ANALISIS PERBANDINGAN UNJUK KERJA PROTOKOL PROPHET … · tetap (fixed) yang berfungsi sebagai media transmisi dan media komunikasi. Dalam jaringan komputer saat ini terdapat 2 media

ANALISIS PERBANDINGAN UNJUK KERJA PROTOKOL PROPHET

DENGAN PROPHETv2 PADA JARINGAN OPORTUNISTIK

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana

Komputer Program Studi Teknik Informatika

Oleh:

Andre Fransisco Bayuputra

135314015

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2017

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

i

ANALISIS PERBANDINGAN UNJUK KERJA PROTOKOL PROPHET

DENGAN PROPHETv2 PADA JARINGAN OPORTUNISTIK

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana

Komputer Program Studi Teknik Informatika

Oleh:


135314015





YOGYAKARTA

2017


ii

PERFORMANCE EVALUATION OF PROPHET PROTOCOL AND

PROPHETv2 IN OPPORTUNISTIC NETWORK

A THESIS

Presented as Partial Fulfillment of Requirements To Obtain Sarjana

Komputer Degree In Informatics Engineering Department

Oleh:


135314015





YOGYAKARTA

2017




v

MOTTO

Live as if you were to die tomorrow. Learn as if you were to live forever.

- Mahatma Gandhi -




viii

ABSTRAK

Jaringan Oportunistik merupakan kondisi jaringan dimana komunikasi dapat

terjadi tanpa adaya infrastruktur jaringan. Karakteristik dari jaringan ini ialah

menggunakan media transmisi nirkabel, mobilitas dalam jaringan, dan koneksi

jaringan yang bersifat intermitten. Untuk itu, tingkat keberhasilan dalam Jaringan

Oportunistik terletak pada routing protokol yang digunakan. PROPHET

(Probabilistic ROuting Protocol using History of Encounters and Transitivity)

merupakan salah satu protokol yang digunakan dalam Jaringan Oportunistik.

Protokol ini merupakan protokol probabilistik berdasarkan metrik probabilitas

(pada protokol ini disebut delivery predictability/DP) bertemu node lain dan

transitivitynya. Pada beberapa skenario dengan pergerakan node yang real

(pergerakan manusia). PROPHET menunjukan kinerja yang buruk dengan

menghasikan DP node yang tidak sesuai dengan kondisi jaringan karena sifat

transitivity nya. Untuk memperbaiki kekurangan protokol ini dibuatlah

PROPHETv2 yang memperbaiki perhitungan delivery predictability dari

PROPHET.

Pada penelitian ini penulis akan melakukan pengujian terhadap kinerja

PROPHETv2 yang memperbaiki perhitungan delivery predictability PROPHET.

Pengujian akan dilakukan menggunakan Simulator ONE(Opportunistic Network

Environment). Adapun parameter kinerja yang digunakan ialah delivery ratio,

overhead ratio, latency, dan hopcount.

Hasil pengujian menunjukan bahwa PROPHETv2 berhasil mengatasi

kekurangan dari PROPHET, khususnya pada skenario dengan mobilitas node yang

beragam dan pada pergerakan manusia. Hal ini ditunjukan dengan perhitungan DP

PROPHETv2 yang menghasilkan probability node yang lebih sesuai dengan

keadaan jaringan, sehingga meningkatkan nilai delivery ratio, dan mengurangi

jumlah copy pesan, serta latency.

Kata Kunci : Jaringan Oportunistik, PROPHET, PROPHETv2, Simulator ONE,

delivery ratio, overhead ratio, latency, hopcount


ix

ABSTRACT

Opportunistic network is a network condition where communication can occur

without any network infrastructure. The characteristics of this network is to use

wireless as transmission media, mobility in the network, and intermittent

connectivity. Therefore, the success rate in the opportunistic network lies in the

routing protocol used. PROPHET (Probabilistic ROuting Protokol using History of

Emcounter and Transitivity) is one of the protocols used in opportunistic networks.

This protocol is a probabilistic protocol based on probability metrics (in this

protocol called delivery predictability/DP) meets other nodes and transitivity. In

some scenarios with real node movements (human mobility), prophet shows poor

performance by generating DPs that are inconsistent with network conditions due

to PROPHET’s update transitivity. To correct the deficiencies of this protocol,

PROPHETv2 was created which improved the delivery predictability calculation

of PROPHET.

This experiment analyze performance of Prophetv2 that improve the

calculation of delivery predictability Prophet. Testing is done using ONE simulator.

The parameters used are delivery ratio, overhead ratio, latency, and hopcount.

The test results show that PROPHEv2 successfully overcomes the

shortcomings of PROPHET, especially in scenarios with varying mobility nodes

and on human movement. This is shown by the calculation of DP PROPHETv2

which produces probability nodes that are more appropriate to the state of the

network, thereby increasing the success rate of the message to the destination, and

reducing the number of copies of the message, as well as the latency

Keywords : Opportunistic Network, PROPHET, PROPHETv2, ONE Simulator,

delivery ratio, overhead ratio, latency, hopcount




xii

DAFTAR ISI

HALAMAN JUDUL ................................................................................................ i

TITLE PAGE .......................................................................................................... ii

HALAMAN PERSETUJUAN ............................................................................... iii

HALAMAN PENGESAHAN ................................................................................ iv

MOTTO .................................................................................................................. v

PERNYATAAN KEASLIAN KARYA ................................................................ vi

LEMBAR PERSETUJUAN PUBLIKASI ............................................................ vii

ABSTRAK ........................................................................................................... viii

ABSTRACT ........................................................................................................... ix

KATA PENGANTAR ............................................................................................ x

DAFTAR ISI ......................................................................................................... xii

DAFTAR TABEL ................................................................................................ xiv

DAFTAR GAMBAR ............................................................................................ xv

BAB I PENDAHULUAN ...................................................................................... 1

1.1. Latar Belakang ............................................................................................. 1

1.2. Rumusan Masalah ........................................................................................ 3

1.3 Tujuan Penelitian .......................................................................................... 3

1.4 Batasan Masalah............................................................................................ 3

1.5. Metodologi Penelitian .................................................................................. 4

1.6. Sistematika Penulisan .................................................................................. 5

BAB II LANDASAN TEORI ................................................................................ 6

2.1. Jaringan Oportunistik ................................................................................... 6

2.1.1. Message-ferry-based ......................................................................... 8

2.1.2. Opportunity-based ............................................................................ 9

2.1.3. Prediction-based ............................................................................... 9

2.2. Protokol routing PROPHET ........................................................................ 9

2.2.1. Perhitungan delivery predictability (DP) ........................................ 10

2.2.2. Strategi pengiriman pesan (forwarding strategies) ......................... 11

2.3. Protokol routing PROPHETv2 .................................................................. 12

2.3.1. Perhitungan delivery predictability (DP) PROPHETv2 ................. 13

2.4. Pergerakan RandomWayPoint .................................................................... 14


xiii

2.5. Shortest Path Map Based Movement ......................................................... 15

2.6. Working Day Movement Model ................................................................. 15

2.6.1. Home activity submodel .................................................................. 16

2.6.2. Office activity submodel .................................................................. 16

2.6.3. Evening activity submodel............................................................... 16

2.6.4. Transport submodel ........................................................................ 17

2.7. Pergerakan Manusia (Haggle4 Cambridge dan Reality mining MIT ) ...... 18

2.8. Simulator ONE ........................................................................................... 19

BAB III PERANCANGAN SIMULASI JARINGAN ........................................ 20

3.1. Parameter Simulasi..................................................................................... 20

3.2. Skenario Simulasi ...................................................................................... 20

3.3. Parameter Kinerja....................................................................................... 22

3.3.1. Delivery Ratio ................................................................................. 22

3.3.2. Overhead Ratio ............................................................................... 23

3.3.3. Average Latency .............................................................................. 23

3.3.4. HopCount ........................................................................................ 23

3.4. Topologi Jaringan ................................................................................... 23

BAB IV PENGUJIAN DAN ANALISIS ............................................................ 24

4.1. Pergerakan Random Waypoint .................................................................. 24

4.1.1. Penambahan Jumlah Node .................................................................. 24

4.1.2 Penambahan Kecepatan Node .............................................................. 28

4.2. Pergerakan Shortest Path Map Based Movement(SPMBM) ..................... 31

4.3. Pergerakan Working Day Movement Model (WDM) ............................... 35

4.4. Pergerakan Manusia ................................................................................... 38

4.4.1. Haggle4-Cam-Imote ............................................................................ 38

4.4.2. Reality MIT.......................................................................................... 41

BAB V KESIMPULAN DAN SARAN ............................................................... 45

5.1. Kesimpulan ................................................................................................ 45

5.2. Saran ........................................................................................................... 45

DAFTAR PUSTAKA ........................................................................................... 46

LAMPIRAN .......................................................................................................... 47


xiv

DAFTAR TABEL

Tabel 3.1. Parameter Utama Simulasi. .................................................................. 20

Tabel 3.2. skenario penambahan jumlah node pada pergerakan Random WayPoint.

............................................................................................................................... 20

Tabel 3.3. skenario penambahan kecepatan node pada pergerakan Random

WayPoint ............................................................................................................... 21

Tabel 3.4. skenario Shortest Path Map Based Movement .................................... 21

Tabel 3.5. Skenario Working Day Movement Model ............................................ 21

Tabel 3.6. Skenario Haggle4-Cam-Imote ............................................................. 22

Tabel 3.7. Skenario Reality Mining MIT ............................................................... 22

Tabel 4.1. Hasil penambahan jumlah node protokol PROPHET pada pergerakan

Random Waypoint ................................................................................................. 24

Tabel 4.2. Hasil penambahan jumlah node protokol PROPHETv2 pada pergerakan

Radom Waypoint .................................................................................................. 24

Tabel 4.3. Hasil penambahan kecepatan node protokol PROPHET pada pergerakan

Random Waypoint ................................................................................................. 28

Tabel 4.4. Hasil penambahan kecepatan node protokol PROPHETv2 pada

pergerakan Random Waypoint .............................................................................. 28

Tabel 4.5. Hasil perbandingan PROPHET dan PROPHETv2 pada pergerakan

Shortest Path Map Based Movement .................................................................... 31

Tabel 4.6. Hasil perbadingan PROPHET dan PROPHETv2 pada pergerakan

Working Day Movement Model. ........................................................................... 35


Haggle4-Cam-Imote. ............................................................................................. 38

Tabel 4.8. Hasil perbadingan PROPHET dan PROPHETv2 pada pergerakan Reality

MIT. ....................................................................................................................... 41


xv

DAFTAR GAMBAR

Gambar 2.1. mekanisme store – carry – forward pada jaringan Opportunistik ...... 8

Gambar 2.2. Ilustrasi metric transitivitypada PROPHET. .................................... 11

Gambar 2.3. Ilustrasi forwarding Strategies PROPHET. ..................................... 11

Gambar 2.5. Pergerakan Random Waypoint. ........................................................ 15

Gambar 2.6. Pergerakan Working Day Movement Model menggunakan peta kota

Helsinki. ................................................................................................................ 17

Gambar 4.1. Grafik pengaruh penambahan node terhadap Delivery ratio pada

pergerakan Random Waypoint. ............................................................................. 25

Gambar 4.2. Grafik pengaruh penambahan node terhadap Overhead ratio pada


Gambar 4.3. Grafik pengaruh penambahan node terhadap Latency pada pergerakan

Random Waypoint. ................................................................................................ 27

Gambar 4.4. Grafik pengaruh penambahan node terhadap Latency pada pergerakan

Random Waypoint. ................................................................................................ 27

Gambar 4.5. Grafik pengaruh penambahan node terhadap Delivery ratio pada


Gambar 4.6. Grafik pengaruh penambahan node terhadap Overhead ratio pada


Gambar 4.7. Grafik pengaruh penambahan node terhadap Avg. Latency pada


Gambar 4.8. Grafik pengaruh penambahan node terhadap Hopcount pada


Gambar 4.9. Grafik perbandingan Delivery ratio protokol PROPHET dan

PROPHETv2 pada pergerakan Shortest Path Map Based movement ................... 32

Gambar 4.10. Grafik perbandingan Overhead ratio protokol PROPHET dan



xvi

Gambar 4.11. Grafik perbandingan Avg Latency protokol PROPHET dan


Gambar 4.12. Grafik perbandingan Hopcount protokol PROPHET dan



PROPHETv2 pada pergerakan Working Day Movement Model .......................... 36



Gambar 4.15. Grafik perbandingan Avg. Latency protokol PROPHET dan





PROPHETv2 pada pergerakan Haggle4-Cam-Imote............................................ 39








PROPHETv2 pada pergerakan Reality MIT ......................................................... 41








1

BAB I

PENDAHULUAN

1.1. Latar Belakang

Jaringan komputer yang dikenal saat ini merupakan jaringan yang berbasis

infrastruktur. Infrastruktur pada jaringan yang dimaksud berupa alat alat fisik

seperti router, switch, dan perangkat jaringan lainnya. Hal ini berarti yang

memungkinkan terjadi komunikasi di dalam jaringan adalah adanya perangkat

tetap (fixed) yang berfungsi sebagai media transmisi dan media komunikasi.

