analisis unjuk kerja protokol spray and focus … · banyak kontak node dan jumlah kontak tersebut...
TRANSCRIPT
ANALISIS UNJUK KERJA PROTOKOL SPRAY AND FOCUS
DENGAN VARIASI PERHITUNGAN
TRANSITIVITY (KONTAK TERAKHIR, SERING KONTAK, DAN LAMA
KONTAK) PADA JARINGAN OPORTUNISTIK
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh:
RAYMOND APRIYOGI DIKI PUTRA
135314004
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2017
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
i
ANALISIS UNJUK KERJA PROTOKOL SPRAY AND FOCUS
DENGAN VARIASI PERHITUNGAN
TRANSITIVITY (KONTAK TERAKHIR, SERING KONTAK, DAN LAMA
KONTAK) PADA JARINGAN OPORTUNISTIK
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh:
RAYMOND APRIYOGI DIKI PUTRA
135314004
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2017
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ii
PERFOMANCE OF A SPRAY AND FOCUS ROUTING PROTOCOL
WITH TRANSITIVITY VARIATIONS CALCULATION (LAST
CONTACT, FREQUENCY CONTACT , AND DURATION CONTACT) IN
OPPORTUNISTIC NETWORK
A THESIS
Presented as Partial of Requirment to Obtain Sarjana Komputer Degree
in Informatic Engineering Department
By:
RAYMOND APRIYOGI DIKI PUTRA
135314004
INFORMATICS ENGINEERING STUDY PROGRAM
FACULTY SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2017
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
v
MOTTO
“Success is walking from failure to failure with no loss of euthisiasm”
~Winston Churchill~
“Apa yang kita tanam, itulah yang akan kita tuai”
~Seki~
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
viii
ABSTRAK
Jaringan Oportunistik adalah kondisi dimana tidak tersedianya end-to-end path
pada jaringan karena jalur antara penerima dan destination setiap saat bisa berubah
dan Delay yang tinggi. Untuk mendistribusikan pesan pada Jaringan Oportunistik,
dibutuhkan sebuah Routing Protokol agar pesan dapat sampai ke Destiantion. Pada
penelitian ini, penulis menggunakaan Routing Protokol Spray And Focus dan
mengevaluasi Protokol Rounting Spray And Focus jika transtivity dihitung
berdasarkan (kontak terakhir, sering kontak, dan lama kontak). Parameter yang
akan digunakan adalah Delivery Probability, Delay, Message Drop, Overhead, Hop
Count, dan Buffer Occupancy. Untuk mendapatkan data kinerja dari protocol
routing menggunakan simulator ONE(Opportunistic Network Environment). Dari
hasil penelitian ini setelah membandingkan beberapa kondisi skenario, Spray And
Focus dengan pendekatan Frequency Encounter Transitivity berhasil
meningkatkan kinerja pada jaringan khusus nya pada pergerakan Random Waypoint
dan BusMovement dikarenakan jika pada random node merekam sejarah berapa
banyak kontak node dan jumlah kontak tersebut bisa membuat pola yang
sebelumnya acak menjadi lebih berpola dan terbukti pendekatan frekuentif
memberikan hasil lebih baik pada pergerakan Random Waypoint dan untuk
BusMovement, model pergerakan ini adalah pergerakan yang memiliki pola dimana
bus memiliki titik koordinat Start, Stop, dan bergerak lagi secara terpola. Artinya
semakin sering node bertemu dengan destination, maka node tersebut merupakan
relay yang baik untuk meneruskan pesan ke destination. Spray And Focus dengan
pendekatan Duration Encounter Transitivity menunjukan perbaikan kinerja pada
pergerakan manusia(haggle4-Cam-imote dan MIT Reality Mining) Hal ini
dikarenakan selain manusia memiliki pola bergerak berdasarkan point of interest,
manusia memiliki pola pergerakan yang lambat dan cenderung menetap pada
tempat yang sama untuk waktu yang lama sehingga sesuai dengan pendekatan
Duration Encounter Transitivity.
Kata kunci : Jaringan Oportunistik, Spray And Focus, Transitivity , Last Encounter
Transitivity , Duration Encounter Transitivity , Frequency Encounter Transitivity .
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ix
ABSTRACT
Opportunistic Network is condition where there is nothing end to end path in the
network because, path between source and destination Intermittently connected and
high latency. To distribution message in Opportunistic Network, we need a routing
protocol to arrive at the destination. In this research author use Spray and Focus
routing protocol and evaluate that routing protocol if the transitivity calculated
based on last encounter time, frequency encounter, and duration encounter the node
with destination. The parameters used is Delivery Probability, Delay, Message
Drop, Overhead, Hop Count, and Buffer Occupancy. To obtain performance data
from the routing protocol used ONE Simulator. And from this research, Spray and
Focus with approach frequency encounter show good performance especially in
Random Waypoint and BusMovement this is because in random movement each
node recording how many the node encounter then that data record will change the
previously random pattern be into more patterned. And for BusMovement, it cause
the bus is have a pattern where the bus have coordinate to start, stop, then move to
next coordinate. It means more frequencies the node encounter the destination then,
that node is the good relay for find destination. Spray and Focus with Duration
Encounter Transitivity show better performance in human trace(haggle4-Cam-
imote and MIT Reality Mining) it cause human moving based point of interest and
the human is have a pattern to stay in the same place for long time according to the
approach of Spray and Focus with Duration encounter Transitivity.
Keyword : Oportunistic Network, Spray And Focus, Transitivity , Last Encounter
Transitivity , Duration Encounter Transitivity , Frequency Encounter Transitivity .
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
x
Kata Pengantar
Puji dan Syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karena atas
segala restu dan berkatNya penulis dapat menyelsaikan tugas akhir dengan judul
“ANALISIS UNJUK KERJA PROTOKOL SPRAY AND FOCUS DENGAN
VARIASI PERHITUNGAN TRANSITIVITY (KONTAK TERAKHIR, SERING
KONTAK, DAN LAMA KONTAK) PADA JARINGAN OPORTUNISTIK”.
Yang disini sebagai salah satu persayaratan untuk memperoleh gelar Sarjana
Komputer dari program studi Teknik Informatika Universitas Sanata Dharma
Yogyakarta.
Pada kesempatan ini, penulis ingin mengucapkan terimakasih kepada semua
pihak yang berperan baik secara langsung maupun tidak langsung dalam proses
penyelsaian tugas akhir ini. Ucapan penulis berikan sebesar-besarnya kepada :
1. Tuhan Yang maha Esa dan Bunda Maria, yang tak pernah meninggalkan
penulis dan terus melimpahkan berkat sehingga Tugas Akhir ini bisa selesai
sebagai mana yang diinginkan.
2. Keluarga tercinta, Bapak Midias dan Ibu Seki dan saudara saya Gerrard
Pebrino Arles yang selalu mendukung baik dari sisi motivasi, doa, dan
logistik.
3. Bambang Soelistijanto, S.T., M.Sc., Ph.D. selaku Dosen Pembimbing tugas
akhir yang telah berbagi Ilmu, pengalaman dan motivasi dalam
menyeksaikan Tugas akhir.
4. Dosen Pembimbing Akademik, Ibu Sri Hartati Wijono, M.Kom yang
sekarang sedang melanjutkan pendidikan dan sekarang digantikan Pak
Puspaningtyas Sanjoyo Adi, M.T.
5. Bapak Henricus Agung Hernawan, S.T., M.Kom. dan Pak B Herry
Soeharto, M.T selaku dosen penguji Skripsi.
