(4) Pengujian Transmit Data secara Multi Node menggunakan Algoritma Distance Vector Routing
Gambar 4.18 Grafik pengujian dengan beberapa sensor terlebih
dahulu mencapai kondisi off/inactive
(4) Pengujian Transmit Data secara Multi Node menggunakan Algoritma Distance Vector Routing
Gambar 4.19 Network log last data transmission
Gambar 4.20 Event log last
data transmission pada saat
sensor akan off/inactive
(4) Pengujian Transmit Data secara Multi Node menggunakan Algoritma Distance Vector Routing
Gambar 4.21 Kondisi jaringan ketika terdapat node sensor yang tidak aktif (a) node 6 inactive, (b) node 5 inactive, (c) node 6 & 3 inactive, (d) node 6, 5, & 2 inactive
(a)
(b)
(d)
(c)
(4) Pengujian Transmit Data secara Multi Node menggunakan Algoritma Distance Vector Routing
Gambar 4.21 Kondisi jaringan ketika terdapat node sensor yang tidak aktif (a) node 6 inactive, (b) node 5 inactive, (c) node 6 & 3 inactive, (d) node 6, 5, & 2 inactive
(a) (d)
(5) Pengujian Lifetime Transmit Data Algoritma Data Iris
(5) Pengujian Lifetime Transmit Data Algoritma LWC dan LWF secara Multi Node menggunakan
Data Iris
Gambar 4.22 (a) Lifetime sensor tanpa adaptasi RA algoritma LWC, (b) Lifetime sensor dengan adaptasi RA algoritma LWC, (c) Lifetime sensor tanpa adaptasi RA algoritma LWF, (d) Lifetime sensor dengan adaptasi RA algoritma LWF, masing-masing menggunakan data Iris
(a)
(b)
(d)
(c)
(5) Pengujian Lifetime Transmit Data Algoritma Data Iris
(5) Pengujian Lifetime Transmit Data Algoritma LWC dan LWF secara Multi Node menggunakan
Data Iris
Gambar 4.22 (a) Lifetime sensor tanpa adaptasi RA algoritma LWC, (b) Lifetime sensor dengan adaptasi RA algoritma LWC, (c) Lifetime sensor tanpa adaptasi RA algoritma LWF, (d) Lifetime sensor dengan adaptasi RA algoritma LWF, masing-masing menggunakan data Iris
(a) (d)
(c)
(6) Pengujian Lifetime Transmit Data Algoritma Data Vehicle
(6) Pengujian Lifetime Transmit Data Algoritma LWC dan LWF secara Multi Node menggunakan
Data Vehicle
Gambar 4.23 (a) Lifetime sensor tanpa adaptasi RA algoritma LWC, (b) Lifetime sensor dengan adaptasi RA algoritma LWC, (c) Lifetime sensor tanpa adaptasi RA algoritma LWF, (d) Lifetime sensor dengan adaptasi RA algoritma LWF, masing-masing menggunakan data Vehicle
(a)
(b)
(d)
(c)
(6) Pengujian Lifetime Transmit Data Algoritma Data Vehicle
(6) Pengujian Lifetime Transmit Data Algoritma LWC dan LWF secara Multi Node menggunakan
Data Vehicle
Gambar 4.23 (a) Lifetime sensor tanpa adaptasi RA algoritma LWC, (b) Lifetime sensor dengan adaptasi RA algoritma LWC, (c) Lifetime sensor tanpa adaptasi RA algoritma LWF, (d) Lifetime sensor dengan adaptasi RA algoritma LWF, masing-masing menggunakan data Vehicle
(a) (d)
Perbandingan Lifetime sensor node
KESIMPULAN KESIMPULAN
Pemanfaatan Algoritma Granularity Setting (AGS) atau disebut juga sebagai Resource Aware (RA) terbukti dapat meningkatkan efisiensi dan lifetime suatu jaringan WSNs yaitu mencapai 16-17%
Pemakaian algoritma LWC cenderung memiliki lifetime yang lebih baik dibandingkan dengan pemakaian algoritma LWF baik pada pengujian single node maupun pada pengujian multi node
single node maupun pada pengujian multi node
Pemanfaatan algoritma Bellman Ford untuk menemukan rute terpendek dari setiap node ke base station termasuk pula apabila terdapat node dalam keadaan inactive maka node yang sebelumnya melewati node inactive tersebut akan mencari rute lainnya yang terpendek ke base station
Pengujian transmit data secara multi node tanpa adapatasi RA dan
dengan adaptasi RA memiliki selisih waktu sebesar 64 detik untuk
algoritma LWC menggunakan data Iris, 66 detik untuk algoritma LWC
menggunakan data Vehicle, 51 detik untuk algoritma LWF menggunakan
data Iris, dan 56 detik untuk algoritma LWF menggunakan data Vehicle.