Dalam jaringan komputer saat ini terdapat 2 media transmisi yang digunakan

yaitu media kabel(wire) dan nirkabel(wireless). Media transmisi kabel

merupakan media yang digunakan pertama kali untuk membangun jaringan

komputer dan memungkinkan komunikasi antar perangkat. Dalam

perkembangannya muncul media transmisi lain yang bersifat nirkabel yang

memanfaatkan gelombang elektromagnetik yang memungkinkan pengiriman

data melalui udara [1].

Pada kehidupan nyata cara seseorang menggunakan perangkat pada media

transmisi nirkabel berbeda dengan saat menggunakan perangkat pada jaringan

kabel. Pada jaringan nirkabel pengguna perangkat cenderung akan berpindah

pindah tempat(mobile). Hal ini masih dapat diatasi oleh jaringan nirkabel

selama perangkat masih berada dalam jangkauan jaringan nirkabel. Tantangan

kemudian muncul, bagaimana komunikasi dapat terus berjalan tanpa adanya

infrastruktur jaringan seperti saat ini?. Dalam hal ini alat-alat jaringan yang

biasa digunakan seperti router, switch dan jaringan yang menggunakan media

transmisi kabel sudah tidak ada. Kemudian dengan memperhitungkan

mobilitas pengguna, Bagaimana jika perangkat yang mobile mengikuti

penggunanya, dapat tetap berkomunikasi melalui media transmisi nirkabel?.

Solusi untuk tantangan yang ada ialah menggunakan jaringan ad hoc.

Jaringan ad hoc merupakan aplikasi dari jaringan nirkabel. Pada jaringan ad

hoc, infrastruktur jaringan sudah tidak digunakan, yang kemudian

menggunakan media transmisi nirkabel dalam proses komunikasi. Namun

dalam jaringan ad hoc masih terdapat tantangan yaitu mobilitas dari pengguna


2

dan perangkatnya. Kondisi ini disebut dengan Mobile Ad Hoc Network

(MANET)[2]. Pada MANET setiap node dalam jaringan dapat berperan

sebagai pengirim pesan, sebagai yang meneruskan pesan (sebagai relay), dan

sebagai penerima pesan. Karena pergerakan node pada jaringan MANET,

menyebabkan perubahan pada topologi jaringan secara terus menerus. Hal ini

memungkinkan adanya node yang terputus atau keluar dari jangkauan

transmisi node lain yang menyebabkan link failure[3]. Masalah ini merupakan

tantangan utama dalam jaringan MANET. Untuk mengatasi masalah pada

jaringan MANET maka dikembangkan Opportunistic Network (Jaringan

Opportunistik). Jaringan opportunistik merupakan jaringan yang dapat

mentolerir adanya tenggang waktu hingga data sampai ke tujuan. Tingkat

keberhasilan dalam Jaringan Opportunistik terletak pada routing protokol yang

digunakan.

Pada Jaringan Opportunistik terdapat metode yang di sebut store-carry-

forward. Metode ini diterapkan pada setiap node dimana node ketika menerima

pesan maka ia akan menyimpan dan kemudian dibawa sampai menemui node

lain untuk diberikan kepada node tersebut. Protokol routing PROPHET

(Probabilistic ROuting Protocol using History of Encounters and Transitivity)

adalah protokol probabilistik berdasarkan metrik probabilitas bertemu dengan

node lain serta transitivity-nya[4]. Ketika node memiliki probabilitas bertemu

node tujuan lebih besar dari node sebelumnya maka node tersebut dapat

menjadi node yang baik sebagai relay ke node tujuan sehingga node tersebut

akan dititipkan pesan oleh node sebelumnya.

Dalam menentukan node yang dapat me-relay pesan, PROPHET

menggunakan probabilistik metrik yang disebut dengan Delivery

Predictability(DP)[4]. Berdasarkan nilai DP inilah protokol PROPHET akan

menentukan node yang baik untuk mengantarkan pesan ke node tujuan. Dalam

menentukan node yang baik sebagai pembawa pesan, PROPHET juga

memiliki sifat Transitivity yang menghitung kedekatan node dengan node

tujuan melalui node yang lain yang ditemui. Transitivity juga menjadi nilai

yang mempengaruhi nilai DP dari sebuah node. Namun dalam beberapa kasus

ditemui unjuk kerja PROPHET yang buruk, terlebih pada pergerakan node


3

yang real seperti pergerakan manusia. Penyebabnya ialah sifat transitivity pada

PROPHET yang tidak bekerja dengan baik pada pergerakan manusia. Untuk

memperbaiki kinerjanya maka dibuatlah protokol PROPHETv2 yang

diharapkan dapat bekerja lebih baik dibanding protokol PROPHET yang lama.

Dalam tugas akhir ini, penulis akan membandingkan kerja protokol

PROPHETv2 terhadap PROPHET dan kaitannya antar parameter kinerja

(Delivery ratio, Overhead Ratio, Latency, dan Hopcount) pada pergerakan

manusia dan pergerakan Random.

1.2. Rumusan Masalah

Berdasarkan latar belakang masalah, rumusan masalah adalah bagaimana

dampak dari perbaikan delivery predictability calculation dari PROPHETv2

terhadap PROPHET.

1.3 Tujuan Penelitian

Tujuan yang akan dicapai dalam tugas akhir ini adalah untuk mengetahui

serta menganalisis kelebihan maupun kekurangan protokol routing PROPHET

dan protokol routing PROPHET V2 yang memperbaiki delivery predictability

calculation berdasarkan konsep routing PROPHET.

1.4 Batasan Masalah

Dalam tugas akhir ini, batasan masalah meliputi:

1. Protokol routing yang digunakan adalah protokol PROPHET dan protokol

PROPHET V2.

2. Pengujian dilakukan menggunakan Simulator ONE

3. Pengujian unjuk kerja atau metrik yang digunakan adalah Delivery ratio,

Overhead, Latency, dan Hopcount.


4

1.5. Metodologi Penelitian

Adapun metodologi penelitian dan langkah-langkah dalam mengerjakan

tugas akhir ini adalah sebagai berikut:

1. Studi Literatur

a. Teori Jaringan Opportunistik dan model pergerakannya.

b. Teori protokol PROPHET dan PROPHET V2.

c. Teori parameter kinerja (Delivery ratio, Overhead ratio, Latency dan

Hopcount).

d. Dokumentasi ONE Simulator

e. Tahap-tahap membagun simulasi.

2. Perancangan

Dalam tahap ini merupakan rancangan skenario yang terdiri dari :

a. Menggunakan pergerakan RandomWayPoint, Shortest Path Map Based

Movement, WorkingDayMovement Model, dan real human

trace(Reality MIT dan Haggle4 – Cambridge Imotes ).

b. Penambahan jumlah node (Random Waypoint).

c. Penambahan kecepatan node (Random Waypoint).

3. Pembangunan Simulasi dan Pengumpulan Data

Simulasi tugas akhir ini menggunakan Simulator ONE serta

membangkitkan report sebagai sarana untuk mengumpulkan data

berdasarkan parameter kinerja yang telah ditentukan.

4. Analisis Data Simulasi

Berdasarkan data yang telah dikumpulkan setelah simulasi, kemudian

data tersebut akan diamati dan dianalisis sesuai parameter kinerjanya.


5

5. Penarikan Kesimpulan dan Saran

Penarikan kesimpulan didasarkan pada hasil performance metric yang

diperoleh pada proses analisis data.

1.6. Sistematika Penulisan

Sistematika penulisan tugas akhir ini dibagi menjadi beberapa bab

dengan susunan sebagai berikut :

BAB I PENDAHULUAN

Bab ini berisi latar belakang penulisan tugas akhir, rumusan masalah, batasan

masalah, metodologi penelitian, dan sistematika penulisan.

BAB II LANDASAN TEORI

Bab ini berisi tentang penjelasan teori sebagai dasar yang dibutuhkan untuk

melakukan penelitian.

BAB III PERENCANAAN SIMULASI JARINGAN

Bab ini memuat perencanaan simulasi yang akan dikerjakan dalam tugas akhir.

BAB IV PENGUJIAN DAN ANALISIS

Bab ini berisi pelaksanaan simulasi dan analisis hasil simulasi.

BAB V KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan yang didapat dari hasil analisis data simulasi.


6

BAB II

LANDASAN TEORI

2.1. Jaringan Oportunistik

Jaringan Opportunistik berbeda dengan keadaan jaringan komunikasi pada

umumnya. Pada jaringan komunikasi yang biasa digunakan (menggunakan

infrastruktur jaringan), komunikasi dan pengiriman pesan antar node

(pengguna) source kepada destination dapat selalu terjadi karena adanya

koneksi atau jalur (path) dari kedua node yang berkomunikasi. Dalam jaringan

Opportunistik infrastruktur seperti yang biasanya digunakan sudah tidak ada,

sehingga semua node dalam jaringan akan berfungsi sebagai pembawa dan

pengirim pesan untuk memungkinkan terjadi komunikasi dalam jaringan

tersebut. Oleh karena itu komunikasi dalam jaringan Opportunistik tidak dapat

selalu terjadi, seperti pada jaringan komunikasi pada umumnya. Jaringan

Opportunistik termasuk dalam non-deterministic network yang berarti

pertemuan node dalam jaringan tidak bisa diprediksi. Hal ini karena koneksi

antar node source dan destination dalam jaringannya tidak dapat selalu terjadi.

Selain karena jangkauan transmisi yang terbatas, pergerakan node dalam

jaringan juga menjadi penyebab koneksi dalam jaringan terputus. Pergerakan

node akan menyebabkan perubahan topologi jaringan sehingga node tidak

dapat terus terhubung dengan node lain.

Karena pergerakan node, koneksi yang kadang terputus, dan topologi

jaringan yang terus berubah, membuat jaringan Opportunistik memiliki

beberapa karakteristik antara lain :

a. Inttermittent Connectivity

Konektivitas antar node yang tidak selalu terjadi (kadang terputus,

kemudian terhubung kembali.

b. Latency Tinggi

Latency disini didefinisikan sebagai waktu untuk pesan dapat sampai

dari node source ke destination. Latency menjadi tinggi pada jaringan

Opportunistik karena koneksi antar node yang tidak selalu terjadi


7

sehingga membutuhkan waktu yang lama untuk pesan dapat sampai

ke tujuan. Untuk itu jaringan Opportunistik tolerant terhadap delay.

c. Low data rate

Data rate menggambarkan jumlah pesan yang dapat disampaikan

pada jangka waktu tertentu. Low data rate yang terjadi pada jaringan

ini disebabkan oleh delay yang lama dalam mentransmisikan pesan.

d. High error rate

Oleh karena pergerakan node dalam jaringan yang menyebabkan

banyak koneksi antar node terputus, maka kemungkinan pesan untuk

gagal ditransmisikan menjadi tinggi.

e. Keterbatasan sumber daya node

Jaringan Opportunistik memiliki masalah pada sumber daya nodenya.

Hal ini terjardi karena komunikasi pada jaringan seluruhnya dilakukan

oleh node, mulai dari mengirim dan meneruskan pesan. Node yang

dalam hal ini device yang digunakan memiliki sumber daya yang

terbatas, seperti CPU, kapasitas penyimpanan data, dan baterai tidak

dapat terus bekerja untuk membantu komunikasi dalam jaringan.

Karena kondisi dan karakteristik dalam jaringan Opportunistik, koneksi end to

end pada jaringan ini hampir mustahil untuk dilakukan. Untuk itu penanganan

pesan dalam Jaringan Opportunistik menjadi berbeda. Pesan akan dikirim

secara bertahap melalui node dalam jaringan. Pesan akan disimpan, kemudian

dibawa dan diteruskan pada node lain yang terkoneksi dengannya hingga

sampai kepada destination. Dalam Jaringan Opportunistik mekanisme ini

dikenal dengan store – carry – forward. Berikut merupakan gambaran tentang

metode store – carry – forward :


8

Gambar 2.1. mekanisme store – carry – forward pada jaringan Opportunistik

Pada gambar 2.1 menunjukan jalannya mekanisme store – carry – forward

yang diterapkan dalam Jaringan Opportunistik. Node pengirim node S akan

mengirimkan pesan kepada node destination node D dalam jaringan

opportunistik. Karena koneksi end to end path dari source ke destination tidak

tersedia, maka pesan untuk node destination harus diteruskan dengan

menggunakan bantuan dari node node lain dalam jaringan. Saat pertama node

S bertemu dengan node lain yaitu node C dalam jaringan, maka node S akan

mengirimkan copy pesan pada node C. Node C kemudian akan menyimpan

pesan tersebut apabila koneksi dengan node berikutnya belum ada, kemudian

membawanya hingga bertemu node lain, yang kemudian akan diteruskan

kepada node tersebut. Hal ini akan berulang setiap kali node bertemu. Node

akan saling mengirimkan copy pesan kepada node lain yang ditemuinya, dan

menyimpan pesan tersebut dalam storage masing masing node sebelum

kembali diteruskan kepada node lain. Ini akan terus dilakukan node dalam

jaringan hingga pesan tersebut sampai pada node destination dalam hal ini

adalah node D.

Adapun metode metode penanganan pesan pada Jaringan Opportunistik antara

lain :

2.1.1. Message-ferry-based

Pada metode ini, sistem akan menggunakan node lain

sebagai pembawa pesan yang kemudian disampaikan ke tujuan. Hal

ini dilakukan untuk meningkatkan delivery performance dengan cara


9

menyimpan (store) pesan dalam node yang kemudian dibawa (carry)

sampai bertemu tujuan dan memberikan pesan tersebut.