6. Ibu Dr. Anastasia Rita Widiarti, M.Kom. selaku ketua Program Studi
Teknik Informatika Fakultas Sains dan Teknologi Universitas Sanata
Dharma
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xi
7. Bapak Sudi Mungkasi, S.Si., M.Math.Sc., Ph.D. Selaku Dekan Fakultas
Sains dan Teknologi Universitas Sanata Dharma.
8. Seluruh Dosen dan Staff Sekertariat Program Studi Teknik Informatika
untuk seluruh dedikasi dalam melayani Mahasiswa
9. Teman-teman seperjuangan Lab TA Jaringan Komputer(Mario, Hotman,
Andre, Feliks, Adrian, Vinsen dan Benny) dan seluruh teman-teman
seangkatan Teknik Informatika 2013 atas semua proses dan dinamika
selama menempuh pendidikan di Universitas sanata Dharma.
10. Semua teman-teman yang mendukung memberikan support dalam bentuk
dukungan fasilitas, semangat, dan doa. Khususnya teman asrama, teman-
teman BEM-KOMINFO, teman-teman kampus, organisasi, dan Pacar (L.S)
yang memberikan dukungan, semangat dan doa dalam meyusun tugas akhir
ini.
11. Semua pihak yang telah membantu dan mendukung baik secara langsung
maupun tidak langsung yang tidak sempat disebutkan diatas, penulis
mengucapkan terimakasih.
Penulis menyadari bahwa masih banyak kekurangan dalam penyusunan tugas
akhir ini, saran dan kritik sangat diharapkan untuk perbaikan kedepannya.
Semoga tulisan ini bermanfaat bagi perkembangan ilmu pengetahuan.
Penulis,
Raymond Apriyogi Diki Putra
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xii
DAFTAR ISI
HALAMAN PERSETUJUAN ............................................................................... iii
SKRIPSI ................................................................................................................. iii
MOTTO .................................................................................................................. v
PERNYATAAN KEASLIAN KARYA ................................................................ vi
LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK
KEPENTINGAN AKADEMIS ............................................................................ vii
ABSTRAK ........................................................................................................... viii
ABSTRACT ........................................................................................................... ix
Kata Pengantar ........................................................................................................ x
DAFTAR ISI ......................................................................................................... xii
DAFTAR TABEL ................................................................................................. xv
DAFTAR GAMBAR .......................................................................................... xvii
BAB I ...................................................................................................................... 1
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................................................................................... 3
1. Studi Literatur ........................................................................................... 4
2. Perancangan .............................................................................................. 4
3. Pembangunan Simulasi dan pengumpulan data ....................................... 4
4. Analisis Data Simulasi ............................................................................. 4
5. Penarikan Kesimpulan .............................................................................. 5
1.6. Sistematika Penulisan ................................................................................... 5
BAB I PENDAHULUAN ................................................................................ 5
BAB II LANDASAN TEORI .......................................................................... 5
BAB III PERENCANAAN SIMULASI JARINGAN ..................................... 5
BAB IV PENGUJIAN DAN ANALISIS ........................................................ 5
BAB V KESIMPULAN DAN SARAN ........................................................... 5
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiii
BAB II ..................................................................................................................... 6
LANDASAN TEORI .............................................................................................. 6
2.1. Jaringan Oportunistik ................................................................................... 6
Message-ferry-based ........................................................................................ 7
Opportunity-based ............................................................................................ 7
Prediction-based ............................................................................................... 7
2.2. Protokol Routing Spray and Focus ............................................................... 8
Fase Spray ........................................................................................................ 9
Fase Focus ........................................................................................................ 9
2.3. Pergerakan BusMovement ........................................................................... 11
2.4. Pergerakan Manusia ................................................................................... 11
Haggle4-Cam-Imote ....................................................................................... 12
MIT Reality Mining ....................................................................................... 12
2.5 Pergerakan Random Waypoint(RWP) ......................................................... 12
2.6 Simulator ONE ............................................................................................ 12
BAB III ................................................................................................................. 13
PERANCANGAN SIMULASI JARINGAN ........................................................ 13
3.1. Parameter Simulasi ..................................................................................... 13
3.2. Skenario Simulasi ....................................................................................... 13
Age of Last Encounter Timers Transtivity (kapan terakhir kontak) .............. 14
Frequency of Encounter Transtivity (seberapa sering kontak) ...................... 14
Duration of Encounter Transtivity (seberapa lama kontak) .......................... 15
3.3. Parameter Kinerja ....................................................................................... 17
Delay(average latency)................................................................................... 18
Delivery Probability(Delivery ratio) .............................................................. 18
Average Buffer Occupancy ............................................................................ 18
Hop Count ...................................................................................................... 18
Overhead ........................................................................................................ 18
Message Drop ................................................................................................ 19
3.4. Topologi Jaringan ....................................................................................... 19
BAB IV ................................................................................................................. 20
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiv
PENGUJIAN DAN ANALISIS ............................................................................ 20
4.1 Random Waypoint .................................................................................. 20
4.1.1. Penambahan Node(Density) ................................................................ 20
4.1.2. Penambahan L Copies .......................................................................... 24
4.2. BusMovement di kota Helsinky .............................................................. 30
4.2.1. Delivery Probability ............................................................................. 30
4.2.2. Delay ................................................................................................... 31
4.2.3. Message Drop ...................................................................................... 31
4.2.4. Hop Count ............................................................................................ 31
4.2.5. Overhead .............................................................................................. 32
4.2.5. Buffer Occupancy ................................................................................. 33
4.3. Pergerakan Manusia ................................................................................... 34
4.3.1. Haggle4-Cam-Imote ............................................................................. 34
4.3.3. Penambahan Margin Transtivity pada Reality ..................................... 44
BAB V ................................................................................................................... 49
KESIMPULAN DAN SARAN ............................................................................. 49
5.1 Kesimpulan .................................................................................................. 49
5.2 Saran ............................................................................................................ 50
DAFTAR PUSTAKA ........................................................................................... 51
LAMPIRAN .......................................................................................................... 52
class Spray and Focus Frequency ...................................................................... 55
Class Spray and Focus Last Encounter .............................................................. 59
Skenario Random Waypoint .............................................................................. 63
Skenario Helsinky with BuMovement .............................................................. 64
Skenario Haggle4-Cam-Imote ........................................................................... 70
Skenario Reality MIT Mining ........................................................................... 71
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xv