SARAN SARAN
Dalam penelitian ini pada saat dilakukan transmit data belum memperhitungkan hubungan antara kapasitas data yang dikirim, jarak yang ditempuh, dan besarnya konsumsi energi yang dibutuhkan, sehingga pada penelitian selanjutnya dapat dikembangkan dengan penelitian selanjutnya dapat dikembangkan dengan melibatkan variabel tersebut
Penelitian ini masih dilakukan dalam bentuk simulasi,
sehingga untuk mendapatkan hasil yang lebih baik
maka dapat dilakukan pada peralatan sensor yang
sebenarnya.
• Andrean Reinhart, ”Exploiting Platform Heterogeneity in Wireless Sensor Networks for Cooperative Data Processing”, in Research Network KOM and TU, Technische Universitate Darmstadt, 2009
• Andrew S. Tanenbaum. (2002), “Computer Networks 4th edision”, Prentice Hall: USA
• Ary Mazharuddin Shiddiqi, Performance Measurement of Resource-aware Framework in Online Data Stream Mining, Informatics Department, Faculty of Information Technology, Sepuluh Nopember Institute of Technology, 2009b
• Ary Mazharuddin Shiddiqi, “Resource-Aware data stream Classification in wireless sensor network”, faculty of Information Technology, Monash University, july 2009a.
• Becchetti, Lucas (2008), ‘Computer Networks II:Graph Theory and Routing Algorithms”, Universita Degli,
DAFTAR PUSTAKA DAFTAR PUSTAKA
• Becchetti, Lucas (2008), ‘Computer Networks II:Graph Theory and Routing Algorithms”, Universita Degli, Roma
• Burl M., Fowlkes C., Roden J., Stechert A., and Mukhtar S. “Diamond Eye: A distributed architecture for image data mining”, In SPIE DMKD, Orlando, April (1999).
• C. E. Perkins and P. Bhagwat, “Highly dynamic destination sequenced distance vector routing (DSDV) for mobile computers”, Computer Communication. Rev., Oct. 1994, pp. 234-244
• C. Perkins and E. Royer, “Ad hoc On demand distance vector routing”, Proceedings of 2nd IEEE Workshop on Mobile Comp. Sys. & Apps., Feb 1999.
• Charu C. Aggarwal “Data Stream : Model and Algorithms”, IBM T. J. Watson Research Center, Hawthorne, NY 10532
• D. B. Johnson and D. A. Maltz, “Dynamic source routing in ad hoc wireless networks”, Mobile Computing, Kluwer, 1996, pp. 153-181.
• Indra Siregar (2008), ‘Penerapan Teori Graf pada Algoritma Routing”, Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung, Bandung
MUHAMMAD ILYAS SYARIF – 5109.201.040 42
• Gaber, M., Shonali Krishnaswamy, Arkady Zaslavsky, “Adaptive Mining Techniques for Data Streams using
Algorithm Output Granularity”, School of Computer Science and Software Engineering, Monash University, 900 Dandenong Rd, Caulfield East, VIC3145, Australia
• Gaber, M. M., Yu, P. S., “A framework for resource-aware knowledge discovery in data streams: a holistic approach with its application to clustering”, Proceedings of the 2006 ACM Symposium on Applied Computing (SAC '06), April 23 - 27, 2006, Dijon, France, ACM, New York, NY; p. 649-56.
