BABI
PENDAHULUAN
1.1 Latar Belakang
Wireless Sensor Network (WSN) merupakan teknologi yang digunakan
untuk pemantauan dan pengumpulan data secara langsung [1]. WSN mengalami perkembangan yang sangat pesat beberapa tahun belakangan ini, peningkatan terlihat dari penerapan aplikasi WSN yang sangat luas. Beberapa bidang yang banyak memanfaatkan teknologi WSN yaitu militer, kesehatan, lingkungan, dan keamanan[2]. Penyebaran aplikasi WSN yang sangat pesat mempengaruhi peluang pasar teknologi tersebut. Menurut penelitian [3], dapat diperkirakan penjualan teknologi WSN meningkat dari $0,45 miliyar pada tahun 2012 menjadi $2 miliyar pada tahun 2022.
Teknologi WSN terdiri dari sensor-sensor node dan satu pusat pengumpulan data dari sensor yang disebut sebagai koordinator yaituberupa base
station. Sensor-sensor tersebut ditempatkan pada suatu daerah dan saling
berkomunikasi melalui kanal wireless untuk mengirimkan data hasil pemantauan yang diperoleh ke base station kemudian diolah menjadi informasi yang akan digunakan sebagai pertimbangan pengambilan keputusan [4]. Sensor-sensor node pada WSN mempunyai kelemahan dalam perhitungan daya, penyediaan sumber energi dan keterbatasan memori. Kelemahan ini akan menjadi bahan pertimbangan dalam menentukan teknik pengiriman informasi dari sensor ke base
station yang disebut dengan teknik routing [5]. Teknik routing yang tepat akan
membantu sensor-sensor node menghemat energi karena jalur pengiriman yang dipilih adalah jalur yang optimal [6].
Algoritme jarak terpendek (shortest path) adalah metode pencarian jalur yang merupakan bagian dari ilmu Artificial Intelligence [7]. Algoritme ini dapat digunakan sebagai teknik routing WSN untuk menghitung nilai komputasi dari sebuah jalur routing. Nilai komputasi tersebut merupakan biaya yang digunakan untuk melewati suatu jalur. Berdasarkan cara untuk perhitungan biaya yang
digunakan, pencarian jalur terpendek dapat dikelompokkan menjadi dua yaitu perhitungan secara matematika konvensional dan secara heuristik. Perhitungan konvensional adalah perhitungan dengan menerapkan parameter pengukuran jarak sesuai dengan nilai jarak yang telah diketahui. Sedangkan perhitungan secara heuristik menerapkan sistem perkiraan jarak yang akan ditempuh objek. Perhitungan secara heuristik memberikan perhitungan cepat untuk mendapatkan perkiraan nilai jarak [8].
Routing WSN menggunakan algoritme jarak terpendek, menghitung nilai
komputasi dengan parameter jarak [9]. Keuntungan menggunakan algoritme pencarian jalur terpendek pada WSN adalah mengurangi jumlah energi yang digunakan ketika sensor mengirimkan informasi [10]. Algoritme jalur terpendek yang paling banyak diterapkan pada routing WSN adalah djikstra [11]. Algoritme
Djikstra merupakan algoritme yang menggunakan perhitungan jarak secara
konvensional. Algoritme Djikstra bekerja dengan cara menelusuri seluruh node yang ada, sehingga menyebabkan iterasi menjadi sangat banyak dan berdampak pada waktu penelusuran menjadi lebih lama dan kurang efisien [11]. Algoritme dengan cara perhitungan heuristik akan membantu mengurangi jumlah iterasi pada perhitungan konvensional, sehingga mempersingkat waktu pencarian jalur. Hal ini dibuktikan oleh penelitian [12] yang menggunakan salah satu algoritme dengan perhitungan heuristik pada routing WSN yaitu Breadth first search (BFS).. Kelemahan algoritme ini adalah tidak efisien dalam menggunakan memori karena cenderung membutuhkan memori berukuran besar dan waktu komputasi menjadi lama jika diterapkan pada area yang berukuran lebih besar. Teknik routing dengan menggabungkan kelebihan algoritme Djikstra dan BFS adalah menggunakan algoritme A*. Algoritme ini mempunyai fungsi evaluasi untuk menghitung biaya jalur routing dengan menjumlahkan biaya jalur yang sebenarnya dengan nilai heuristic jalur [13].