DAFTAR TABEL
Tabel 3.1 Parameter utama simulasi. .................................................................... 13
Tabel 3.2 Skenario pada pergerakan Random Waypoint dengan node yang
ditingkatkan. .......................................................................................................... 16
Tabel 3.3 Skenario pada pergerakan Random Waypoint dengan L Copies yang
ditingkatkan ........................................................................................................... 16
Tabel 3.4 Skenario pada pergerakan Pergerakan BusMovement .......................... 16
Tabel 3.5 Skenario pada pergerakan Pergerakan Manusia ................................... 17
Tabel 3.6 Skenario pada pergerakan Pergerakan (MIT Reality Mining) Margin yang
ditingkatkan. .......................................................................................................... 17
Table 4.1.1 Hasil pengujian Delivery Probability terhadap penambahan jumlah
Node pada pergerakan Random Waypoint ............................................................ 20
Table 4.1.2 Hasil pengujian Delay pada penambahan jumlah Node di pergerakan
Random Waypoint ................................................................................................. 21
Table 4.1.3 Hasil pengujian Message Drop terhadap penambahan jumlah Node
pada pergerakan Random Waypoint ...................................................................... 22
Table 4.1.4 Hasil pengujian Average Hop Count terhadap penambahan jumlah
Node pada pergerakan Random Waypoint. ........................................................... 23
Table 4.1.5 Hasil pengujian Overhead Ratio terhadap penambahan jumlah Node
pada pergerakan Random Waypoint ...................................................................... 23
Table 4.1.2.1 Hasil pengujian Delivery Probability terhadap penambahan L Copies
pada pergerakan Random Waypoint ...................................................................... 24
Table 4.1.2.2 Hasil pengujian Delay terhadap penambahan L Copies pada
pergerakan Random Waypoint .............................................................................. 25
Table 4.1.2.3 Hasil pengujian Delay terhadap penambahan L Copies pada
pergerakan Random Waypoint .............................................................................. 26
Table 4.1.2.4 Hasil pengujian Hop Count terhadap penambahan L Copies pada
pergerakan Random Waypoint .............................................................................. 26
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvi
Table 4.1.2.5 Hasil pengujian Overhead terhadap penambahan L Copies pada
pergerakan Random Waypoint .............................................................................. 27
Table 4.2. Hasil pengujian terhadap pergerakan BusMovement ........................... 30
Table 4.3.1 Hasil pengujian terhadap dataset Haggle4-Cam-imote ...................... 34
Table 4.3.2 Hasil pengujian terhadap dataset MIT Reality Mining ...................... 40
Table 4.3.3.1 Hasil pengujian Delivery Probability terhadap penambahan Margin
Transtivity ............................................................................................................. 45
Gambar 4.3.3.1 Grafik pengaruh penambahan Margin terhadap Delivery
Probability di pergerakan Reality ......................................................................... 45
Table 4.3.3.2 Hasil pengujian Delay terhadap penambahan Margin Transtivity . 45
Table 4.3.3.3 Hasil pengujian Message Drop terhadap penambahan Margin
Transtivity ............................................................................................................. 46
Table 4.3.3.4 Hasil pengujian Hop Count terhadap penambahan Margin Transtivity
............................................................................................................................... 47
Table 4.3.3.5 Hasil pengujian Overhead terhadap penambahan Margin Transtivity
............................................................................................................................... 47
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvii
DAFTAR GAMBAR
Gambar 2.1 Metode Store, Carry, Forward ........................................................... 6
Gambar 2.2 Arsitektur Delay Tollerant Network .................................................... 7
Gambar 2.3 Protokol Spray and Focus ................................................................... 8
Gambar 2.5 melihat transitivity pada Fase Forwarding(Focus) ........................... 10
Gambar 4.1.2 Grafik pengaruh penambahan jumlah node terhadap Delay di
pergerakan Random Waypoint .............................................................................. 21
Gambar 4.1.4 Grafik pengaruh penambahan jumlah node terhadap Average Hop
Count di pergerakan Random Waypoint. .............................................................. 23
Gambar 4.1.5 Grafik pengaruh penambahan jumlah node terhadap Overhead Ratio
di pergerakan Random Waypoint. ......................................................................... 24
Gambar 4.1.2.1 Grafik pengaruh penambahan L Copies terhadap Delivery
Probability di pergerakan Random Waypoint ....................................................... 25
Gambar 4.1.2.2 Grafik pengaruh penambahan L Copies terhadap Delay di
pergerakan Random Waypoint .............................................................................. 25
Gambar 4.1.2.3 Grafik pengaruh penambahan L Copies terhadap Message Drop di
pergerakan Random Waypoint .............................................................................. 26
Gambar 4.1.2.4 Grafik pengaruh penambahan L Copies terhadap Average Hop
Count di pergerakan Random Waypoint ............................................................... 27
Gambar 4.1.2.5 Grafik pengaruh penambahan L Copies terhadap Overhead di
pergerakan Random Waypoint .............................................................................. 27
Gambar 4.1.2.6 Buffer Occupancy Duration Encounter Transtivity di pergerakan
Random Waypoint. ................................................................................................ 28
Gambar 4.1.2.7 Buffer Occupancy Frequency Encounter Transtivity di pergerakan
Random Waypoint. ................................................................................................ 28
Gambar 4.1.2.8 Buffer Occupancy Last Encounter Transtivity di pergerakan
Random Waypoint. ................................................................................................ 28
Gambar 4.2.1. Grafik Delivery Probability terheadap BusMovement .................. 30
Gambar 4.2.2. Grafik Delay terheadap BusMovement .......................................... 31
Gambar 4.2.3. Grafik Message Drop terheadap BusMovement ............................ 31
Gambar 4.2.4. Grafik Hop Count terheadap BusMovement .................................. 31
Gambar 4.2.6. Grafik Buffer Occupancy(%) Duration terheadap BusMovement. 33
Gambar 4.2.7. Grafik Buffer Occupancy(%) Frequency terheadap BusMovement
............................................................................................................................... 33
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xviii
Gambar 4.2.8. Grafik Buffer Occupancy(%) Recent terheadap BusMovement .. 34
Gambar 4.3.1.1 Grafik Delivery Probabability terheadap Haggle4-Cam-imote .. 35
Gambar 4.3.1.2 Grafik Delay terheadap Haggle4- Cam-imote ............................ 35
Gambar 4.3.1.3 Grafik Message Drop terheadap Haggle4- Cam-imote............... 37
Gambar 4.3.1.4 Grafik Hop Count terheadap Haggle4- Cam-imote .................... 37
Gambar 4.3.1.5 Grafik Overhead terheadap Haggle4- Cam-imote ...................... 38
Gambar 4.3.1.6 Grafik Buffer Occupancy terheadap Haggle4- Cam-imote
menggunakan Duration Encounter Transtivity ..................................................... 39
Gambar 4.3.1.7 Grafik Buffer Occupancy terheadap Haggle4- Cam-imote
menggunakan Frequency Encounter Transtivity .................................................. 39
Gambar 4.3.1.8 Grafik Buffer Occupancy terheadap Haggle4- Cam-imote
menggunakan Last Encounter Transtivity ............................................................ 39
Gambar 4.3.2.1 Grafik Delivery Probability terhadap MIT Reality Mining ........ 40
Gambar 4.3.2.2 Grafik Delay terhadap MIT Reality Mining ............................... 41
Gambar 4.3.2.3 Grafik Message Drop terhadap MIT Reality Mining .................. 42
Gambar 4.3.2.4 Grafik Hop Count terhadap MIT Reality Mining ....................... 42
Gambar 4.3.2.5 Grafik Overhead terhadap MIT Reality Mining ......................... 42
Gambar 4.3.2.6 Grafik Buffer Occupancy terheadap Reality menggunakan
Duration Encounter Transtivity ............................................................................ 43
Gambar 4.3.2.7 Grafik Buffer Occupancy terheadap Reality menggunakan
Frequency Encounter Transtivity .......................................................................... 44
Gambar 4.3.2.8 Grafik Buffer Occupancy terheadap Reality menggunakan Last
Encounter Transtivity. ........................................................................................... 44
Gambar 4.3.3.2 Grafik pengaruh penambahan Margin terhadap Delay di pergerakan
Reality ................................................................................................................... 46
Gambar 4.3.3.3 Grafik pengaruh penambahan Margin terhadap Message Drop di
pergerakan Reality ................................................................................................ 46
Gambar 4.3.3.4 Grafik pengaruh penambahan Margin terhadap Hop Count di
pergerakan Reality ................................................................................................ 47
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Dalam perkembangannya, jaringan komputer berkomunikasi dengan
menggunakan media kabel (wired) dan jaringan nirkabel (wireless). Wireless
berkerja dengan menggunakan udara sebagai media untuk menghantarkan
gelombang elektromagnetik [1], Jaringan nirkabel (wireless) mampu
mendukung mobilitas penggunanya sementara jaringan dengan media kabel
(wired) tidak dapat mendukung mobilitas penggunanya. Salah satu aplikasi dari
wireless adalah jaringan ad-hoc dimana antar perangkat (node) dapat saling
berkomunikasi tanpa menggunakan infrastruktur.