2.1.2. Opportunity-based

Pada metode ini, setiap node akan memberikan (forward)

pesan secara acak dari hop ke hop untuk sampai ke tujuan, namun

tidak menjamin pesan tersebut dapat sampai. Umumnya metode ini

akan membanjiri jaringan dengan pesan yang sama untuk

meningkatkan jumlah pesan yang terkirim.

2.1.3. Prediction-based

Pada metode ini, protokol routing akan menentukan node

perantara (relay) dengan memperhitungkan node yang berpeluang

besar untuk menyampaikan pesan ke tujuan.

2.2. Protokol routing PROPHET

Pergerakan yang populer dalam Jaringan Oportunistik adalah pergerakan

random. Pergerakan ini menggambarkan bahwa tiap node dalam jaringan

bergerak dengan pola yang acak. Namun faktanya pergerakan tersebut tidaklah

random melainkan bergerak dengan pola pergerakan yang dapat diprediksi.

Ketika sebuah node berada pada suatu tempat maka dapat diprediksi nantinya

node tersebut akan kembali berada pada lokasi yang sama. Berdasarkan pola

pergerakan tersebut maka diciptakanlah sebuah protokol yang dapat

memprediksi probabilitas node bertemu kembali. Protokol routing PROPHET

(Probabilistic ROuting Protocol using History of Encounters and Transitivity).

Protokol PROPHET merupakan protokol probabilistik yang berdasarkan

metrik probabilitas bertemu dengan node lain dan transitivity-nya. Dalam

protokol PROPHET, untuk menghitung probabilitas bertemunya satu node

dengan node lain diperlukan probabilistik metrik yang disebut delivery

predictability[4].


10

2.2.1. Perhitungan delivery predictability (DP)

Dalam perhitungan delivery predictability(DP) terdapat tiga bagian.

Pertama ialah update metric ketika node bertemu. Apabila node sering

bertemu maka node tersebut akan memiliki nilai delivery predictability

yang tinggi. Perhitungan update ditunjukan pada rumus 2.1 dimana Pinit

ϵ [0,1].

P(a,b) = P(a,b)old + (1 – P(a,b)old) x Pinit.....................................................2.1

Jika node pernah bertemu kemudian tidak bertemu kembali selama

beberapa waktu, maka node tersebut tidak lagi menjadi node yang baik

untuk meneruskan pesan. Hal ini menyebabkan nilai delivery

predictability dari node tersebut harus berkurang (age, menua).

Perhitungan aging (pengurangan) ditunjukan pada rumus 2.2 dimana γ

ϵ [0,1] merupakan aging constant dan k adalah jumlah unit waktu yang

telah berjalan sejak terakhir kali metrik tersebut berkurang.

P(a,b) = P(a,b)old x γk...............................................................................2.2

Delivery predictability juga memiliki sifat transitive. Apabila node

A sering bertemu dengan node B, dan node B sering bertemu dengan

node C, maka kemungkinan node C dapat menjadi pengantar

pesan(relay) yang baik kepada node A. Rumus 2.3 menunjukan

pengaruh transitivity terhadap delivery predictability dimana β ϵ [0,1]

adalah scaling constant yang menentukan seberapa besar pengaruh dari

transitivity terhadap delivery predictability-nya.

P(a,c) = P(a,c)old + (1 – P(a,c)old) x P(a,b) x P(b,c) x β....................................2.3


11

Gambar 2.2. Ilustrasi metric transitivitypada PROPHET.

Transitivitypada PROPHET pada gambar 2.2, mengukur kedekatan

node a terhadap node c melalui nod b.

2.2.2. Strategi pengiriman pesan (forwarding strategies)

Strategi pengiriman pesan pada PROPHET adalah ketika node

saling bertemu, maka pesan akan di teruskan(forward) atau di kirim ke

node lain jika nilai delivery predictability node tersebut bertemu dengan

tujuan lebih besar daripada node lain[4].

Gambar 2.3. Ilustrasi forwarding Strategies PROPHET.

Ilustrasi pada Gambar 2.3 node source S akan mengirimkan pesan

kepada node destination B. Saat node S bertemu dengan node A dan

node C dalam jaringan, maka node akan saling bertukar metrik

probability mereka bertemu dengan node destination. Dalam hal ini

probability node A bertemu node destination B lebih besar dibanding

node C. Maka node source akan mem forward pesan kepada node yang

punya probability bertemu node destination lebih besar yaitu node A.


12

2.3. Protokol routing PROPHETv2

Ide awal munculnya protokol PROPHETv2 adalah experimen yang

dilakukan oleh N4C (Networking for Communications Challenged

Communities) pada musim panas tahun 2009, yang menerapkan DTN (Delay

Tolerant Network) pada lingkungan real di pegunungan Swedia. Salah satu

yang diuji ialah implementasi dari protokol PROPHET. Setelah seminggu

experimen tersebut dijalankan, ditemukan bahwa ada satu data mule yang

menolak atau tidak mem forward bundle yang ditujukan kepada internet

gateway, kepada node yang berada di helicopter base. Dalam penyelidikan

yang dilakukan, ditemukan bahwa nilai DP (delivery predictability) dari data

mule untuk node gateway ternyata lebih tinggi dibanding nilai DP node yang

berada di helicopter base. Namun dalam kenyataannya, data mule tersebut

tidak pernah melakukan kontak atau bertemu langsung dengan node gateway.

Dalam pengecekan terhadap DP dari node node dalam jaringan, didapati

banyak dari node yang memiliki nilai DP yang tinggi. Akar dari masalah ini

ialah sifat yang tidak terduga dari rumus transitivity PROPHET seperti yang

dapat terlihat pada rumus 2.3.

Dalam pergerakan node yang random protokol PROPHET dapat berkerja

dengan baik, ini karena probability pertemuan antar nodenya yang cenderung

sama, sehingga tidak mempengaruhi kinerja perhitungan DP protokol

PROPHET. Namun, ketika semakin real pergerakan node yang digunakan,

protokol PROPHET justru memperlihatkan kinerja yang buruk. Hal ini sama

seperti pengujian dari N4C yang menggunakan skenario pergerakan yang real.

Pada implementasi PROPHET pada pergerakan node yang real, performa

protokol PROPHET dengan transitivity dan tanpa transitivity sama baiknya

dalam hal keberhasilan mengirimkan pesan ke destination. Masalah seperti

yang dibahas tentang update transitivity PROPHET kemudian terlihat pada

jumlah copy pesan yang diteruskan node dalam jaringan. Update transitivity

pada PROPHET akan menghasilkan DP node yang berlebih yang akan

berpengaruh pada pengiriman pesan dalam jaringan. Akan banyak node dalam

jaringan yang memiliki DP yang tinggi sehingga akan banyak pesan yang di

relay bahkan kepada node yang sebenarnya tidak optimal untuk meneruskan


13

pesan tersebut. Hal tersebut juga memperlihatkan, protokol PROPHET bekerja

lebih baik apabila nilai β = 0 yang secara otomatis menonaktifkan update

transitivity dari protokol PROPHET. Masalah dari update transitivity

PROPHET 2.3 ialah selama nilai β > 0, nilai DP untuk setiap node yang

memiliki informasi tentang node k akan bertambah tanpa peduli node tersebut

pernah bertemu node k atau tidak.

PROPHET menunjukan kinerja yang lebih baik jika update transitivity nya

dinonaktifkan. Namun transitivity dari protokol PROPHET ini penting untuk

beberapa skenario, selama update transitivity nya dapat bekerja dengan baik.

skenario yang dimaksud ialah, skenario node dengan komunitas atau group

dimana beberapa node dalam komunitas satu dan yang lainnya tidak pernah

melakukan kontak dan hanya beberapa node yang bergerak di antara komunitas

tersebut. Jika hanya direct contacts yang digunakan, maka node yang tidak

pernah melakukan kontak dengan node yang bergerak diantara komunitas tidak

dapat berkomunikasi dengan node yang berada dikomunitas lain.

Berdasarkan masalah yang telah dijelaskan, dibuatlah PROPHETv2

sebagai perbaikan dari PROPHET. Perbaikan dilakukan dengan membuat

mekanisme perhitungan delivery predictability yang baru dari PROPHET[5].

Mekanisme penghitungan yang digunakan oleh PROPHETv2 menggunakan

konsep perhitungan yang sama dengan PROPHET namun dengan beberapa

penambahan dan perubahan pada delivery predictability calculation-nya.

2.3.1. Perhitungan delivery predictability (DP) yang baru dari PROPHETv2

Pada perhitungan update terhadap metric pada direct contact node,

berdasarkan rumus 2.1 ditambahkan lama waktu sejak node terakhir

bertemu. Hal tersebut juga bertujuan untuk mengurangi nilai delivery

predictability yang bertambah untuk node yang baru saja bertemu.

Sehingga rumus update metric akan dihitung seperti pada rumus 2.4.


14

P(a,b) = P(a,b)old + (1 – P(a,b)old) x Penc...................................................2.4

Penc dihitung dengan cara berikut :

Penc = Pmax x (IntvlB / Ityp); if 0 ≤IntvlB≤ Ityp ;

Penc = Pmax

Ityp merupakan parameter yang diset waktu interval antar koneksi yang

relevan dengan jaringan yang dibuat. IntvlB adalah waktu terakhir saat

note bertemu dengan node B.

Kemudian untuk memperbaiki update transitivity-nya, pada

PROPHETv2 dibuatlah rumus transitivity yang baru. Pada transitivity

yang baru ini perhitungan yang dilakukan sedikit berbeda, karena untuk

menghitung transitivity akan dibandingan nilai delivery predictability

dari P(a,c)old dan hasil dari P(b,c) x P(a,b) x β kemudian menentukan nilai

maximum yang dihasilkan sebagai nilai delivery predictability yang

baru P(a,c). sehingga rumus transitivity akan dihitung seperti pada rumus

2.5.

P(a,c) = max (P(a,c)old , P(b,c) x P(a,b) x β)...............................................2.5

Dan pada bagian forwarding strategies pada PROPHETv2 masih sama

seperti pada PROPHET.

2.4. Pergerakan RandomWayPoint

Konektivitas dalam Jaringan Oportunistik tergantung pada model

pergerakan yang digunakan. Model pergerakan random diterapkan pada area

yang fixed. Dalam model pergerakan ini setiap node akan menentukan

koordinat acak, kemudian bergerak lurus pada kecepatan yang telah ditentukan.


15

Setelah sampai pada tujuannya node akan berhenti di tempat tersebut selama

waktu yang ditentukan[7].

Gambar 2.5. Pergerakan Random Waypoint.

2.5. Shortest Path Map Based Movement

Adalah movement model berdasarkan pada randomwalk model. Tiap node

pada shortest path map based movement menggunakan algoritma Djikstra

untuk menghitung jarak terpendek dari lokasi awal node berada ke tujuan acak,

menggunakan rute jalan pada map. Setelah sebuah node sampai pada node

tujuannya, node akan berhenti dan menunggu selama pause time kemudian

memilih node secara acak pada map dan bergerak ke ara node tersebut dengan

memperhitungkan jarak terpendek pada peta untuk mencapainya.

2.6. Working Day Movement Model

Working day movement model dikembangkan dengan menggabungkan

beberapa model pergerakan yang berbeda. Model pergerakan ini disebut

submodel[8]. Dalam submodel terdapat tiga aktivitas utama yang dilakukan

oleh node. Node akan berada di rumah, kemudian pergi untuk bekerja, dan

melakukan aktivitas dengan node lain pada malam hari.

Setiap node akan memulai aktivitas pada pagi hari dalam rumah. Setiap

node memiliki waktu bangun pagi yang sama selama simulasi. Pada waktu

bangun pagi, node akan meninggalkan rumah kemudian menggunakan metode


16

transportasi yang berbeda beda untuk pergi ke tempat kerja. Setelah jam kerja

selesai, node akan memutuskan apakan akan pergi untuk melakukan aktivitas

dimalam hari atau kembali ke rumah.

2.6.1. Home activity submodel

Home activity submodel digunakan untuk aktivitas node pada

malam hari, seperti berbaring, menonton TV, memasak, tidur, dan lain-

lain.

2.6.2. Office activity submodel

Office activity submodel digunakan untuk aktivitas node di dalam

kantor. Pada submodel ini, node digambarkan sebagai karyawan yang

memiliki meja kerja masing masing dan terkadang perlu berjalan ke

tempat lain untuk meeting atau hanya untuk berbicara kepada orang

lain.

Submodel ini dimulai saat node mencapai pintu, node akan berjalan

menuju meja kerja. Saat mencapai meja kerja node akan berhenti untuk

beberapa waktu. Setelah itu node akan memilih koordinat lain secara

acak dan pergi ketempat tersebut dan berhenti untuk beberapa waktu.

Pergerakan node di antara meja dan secara acak memilih koordinat

didalam kantor ini akan berulang sampai selesai waktu kerja. Tujuan

dari pergerakan tersebut adalah agar node dapat lebih sering bertemu

dengan node lainnya yang berada didalam kantor.