Routing WSN menggunakan algoritme A* telah banyak diimplementasikan. Algoritme ini digunakan untuk membantu mencari jalur terpendek yang paling optimal. Pada penelitian yang telah ada, penggunaan algoritme A* pada routing WSN selalu dikombinasikan dengan algoritme lain
yang mendukung penyediaan parameter untuk perhitungan biaya. Kombinasi algoritme yang banyak diterapkan adalah kombinasi A* dengan metode fuzzy [14][15][16][17], kombinasi A* dengan teknik clusterisasi [18][19], dan kombinasi A* dengan protocol efisiensi energi [5][20]. Tujuan utama dari kombinasi Algoritme A* dengan algoritme, metode ataupun protocol lain yang telah dilakukan pada penelitian sebelumnya bertujuan untuk meningkatkan kinerja dari masing-masing algoritme pada routing WSN, namun cara tersebut dapat dinilai kurang efektif karena tidak fokus pada perbaikan satu algoritme saja. Perbaikan kinerja algoritme A* yang lebih dapat dilakukan dengan mengoptimalkan fungsi heuristiknya. Optimalisasi nilai heuristik dikaji pada penelitian [21]. Semakin optimal nilai heuristik, fungsi evaluasi akan semakin fokus menghitung jalur-jalur terpendek sehingga hasil pencarian jalur akan semakin optimal. Optimalisasi nilai heuristik dilihat dari besar estimasi biaya dan dibandingkan dengan biaya jalur sebenarnya. Jika hasil pencarian jalur tidak optimal maka pencarian akan meluas sehingga jalur yang dihasilkan lebih kompleks dan terdiri node-node yang bukan merupakan komponen routing terbaik. Jika nilai heuristik tidak optimal, kinerja algoritme A* akan menjadi kurang maksimal karena komputasi akan semakin kompleks dan waktu komputasi juga menjadi sangat lambat, yang secara otomatis akan mempengaruhi kecepatan perolehan jalur [22]. Pada routing WSN, perolehan jalur routing akan mempengaruhi jumlah energi yang digunakan.
Pada penelitian ini, akan dikaji pengaruh variasi fungsi evaluasi terhadap kinerja algoritme A* pada routing WSN. Variasi ini diperoleh dengan memaksimalkan fungsi heuristik dengan meninjau nilai-nilai heuristik secara lebih detail. Dari perbandingan tiga variasi fungsi evaluasi akan diperoleh satu fungsi evaluasi yang memberikan jalur routing paling optimal pada jaringan WSN.
1.2 Perumusan masalah
1. Penggunaan fungsi heuristik pada algoritme A* yang tidak optimal akan menyebabkan komputasi biaya jalur menjadi sangat kompleks sehingga jalur yang dihasilkan tidak optimal.
2. Fungsi heuristik yang tidak tepat pada perhitungan fungsi evaluasi algoritme A* dapat memperluas area pencarian jalur sehingga menyebabkan pencarian tidak fokus dan jalur terbentuk dari bukan komponen-komponen terbaik. 3. Semakin banyak node yang terlibat sebagai komponen routing WSN, maka
energi yang akan digunakan semakin banyak sehingga jalur routing menjadi tidak efisien.
1.3 Keaslian penelitian
Penelitian ini mengacu pada penelitian sebelumnya mengenai routing WSN dengan protocol jalur terpendek. Algoritme yang digunakan adalah salah satu algoritme pencarian jalur terpendek A*. Penggunaan algoritme ini adalah untuk mencari jalur yang optimal sehingga dapat membantu mewujudkan efisiensi dalam penggunaan energi pada setiap node. Tabel 1.1 menunjukkan rangkuman penelitian terdahulu yang menjadi acuan penelitian yang dilakukan.
Tabel 1. 1 Rangkuman penelitian algoritme A* pada routing WSN Penulis/Judul Parameter Algoritme Analisis Rana K.M., et al
ASEER: A Routing Method To Extend Life of Two Tired Wireless Sensor Network (2011) Jumlah energi berdasarkan threshold yang telah ditetapkan A-star Algorithm based Energi Efficient Routing (ASEER)
Algoritme A* digunakan untuk mendapatkan jalur yang optimal pada routing WSN.