Jaringan ad-hoc memiliki tantangan dimana setiap perangkat (node) yang
terhubung dengan node lain setiap saat bisa berpindah tempat atau bergerak
(mobile) tanpa menggunakan infrastruktur jaringan yang ada disebut dengan
Mobile Ad Hoc Network (MANET). Dalam MANET, sebuah Node berperan
sekaligus sebagai router dapat menghapus atau meneruskan pesan (bertindak
sebagai relay). Dengan demikian, paket yang dikirim melalui jaringan ad-hoc
akan dikirim dengan cara diteruskan dari node satu ke node lainnya sampai
menemukan tujuannya. Sifat dari node yang setiap saat bisa bergerak dan
mengakibatkan topologi dapat berubah setiap saat dan akan ada kondisi ketika
setiap node tidak saling terhubung satu sama lain seperti kondisi pada MANET
untuk mengatasi masalah-masalah diatas, maka dikembangkanlah jaringan
Opportunistic, yang bertujuan untuk menjangkau area tertentu. Jaringan
Opportunistic dapat diterapkan untuk suatu area yang memiliki karakteristik
latency yang cukup tinggi dan juga konektifitas yang rendah akibat node yang
terkadang putus atau sering disebut intermittent yang mengakibatkan
terhambatnya dalam menemukan jalur menuju destination[2]. Jaringan
Opportunistic memiliki system store-carry-forward, dimana node menyimpan
pesan dalam buffer, kemudian membawa pesan dan bergerak menuju tujuan
(destination). Dalam jaringan Oportunistic terdapat node dengan mobilitas
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
yang tinggi serta dengan bandwith dan buffer yang terbatas. Akibat
keterbatasan ini, jaringan Opportunistic membutuhkan skema routing dan
protokol routing dalam kinerjanya. Ada beberapa skema jenis routing yang
digunakan diantaranya skema routing single copy yaitu hanya satu pesan unik
yang diteruskan sepanjang jalur tunggal. Dan skema jenis routing multi copy,
yaitu dengan meneruskan tiap pesan ke setiap node dibanyak jalur yang ada.
Spray and Focus adalah salah satu dari beberapa protokol routing dari
jaringan Opportunistic, Protokol ini menentukan jumlah pesan yang akan di
distribusikan dalam jaringan, kemudian setiap relay akan membawa pesan
sampai menemukan destination atau sampai TTL(time-to-live) habis [3].
protokol ini berkerja dalam dua fase. Yang pertama adalah fase
replication(spray) kemudian fase forwarding(focus). Pada fase forwarding,
protokol ini mengukur kedekatan antara node/relay dengan destination
(Closeness) berdasarkan, kapan terakhir kontak(Last Encounter), seberapa
sering kontak(Frequency), dan seberapa lama kontak(Duration) node tersebut
dengan destination.
Berdasarkan metric kedekatan (Closeness) ini, spray and focus
menggunakan Transitivity untuk menentukan node relay yang memiliki
probabilitas bertemu dengan destination lebih tinggi , transitivity sendiri
adalah sebuah relasi dalam teori himpunan Dimana jika (a, b) ∈ R dan (b, c) ∈
R, maka (a, c) ∈ R.
Tujuan dari penelitian ini adalah membandingkan unjuk kerja spray and
focus jika, transitivity dihitung berdasarkan, kapan terakhir kontak(Last
Encounter), seberapa sering kontak(Frequency), dan seberapa lama
kontak(Duration) node tersebut dengan destination menggunakan unjuk kerja
analisis Delay, Delivery Probability, Buffer Occupancy, Hop Count dan
Message Drop.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
1.2. Rumusan Masalah
Berdasarkan latar belakang, rumusan masalah yang didapat adalah
Seberapa efektif Spray and Focus, jika transitivity dihitung berdasarkan
(kapan kontak terakhir, sering kontak, dan lama kontak) pada Jaringan
Oportunistik.
1.3. Tujuan Penelitian
Tujuan yang akan dicapai dalam tugas akhir ini adalah untuk mengetahui
serta menganalisis kelebihan dan kekurangan dari Protokol Spray and Focus
jika transitivity , dihitung berdasarkan (kapan kontak terakhir, sering kontak,
dan lama kontak) pada Jaringan Oportunistik. yang diukur dengan performance
metric Delay, Delivery Probability, Buffer Occupancy, Hop Count, Overhead
dan Message Drop.
1.4. Batasan Masalah
Dalam pelaksanaan tugas akhir ini, masalah dibatasi sebagai berikut:
1. Menggunakan protokol routing Spray and Focus.
2. Menggunakan pergerakan BusMovement, Pergerakan Manusia dan
Random way point.
3. Menggunakan ONE Simulator.
4. Menggunakan unjuk kerja analisis Delay, Delivery Probability, Buffer
Occupancy, Hop Count, Overhead dan Message Drop.
1.5. Metodologi Penelitian
Metodologi dan langkah-langkah dalam mengerjakan tugas akhir ini antara
lain :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
1. Studi Literatur
Mencari dan mengumpulkan referensi dan mempelajari teori yang
mendukung tugas akhir ini yakni, antara lain :
Teori Jaringan Opportunistic.
Teori Protokol routing Spray and Focus.
Teori Delay, Delivery Probability, Buffer Occupancy, Hop
Count, Overhead dan Message Drop.
Javadocs (ONE Simulator).
Tahap-tahap membangun simulasi.
2. Perancangan
Tahapan ini merupakan rancangan skenario yang digunakan dalam
melakukan penelitian yang terdiri dari :
a. Trastivity berdasarkan kapan terakhir kontak (Last Encounter) yang
akan diterapkan pada beberapa model Movement.
b. Trastivity berdasarkan seberapa sering kontak (Frequency) yang
akan diterapkan pada beberapa model Movement.
c. Trastivity berdasarkan seberapa lama kontak (Duration) yang
akan diterapkan pada beberapa model Movement.
3. Pembangunan Simulasi dan pengumpulan data
Simulasi pengujian pada tugas akhir ini menggunakan Simulator ONE
dan membangkitkan report untuk mengumpulkan data sesuai dengan
parameter kinerja.
4. Analisis Data Simulasi
Mengolah data dari proses simulasi, untuk- selanjutnya data diproses
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
dan diamati untuk kemudian dianalisis berdasarkan parameter kinerja.
5. Penarikan Kesimpulan
Penarikan kesimpulan te rhadap data yang telah dianalisis mengacu
pada parameter kinerja yang telah ditentukan.
1.6. Sistematika Penulisan
Berikut adalah sistematika penulisan tugas akhir yang dibagi dalam beberapa
bab dengan susunan :
BAB I PENDAHULUAN
Bab ini memberikan penjelasan secara umum tentang latar belakang
penulisan tugas akhir, rumusan masalah, batasan, dan sistematika penulisan
tugas akhir.
BAB II LANDASAN TEORI
Bab ini berisi tentang penjelasan teori sebagai acuan atau landasan yang
dibutuhkan dalam melakukan penelitian sesuai dengan permasalahan.
BAB III PERENCANAAN SIMULASI JARINGAN
Bab ini memuat deskripsi secara teknis mengenai perencanaan dari
simulasi yang akan dikerjakan dalam tugas akhir.
BAB IV PENGUJIAN DAN ANALISIS
Bab ini berisi pelaksanaan simulasi dan analisis data hasil simulasi.