2.6.3. Evening activity submodel

Evening activity submodel adalah model kegiatan yang dilakukan

node pada malam hari, setelah waktu bekerja. Kegiatan ini dilakukan

dalam kelompok. Aktivitas malam hari ini dapat diartikan seperti

berbelanja, jalan jalan, atau pergi ke restoran atau bar. Node akan

ditugaskan secara berkelompok berdasarkan tempat pertemuan

favoritnya. Node akan pergi ke tempat pertemuan dengan

menggunakan transportasi. Ketika salah satu node telah sampai di

tempat berkumpul maka node tersebut akan menunggu hingga semua

node dari kelompok telah hadir, dan akhirnya akan berpisah dan

kembali ke rumah.


17

2.6.4. Transport submodel

Node bergerak antara rumah, kantor, dam aktivitas di malam hari

menggunakan transport submodel. Transport submodel yang digunakan

yaitu mobil, bus, dan dengan berjalan kaki. Node yang tidak bergerak

menggunakan mobil akan menggunakan bus atau dengan berjalan kaki.

Node yang bergerak menggunakan mobil hanya akan menggunakan

mobil untuk semua transportasi.

a. Walking submodel

Node yang berjalan menggunakan jalan untuk bergerak

memiliki kecepatan yang tetap terhadap tujuan. Algoritma dijkstra

digunakan node untuk mencari jalur tercepat untuk mencapai tujuan.

b. Car submodel

Node yang mempunyai mobil dapat bergerak dengan kecepatan

tinggi antar lokasi yang berbeda.

c. Bus submodel

Node yang tidak memiliki mobil dapat menggunakan bus untuk

bepergian lebih cepat. Bus dapat membawa lebih dari satu node pada

waktu yang bersamaan.

Gambar 2.6. Pergerakan Working Day Movement Model menggunakan peta

kota Helsinki.


18

2.7. Pergerakan Manusia (Haggle4 Cambridge dan Reality mining MIT )

Model pergerakan random merupakan model pergerakan yang ideal. Hal

ini dikarenakan pada pergerakan random probabilitas node bertemu node lain

cenderung sama tiap nodenya. Kondisi tersebut sangat ideal untuk menguji atau

mengevaluasi kinerja protokol routing. Namun pergerakan yang sebenarnya

adalah setiap node (manusia yang membawa perangkat) tidak bergerak secara

random atau acak melainkan node akan mengikuti pergerakan manusia yang

menuju titik tertentu (point of interest). Model pergerakan ini dapat di

implementasikan dalam simulator ONE. Simulator ONE memungkinkan untuk

menggunakan pergerakan eksternal, dalam kasus ini model pergerakan yang

digunakan yaitu Reality MIT dan Haggle4 – Cambridge Imotes.

Reality mining adalah sebuah penambangan data yang dilakukan oleh

Massachusetts Institute of Technology, berdasarkan perilaku manusia di dunia

nyata. Reality mining berisi data set dan analisis tentang pergerakan

sekelompok manusia yang diambil dengan perangkat wireless yang terkoneksi

dengan GPS. Lama waktu simulasi sesuai dengan dataset adalah 7 bulan

dengan jumlah node sebanyak 97 node.

Model pergerakan real lain yang digunakan adalah Haggle Cambridge.

Model pergerakan ini berisi data set pertemuan node dalam hal ini mahasiswa

Universitas Cambridge menggunakan alat yang bernama Imots yang

menggunakan interface bluetooth. Lama waktu simulasi sesuai dengan data set

adalah 11 hari dan banyaknya node dalam set data ini adalah 36 node.

Pada model pergerakan manusia ini probabilitas node bertemu dengan

node lain bervariasi. Hal ini juga yang menyebabkan beberapa node memiliki

probabilitas bertemu node lain lebih tinggi, node ini disebut dengan hub node.

Karena probabilitas bertemu node yang tinggi maka hub node akan menjadi

pengatar pesan yang baik, sehingga node node lain akan cenderung menitipkan

pesan kepada hub node untuk di sampaikan kepada node tujuan. Hub node

berperan sangat penting dalam jaringan untuk model pergerakan manusia.


19

2.8. Simulator ONE

Simulator ONE(Opportunistic Network Environment)merupakan sebuah

simulator yang secara spesifik digunakan untuk mengevaluasi kerja routing

pada Jaringan Oportunistik. Simulator ONE merupakan simulator berbasis

Java. Fungsi dari simulator ONE adalah memodelkan node movement,node

contact, routing, dan message handling. Hasil simulasi dapat berupa

visualization, report, dan post- processing tools. Hasil tersebut kemudian dapat

dianalisa sesuai dengan kebutuhan penelitian.

Gambar 2.7. Simulator ONE


20

BAB III

PERANCANGAN SIMULASI JARINGAN

3.1. Parameter Simulasi

Pada penelitian yang dilakukan, terdapat beberapa parameter simulasi

yang sifatnya tetap dan digunakan dengan nilai yang sama pada simulasi yang

berbeda. Parameter tersebut antara lain :

Tabel 3.1. Parameter Utama Simulasi.

Parameter Nilai

Waktu Simulasi 950400

Protokol Routing Prophet & ProphetV2

Jangkauan Transmisi Radio 10 m

Ukuran Pesan 500 - 1M

Movement model (Model

Pergerakan)

Random Waypoint

Shortest Path Map Based Movement

Working Day Movement Model

Pergerakan Manusia ( Haggle4- Cam-

Imote, Reality MIT)

3.2. Skenario Simulasi

Dalam penelitian yang dilakukan, skenario awal yang digunakan adalah

model pergerakan Random WayPoint dengan melakukan penambahan jumlah

node dan kecepatan node untuk mengevaluasi kinerja protokol PROPHET

maupun PROPHETv2.

Tabel 3.2. skenario penambahan jumlah node pada pergerakan Random

WayPoint.

Movement Protocol

Routing Jumlah Node

Luas Area

Simulasi (m)

RWP Prophet

20;40;60;80;100 1000 × 1000 ProphetV2


21

Tabel 3.3. skenario penambahan kecepatan node pada pergerakan Random

WayPoint

Movement Protocol

Routing

Kecepatan

Node

Jumlah

Node

Luas Area

Simulasi (m)

RWP Prophet

ProphetV2

0.5-1.0

40 1000 × 1000 1.5-2.0

2.5-3.0

3.5-4.0

Pengujian berikutnya akan dilakukan menggunakan Shortest Path Map Based

Movement(SPMBM). Pergerakan ini akan diterapkan pada skenario kota

Helsinki. Skenario yang dipakai merupakan skenario default dari ONE

simulator. Berikut beberapa parameter yang digunakan dalam skenario ini.

Tabel 3.4. skenario Shortest Path Map Based Movement

Movement Protocol

Routing

Jumlah

Node

Buffer

Size(MB)

Waktu

Simulasi(detik)

SPMBM Prophet

126 5 950400 ProphetV2

Pengujian berikut akan dilakukan menggunakan Working Day Movement

Model. Skenario yang di pakai merupakan skenario default dari WDM yang

terdapat pada simulator ONE. Sebagian skenario diubah untuk menyesuaikan

kebutuhan penelitian.

Tabel 3.5. Skenario Working Day Movement Model

Movement Protocol

Routing

Jumlah

Node

Buffer

Size(MB)

Waktu

Simulasi(detik)

WDM Prophet

500 100 950400 ProphetV2

Selanjutnya pengujian akan dilakukan dengan menggunakan pergerakan real

atau pergerakan manusia pada kedua protokol. Pergerakan manusia yang

digunakan adalah Haggle Cambridge dan Reality mining MIT.


22

Tabel 3.6. Skenario Haggle4-Cam-Imote

Movement Protocol

Routing

Jumlah

Node

Buffer Size

(MB)

Waktu

Simulasi

(detik)

Haggle Cam Prophet

36 60 950400 ProphetV2

Tabel 3.7. Skenario Reality Mining MIT

Movement Protocol

Routing

Jumlah

Node

Buffer Size

(MB)

Waktu

Simulasi

(detik)

Reality MIT Prophet

97 60 16981816 ProphetV2

3.3. Parameter Kinerja

Dalam penelitian yang dilakukan terdapat empat parameter kinerja yang

digunakan untuk mengevaluasi kerja protokol PROPHET dan PROPHETv2,

antara lain:

3.3.1. Delivery Ratio

Parameter ini digunakan untuk mengetahui tingkat keberhasilan

pengiriman pesan yang dilakukan oleh protokol routing. Hasil dari

parameter ini akan berpengaruh pada dua parameter lainnya yaitu

overhead dan delay. Pembuatan message dan forwarding message

dilakukan menggunakan resource dari node.

𝐷𝑒𝑙𝑖𝑣𝑒𝑟𝑦 𝑟𝑎𝑡𝑖𝑜 =𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑚𝑒𝑠𝑠𝑎𝑔𝑒𝑠 𝑟𝑒𝑐𝑒𝑖𝑣𝑒𝑑

𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑔𝑒𝑛𝑒𝑟𝑎𝑡𝑒 𝑚𝑒𝑠𝑠𝑎𝑔𝑒𝑠


23

3.3.2. Overhead Ratio

Merupakan parameter yang digunakan untuk mengetahui

banyaknya copy pesan yang sampai ke tujuan dari pesan yang dibuat

dalam jaringan. Apabila terlalu banyak copy yang ada dalam jaringan

maka akan mengakibatkan penggunaan resource pada tiap node yang

semakin besar.

𝑂𝑣𝑒𝑟ℎ𝑒𝑎𝑑 𝑟𝑎𝑡𝑖𝑜 =𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑟𝑒𝑙𝑎𝑦𝑒𝑑 𝑚𝑒𝑠𝑠𝑎𝑔𝑒𝑠 − 𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑚𝑒𝑠𝑠𝑎𝑔𝑒 𝑟𝑒𝑐𝑒𝑖𝑣𝑒𝑑

𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑚𝑒𝑠𝑠𝑎𝑔𝑒𝑠 𝑟𝑒𝑐𝑒𝑖𝑣𝑒𝑑

3.3.3. Average Latency

Parameter Average latency digunakan untuk mengetahui waktu

rata-rata yang dibutuhkan pesan dari source untuk sampai ke

destination.

𝐴𝑣𝑒𝑟𝑎𝑔𝑒 𝐿𝑎𝑡𝑒𝑛𝑐𝑦 = ∑ (𝑡𝑖𝑚𝑒 𝑤ℎ𝑒𝑛 𝑚𝑒𝑠𝑠𝑎𝑔𝑒 𝑟𝑒𝑐𝑒𝑖𝑣𝑒𝑑 − 𝑡𝑖𝑚𝑒 𝑤ℎ𝑒𝑛 𝑚𝑒𝑠𝑠𝑎𝑔𝑒 𝑔𝑒𝑛𝑒𝑟𝑎𝑡𝑒

𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑚𝑒𝑠𝑠𝑎𝑔𝑒𝑠 𝑟𝑒𝑐𝑒𝑖𝑣𝑒𝑑)

𝑛

𝑖=1

3.3.4. HopCount

Parameter ini digunakan untuk mengetahui jumlah lompatan rata-

rata atau hop yang dilalui message dari source untuk sampai ke

destination.

3.4. Topologi Jaringan

Dalam jaringan Oportunistik, karena pergerakan node yang terus menerus

maka topologi jaringannya pun akan ikut berubah mengikuti mobilitas node di

dalamnya. Untuk itu, bentuk dari topologi pada jaringan oportunistik tidak

dapat digambarkan secara spesifik.


24

BAB IV

PENGUJIAN DAN ANALISIS

Untuk mengevaluasi unjuk kerja protokol PROPHET dan protokol

PROPHETv2 maka dilakukan simulasi sesuai dengan skenario yang telah dibuat

pada Bab III. Data hasil simulasi diperoleh dari report yang digunakan dalam One

Simulator.

4.1. Pergerakan Random Waypoint

4.1.1. Penambahan Jumlah Node

Tabel 4.1. Hasil penambahan jumlah node protokol PROPHET pada

pergerakan Random Waypoint

Prophet

Jumlah

Node

Delivery

ratio

Overhead

ratio Avg. Latency Hopcount

20 0,4831 14,0523 35243,0600 2,5001

40 0,7334 36,3181 22720,0257 2,9077

60 0,8471 58,1935 14337,7990 2,9672

80 0,8927 97,6466 9329,3385 3,1042

100 0,9109 189,0754 7485,6341 3,1950

Tabel 4.2. Hasil penambahan jumlah node protokol PROPHETv2 pada

pergerakan Radom Waypoint

ProphetV2

Jumlah

Node Delivery

ratio

Overhead

ratio Avg. Latency Hopcount

20 0,4403 10,9744 39449,1916 2,3198

40 0,6504 28,8325 29084,1265 2,6031

60 0,7168 46,1096 24376,4672 2,5687

80 0,7985 69,8350 20634,9829 2,7411

100 0,8863 101,6919 15665,2900 2,8040

Dalam pergerakan random diasumsikan probabilitas bertemu antar

satu node dengan node lain yang cenderung sama. Pada pergerakan ini

protokol PROPHET dan PROPHETv2 menunjukan performa yang sama

baiknya. Penambahan node yang dilakukan akan berpengaruh pada

kerapatan node serta jumlah copy pesan dalam jaringan. Semakin banyak


25

jumlah node dalam jaringan maka semakin tinggi kemungkinan pesan

untuk dapat diteruskan dan sampai ke node tujuan. Selain itu, semakin

banyak node dalam jaringan juga akan meningkatkan jumlah copy pesan

yang direlay oleh node. Hal ini akan berpengaruh pada nilai Delivery

ratio untuk masing-masing protokol.

