 9 50 0 7 2 50 0 7 5 50 0 7 8 50 0 8 1 50 0 8 4 50 0

Message Delivered per Contact

(61)

43

Gambar 4.3.17 Grafik Delivered Success Message per Contact Reality : Percentage

Gambar 4.3.18 Grafik Delivered Success Message per Contact Reality :Distribusi Normal

0 2000 4000 6000 8000 10000 500 ₃500 ₆500 ₉500 12 500 1 5 50 0 1 8 50 0 21 500 2 4 50 0 2 7 50 0 3 0 50 0 3 3 50 0 3 6 50 0 3 9 50 0 4 2 50 0 4 5 50 0 4 8 50 0 51 500 5 4 50 0 5 7 50 0 6 0 50 0 6 3 50 0 6 6 50 0 6 9 50 0 7 2 50 0 7 5 50 0 7 8 50 0 81 500 8 4 50 0

Message Delivered per Contact

SimBet Kooperatif Percentage 30% Percentage 50% Percentage 70%

0 2000 4000 6000 8000 10000 500 ₃500 ₆500 ₉500 12 500 1 5 50 0 1 8 50 0 21 500 2 4 50 0 2 7 50 0 3 0 50 0 3 3 50 0 3 6 50 0 3 9 50 0 4 2 50 0 4 5 50 0 4 8 50 0 51 500 5 4 50 0 5 7 50 0 6 0 50 0 6 3 50 0 6 6 50 0 6 9 50 0 7 2 50 0 7 5 50 0 7 8 50 0 81 500 8 4 50 0

Message Delivered per Contact

(62)

Gambar 4.3.19 Grafik Delivered Success Message per Contact Reality :Storage-Depend

Gambar 4.3.20 Grafik Delivered Success Message per Contact Reality :Utility-biased

Protokol SimBet memiliki jumlah pesan terkirim yang paling tinggi dibandingkan dengan protocol SimBet dengan penerapan node selfishness. Tren ini akan berlaku pada semua jenis pergerakan yang telah diujikan. Hasil tersebut diperoleh dengan mengamati dan mencatat jumlah pesan terkirim pada setiap 500 kontak. Dengan penerapan selfishness ini, memungkinkan banyakanya penolakan yang terjadi ketika node akan mengirimkan pesan ke node tetangganya yang menyebabkan menurunya probabilitas pesan terkirim.

0 2000 4000 6000 8000 10000 500 ₃500 ₆500 ₉500 12 500 1 5 50 0 1 8 50 0 21 500 2 4 50 0 2 7 50 0 3 0 50 0 3 3 50 0 3 6 50 0 3 9 50 0 4 2 50 0 4 5 50 0 4 8 50 0 51 500 5 4 50 0 5 7 50 0 6 0 50 0 6 3 50 0 6 6 50 0 6 9 50 0 7 2 50 0 7 5 50 0 7 8 50 0 81 500 8 4 50 0

Message Delivered per Contact

SimBet Kooperatif Storage-Depend

0 2000 4000 6000 8000 10000 500 ₃500 ₆500 ₉500 1 2 50 0 1 5 50 0 1 8 50 0 2 1 50 0 2 4 50 0 2 7 50 0 3 0 50 0 3 3 50 0 3 6 50 0 3 9 50 0 4 2 50 0 4 5 50 0 4 8 50 0 5 1 50 0 5 4 50 0 5 7 50 0 6 0 50 0 6 3 50 0 6 6 50 0 6 9 50 0 7 2 50 0 7 5 50 0 7 8 50 0 8 1 50 0 8 4 50 0

Message Delivered per Contact

(63)

45

Dalam grafik perbandingan delivered success message per contact ini memiliki hasil yang berbading lurus dengan perbandingan latency yang telah dibahas pada bagian sebelumnya. Secara jelas terlihat bahwa semakin tinggi nilai selfishness yang dimiliki atau semakin banyak node selfish, maka akan semakin sedikit pesan yang sampai ke tujuan.

4.4. Perbandingan Buffer Occupancy per Node

Sebuah node yang berada pada suatu jaringan pastinya memliki buffer / storage yang terbatas, penerapan node selfishness pada jaringan sosial oportunistik ditujukan supaya dapat mengurangi beban pada buffer yang terdapat pada setiap node. Pada grafik kali ini, setiap node akan menampilkan keadaan rerata buffer selama waktu simulasi berlangsung.

Gambar 4.4.1 Grafik Buffer Occupancy Haggle 3 – Infocom 5 : Uniform

0 5 10 15 20 25 30 0 1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940