BAB V KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan dari analisis data simulasi berdasar pada
parameter Kinerja.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
6
BAB II
LANDASAN TEORI
2.1. Jaringan Oportunistik
Jaringan Oportunistik adalah Jaringan berkembang atas keterbatasan dari
MANET yakni terdapat kondisi dimana tidak ditemukannya end-to-end path
atau setiap node tidak terhubung secara terus menerus. Jaringan Oportunistik
memungkinkan komunikasi dalam kondisi delay yang tinggi dan jalur yang
berubah-berubah setiap saat, artinya jaringan Oportunistik mampu diterpakan
pada jaringan yang “menantang”(challenged). Misalnya, kondisi delay yang
tinggi, koneksi yang sering terputus, mobilitas tinggi, dan drop yang tinggi.
Jaringan Oportunistik menggunakan mekanisme store(menyimpan),
carry(membawa), forward(meneruskan). Mekanisme ini membuat Jaringan
Oportunistik memiliki arsitektur yang sedikit berbeda dengan jaringan lainnya
dikarenakan terdapat kondisi dimana jalur antara source dan destination tidak
tersedia karena jangkauan dan pergerakan node serta koneksi yang bersifat
intermitten. Dan untuk mengimplementasikan Mekanisme ini, Jaringan
Oportunistik memperkenalkan layer baru yakni bundle layer.
Gambar 2.1 Metode Store, Carry, Forward
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7
Boundle layer mengimplementasikan mekanisme store-carry-forward dimana
setiap node dapat melakukan store (menyimpan) dan carry (membawa) dalam
buffer-nya (memori) serta dapat forward (meneruskan) pesan tersebut ke node lain
yang terkoneksi[4]. Berikut merupaka arsitektur yang digunakan dalam Jaringan
Oportunistik.
Gambar 2.2 Arsitektur Delay Tollerant Network
Metode penanganan pesan dalam Jaringan Oportunistik adalah :
Message-ferry-based
Dalam metode ini, Sistem menggunakan node lain sebagai pembawa pesan
untuk disampaikan ke tujuan. cara ini bertujuan untuk meningkatkan delivery
perfomance yang dilakukan pada mekanisme store (menyimpan) kemudian
carry (membawa) pesan sampai bertemu dengan tujuan dan menyerahkannya.
Opportunity-based
Dalam metode ini, setiap pesan akan forward (meneruskan) pesan secara
acak (random) dari hop ke hop sampai ke akhir tujuannya tapi menjamin pesan
akan tersampaikan.
Prediction-based
Dalam metode ini, protokol routing menentukan relay dengan
mengestimasi node yang dapat dipercaya menyampaikan pesan ke tujuan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
2.2. Protokol Routing Spray and Focus
Protokol routing merupakan aturan dalam proses pengiriman dan
pertukaran data (berupa blok-blok data) dari sebuah node ke node yang lain
dalam jaringan dan menghubungkan source ke destination. Ini mengapa
Protokol Routing merupakan hal yang sangat penting dalam Jaringan
Oportunistik dikarenakan dalam melakukan trasmisi, terdapat keterbasan dari
bandwith dan buffer pada node untuk menyimpan dan meneruskan pesan agar
sampai ke destination [5]. Sehingga dalam Jaringan Oportunistik, Protokol
routing menjadi faktor yang dapat mempengaruhi keberhasilan dari
pengiriman sebuah pesan agar dapat sampai ke destination.
Spray and Focus adalah salah satu dari beberapa protokol routing dari
jaringan Opportunistic, Protokol ini menentukan jumlah pesan yang akan di
distribusikan dalam jaringan(L copies), kemudian setiap relay akan membawa
pesan sampai menemukan destination atau sampai TTL(time-to-live) habis [3].
Gambar 2.3 Protokol Spray and Focus
protokol ini berkerja dalam dua fase yakni :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
Fase Spray
Fase yang pertama adalah fase spray(replication), pada fase ini ketika pesan
baru di dibangkitkan (generate) pada node source juga akan menentukan jumlah L
Copies “forwarding token” untuk pesan ini. Forwarding token menyatakan bahwa
node yang memiliki token ini dapat meneruskan pesan dengan ketentuan :
Setiap node mengelola “summary vector” dan id dari seluruh pesan
yang telah dimilikinya. Dan setiap kedua node bertemu, mereka akan
saling bertukar vector dan memeriksa apakah mereka memiliki
informasi yang sama.
Jika node (baik source maupun relay) memiliki L Copies sebanyak
n>1 maka node tersebut akan meneruskan salinan pesan kepada node
yang ia temui dan belum memiliki pesan yang sama; juga
membagikan pesan sebanyak n/2 kepada relay, dan n/2 kepada node
tersebut sendiri.
Ketika node/relay hanya memiliki satu pesan(L Copies = 1), maka
akan masuk pada fase Focus.
Fase Focus
Pada fase ini pesan dapat diteruskan kepada node yang memiliki probabilitas
bertemu dengan destination lebih baik dengan menggunakan skema Single Copy
Utility Based Routing dan perhitungan transtivity.
Single Copy utility based Routing adalah node menerapkan skema single copy
yakni hanya menggunakan satu pesan dalam mentransimikan pesan. Dengan kata
lain, jika relay sudah memberikan pesan kepada node yang ditemui, maka node
relay tersebut harus menghapus pesan yang ia miliki. Namun dalam proses
distrubusi satu pesan tersebut, node hanya memberikan pesan kepada node yang
memiliki utility lebih baik. untuk mendapatkan utlity kita akan menggunakan
transtivity dalam forwarding policy spray and focus.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
Transitivity adalah sebuah relasi dalam teori himpunan Dimana jika : (a, b) ∈
R dan (b, c) ∈ R, maka (a, c) ∈ R. dengan kata lain, jika A memiliki relasi dengan
B, dan B memiliki relasi dengan C, maka A memiliki relasi dengan C.
gambar 2.4 ilustrasi Transitivity
Sementara penerapan Transitivity dalam spray and focus adalah, proses ketika
node relay membandingkan antara memberikan pesan kepada node yang ia temui,
atau tetap menahan pesan tersebut dan memberikan langsung kepada destination.
Berikut adalah ilustrasi Transtivity pada Spray and Focus.
Gambar 2.5 melihat transitivity pada Fase Forwarding(Focus)
Ketika Node kontak dengan Node B, Node A hanya memberikan pesan
kepada node B hanya jika : UB(D) > UA(D) + Uth
Uth adalah Utility Threshold, yang berfungsi sebagai margin untuk
meneruskan pesan dalam proses transitivity.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11
Adapun beberapa tipe transtivity antara lain :
Age of Last Encounter Timers Transtivity : kapan terakhir
kontak dengan Destination.(default)
Frequency of Encounter Transtivity : seberapa sering kontak
dengan Destination.
Duration of Encounter Transitivity : seberapa lama kontak
dengan Destination.
2.3. Pergerakan BusMovement
Sebuah pergerakan yang mengadaptasi pola pergerakan dari bus pariwisata,
dalam pergerakan ini bus pariwisata memiliki lokasi Start dan lokasi tujuan.
Jika jarak dari node menuju destination lebih jauh, maka node akan
menggunakan bus.
2.4. Pergerakan Manusia
Model pergerakan acak (random) merupakan model yang paling ideal
untuk mengevaluasi kinerja suatu protokol routing, tapi faktanya setiap
node(Manusia yang membawa perangkat) tidak bergerak secara random
melainkan bergerak berdasarkan Point of Interest[6]. Point of Interest ini
mengakibatkan probalitas manusia saling bertemu dengan manusia lain
menjadi berbeda-beda. Terdapat node yang memiliki probabilitas untuk
bertemu dengan node lain lebih tinggi, dan node ini disebut hub-node Dimana
melalui node ini node lain dapat menitipkan pesan untuk menyampaikannya ke
destination. sifat manusia ini dapat kita terapkan dan disimulasikan
menggunakan data set pergerakan manusia dengan simulator.