Gambar 4.1. Grafik pengaruh penambahan node terhadap Delivery ratio

pada pergerakan Random Waypoint.

Gambar 4.2. Grafik pengaruh penambahan node terhadap Overhead

ratio pada pergerakan Random Waypoint.

Terlihat dari Gambar 4.2, semakin banyak jumlah node, nilai

overhead ratio pada kedua protokol semakin meningkat. Hal ini

diakibatkan oleh jumlah copy pesan yang diteruskan oleh node akan

semakin banyak seiring dengan bertambahnya jumlah node dalam

jaringan. PROPHETv2 memperlihatkan kinerja yang lebih baik dengan

0

0,2

0,4

0,6

0,8

1

20 40 60 80 100

Del

iver

y ra

tio

Jumlah Node

Prophet ProphetV2

0

40

80

120

160

200

20 40 60 80 100

Ove

rhea

d R

ati

o

Jumlah Node

Prophet ProphetV2


26

nilai overhead ratio yang lebih rendah dibanding PROPHET. Nilai

overhead ratio yang mampu diminimalkan oleh PROPHETv2 terjadi

karena perhitungan delivery predictability (DP) yang menghasilkan DP

node yang tidak berlebih, sehingga pemilihan node untuk meneruskan

pesan akan menjadi lebih sedikit dan jumlah copy pesan yang diteruskan

dalam jaringan dapat diminimalkan. Tingginya nilai overhead ratio dari

PROPHET disebabkan perhitungan DP khususnya pada update

transitivity dari protokol ini, yang menghasilkan DP node dalam jaringan

yang berlebih. Ini menyebabkan akan banyak node dalam jaringan yang

memiliki nilai DP yang tinggi terhadap node destination, sehingga

banyak dari node akan meneruskan pesan kepada node yang sebenarnya

tidak optimal untuk meneruskan pesan tersebut.

Namun, dengan overhead ratio yang lebih tinggi dari PROPHET

membuat delivery ratio dari protokol ini menjadi lebih baik. Gambar 4.1

menunjukan delivery ratio dari PROPHET yang lebih tinggi

dibandingkan PROPHETv2 dengan bertambahnya node. Masalah pada

update transitivity PROPHET tidak mempengaruhi kinerja

pengirimannya pada pergerakan random. Hal ini karena dalam

pergerakan random, probabability bertemu antar node cenderung sama.

Hal ini membuat, walaupun node meneruskan copy pesan kepada node

yang kurang optimal untuk menyampaikan pesan, kemungkinan pesan

dapat sampai tetap tinggi karena probability pertemuan node dalam

jaringan yang cenderung sama. Jumlah copy pesan yang dikirimkan oleh

PROPHETv2 yang lebih sedikit, membuat tingkat keberhasilan

pengiriman pesan juga menjadi lebih rendah. Jumlah copy pesan yang

lebih sedikit berarti hanya sedikit node dalam jaringan yang memiliki

copy pesan tersebut, sehingga keberhasilan pesan dapat disampaikan

kepada destination pun menjadi lebih rendah.


27

Gambar 4.3. Grafik pengaruh penambahan node terhadap Latency pada

pergerakan Random Waypoint.

Gambar 4.4. Grafik pengaruh penambahan node terhadap Latency pada

pergerakan Random Waypoint.

Lama waktu pesan untuk sampai ke destination dipengaruhi oleh

jumlah copy pesan dalam jaringan dan jumlah node yang membantu

dalam meneruskan pesan. Semakin banyak node meneruskan pesan,

semakin cepat pesan tersebut sampai kepada node destination. Gambar

4.4 memperlihatkan jumlah Hop (lompatan) yang dilalui pesan untuk

sampai ke destination. Pada skenario ini PROPHET memiliki jumlah

hopcount yang lebih tinggi dibanding PROPHETv2. Ini karena pada

protokol PROPHET, lebih banyak node yang mendapatkan copy pesan

dan terlibat untuk membantu meneruskan pesan ke destination. Dengan

jumlah hopcount yang lebih banyak, maka waktu yang dibutuhkan

protokol PROPHET untuk menyampaikan pesan ke destination menjadi

lebih cepat( Lihat Gambar 4.3).

0

10000

20000

30000

40000

50000

20 40 60 80 100

Avg

. L

ate

ncy

(det

ik)

Jumlah Node

Prophet ProphetV2

0

1

2

3

4

20 40 60 80 100

Hopco

unt

Jumlah Node

Prophet ProphetV2


28

4.1.2 Penambahan Kecepatan Node

Tabel 4.3. Hasil penambahan kecepatan node protokol PROPHET pada

pergerakan Random Waypoint

Prophet

Kecepatan

Node

Delivery

ratio

Overhead

ratio Latency Hopcount

0.5-1.0 0,7379 36,0420 23299,6258 2,9107

1.5-2.0 0,6501 34,5616 22842,1407 2,8281

2.5-3.0 0,5648 35,1330 24489,0622 2,9025

3.5-4.0 0,4735 34,1770 28522,7644 2,9702

Tabel 4.4. Hasil penambahan kecepatan node protokol PROPHETv2

pada pergerakan Random Waypoint

ProphetV2

Kecepatan

Node

Delivery

ratio

Overhead

ratio Latency Hopcount

0.5-1.0 0,6743 28,7121 29588,6862 2,6015

1.5-2.0 0,5910 30,5882 27359,7437 2,5181

2.5-3.0 0,5125 31,6254 28339,9945 2,5987

3.5-4.0 0,3988 31,0326 31044,9607 2,6227

Pada skenario penambahan kecepatan, node dalam jaringan akan

bergerak semakin cepat. Pergerakan node yang semakin cepat akan

membuat node semakin cepat bertemu sehingga pesan tidak akan lama

disimpan karena segera di teruskan pada node yang ditemuinya. Karena

semakin cepat node dapat melakukan kontak, maka peluang untuk pesan

dapat di sampaikan ke node destination pun akan semakin besar.

. Disisi lain, dengan bertambahnya kecepatan tiap node, akan

mengganggu transmisi pesan antar node. Banyak dari pesan akan gagal

untuk dikirim ke node lain karena link yang terputus saat node saling

mengirim data. Ini disebabkan oleh pergerakan node yang terlalu cepat.

Pada saat pengiriman data berlangsung, node yang saling bertukar data

terlampau cepat keluar dari radio range kedua node tersebut sementara

pesan belum selesai terkirim. Ini akan berpegaruh pada nilai delivery

ratio nya, karena walaupun node sering bertemu tetapi akan semakin


29

banyak pesan yang gagal dikirim karena node yang bergerak terlalu cepat

sehingga nilai delivery ratio nya akan semakin rendah.

Gambar 4.5. Grafik pengaruh penambahan node terhadap Delivery ratio


Gambar 4.6. Grafik pengaruh penambahan node terhadap Overhead

ratio pada pergerakan Random Waypoint.

Pada Gambar 4.5 menunjukan nilai delivery ratio dari kedua

protokol cenderung menurun. Delivery ratio yang semakin turun ini

diakibatkan node yang bergerak terlampau cepat sehingga akan banyak

copy pesan yang gagal dikirim. Meskipun begitu PROPHET menunjukan

performa yang lebih baik dengan mengungguli PROPHETv2 pada

delivery rationya. Delivery ratio PROPHET cenderung lebih unggul

karena jumlah copy pesan yang dikirim pada protokol PROPHETv2 lebih

sedikit (lihat Gambar 4.6). Jumlah copy pesan yang lebih sedikit pada

0

0,2

0,4

0,6

0,8

1

0.5-1.0 1.5-2.0 2.5-3.0 3.5-4.0

Del

iver

y ra

tio

Kecepatan Node (m/s)

Prophet ProphetV2

0

10

20

30

40

0.5-1.0 1.5-2.0 2.5-3.0 3.5-4.0

Ove

rhea

d r

ati

o


Prophet ProphetV2


30

PROPHETv2 disebabkan oleh perhitungan DP node yang menghasilkan

nilai DP yang tidak berlebihan, sehingga akan lebih sedikit node yang

memiliki nilai DP tinggi terhadap node destination. Oleh karena itu

jumlah copy pesan yang diteruskan dalam jaringan pada protokol

PROPHETv2 menjadi lebih sedikit. Penyebab Tingginya nilai overhead

ratio PROPHET disebabkan perhitungan DP khususnya pada update

transitivity dari protokol ini, yang menghasilkan DP node dalam jaringan

yang berlebih. Ini menyebabkan akan banyak node dalam jaringan yang

memiliki nilai DP yang tinggi terhadap node destination, sehingga

banyak dari node akan meneruskan pesan kepada node yang sebenarnya

tidak optimal untuk mengirimkan pesan tersebut.

Gambar 4.7. Grafik pengaruh penambahan node terhadap Avg. Latency


Gambar 4.8. Grafik pengaruh penambahan node terhadap Hopcount


0

10000

20000

30000

40000

0.5-1.0 1.5-2.0 2.5-3.0 3.5-4.0

Avg

. L

ate

ncy

(det

ik)


Prophet ProphetV2

0

1

2

3

4

0.5-1.0 1.5-2.0 2.5-3.0 3.5-4.0

Hopco

unt


Prophet ProphetV2


31

Dengan jumlah copy pesan yang semakin berkurang dalam jaringan

akibat banyaknya copy pesan yang gagal diteruskan, maka waktu yang

dibutuhkan pesan untuk dapat sampai ke destination akan semakin lama.

Pada Gambar 4.7 menampilkan Avg. Latency dari kedua protokol yang

cenderung naik diakibatkan jumlah copy pesan yang terbatas dan

banyaknya pengiriman pesan yang gagal akibat node yang bergerak cepat

dalam jaringan, sehingga akan semakin lama untuk pesan dapat diterima

oleh destination. Pada skenario ini, protokol PROPHET dapat

menyapaikan pesan lebih cepat dari PROPHETv2. Hal ini dapat terjadi

karena protokol PROPHET lebih banyak meneruskan copy pesan

dibanding PROPHETv2, sehingga jumlah node yang membantu

meneruskan pesan kepada destination juga menjadi lebih banyak(lihat

gambar 4.8).

4.2. Pergerakan Shortest Path Map Based Movement(SPMBM)

Tabel 4.5. Hasil perbandingan PROPHET dan PROPHETv2 pada pergerakan

Shortest Path Map Based Movement

Protokol

Routing

Delivery

ratio

Overhead

ratio

Avg.

Latency Hopcount

Prophet 0,2855 68,7097 5233,2712 3,6350

ProphetV2 0,3515 37,5998 4818,9590 2,9598

Dalam skenario pergerakan ini, terdapat 3 group node yang terlibat. Group

node tersebut antara lain, node pejalan kaki (pedestrian), node mobil (car), dan

node kereta listrik(tram). Skenario pergerakan ini diterapkan pada peta kota

Helsinki. Dalam skenario ini sebagian besar node menggunakan pergerakan

SPMBM antara lain node pejalan kaki dan node mobil, sedangkan node kereta

listrik bergerak dengan pergerakan Map Route Movement. Karena dalam

skenario ini menggunakan lebih dari satu pergerakan pada node, maka jumlah

pertemuan antar node juga akan berbeda. Oleh karena itu informasi tentang

probability bertemu node juga akan menjadi bervariasi. Pada pergerakan Map

Route Movement jumlah pertemuan antar nodenya tinggi dikarenakan node

pada pergerakan ini menggunakan jalur yang sama secara berulang ulang saat

bergerak, sedangkan Pada pergerakan SPMBM jumlah pertemuannya


32

bervariasi selain karena node akan memilih tujuan secara random, juga karena

pemilihan jalur node yang juga berbeda beda. Yang mempengaruhi kinerja

PROPHET dan PROPHET v2 ialah jumlah pertemuan antar dua model

pergerakan yang berbeda. Hal ini akan mempengaruhi perhitungan DP masing

masing protokol dalam menangani informasi yang tersebar didalam dua model

pergerakan tersebut.


PROPHETv2 pada pergerakan Shortest Path Map Based movement



Pada skenario ini delivery ratio dari PROPHETv2 berhasil mengungguli

PROPHET(lihat Gambar 4.9). nilai delivery ratio yang tinggi dari

PROPHETv2 disebabkan perhitungan DP nya yang menghasilkan probability

bertemu node yang lebih baik, sehingga DP dari node lebih sesuai dengan

keadaan jaringan. Hal ini terlihat dari Gambar 4.10. Dengan jumlah copy pesan

0,2855

0,3515

0

0,1

0,2

0,3

0,4

Prophet ProphetV2

Del

iver

y ra

tio

68,7097

37,5998

0

20

40

60

80

Prophet ProphetV2

Ove

rhea

d r

ati

o


33

yang dikirim lebih sedikit dari PROPHET, PROPHETv2 mampu mengirimkan

lebih banyak pesan. Pada protokol PROPHET, update transitivity nya akan

menghasilkan nilai DP node yang berlebihan sehingga mempengaruhi proses

pengiriman pesan dalam jaringan. Hal ini mengakibatkan banyak node yang

memiliki nilai DP terhadap node destination yang tinggi meskipun node

tersebut belum pernah bertemu langsung dengan node destination. Oleh karena

itu PROPHET meneruskan copy pesan lebih banyak bahkan ke node yang

sebenarnya bukan node yang ideal untuk mengirimkan pesan tersebut.