AlShawi I. S., et al Lifetime Enhancement in Wireless Sensor Network Using Fuzzy Approach and A-Star Algorithm (2012) Jumlah energi yang digunakan, hop count, dan trafik
Fuzzy dan A* Permasalahan konsumsi energi pada WSN dapat diatasi dengan pemilihan jalur routing yang efisien untuk transmisi data.
Tabel 1. 2 Rangkuman penelitian algoritme A* pada routing WSN (Lanjutan)
Penulis/Judul Parameter Algoritme Analisis Rana K., et al
Synthesized Cluster Head Selection and Routing for
Two Tier Wireless Sensor Network (2013)
Kekuatan node yang dilihat dari jumlah sisa energi dan jumlah energi transmisi Algoritme genetika dan A*
Pemilihan Cluster head menggunakan algoritme genetika dan penjadwalan transmisi data menggunakan algoritme A* pada routing WSN membantu tercapainya jalur yang optimal.
Bajelan M, et al An Adaptive LEACH-based Clustering Algorithm for Wireless Sensor Networks (2013) Energi transmisi, jarak, dan jumlah hop
count Protokol LEACH dengan Algoritme A* (LEACH-AEC)
Pengiriman data secara multi hop menggunakan algoritme A* merupakan solusi untuk
routing yang dilakukan pada
area sangat luas
Sonavanne, et al Hybrid Scalable and Efficient Routing Method for WSN Based on Fuzzy and A-Star Algorithm (2014) Daya baterai node yang tersisa, hop count terkecil, dan kepadatan trafik terkecil. Algoritme Fuzzy dan A*
Routing yang efisien akan
memberikan jalur transmisi dari node ke node dengan tepat.
Yuan Y., et al CAF: Cluster
Algorithm and A-star with Fuzzy Approach FOR Lifetime
Enhancement in Wireless Sensor Network (2014)
Sisa energi pada
node dan nilai
kepadatan trafik
SEP, Fuzzy, dan A*
Keberhasilan routing diukur dari hasil beban kerja pada komputasi, jumlah energi yang tersisa, dan
pengurangan jumlah hop
Tabel 1. 3 Rangkuman penelitian algoritme A* pada routing WSN (Lanjutan)
Penulis/Judul Parameter Algoritme Analisis Vengulekar, P. N. WSN-Life Enhancing Routing Algorithm (2014) Jumlah energi trasmisi, dan kepadatan trafik
Fuzzy dan A* Proses pencarian jalur yang optimal akan membantu meningkatkan kecepatan pencarian jalur
routing
Ghaffari, A.
An Energi Efficient Routing Protocol for Wireless Sensor Network using A-Star Algorithm (2014)
Sisa energi, jumlah buffer, kecepatan transmisi, dan jumlah hop count terkecil.
(EERP) dan Algoritme A*
Hasil jalur routing yang diperoleh lebih optimal jika dibandingkan dengan Fuzzy dan A*
Kabiri, M., et al Analysis of Performance Improvement in Wireless Sensor Network Based on Heuristik Algorithms Along with Soft Computing Approach (2014) Jumlah sisa energi, jumlah hop count, kepadatan trafik transmisi, dan kecepatan konsumsi energi Fuzzy dan A* dengan variasi fungsi heuristik
Variasi nilai heuristik akan mempengaruhi kinerja algoritme A* pada routing WSN. Fungsi heuristik yang terbaik akan menghemat penggunaan energi.