Simulator ONE memungkinkan untuk menggunakan pergerakan eksternal
dari data set, dalam hal ini data set yang digunakan adalah :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12
Haggle4-Cam-Imote
yang adalah data set hasil pertemuan/kontak dari konferensi yang
diselenggarakan di Laboratorium riset perusahaan Intel di Cambrige,
Laboratorium Universitas Cambrige, konferensi IEEE infocom di grand hyatt
Miami, dan dilokasi sekitar kota Cambrige, Inggris[7]. Dataset diambil
menggunakan sebuah alat yang bernama iMotes dan menggunakan interface
bluetooth, lama waktu simulasi adalah selama 987529 detik(sekitar 12 hari)
dan tersedia 36 node[8].
MIT Reality Mining
Dataset adalah data yang diambil dari 75 Mahasiswa di Laboratorium
Media MIT dan 25 mahasiswa baru Fakultas Bisnis yang bersebelahan dengan
Laboratorium media. Data set ini memiliki 96 node dengan waktu simulasi 50
hari sampai sekitar 8 bulan(4294800 sampai 21276000 detik).
2.5 Pergerakan Random Waypoint(RWP)
Dalam pergerakan ini setiap node akan bergerak acak, dan memiliki pause
time atau node tersebut sempat berhenti, kemudia node tersebut akan bergerak
kembali secara acak untuk mencari destination. Dalam pergerakan ini
probabilitas suatu node bertemu dengan node lain adalah sama.
2.6 Simulator ONE
Simulator ONE (Opportunistic Network Environtment) secara spesifik
adalah simulator untuk mengevaluasi routing pada Jaringan Oportunistik.
Fungsi utama dari simulator ini adalah pemodelan node movement, inter-node
contact, routing, dan message handling. Hasil dan analisis bisa didapatkan
melalui visualisasi dan reports, dan post-processing tools. Simulator ini juga
memungkinkan untuk menggunakan pergerakan eksternal. Dengan
mengimport dataset kemudian menerapkannya dalam skenario simulasi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13
BAB III
PERANCANGAN SIMULASI JARINGAN
3.1. Parameter Simulasi
Pada penelitian ini, akan menggunakan parameter dari simulasi yang
bersifat tetap dan digunakan dengan nilai yang sama pada simulasi yang
berbeda. Parameter-parameter tersebut adalah :
Parameter Nilai
Routing Protocol Spray and Focus
Movement Model Random Waypoint
Bus Muvement
Haggle4-Cam-imotedan MIT Reality Mining
Closeness Age of Last Encounter Transitivity
Frequency of Encounter Transitivity
Duration of Encounter Transitivity
Tabel 3.1 Parameter utama simulasi.
3.2. Skenario Simulasi
Dalam pelaksanaan penelitian, masing-masing skenario akan
menggunakan variasi Closeness, berdasarkan kapan terakhir kontak(Last
Encounter), seberapa sering kontak(Frequency), dan berapa lama
kontak(Duration). Adapun penjelasan dari masing-masing Closeness ini
adalah sebagai berikut :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
Age of Last Encounter Timers Transtivity (kapan terakhir kontak)
merupakan closenees default dari protokol Spray and Focus yang
menggunakan nilai kedekatan suatu node dengan node destination berdasarkan,
kapan node tersebut terakhir bertemu dengan Destination. Penerapannya dalam
fase Focus, Jika node(source/relay) bertemu dengan node yang memiliki waktu
terakhir bertemu dengan destination lebih baru, Maka pesan akan diberikan
kepada node tersebut untuk diserahkan kepada destination.
Pseudo Code Age of Last Encounter Timers Transtivity
while Ni is contact with node Nj
If ((Ni.ContainsKey(Nj))
end if
RecentEncounter.put(peer, new Double(SimClock.getTime()));
end while
Frequency of Encounter Transtivity (seberapa sering kontak)
merupakan Closeness pada spray and focus yang menggunakan nilai kedekatan
berdasarkan seberapa sering suatu node melakukan kontak dengan destination.
Penerapannya dalam fase Focus, jika node (relay) bertemu dengan node lain yang
memiliki frekuensi kontak lebih banyak dengan destination, Maka pesan akan
diberikan kepada node tersebut untuk diserahkan kepada destination.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
Pseudo Code Frequency
while Ni is contact with node Nj
If (Ni.ContainsKey(Nj))
FreqEncounter.put(peer, ++Freq);
end if
FreqEncounter.put(peer, 1);
end while
Duration of Encounter Transtivity (seberapa lama kontak)
Merupakan Closeness pada spray and focus yang menggunakan nilai
kedekatan berdasarkan seberapa lama suatu node melakukan kontak dengan
destination. Penerapannya dalam fase Focus, jika node (relay) bertemu dengan
node lain yang memiliki durasi kontak lebih banyak dengan destination, Maka
pesan akan diberikan kepada node tersebut untuk diserahkan kepada destination.
Pseudo Code Duration
while Ni is contact with node Nj
double time = StartTime;
double eTime = simClock.getTime();
double durasi = eTime-time;
If (durasi > 0){
If (Ni.ContainsKey(Nj))
durasi = durasi + this.getDurationEncounter(Nj);
end if
DurationEncounter.put(peer, durasi);
end while
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16
Skenario pengujian terhadap protocol Spray and Focus secara detail akan sajikan
dalam tabel-tabel berikut :
Kode Model Pergerakan Jumlah node Closeness
R.1
Random Waypoint
25;50;75;100
Last Encounter
R.2 Frequency
R.3 Duration
Tabel 3.2 Skenario pada pergerakan Random Waypoint dengan node
yang ditingkatkan.
Kode Model Pergerakan L Copies Closeness
L.1
Random Waypoint 2 ; 4 ; 6 ; 8
Last Encounter
L.2 Frequency
L.3 Duration
Tabel 3.3 Skenario pada pergerakan Random Waypoint dengan L Copies
yang ditingkatkan.
Kode Moel Pergerakan Jumlah Node Closeness
B1
BusMovement EventExternal Simulator
(1027 node)
Last Encounter
B2 Frequency
B3 Duration
Tabel 3.4 Skenario pada pergerakan Pergerakan BusMovement
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17
Kode Model Pergerakan Jumlah node Closeness
H.1
Haggle4-Cam-Imote
36
Last Encounter
H.2 Frequency
H.3 Duration
M.1
MIT Reality Mining 97
Last Encounter
M.2 Frequency
M.3 Duration
Tabel 3.5 Skenario pada pergerakan Pergerakan Manusia
Kode Model
Pergerakan Margin (%) Closeness
T.1
MIT Reality
Mining
10;20;30;40
Last Encounter
T.2 Frequency
T.3 Duration
Tabel 3.6 Skenario pada pergerakan Pergerakan (MIT Reality Mining)
Margin yang ditingkatkan.
3.3. Parameter Kinerja
Terdapat lima parameter kinerja atau unjuk kerja analisis yang digunakan
dalam penelitian ini untuk mengevaluasi dampak dari Transitivity berdasarkan
Closeness yang dilihat dari kapan terakhir node tersebut bertemu dengan node
destination(Last Encounter), seberapa sering node tersebut bertemu(Frequency),
dan seberapa lama node tersebut bertemu(Duration) dengan node destination
terhadap kinerja Protokol routing Spray and Focus, antara lain :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18
Delay(average latency)
Parameter Average Latency digunakan untuk mengetahui waktu yang
dibutuhkan pesan dari Source untuk sampai ke destination
Average Latency = Sum of Latency of Delivered Messages
Total generated new Messages
Delivery Probability(Delivery ratio)
Parameter ini digunkaan untuk mengetahui ada berapa banyak pesan
yang dubuat dan terkirim ke tujuan dengan tepat.