Pada skenario ini probability bertemu dua group node yaitu pejalan kaki

dan mobil cenderung sama. hal ini karena pada SPMBM node akan

menentukan node tujuannya secara random, maka dapat diasumsikan

pertemuan node dalam jaringan akan cenderung sama. yang berbeda adalah

pergerakan dari node kereta listrik yang menggunakan Map Route Movement,

yang pergerakan nodenya telah di tentukan dan bergerak berulang ulang

melewati jalur yang sama. Skenario ini secara tidak langsung membentuk 2

group node dengan jumlah pertemuan node yang berbeda. Dalam skenario ini

akan ada node yang dapat dikatakan sebagai hub node yang mempunyai

probability bertemu node dalam jaringan yang tinggi. Hub node tersebut adalah

node kereta listrik. Hal ini karena walaupun SPMBM memilih node tujuan

random, tetapi ada kemungkinan node tersebut memilih jalur yang sama yang

pernah dilewati sebelumnya. Hal ini membuat node yang selalu melewati jalur

tersebut akan memiliki probability bertemu node yang tinggi dan menjadi node

yang baik untuk mengirimkan pesan, dalam hal ini adalah node kereta listrik.

Hal ini berpengaruh pada kedua protokol, sehingga apabila update DP node

membuat copy pesan banyak di teruskan kepada node selain node kereta listrik

maka probability pesan tersebut dapat sampai ke destination akan berkurang.


34

Gambar 4.11. Grafik perbandingan Avg Latency protokol PROPHET dan




Nilai DP node yang lebih sesuai dengan kondisi jaringan yang dihasilkan

oleh PROPHETv2 juga berdampak pada waktu pesan untuk sampai kepada

node destination. Dengan memilih node yang memiliki probability tinggi

bertemu destination dan pergerakan node dalam jaringan yang cepat, maka

waktu untuk pesan dapat sampai juga akan semakin cepat. Pemilihan node

yang lebih evisien juga telihat dari jumlah hop yang dilalui pesan yang lebih

sedikit PROPHETv2 dan dengan waktu penyampaian pesan yang lebih cepat

dibading PROPHET(lihat Gambar 4.11 dan 4.12).

5233,2712

4818,9590

4600

4800

5000

5200

5400

Prophet ProphetV2

Avg

Late

ncy

(det

ik)

3,6350

2,9598

0

1

2

3

4

Prophet ProphetV2

Hopco

unt


35

4.3. Pergerakan Working Day Movement Model (WDM)


Working Day Movement Model.

Protokol

Routing

Delivery

ratio

Overhead

ratio

Avg.

Latency Hopcount

Prophet 0,2097 1687,6396 42102,2193 3,2674

ProphetV2 0,2712 1288,1752 43802,6264 3,2319

Sama dengan skenario sebelumnya, pada skenario WDM yang diterapkan

pada peta kota Helsinky ini melibatkan 2 group node yang bergerak dengan

movement model yang berbeda. Dalam skenario ini node akan terbagi dalam 4

wilayah didalam kota. Masing masing wilayah memiliki node penduduk dan

node bus. Dalam skenario ini bus dalam kota akan bergerak dengan pergerakan

Bus Movement, dan terdapat node yang bergerak ke seluruh wilayah di kota

dengan menggunakan pergerakan Shortest Path Map Based Movement. Pada

skenario pergerakan ini, node tidak bergerak aktif seperti pada skenario

SPMBM. Banyak node akan cenderung bergerak dan diam di satu tempat untuk

beberapa waktu dan kemudian kembali bergerak, sedangkan node yang selalu

aktif bergerak adalah node bus. Jumlah pertemuan node pada pergerakan ini

memiliki perbedaan yang cukup besar. Node yang bergerak dengan WDM

cenderung akan diam disatu tempat untuk waktu yang lama sehingga jumlah

pertemuan antar nodenya menjadi sedikit. Sedangkan pada pergerakan bus

movement, node bus yang terus bergerak membuat node ini memiliki jumlah

pertemuan yang lebih banyak. Bus dalam skenario ini akan bergerak sesuai

dengan rute yang telah ditentukan (berdasarkan routeFile) secara berulang

ulang. Tantangan bagi transitivity PROPHET dan PROPHETv2 disini ialah,

dalam skenario ini menyajikan kondisi node dalam komunitas yang antar

komunitasnya terhubung oleh hanya beberapa node yang bergerak antara

komunitas tersebut. Hal ini sangat berpengaruh pada update transitivity untuk

kedua protokol. Dalam skenario ini dikenal adanya hub node atau node yang

punya jumlah kontak dan probability bertemu node lain dalam jaringan yang

tinggi, sehingga node tersebut menjadi node yang baik untuk meneruskan

pesan ke node destination. Node tersebut adalah node bus. Selain karena bus


36

bergerak dengan skema pergerakan yang telah diatur sesuai dengan jalur pada

map, bus juga merupakan alat transportasi yang digunakan node penduduk

untuk berpindah dari satu tempat ke tempat lain. Hal ini membuat jumlah

pertemuannya dengan node lain menjadi tinggi, dan menjadikannya node yang

baik untuk meneruskan pesan. Apabila upadate transitivity dari kedua protokol

tidak bekerja dengan baik, maka DP node dalam jaringan akan menjadi tidak

sesuai. Hal ini akan membuat banyak node punya DP yang tinggi terhadap

destination, sehingga node akan meneruskan pesan kepada node lain yang

sebenarnya tidak optimal untuk menyampaikan pesan tersebut.


PROPHETv2 pada pergerakan Working Day Movement Model



Gambar 4.13 menunjukan tingkat keberhasilan pesan sampai ke tujuan yang

lebih baik PROPHETv2. Penyebabnya ialah perhitungan DP PROPHETv2

0,2097

0,2712

0

0,05

0,1

0,15

0,2

0,25

0,3

Prophet ProphetV2

Del

iver

y ra

tio

1687,6396

1288,1752

0

400

800

1200

1600

2000

Prophet ProphetV2

Ove

rhea

d r

ati

o


37

yang membuat pemilihan node lebih optimal, sehingga dengan jumlah copy

pesan yang dikirim lebih sedikit namun kemungkinan pesan dapat sampai ke

destination menjadi lebih tinggi (lihat Gambar 4.14). Pada protokol

PROPHET, update transitivity nya menghasilkan nilai DP node yang

berlebihan sehingga mempengaruhi pengiriman copy pesan dalam jaringan.

Hal ini mengakibatkan banyak node yang memiliki nilai DP terhadap node

destination yang tinggi meskipun node tersebut belum pernah bertemu

langsung dengan node destination. Hal ini membuat PROPHET meneruskan

copy pesan lebih banyak bahkan kepada node yang tidak ideal untuk

mengirimkan pesan tersebut.





60482,7635

63727,2288

58000

59000

60000

61000

62000

63000

64000

Prophet ProphetV2

Late

ncy

(det

ik)

3,4845 3,3991

0

1

2

3

4

Prophet ProphetV2

Hopco

unt


38

Gambar 4.15 menunjukan PROPHET walaupun dengan probability pesan

sampai lebih rendah, waktu pesan untuk sampai pada protokol ini cenderung

lebih cepat. Berbeda dengan skenario sebelumnya yang node dalam

jaringannya aktif bergerak, dalam skenario ini banyak dari node dalam jaringan

bergerak kemudian diam di satu tempat untuk beberapa waktu, sehingga

pergerakan nodenya cenderung rendah. Dalam skenario ini jumlah copy pesan

yang di teruskan node sangat berpengaruh pada waktu pesan sampai ke

destination. Dengan jumlah copy pesan yang lebih banyak, PROPHET dapat

menyampaikan pesan lebih cepat dibanding PROPHETv2. Selain itu

keterlibatan node dalam jaringan yang membantu meneruskan pesan juga

berpengaruh pada waktu pesan untuk sampai. Pada Gambar 4.16 menunjukan

pada protokol PROPHET jumlah hopcount pesan lebih tinggi. Ini berarti

banyak dari node dalam jaringan yang membantu meneruskan copy pesan

sehingga dapat mempercepat pesan sampai pada node destination.

4.4. Pergerakan Manusia

4.4.1. Haggle4-Cam-Imote

Tabel 4.7. Hasil perbadingan PROPHET dan PROPHETv2 pada

pergerakan Haggle4-Cam-Imote.

Protokol

Routing

Delivery

ratio

Overhead

ratio

Avg.

Latency Hopcount

Prophet 0,3831 187,7350 34301,1722 6,7550

ProphetV2 0,4272 122,4843 33151,3013 4,1278

Pada pergerakan haggle Cambridge ini, node yang bergerak dalam

jaringan merupakan manusia, sehingga perilaku serta mobilitas node

dalam pergerakan ini menggambarkan aktivitas manusia sesungguhnya.

Karena mobilitas node dalam jaringan adalah manusia maka, jumlah

pertemuan antar nodenya pun akan sangat beragam. Dalam pergerakan

manusia juga dikenal node yang populer. Node ini adalah node dalam

jaringan yang memiliki probability paling tinggi untuk bertemu node

lain. Untuk itu, pada skenario ini kedua protokol akan diuji bagaimana

perhitungan DP menangani informasi yang tersebar antar node dengan

jumlah pertemuan antar node tinggi (hub node) dan node yang jumlah


39

pertemuan dengan node rendah pada pergerakan yang real / pergerakan

manusia.

Gambar 4.17. Grafik perbandingan Delivery ratio protokol PROPHET

dan PROPHETv2 pada pergerakan Haggle4-Cam-Imote

Gambar 4.18. Grafik perbandingan Overhead ratio protokol PROPHET


Pada skenario ini terlihat PROPHETv2 mampu mengungguli

PROPHET dengan tingkat keberhasilan menggirimkan pesan yang lebih

tinggi (lihat Gambar 4.17). PROPHETv2 berhasil mengirimkan pesan

lebih banyak karena perhitungan DP nya yang membuat pemilihan node

untuk merelay pesan menjadi lebih baik, sehingga kemungkinan pesan

dapat sampai ke destination menjadi lebih tinggi. PROPHET dalam

skenario ini akan menghasilkan DP node yang kurang sesuai dengan

keadaan jaringan karena update transitivitynya yang tidak bekerja dengan

baik, sehingga akan ada banyak node dengan DP yang tinggi terhadap

destination. Ini akan membuat banyak pesan akan direlay bahkan kepada

0,38310,4272

0

0,1

0,2

0,3

0,4

0,5

Prophet ProphetV2

Del

iver

y ra

tio

187,7350

122,4843

0

40

80

120

160

200

Prophet ProphetV2

Ove

rhea

d r

ati

o


40

node yang kurang optimal untuk menyampaikan pesan kepada node

destination. Selain itu Pemilihan node relay yang lebih baik pada

PROPHETv2 juga berpengaruh pada jumlah copy pesan yang diteruskan

dalam jaringan. Karena pemilihan node yang lebih optimal dari

PROPHETv2, tingkat keberhasilan pengiriman pesan dapat ditingkatkan

meskipun dengan jumlah copy pesan yang lebih sedikit dibanding

PROPHET(lihat Gambar 4.18).

Gambar 4.19. Grafik perbandingan Avg. Latency protokol PROPHET



PROPHETv2 pada pergerakan Haggle4-Cam-Imote

Ketika node yang dipilih lebih optimal untuk membawa pesan

kepada node destination, maka waktu untuk pesan sampai juga akan

lebih cepat. Pada gambar 4.19 PROPHETv2 mampu mengirimkan pesan

lebih cepat dan dengan melibatkan node relay yang lebih sedikit

dibandingkan PROPHET (lihat Gambar 4.20).

34301,1722

33151,3013

32400

32800

33200

33600

34000

34400

Prophet ProphetV2

Avg

. L

ate

ncy

(det

ik)

6,7550

4,1278

0

2

4

6

8

Prophet ProphetV2

Hopco

unt


41

4.4.2. Reality MIT

Tabel 4.8. Hasil perbadingan PROPHET dan PROPHETv2 pada

pergerakan Reality MIT.

Protokol

Routing

Delivery

ratio

Overhead

ratio

Avg.

Latency Hopcount

Prophet 0,4121 768,7615 240228,2022 5,4902

Prophetv2 04260 250,2240 237511,3831 4,2772

Pada skenario ini pergerakan node masih sama dengan skenario

sebelumnya yaitu menggunakan pergerkaan manusia. Yang

membedakan pergerakan ini dengan yang sebelumnya ialah dataset yang

digunakan, lingkungan, lama waktu simulasi, juga jumlah node yang

terlibat dalam skenario. Skenario pergerakan Reality MIT dilakukan

dalam waktu kurang lebih 7 bulan dengan melibatkan 97 mahasiswa MIT

yang pada skenario ini digambarkan sebagai node. Sama halnya dengan

skenario sebelumnya, karena menggunakan pergerakan manusia, maka

pertemuan antar node akan bervariasi. Hub node dalam jaringan tetap

diperhitungkan pada skenario ini. Hal ini karena pada pergerakan

manusia tentu ada node yang akan sering bertemu dengan node lain,

sehingga node tersebut mempunyai probability menyampaikan pesan ke

destination yang lebih tinggi dari node lain.