• Gaber, M. M., Shonali Krishnaswamy, and Arkady Zaslavsky, “A Wireless Data Stream Mining Model”, 1 School of Computer Science and Software Engineering, Monash University, 900 Dandenong Rd, Caulfield East, VIC3145, Australia
• Gaber, M. M., Krishnaswamy, S., and Zaslavsky, A., “Cost-Efficient Mining Techniques for Data Streams”, First
DAFTAR PUSTAKA DAFTAR PUSTAKA
• Gaber, M. M., Krishnaswamy, S., and Zaslavsky, A., “Cost-Efficient Mining Techniques for Data Streams”, First Australasian Workshop on Data Mining and Web Intelligence (DMWI 2004). Held in conjunction with the Australasian Computer Science Week (ACSW 2004), Dunedin, New Zealand, 2004
• Gyanendra Kumar Dwivedi (2007), Analysis and Design of Algorithm, first Edition, Laxmi Publication (P) LTD, New Delhi
• John T. Moy, “OSPF: Anatomy of an Internet Routing Protocol”, Library of Congress Cataloging-in-Publication Data, US, 1998
• Jumadi M. Parenreng, Supeno Djanali, Ary M. Shiddiqi, “Analisa Kinerja Resource-Aware Framework pada Algoritma Light-Weight Frequent Item (LWF)” Teknik Informatika, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia, 2010
• Kargupta. H.: VEhicle DAta Stream Mining (VEDAS) Project. http://www.cs.umbc.edu /% 7Ehillol/vedas.html.
(2003).
• Mahesh K. Marina Samir R. Das, “On-demand Multipath Distance Vector Routing in Ad Hoc Networks”, IEEE, 2001.
MUHAMMAD ILYAS SYARIF – 5109.201.040 43
• Mainwaring, A., Culler, D., Polastre, J., Szewczyk, R., Anderson, J., 2002. Wireless sensor networks for habitat monitoring. In Proceedings of the 1stACM International Workshop on Wireless sensor networks and
Applications (Atlanta, Georgia, USA, September 28 - 28, 2002). WSNA '02. ACM, New York, NY, p. 88-97
• McConnell S., Skillicorn D., A Distributed Approach for Prediction in Sensor Networks. In Proceedings of 1st International Workshop on Data Mining in Sensor Networks as part of the SIAM International Conference on Data Mining, 2005, p. 28-37.
• Moh. Nazir, Ph.D. “Metode Penelitian”, Penerbit Ghalia Indonesia, Jakarta, 2003
• Phung, N. D., Gaber, M. M., Röhm, U., “Resource-aware Distributed Online Data Mining for Wireless sensor networks”, Computational Intelligence and Data Mining 2007 (CIDM 2007), March 1, 2007-April 5, 2007, p.139 –
DAFTAR PUSTAKA DAFTAR PUSTAKA
networks”, Computational Intelligence and Data Mining 2007 (CIDM 2007), March 1, 2007-April 5, 2007, p.139 – 146
• R. C. Shah and J. Rabaey, “Energy Aware Routing for Low Energy Ad Hoc Sensor Networks", IEEE Wireless Communications and Networking Conference (WCNC), March 17-21, 2002, Orlando, FL.
• Röhm U, Gaber M, M., Tse, Q. “Enabling resource-awareness for in-network data processing in Wireless Sensor Networks”, Proceedings of the Nineteenth Conference on Australasian Database - Volume 75; December 03 - 04, 2007; Gold Coast, Australia: Australian Computer Society, Darlinghurst, Australia; p. 107-14.
• Tanner S., Alshayeb M., Criswell E., Iyer M., McDowell A., McEniry M., Regner K., EVE: “On-Board Process Planning and Execution”, Earth Science Technology Conference, Pasadena, CA, Jun. 11 - 14, (2002).
• Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, dan Clifford Stein, Introduction to Algoritmhs, 2rd Edition, MIT Press dan Mc Graw Hill, North America
• Uyless D. Black. (2000) “IP Routing Protocols RIP, OSPF, BGP, PNNI & Cisco Routing Protocols”, Prentice Hall:
New Jersey
• Werner-Allen, G., Lorincz, K., Ruiz, M., Marcillo, O., Johnson, J., Lees, J., Welsh, M., Deploying a wireless sensor network on an active volcano, Internet Computing, IEEE, Volume 10, Issue 2, March-April, 2006, p.18 – 25MUHAMMAD ILYAS SYARIF – 5109.201.040 44
MUHAMMAD ILYAS SYARIF – 5109.201.040 45