Delivery Ratio = Total Delivered Messages
Total Generated Message
Average Buffer Occupancy
Parameter ini digunakan untuk mengetahui jumlah rata-rata pemakaian ruang
buffer yang digunakan dengan skala 0-100%.
Hop Count
Parameter ini digunakan untuk mengetahui berapa banyak lompatan
pesan untuk menemukan destination.
Overhead
Parameter ini digunakan untuk mengetahui banyaknya copy pesan yang sampai
ke tujuan dari pesan yang dibuat(generate) dalam jaringan. Apabila terlalu banyak
salinan pesan dalam jaringan maka akan mengakibatkan penggunakan resource
node yang tinggi.
Overhead Ratio = number of relayed message – number of delivered message
number of delivered message
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
Message Drop
Parameter ini digunakan untuk mendapatkan informasi pesan yang di
Drop dari sebuah node yang dapat disebabkan oleh dua kondisi Yakni,
1. Buffer : pesan akan di drop ketika jumlah pesan sudah memnuhi
kapasitas Buffer yang dimiliki node.
2. TTL (Time to Live) : pesan akan di drop dikarenakan usia pesan atau
TTL sudah habis.
3.4. Topologi Jaringan
Jaringan Oportunistik memiliki ciri node yang bergerak dan jaringan yang
tidak dapat dipastikan keberadaannya Sehingga topologi dari jaringan ini tidak
dapat digambarkan secara spesifik seperti pada jaringan yang menggunakan
infrasrtukur.
Pada pergerakan Random Waypoint, node-node ada yang tersebar serta
berjalan kearah yang random. Sedangkan untuk model pergerakan yang
sesungguhnya, node tersebar secara random dan berjalan menuju tempat-tempat
yang sudah ditentukan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
BAB IV
PENGUJIAN DAN ANALISIS
Untuk mengetahui seberapa efektif Spray and Focus, jika transitivity dihitung
berdasarkan (kapan kontak terakhir, sering kontak, dan lama kontak) pada Jaringan
Oportunistik. Maka dilakukan pengujian sesuai dengan skenario pada rancangan
simulasi Bab 3.
4.1 Random Waypoint
4.1.1. Penambahan Node(Density)
4.1.1.1 Delivery Probability
Node Delivery Probability
Duration Frequency Recent
25 0.2155 0.2342 0.1988
50 0.6409 0.7385 0.5295
75 0.8546 0.8673 0.795
100 0.8868 0.9005 0.8705
Table 4.1.1 Hasil pengujian Delivery Probability terhadap
penambahan jumlah Node pada pergerakan Random Waypoint
Gambar 4.1.1 Grafik pengaruh penambahan jumlah node terhadap
Delivery Probability di pergerakan Random Waypoint
0
0.2
0.4
0.6
0.8
1
25 50 75 100
Deliv
Pro
b
Node
Delivery Probability
Duration Frequency Recent
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21
4.1.1.2 Delay
Node Delay
Duration Frequency Recent
25 42308.7972 42445.8453 41626.5539
50 35943.9698 33805.8293 37871.2153
75 29336.2345 28291.3311 31874.7187
100 27044.9814 26906.3293 28466.4415
Table 4.1.2 Hasil pengujian Delay pada penambahan jumlah
Node di pergerakan Random Waypoint
Gambar 4.1.2 Grafik pengaruh penambahan jumlah node
terhadap Delay di pergerakan Random Waypoint
Penambahan jumlah node memberikan dampak yang semakin baik untuk
peluang sampainya pesan ke destination. Hal ini disebabkan karena semakin
banyak node yang berada dalam jaringan maka akan makin banyak nya relay,
Sehingga yang membantu membawa pesan untuk ditransmisikan akan semakin
banyak dan peluang menemukan destination semakin besar(lihat grafik 4.1.1)
dan jika Probabilitas untuk menemukan destination semakin tinggi maka akan
menghasilkan angka Delay yang semakin kecil(sesuai grafik 4.1.2).
20000
30000
40000
50000
25 50 75 100
Dela
y(s
)
Node
Delay
Duration Frequency Recent
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
4.1.1.3 Message Drop
Node Message Drop
Duration Frequency Recent
25 33054 34174 32391
50 44286 43059 45156
75 41566 41398 42385
100 41231 41022 41409
Table 4.1.3 Hasil pengujian Message Drop terhadap penambahan
jumlah Node pada pergerakan Random Waypoint
Gambar 4.1.3 Grafik pengaruh penambahan jumlah node terhadap
Message Drop di pergerakan Random Waypoint.
Dampak Drop dari penambahan node, kinerja terlihat membaik ketika
node yang memadati jaringan mulai dari 75 – 100 node, angka drop
menunjukan penurunan meskipun tidak signifikan, ini dikarenakan pesan
sudah sampai di relay kepada destination terlebih dulu sebelum TTL habis.
30000
35000
40000
45000
50000
25 50 75 100
Dro
p M
essa
ge
Node
Drop Message
Duration Frequency Recent
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23
4.1.1.4 Average Hop Count
Node Avg Hop Count
Duration Frequency Recent
25 2.0375 1.9945 2.0406
50 2.9836 2.8589 2.9995
75 3.6359 3.2377 4.0229
100 3.9371 3.4589 4.6144
Table 4.1.4 Hasil pengujian Average Hop Count terhadap penambahan
jumlah Node pada pergerakan Random Waypoint.
Gambar 4.1.4 Grafik pengaruh penambahan jumlah node terhadap
Average Hop Count di pergerakan Random Waypoint.
4.1.1.5 Overhead Ratio
Node Overhead Ratio
Duration Frequency Recent
25 13.0649 11.927 14.2451
50 15.4846 11.9968 20.0884
75 15.8333 12.4955 24.5353
100 16.946 13.1545 29.2885
Table 4.1.5 Hasil pengujian Overhead Ratio terhadap penambahan
jumlah Node pada pergerakan Random Waypoint
1
2
3
4
5
25 50 75 100
Avg
Ho
p C
ou
nt
Node
Avg Hop Count
Duration Frequency Recent
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24
Gambar 4.1.5 Grafik pengaruh penambahan jumlah node terhadap
Overhead Ratio di pergerakan Random Waypoint.