Gambar 4.21. Grafik perbandingan Delivery ratio protokol PROPHET

dan PROPHETv2 pada pergerakan Reality MIT

0,4121 0,4260

0

0,1

0,2

0,3

0,4

0,5

Prophet Prophetv2

Del

live

ry r

ati

o


42

Gambar 4.22. Grafik perbandingan Overhead ratio protokol PROPHET


Pada tingkat keberhasilan menyampaikan pesan, kedua protokol

memperlihatkan unjuk kerja yang hampir sama baik, meskipun

PROPHETv2 masih sedikit lebih unggul (lihat Gambar 4.21). Unggulnya

PROPHETv2 pada skenario ini disebabkan perhitungan DP node yang

lebih baik dibandingkan PROPHET. PROPHETv2 cenderung memilih

node yang optimal untuk menyampaikan pesan kepada node destination,

sehingga meskipun dengan jumlah copy pesan yang lebih sedikit,

tinggkat keberhasilan pesan untuk dapat sampai kepada destination

menjadi lebih tinggi (lihat Gambar 4.22). sifat transitivity pada

PROPHET akan membuat DP node dalam jaringan tidak sesuai dengan

kondisi sebenarnya. Hal ini akan membuat banyak node akan mempunyai

probability yang tinggi terhadap node destination. Akibatnya PROPHET

akan meneruskan copy pesan bahkan kepada node relay yang sebenarnya

kurang optimal untuk meneruskan pesan kepada destination.

768,7615

250,2240

0

200

400

600

800

1000

Prophet Prophetv2

Ove

rhea

d r

ati

o


43

Gambar 4.23. Grafik perbandingan Avg. Latency protokol PROPHET



PROPHETv2 pada pergerakan Reality MIT

Pemilihan node yang lebih optimal yang ditunjukan PROPHETv2

tidak hanya berpengaruh pada berkurangnya jumlah copy pesan yang

tersebar di jaringan, tetapi juga berpengaruh pada waktu pesan untuk

dapat sampai pada destination. Dengan pertemuan node yang bervariasi

dalam jaringan, pemilihan node yang benar benar memiliki probability

tinggi bertemu destination akan mempercepat pesan untuk diterima. Ini

terlihat dari Gambar 4.23. PROPHETv2 menunjukan waktu pesan

sampai ke destination yang lebih cepat dibanding PROPHET dengan

melibatkan node relay dalam jaringan yang lebih sedikit (lihat Gambar

4.24).

42139,6947

41499,6535

40800

41200

41600

42000

42400

Prophet Prophetv2

Avg

. L

ate

ncy

(det

ik)

3,48573,1346

0

1

2

3

4

Prophet Prophetv2

Hopco

unt


44

Pada pergerakan manusia(Haggle-Cam-Imote dan Reality), hasil

yang diperoleh kedua protokol memiliki perbedaan yang kecil. Hal ini

disebabkan karena dalam skenario yang dibuat untuk pergerakan

manusia, waktu perhitungan Aging(waktu pengurangan nilai DP node

untuk node yang tidak bertemu kembali dalam beberapa waktu) yang

terlampau cepat, sehingga membuat perhitungan Delivery

Predictability kedua protokol tidak bekerja dengan baik khususnya

pada perhitungan update transitivity. Hal ini membuat unjuk kerja

kedua protokol akan menjadi semakin sama, juga perbaikan yang

dilakukan oleh PROPHETv2 menjadi tidak terlihat mempengaruhi

protokol ini. Berbeda dengan kinerja keduanya pada pegerakan random

yang pertemuan nodenya sama, pertemuan node dalam pergerakan

manusia menjadi beragam. Hal ini karena dalam pergerakan manusia

ada kemungkinan node akan saling bertemu kemudian tidak bertemu

lagi dalam waktu yang lama. Sehingga apabila perhitungan Aging

dilakukan dalam waktu yang cepat, maka pengurangan nilai DP node

pun menjadi semakin cepat, dimana hal ini akan mempengaruhi hasil

dari perhitungan update transitivity kedua protokol yang juga akan

berdampak pada kinerja protokol dalam jaringan.

Menentukan waktu perhitungan Aging yang sesuai pada beberapa

skenario , dalam hal ini pergerakan manusia menjadi hal yang penting

karena waktu Aging yang lebih sesuai dengan keadaan jaringan dan

lama waktu simulasi akan membuat kerja protokol menjadi lebih baik.


45

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Pada pergerakan Random, protokol PROPHET dan PROPHETv2

menunjukan unjuk kerja yang hampir sama. Selain karena kedua protokol ini

memiliki perhitungan delivery predictability (DP) yang sama, pergerakan

Random tidak menampikan pola pergerakan yang dapat mempengaruhi

probabilistik matrik kedua protokol. Hal ini karena pada pergerakan Random,

jumlah pertemuan node cenderung sama tiap nodenya. Pada skenario

pergerakan lain yang digunakan(SPMBM,WDM, dan pergerakan manusia),

dimana mobilitas dan jumlah pertemuan node yang lebih beragam, perhitungan

DP dan sifat transitiv PROPHET menghasilkan perhitungan yang tidak sesuai,

sehingga banyak dari node dalam jaringan memiliki DP yang tinggi terhadap

destination, meski node tersebut belum pernah bertemu secara langsung. Hal

ini berakibat pada meningkatnya jumlah copy pesan dalam jaringan, sehingga

ini menjadi masalah dalam kinerja PROPHET untuk skenario dengan mobilitas

dan jumlah pertemuan node yang beragam.

Perhitungan DP dari PROPHETv2 yang memperbaiki perhitungan DP

milik PROPHET, berhasil mengatasi kekurangan PROPHET untuk skenario

dengan jumlah pertemuan dan mobilitas node yang beragam dan pada

pergerakan manusia. Hal ini terlihat dari terbentuknya nilai DP node yang lebih

sesuai dengan keadaan jaringan, sehingga meningkatkan Delivery ratio dan

mengurangi jumlah copy pesan serta latency. Oleh karena itu PROPHETv2

menunjukan performa yang lebih baik dari PROPHET khususnya pada

skenario dengan mobilitas node yang beragam.

5.2. Saran

Penelitian selanjutnya perlu dipelajari seperti pengembangan dari protokol

PROPHET selain PROPHETv2 seperti PROPHETwith Estimation, untuk

mengetahui pengembangan yang dilakukan dalam memperbaiki kekurangan

dari protokol PROPHET.


46

DAFTAR PUSTAKA

[1] Schiller, J., “Mobile Communication”, Great Britain: Biddles,2003.

[2] Zhang, Z. (2006). “Routing in Intermittenly Connected Mobile Ad Hoc

Networks and Delay Tolerant Networks: Overview and Challenges”, 8 (1) pp.

24-37.

[3] Vahdat, Amin, & Becker, David. “ Epidemic Routing for Partially-connected

Ad Hoc Network”. Technical Report CS-200006, Duke University, April 2000.

[4] Lindgen, A., Doria, A. & Schelen, O., “Probabilistic Routing in Intermittenly

Connected Network”. Mobile Computing and Commun. Review, vol.7, no.3,

july 2003.

[5] S. Grasic, E. Davies, A. Lindgren, and A. Doria, “ The Evolution of DTN

Routing Protocol – PRoPHETv2”, in Proceedings of the 6th ACM Workshop

on Challenged Network (CHANTS’11), pp.27-30, New York, NY, USA, 2011.

[6] Puri, P., Sigh, M.P. (2013) “ A Survey Paper on Routing in Delay-tolerant

Networks”, International Conference on Information System and Computer

Networks, pp. 215-220.

[7] Pramanik , A., et al. (2015).”Simulate Study of Random Waypoint Mobility

Model for Mobile Ad Hoc Networks”, Proceendings of 2015 Global

Conference on Communication Technologies(GCCT 2015. pp. 112-116).

[8] Ekman F., Keranen A., Jouni Karvo and Jorg Ott, “Working Day Movement

Model”, Helsinki University TKK, Dept. of Communications and Networking.

May 26, 2008, Hongkong SAR, China.


47

LAMPIRAN

Skenario Simulasi

a. Random Waypoint

Penambahan Jumlah Node

## Scenario settings Scenario.name = RandomWaypoint_scenario1 Scenario.simulateConnections = true Scenario.updateInterval = 0.1 Scenario.endTime = 950400 # "Bluetooth" interface for all nodes btInterface.type = SimpleBroadcastInterface btInterface.transmitSpeed = 250k btInterface.transmitRange = 10 Scenario.nrofHostGroups = 1 # Common settings for all groups Group.movementModel = RandomWaypoint Group.router = ProphetV2Router Group.bufferSize = 60M Group.waitTime = 0, 120 Group.nrofInterfaces = 1 Group.interface1 = btInterface # Walking speeds Group.speed = 0.5,1.0 # Message TTL of 300 minutes (5 hours) Group.msgTtl = 1440 #Group.nrofHosts = 40 Group.nrofHosts = [20;40;60;80;100] Group1.groupID = p Events.nrof = 1 Events1.class = MessageEventGenerator Events1.interval = 900,920 Events1.size = 500k, 1M Events1.hosts = [0,0; 0,0; 0,0; 0,0; 0,0] Events1.tohosts = [19,19;39,39;59,59;79,79;99,99] Events1.prefix = m MovementModel.rngSeed = 2 MovementModel.worldSize = 1000,1000 MovementModel.warmup = 1000 # how many reports to load


48

Report.nrofReports = 4 Report.warmup = 0 Report.reportDir = reports/RandomWaypoint/penambahannode Report.report1 = MessageStatsReport Report.report2 = DeliveryCentralityReport ## Default settings for some routers settings ProphetRouter.secondsInTimeUnit = 30 ProphetV2Router.secondsInTimeUnit = 30

Penambahan Kecepatan node

## Scenario settings Scenario.name = RandomWaypoint_scenario1 Scenario.simulateConnections = true Scenario.updateInterval = 0.1 Scenario.endTime = 950400 # "Bluetooth" interface for all nodes btInterface.type = SimpleBroadcastInterface btInterface.transmitSpeed = 250k btInterface.transmitRange = 10 Scenario.nrofHostGroups = 1 # Common settings for all groups Group.movementModel = RandomWaypoint Group.router = ProphetV2Router Group.bufferSize = 60M Group.waitTime = 0, 120 Group.nrofInterfaces = 1 Group.interface1 = btInterface # Walking speeds Group.speed = [0.5,1.0;1.5,2.0;2.5,3.0;3.5,4.0] # Message TTL of 300 minutes (5 hours) Group.msgTtl = 1440 #Group.nrofHosts = 40 Group.nrofHosts = 40 Group1.groupID = p Events.nrof = 1 Events1.class = MessageEventGenerator Events1.interval = 900,920 Events1.size = 500k, 1M Events1.hosts = 0,0 Events1.tohosts = 39,39 Events1.prefix = m


49

MovementModel.rngSeed = 2 MovementModel.worldSize = 1000,1000 MovementModel.warmup = 1000 # how many reports to load Report.nrofReports = 4 Report.warmup = 0 Report.reportDir = reports/RandomWaypoint/penambahankecepatan Report.report1 = MessageStatsReport Report.report2 = DeliveryCentralityReport ## Default settings for some routers settings ProphetRouter.secondsInTimeUnit = 30 ProphetV2Router.secondsInTimeUnit = 30

b. Pergerakan Shortest Path Map Based Movement(SPMBM) ## Scenario settings Scenario.name = default_scenario Scenario.simulateConnections = true Scenario.updateInterval = 0.1 # 43200s == 12h Scenario.endTime = 950400

# "Bluetooth" interface for all nodes btInterface.type = SimpleBroadcastInterface btInterface.transmitSpeed = 250k btInterface.transmitRange = 10 # High speed, long range, interface for group 4 highspeedInterface.type = SimpleBroadcastInterface highspeedInterface.transmitSpeed = 10M highspeedInterface.transmitRange = 1000 # Define 6 different node groups Scenario.nrofHostGroups = 6 # Common settings for all groups Group.movementModel = ShortestPathMapBasedMovement Group.router = [ProphetRouter;ProphetV2Router] Group.bufferSize = 5M Group.waitTime = 0, 120 Group.nrofInterfaces = 1 Group.interface1 = btInterface Group.speed = 0.5, 1.5 Group.msgTtl = 300 Group.nrofHosts = 40 # group1 (pedestrians) specific settings Group1.groupID = p


50

# group2 specific settings Group2.groupID = c Group2.okMaps = 1 Group2.speed = 2.7, 13.9 # another group of pedestrians Group3.groupID = w # The Tram groups Group4.groupID = t Group4.bufferSize = 50M Group4.movementModel = MapRouteMovement Group4.routeFile = data/tram3.wkt Group4.routeType = 1 Group4.waitTime = 10, 30 Group4.speed = 7, 10 Group4.nrofHosts = 2 Group4.nrofInterfaces = 2 Group4.interface1 = btInterface Group4.interface2 = highspeedInterface Group5.groupID = t Group5.bufferSize = 50M Group5.movementModel = MapRouteMovement Group5.routeFile = data/tram4.wkt Group5.routeType = 2 Group5.waitTime = 10, 30 Group5.speed = 7, 10 Group5.nrofHosts = 2 Group6.groupID = t Group6.bufferSize = 50M Group6.movementModel = MapRouteMovement Group6.routeFile = data/tram10.wkt Group6.routeType = 2 Group6.waitTime = 10, 30 Group6.speed = 7, 10 Group6.nrofHosts = 2 ## Message creation parameters Events.nrof = 1 Events1.class = MessageEventGenerator Events1.interval = 25,35 Events1.size = 500k,1M Events1.hosts = 0,125 Events1.prefix = M ## Movement model settings MovementModel.rngSeed = [2;8372;98092] MovementModel.worldSize = 4500, 3400 MovementModel.warmup = 1000 ## Map based movement -movement model specific settings MapBasedMovement.nrofMapFiles = 4