Algoritme A* merupakan salah satu algoritme dalam bidang shortest path yang digunakan untuk mencari jalur terpendek yang paling optimal. Jalur terpendek merupakan hasil keluaran dari routing Wireless Sensor Network. Perolehan jalur terpendek tersebut akan membantu mengatasi masalah utama pada
Penggunaan algoritme A* pada routing WSN selalu dikombinasikan dengan algoritme lain yang mendukung penyediaan parameter untuk perhitungan parameter biaya jalur. Hasil dari perhitungan biaya akan diterapkan pada A* sebagai fungsi evaluasi yang akan menentukan jalur routing. Kombinasi algoritme yang banyak diterapkan adalah kombinasi A* dengan metode fuzzy. Kombinasi dua algoritme ini pada routing WSN akan mengatasi masalah pemborosan energi transmisi saat pengiriman data pada WSN yang selalu dilakukan secara multihop. Pemborosan energi terjadi karena sistem multihop menyebabkan pengurangan energi pada setiap node tidak seimbang. Beberapa penelitian yang menggunakan kombinasi ini diantaranya: penelitian [14] yang menggunakan parameter jumlah sisa energi pada setiap node dan menyatakan kombinasi dua algoritme tersebut sebagai protocol baru dan akan membantu menjaga keseimbangan pengurangan energi karena pengiriman data secara multihop tidak bisa dilepaskan dari routing WSN yang mempunyai area routing yang sangat luas. Penelitian [15] menambahkan parameter pada penelitian [14] dengan jumlah hop count terkecil dan kepadatan trafik yang ideal sehingga diperoleh jalur routing dari node ke node yang tepat dan efisien. Penelitian [16] menunjukkan bahwa kombinasi algoritme A* dan metode fuzzy juga dapat membantu meningkatkan kecepatan pencarian jalur routing yang optimal. Pengiriman data secara multihop, dilakukan pada WSN dikarenakan WSN memiliki area jaringan yang sangat luas. Penelitian [17] melihat permasalahan tersebut sehingga mengkombinasikan algoritme A* dan fuzzy dengan protocol clustering yang stabil pada routing WSN dikenal dengan nama SEP. Penelitian tersebut menyatakan bahwa keberhasilan routing diukur dari hasil beban kerja pada komputasi, jumlah energi yang tersisa, dan mengurangi jumlah hop count. Jika nilai-nilai tersebut menunjukkan hasil yang optimal. Penggunaan algoritme A* dengan teknik clusterisasi pada routing WSN awalnya digunakan oleh penelitian [18] yang melakukan routing dengan sistem
two-tired, yaitu pertama pengiriman data di dalam cluster dari node ke cluster head kemudian cluster head akan mengirimkan ke base station. Kombinasi
algoritme yang digunakan adalah algoritme genetika yang digunakan untuk
pada proses routing mampu membantu memperoleh jalur routing yang optimal. Selain itu, penelitian [19] juga fokus pada penyelesaian masalah luas area jaringan WSN dengan menggunakan protocol routing WSN berdasarkan clusterisasi yang telah ada sebelumnya. Penelitian tersebut menerapkan protocol LEACH untuk menerapkan sistem cluster node-node pada WSN, kemudian dengan mengkombinasikan parameter jarak dan energi, routing dilakukan dengan bantuan algoritme A*.
Permasalahan energi tidak dapat dipisahkan dari routing WSN, sehingga
routing pada WSN juga mempertimbangkan efisiensi penggunaan energi dan
menjadikannya sebagai salah satu protocol routing dan dikombinasikan dengan Algoritme A*. Teknik routing ini diimplementasikan pada penelitian [5] yang menyatakan bahwa jalur routing yang tepat adalah jalur yang terdiri dari node yang termasuk dalam kategori komponen routing ideal. Penilaian node termasuk komponen routing ideal atau tidak yaitu berdasarkan nilai threshold energi yang telah ditentukan. Parameter untuk menentukan komponen routing terbaik dalam penelitian [20] ditambahkan dengan mempertimbangkan parameter sisa energi pada node, jumlah buffer yang kosong, kecepatan pengiriman paket, dan jumlah
hop count terkecil. Parameter-parameter tersebut menjadi fungsi evaluasi pada A*
yang akan menentukan jalur node yang optimal. Penelitian tersebut membuktikan jika kombinasi A* dengan protocol efisiensi energi menghasilkan jalur routing yang lebih optimal jika dibandingkan dengan kombinasi algoritme A* dan fuzzy.
Kombinasi yang telah banyak dilakukan pada penelitian sebelumnya bertujuan untuk meningkatkan kinerja dari masing-masing algoritme pada routing WSN. Selain dengan cara kombinasi, kinerja algoritme A* dapat ditingkatkan dengan cara mengoptimalkan fungsi heuristiknya. Memaksimalkan fungsi heuristik maka hanya akan meninjau nilai-nilai yang akan digunakan pada fungsi evaluasi, sehingga jika dibandingkan dengan mengkombinasikan algoritme A* dengan algoritme lain, cara ini lebih efektif karena fokus perbaikan khusus hanya pada satu algoritme saja yaitu algoritme A*.
Fungsi heuristik merupakan salah satu komponen pada fungsi evaluasi yang sangat mempengaruhi kinerja algoritme A*. Penelitian [23] menunjukkan
pengaruh penggunaan nilai heuristik yang berbeda pada hasil jalur yang diperoleh. Penelitian tersebut menunjukkan kondisi optimal nilai heuristik bergantung pada keadaan suatu jalur. Nilai heuristik yang tepat akan menghasilkan jalur routing yang paling optimal, sedangkan nilai heuristik yang buruk akan menyebabkan pencarian jalur menggunakan A* menjadi sangat lama karena kompleksitas komputasi meningkat dan penggunaan memori menjadi lebih besar. Nilai heuristik yang tepat disebut dengan admissible heuristik, yaitu nilai yang paling mendekati biaya jalur sebenarnya. Penelitian [21] memperhatikan fungsi heuristik untuk meningkatkan kinerja algoritme A*. Dalam penelitian tersebut, dikaji variasi fungsi heuristik yang dihitung dengan algoritme fuzzy. Hasilnya menunjukkan bahwa fungsi heuristik yang terbaik akan menghemat penggunaan energi pada proses pencarian jalur routing WSN.
Mengacu pada implementasi algoritme A* di routing WSN yang telah dilakukan pada penelitian-penelitian sebelumnya, kewajiban untuk meningkatkan kinerja algoritme A* harus dilakukan untuk memperoleh hasil routing yang maksimal. Dalam penelitian ini akan menggunakan variasi fungsi evaluasi dengan perbaikan nilai heuristik untuk membantu meningkatkan kinerja algoritme A*. Adapun keaslian penelitian ini adalah:
1. Parameter fungsi evaluasi menggunakan Link Quality Indicator (LQI). Parameter tersebut dapat menunjukkan tingkat keberhasilan pengiriman paket data sehingga tidak membutuhkan parameter penilaian yang terlalu banyak.
2. Kinerja algoritme A* dimaksimalkan dengan memperbaiki cara perhitungan fungsi evaluasi sehingga tidak membutuhkan kombinasi dengan algoritme yang lain.
3. Fungsi evaluasi pada A* divariasi menjadi tiga jenis berdasarkan perbaikan fungsi heuristik dengan meninjau nilai-nilai jarak antar node secara lebih detail.
1.4 Tujuan Penelitian
Tujuan yang ingin dicapai pada penelitian ini adalah memperoleh fungsi evaluasi yang tepat dari hasil pengamatan dan perhitungan pada nilai heuristik secara detail, sehingga meningkatkan kinerja Algoritme A* pada routing Wireless Sensor Network.
1.5 Manfaat Penelitian
Hasil penelitian ini diharapkan dapat menambah kajian pada bidang
routing Wireless Sensor Network khususnya yang menggunakan Algoritme A*,
dan memberi kontribusi pada cara perhitungan untuk memaksimalkan fungsi evaluasi pada Algoritme A* menggunakan penambahan nilai heuristik.
1.6 Batasan Penelitian
Pemodelan Wireless Sensor Network pada berbagai bidang mempunyai banyak kemungkinan karena penyesuaian terhadap kondisi lingkungannya, sehingga untuk mengimplementasikan algoritme A* pada teknik routing wireless dan fokus pada peningkatan kinerja algoritme, penulis melakukan batasan penelitian sebagai berikut:
1. Parameter yang telah ditetapkan pada sensor node hanya didasarkan pada sensor yang memiliki jenis transmitter CC2420, sehingga perhitungan akan menggunakan nilai-nilai pada datasheet transmitter tersebut.
2. Node yang digunakan pada simulasi menggunakan node yang dibangkitkan secara random.
3. Keadaan node adalah node statis dan dianggap mempunyai parameter yang sama, kecuali nilai jarak yang dihitung berdasarkan jarak Euclidean.
4. Node dibangun secara random sehingga peletakkan node tidak mempunyai perhitungan khusus.
5. Pembahasan hanya berdasarkan jalur routing dan tidak membahas transmisi data.