51

MapBasedMovement.mapFile1 = data/roads.wkt MapBasedMovement.mapFile2 = data/main_roads.wkt MapBasedMovement.mapFile3 = data/pedestrian_paths.wkt MapBasedMovement.mapFile4 = data/shops.wkt # how many reports to load Report.nrofReports = 5 Report.warmup = 0 Report.reportDir = [reports/SPMBM/Prophet; reports/SPMBM/ProphetV2] # Report classes to load Report.report1 = MessageStatsReport Report.report3 = MessageDelayReport Report.report2 = DeliveryCentralityReport ## Default settings for some routers settings ProphetRouter.secondsInTimeUnit = 30 ProphetV2Router.secondsInTimeUnit = 30

c. Pergerakan Working Day Movement Model(WDM) #Scenario.name = WorkingDayMovementEpidemic_scenario Scenario.name = WorkingDayMovement_scenario Scenario.simulateConnections = true Scenario.updateInterval = 1 Scenario.endTime = 950400 Report.warmup = 0 Group.msgTtl = 1440 Scenario.nrofHostGroups = 17 ################################### ### common settings for all groups Group.movementModel = MapBasedMovement Group.router = [ProphetRouter;ProphetV2Router] Group.bufferSize = 100M Group.transmitRange = 10 Group.transmitSpeed = 100k Group.waitTime = 0, 120 Group.speed = 0.5, 1.5 Group.nrOfOffices = 50 Group.workDayLength = 28800 Group.probGoShoppingAfterWork = 0.5 Group.nrOfMeetingSpots = 10 Group.officeWaitTimeParetoCoeff = 0.5 Group.officeMinWaitTime = 10 Group.officeMaxWaitTime = 100000 Group.officeSize = 100 Group.nrofHosts = 0


52

Group.timeDiffSTD = 7200 Group.minGroupSize = 1 Group.maxGroupSize = 3 Group.minAfterShoppingStopTime = 3600 Group.maxAfterShoppingStopTime = 7200 #################################################### Group1.groupID = o Group1.speed = 7, 10 Group1.waitTime = 10, 30 Group1.nrofHosts = 2 Group1.movementModel = BusMovement Group1.routeFile = data/HelsinkiMedium/A_bus.wkt Group1.routeType = 2 Group1.busControlSystemNr = 1 Group2.groupID = A Group2.waitTime = 0, 0 Group2.nrofHosts = 75 Group2.movementModel = WorkingDayMovement Group2.busControlSystemNr = 1 Group2.speed = 0.8, 1.4 Group2.ownCarProb = 0.5 Group2.shoppingControlSystemNr = 1 Group2.meetingSpotsFile = data/HelsinkiMedium/A_meetingspots.wkt Group2.officeLocationsFile = data/HelsinkiMedium/A_offices.wkt Group2.homeLocationsFile = data/HelsinkiMedium/A_homes.wkt Group3.groupID = p Group3.speed = 7, 10 Group3.waitTime = 10, 30 Group3.nrofHosts = 2 Group3.movementModel = BusMovement Group3.routeFile = data/HelsinkiMedium/B_bus.wkt Group3.routeType = 2 Group3.busControlSystemNr = 2 Group4.groupID = B Group4.waitTime = 0, 0 Group4.nrofHosts = 25 Group4.movementModel = WorkingDayMovement Group4.busControlSystemNr = 2 Group4.speed = 0.8, 1.4 Group4.ownCarProb = 0.5 Group4.shoppingControlSystemNr = 2 Group4.meetingSpotsFile = data/HelsinkiMedium/B_meetingspots.wkt Group4.officeLocationsFile = data/HelsinkiMedium/B_offices.wkt Group4.homeLocationsFile = data/HelsinkiMedium/B_homes.wkt Group5.groupID = q Group5.speed = 7, 10 Group5.waitTime = 10, 30 Group5.nrofHosts = 2 Group5.movementModel = BusMovement Group5.routeFile = data/HelsinkiMedium/C_bus.wkt Group5.routeType = 2 Group5.busControlSystemNr = 3


53

Group6.groupID = C Group6.waitTime = 0, 0 Group6.nrofHosts = 50 Group6.movementModel = WorkingDayMovement Group6.busControlSystemNr = 3 Group6.speed = 0.8, 1.4 Group6.ownCarProb = 0.5 Group6.shoppingControlSystemNr = 3 Group6.meetingSpotsFile = data/HelsinkiMedium/C_meetingspots.wkt Group6.officeLocationsFile = data/HelsinkiMedium/C_offices.wkt Group6.homeLocationsFile = data/HelsinkiMedium/C_homes.wkt Group7.groupID = r Group7.speed = 7, 10 Group7.waitTime = 10, 30 Group7.nrofHosts = 2 Group7.movementModel = BusMovement Group7.routeFile = data/HelsinkiMedium/D_bus.wkt Group7.routeType = 2 Group7.busControlSystemNr = 4 Group8.groupID = D Group8.waitTime = 0, 0 Group8.nrofHosts = 50 Group8.movementModel = WorkingDayMovement Group8.busControlSystemNr = 4 Group8.speed = 0.8, 1.4 Group8.ownCarProb = 0.5 Group8.shoppingControlSystemNr = 4 Group8.meetingSpotsFile = data/HelsinkiMedium/D_meetingspots.wkt Group8.officeLocationsFile = data/HelsinkiMedium/D_offices.wkt Group8.homeLocationsFile = data/HelsinkiMedium/D_homes.wkt Group9.groupID = s Group9.speed = 7, 10 Group9.waitTime = 10, 30 Group9.nrofHosts = 2 Group9.movementModel = BusMovement Group9.routeFile = data/HelsinkiMedium/E_bus.wkt Group9.routeType = 2 Group9.busControlSystemNr = 5 Group10.groupID = E Group10.waitTime = 0, 0 Group10.nrofHosts = 50 Group10.movementModel = WorkingDayMovement Group10.busControlSystemNr = 5 Group10.speed = 0.8, 1.4 Group10.ownCarProb = 0.5 Group10.shoppingControlSystemNr = 5 Group10.meetingSpotsFile = data/HelsinkiMedium/E_meetingspots.wkt Group10.officeLocationsFile = data/HelsinkiMedium/E_offices.wkt Group10.homeLocationsFile = data/HelsinkiMedium/E_homes.wkt Group11.groupID = t Group11.speed = 7, 10


54

Group11.waitTime = 10, 30 Group11.nrofHosts = 2 Group11.movementModel = BusMovement Group11.routeFile = data/HelsinkiMedium/F_bus.wkt Group11.routeType = 2 Group11.busControlSystemNr = 6 Group12.groupID = F Group12.waitTime = 0, 0 Group12.nrofHosts = 75 Group12.movementModel = WorkingDayMovement Group12.busControlSystemNr = 6 Group12.speed = 0.8, 1.4 Group12.ownCarProb = 0.5 Group12.shoppingControlSystemNr = 6 Group12.meetingSpotsFile = data/HelsinkiMedium/F_meetingspots.wkt Group12.officeLocationsFile = data/HelsinkiMedium/F_offices.wkt Group12.homeLocationsFile = data/HelsinkiMedium/F_homes.wkt Group13.groupID = u Group13.speed = 7, 10 Group13.waitTime = 10, 30 Group13.nrofHosts = 2 Group13.movementModel = BusMovement Group13.routeFile = data/HelsinkiMedium/G_bus.wkt Group13.routeType = 2 Group13.busControlSystemNr = 7 Group14.groupID = G Group14.waitTime = 0, 0 Group14.nrofHosts = 75 Group14.movementModel = WorkingDayMovement Group14.busControlSystemNr = 7 Group14.speed = 0.8, 1.4 Group14.ownCarProb = 0.5 Group14.shoppingControlSystemNr = 7 Group14.meetingSpotsFile = data/HelsinkiMedium/G_meetingspots.wkt Group14.officeLocationsFile = data/HelsinkiMedium/G_offices.wkt Group14.homeLocationsFile = data/HelsinkiMedium/G_homes.wkt Group15.groupID = v Group15.speed = 7, 10 Group15.waitTime = 10, 30 Group15.nrofHosts = 4 Group15.movementModel = BusMovement Group15.routeFile = data/HelsinkiMedium/H_bus.wkt Group15.routeType = 2 Group15.busControlSystemNr = 8 Group16.groupID = H Group16.waitTime = 0, 0 Group16.nrofHosts = 100 Group16.movementModel = WorkingDayMovement Group16.busControlSystemNr = 8 Group16.speed = 0.8, 1.4 Group16.ownCarProb = 0.5 Group16.shoppingControlSystemNr = 8


55

Group16.nrOfOffices = 40 Group16.nrOfMeetingSpots = 5 Group17.groupID = K Group17.movementModel = ShortestPathMapBasedMovement Group17.waitTime = 100, 300 Group17.speed = 7, 10 Group17.nrofHosts = 10 ExternalEvents.nrofPreload = 500 ExternalEvents.filePath = ee/700_events_1000_nodes_700ks.txt MovementModel.rngSeed = [2; 8372; 98092] MovementModel.worldSize = 10000, 8000 MovementModel.warmup = 43000 MapBasedMovement.nrofMapFiles = 1 MapBasedMovement.mapFile1 = data/HelsinkiMedium/roads.wkt # how many reports to load Report.nrofReports = 2 Report.reportDir = [reports/WDMSimulation/Prophet; reports/WDMSimulation/ProphetV2]

# Report classes to load Report.report1 = MessageStatsReport Report.report2 = DeliveredMessagesReport ## Default settings for some routers settings ProphetRouter.secondsInTimeUnit = 30 ProphetV2Router.secondsInTimeUnit = 30

d. Pergerakan Manusia

Haggle4-Cam-Imote ## Scenario settings Scenario.name = pergerakanManusiaCamImote Scenario.simulateConnections = false Scenario.updateInterval = 0.1 Scenario.endTime = 950400 btInterface.type = SimpleBroadcastInterface btInterface.transmitSpeed = 250k btInterface.transmitRange = 10 Scenario.nrofHostGroups = 1 Group.movementModel = StationaryMovement Group.nodeLocation = 0,1 Group.router = [ProphetRouter;ProphetV2Router] Group.bufferSize = 60M Group.waitTime = 0, 120 Group.nrofInterfaces = 1 Group.interface1 = btInterface Group.speed = 0.4, 1.8


56

Group.msgTtl = 1440 Group.nrofHosts = 36 # group1 (pedestrians) specific settings Group1.groupID = n Events.nrof = 2 Events1.class = StandardEventReader Events1.filePath = Haggle4-Cam-Imote.csv Events2.class = MessageEventGenerator Events2.interval = 900,920 Events2.size = 500k,1M Events2.hosts = 0,0 Events2.tohosts = 35,35 Events2.prefix = M MovementModel.rngSeed = [2;8372;98092] MovementModel.worldSize = 4500,3400 MovementModel.warmup = 1000 Report.nrofReports = 5 Report.warmup = 0 Report.reportDir = [reports/HaggleCam/Prophet; reports/HaggleCam/ProphetV2] Report.report1 = MessageStatsReport Report.report2 = DeliveryCentralityReport ProphetRouter.secondsInTimeUnit = 30 ProphetV2Router.secondsInTimeUnit = 30

Reality MIT ## Scenario settings Scenario.name = RealityMIT Scenario.simulateConnections = false Scenario.updateInterval = 0.1 Scenario.endTime = 16981816 btInterface.type = SimpleBroadcastInterface btInterface.transmitSpeed = 250k btInterface.transmitRange = 10 Scenario.nrofHostGroups = 1 Group.movementModel = StationaryMovement Group.nodeLocation = 0,1 Group.router = [ProphetRouter;ProphetV2Router] Group.bufferSize = 60M Group.waitTime = 0, 120 Group.nrofInterfaces = 1 Group.interface1 = btInterface Group.speed = 0.5, 1.5


57

Group.msgTtl = 1440 Group.nrofHosts = 97 Group1.groupID = p Events.nrof = 2 Events1.class = StandardEventReader Events1.filePath = RealityConnectionTraceFinal.txt Events2.class = MessageEventGenerator Events2.interval = 900,920 Events2.size = 500k,1M Events2.hosts = 1,1 Events2.tohosts = 96,96 Events2.prefix = M MovementModel.rngSeed = [2;8372;98092] MovementModel.worldSize = 4500,3400 MovementModel.warmup = 1000 Report.nrofReports = 5 Report.warmup = 0 Report.reportDir = [reports/Reality/Prophet; reports/Reality/ProphetV2] Report.report1 = MessageStatsReport Report.report2 = DeliveryCentralityReport ProphetRouter.secondsInTimeUnit = 30 ProphetV2Router.secondsInTimeUnit = 30


Documents

ANALISIS PERBANDINGAN UNJUK KERJA PROTOKOL PROPHET … · tetap (fixed) yang berfungsi sebagai media transmisi dan media komunikasi. Dalam jaringan komputer saat ini terdapat 2 media