Average Hop Count pada skenario penambahan node mengalami peningkatan
pada setiap penambahannya begitu juga dengan Overhead Ratio meskipun tidak
signifikan hal ini disebabkan karena relay yang semakin tinggi disetiap
penambahan node. Dan untuk Overhead Ratio yang tidak signifikan disebabkan
karena Spray and Focus adalah Routing yang menggunakan kombinasi skema
Multi-copy dan single copy sehingga bisa mengendalikan banyak pesan dalam
jaringan. (pada bagian ini hanya membahas tentang dampak penambahan Node,
untuk pembahasan perbandingan kinerja dari tiga protocol akan dibahas pada akhir
pembahasan skenario penambahan Lcopies)
4.1.2. Penambahan L Copies
4.1.2.1 Delivery Probability
L Copies Delivery Probability
Duration Frequency Recent
2 0.703 0.7062 0.7012
4 0.8868 0.9005 0.8705
6 0.9408 0.9527 0.9037
8 0.9576 0.969 0.9026
Table 4.1.2.1 Hasil pengujian Delivery Probability terhadap penambahan
L Copies pada pergerakan Random Waypoint
0
10
20
30
40
25 50 75 100
Ove
rhe
ad
Ra
tio
Node
Overhead Ratio
Duration Frequency Recent
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
Gambar 4.1.2.1 Grafik pengaruh penambahan L Copies terhadap
Delivery Probability di pergerakan Random Waypoint
4.1.2.2 Delay
L Copies Delay
Duration Frequency Recent
2 33218.3932 33622.5849 33385.011
4 27044.9814 26906.3293 28466.4415
6 23100.3691 22406.0269 26796.0583
8 20695.9771 19302.8937 27390.4179
Table 4.1.2.2 Hasil pengujian Delay terhadap penambahan L Copies pada
pergerakan Random Waypoint
Gambar 4.1.2.2 Grafik pengaruh penambahan L Copies terhadap Delay di
pergerakan Random Waypoint
15000
20000
25000
30000
35000
2 4 6 8
Dela
y(s
)
Lcopies
Delay
Duration Frequency Recent
0.65
0.7
0.75
0.8
0.85
0.9
0.95
1
2 4 6 8
De
live
ry P
rob
ab
ility
(0-1
)
Lcopies
Delivery Probability
Duration Frequency Recent
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
4.1.2.3 Message Drop
L Copies Message Drop
Duration Frequency Recent
2 17037 16970 17034
4 41231 41022 41409
6 66916 66747 67327
8 93377 93225 93978
Table 4.1.2.3 Hasil pengujian Delay terhadap penambahan L Copies pada
pergerakan Random Waypoint
Gambar 4.1.2.3 Grafik pengaruh penambahan L Copies terhadap
Message Drop di pergerakan Random Waypoint
4.1.2.4 Hop Count
L Copies Hop Count
Duration Frequency Recent
2 3.8433 3.2694 4.9973
4 3.9371 3.4589 4.6144
6 4.0999 3.706 4.5148
8 3.8773 3.5263 4.0995
Table 4.1.2.4 Hasil pengujian Hop Count terhadap penambahan L Copies
pada pergerakan Random Waypoint
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27
Gambar 4.1.2.4 Grafik pengaruh penambahan L Copies terhadap Average
Hop Count di pergerakan Random Waypoint
4.1.2.5 Overhead Ratio
L Copies Overhead Ratio
Duration Frequency Recent
2 10.2839 7.9962 18.7907
4 16.946 13.1545 29.2885
6 23.5095 18.3768 38.2791
8 29.9391 23.5341 44.667
Table 4.1.2.5 Hasil pengujian Overhead terhadap penambahan L Copies
pada pergerakan Random Waypoint
Gambar 4.1.2.5 Grafik pengaruh penambahan L Copies terhadap
Overhead di pergerakan Random Waypoint
0
10
20
30
40
50
2 4 6 8
Ove
rhe
ad
Ratio
Lcopies
Overhead Ratio
Duration Frequency Recent
2
3
4
5
6
2 4 6 8
Ho
p C
ou
nt
Lcopies
Hop Count
Duration Frequency Recent
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
4.1.2.6 Buffer Occupancy
Gambar 4.1.2.6 Average Buffer Occupancy Duration Encounter
Transtivity di pergerakan Random Waypoint.
Gambar 4.1.2.7 Average Buffer Occupancy Frequency Encounter
Transtivity di pergerakan Random Waypoint.
Gambar 4.1.2.8 Average Buffer Occupancy Last Encounter Transtivity di
pergerakan Random Waypoint.
0
10
20
30
1 5 9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
Bu
ffe
r O
ccu
pa
ncy(%
)
Node
Average Buffer Occupancy
0
10
20
30
1 5 9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
Bu
ffe
r O
ccu
pa
ncy (
%)
Node
Average Buffer Occupancy
0
5
10
15
20
25
30
1 5 9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
Bu
ffe
r O
ccu
pa
ncy(%
)
Node
Average Buffer Occupancy
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
Skenario penambahan L Copies memberikan performa yang baik untuk
Delivery Probability dan berhasil menurunkan Delay di setiap penambahannya hal
ini dikarenakan semakin banyak L Copies dalam jaringan maka akan semakin
banyak juga node relay yang akan mendapatkan pesan. Namun disisi lain skenario
ini mengakibatkan Drop dan Overhead Ratio yang semakin tinggi seiring dengan
makin banyak nya pesan dalam jaringan. Dan untuk Hop Count tidak terlalu
bedampak hal ini dikarenakan meskipun banyak pesan bertambah namun node
relay tidak bertambah sehingga jalur menuju destination tidak berdampak terhadap
skenario ini.
Untuk perbandingan ketiga Protokol, sekalipun cukup kompetitif namun Spray
and Focus dengan pendekatan Frequency memberikan performa lebih unggul
disemua skenario menggunakan Random Waypoint. bersamaan dengan unggul
Frequency Encounter Transtivity dalam hal Delivery Probability Data ini juga
didukung dengan data lainnya. Mulai Delay, Message Drop, Overhead Ratio, Hop
Count, dan Buffer Occupancy(lihat grafik 4.1.1 – 4.1.2.8). Spray and Focus dengan
Frequency Encounter Transtivity secara konsisten tercatat lebih baik kemudian
disusul dengan Duration Encounter, dan Last Encounter Transtivity.
Optimalnya kinerja Spray and Focus dengan Frequency Encounter Transtivity
pada pergerakan Random Waypoint dipengaruhi karena. Pertama, dalam skenario
simulasi untuk pergerakan Random Waypoint kita menentukan wait time, yang
berisi waktu minimal dan maksimal suatu node untuk berhenti sebelum akhirnya
kembali bergerak(durasi kontak). Sementara dipergerakan ini kita tidak bisa
membatasi seberapa sering node tersebut bergerak dan bertemu dengan node
lain(frekuensi kontak) sehingga bisa memberikan node untuk mendapatkan
informasi Frekuensi bertemu dengan destination lebih banyak.
Kedua, menggunakan pendekatan Frequency Encounter Transtivity, dan
Duration Encounter Transtivity berhasil memperbaiki kinerja Spray and Focus
default dengan Last Encounter Transtivity. Karena menggunakan pendekatan
Frequency Encounter Transtivity, dan Duration Encounter setiap pertemuan node
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
direkam sehingga transaksi pesan menjadi semakin terarah kepada Node yang tepat.
Bisa dilihat hasil report Buffer Occupancy(lihat grafik 4.1.6 - 4.1.8), pendekatan
Frequency Encounter Transtivity, dan Duration Encounter bisa menghasilkan
beberapa Hub Node yang efektif untuk mejadi relay sehingga pesan akan sampai
Lebih cepat sampai ke destination.
4.2. BusMovement di kota Helsinky
Metric Duration Frequency Recent
Relayed 190755 179711 209882
Drop 51507 50824 52677
Deliv Prob 0.4201 0.4555 0.324
Overhead_ratio 25.7952 22.2816 37.2299
Delay 42934.6528 43054.0371 41282.5328
AvgHp count 3.9861 3.9289 4.0457
Table 4.2. Hasil pengujian terhadap pergerakan BusMovement
4.2.1. Delivery Probability
Gambar 4.2.1. Grafik Delivery Probability terheadap BusMovement
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
31
4.2.2. Delay
Gambar 4.2.2. Grafik Delay terheadap BusMovement
4.2.3. Message Drop
Gambar 4.2.3. Grafik Message Drop terheadap BusMovement
4.2.4. Hop Count
Gambar 4.2.4. Grafik Hop Count terheadap BusMovement
Duration Frequency Recent
40000
41000
42000
43000
44000
Del
ay(s
)
Delay
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32
4.2.5. Overhead
Gambar 4.2.5. Grafik Overhead terheadap BusMovement
Pada skenario penerapan Spray and Focus di kota Helsinky dengan
menggunakan sub pergerakan BusMovement menghasilkan trend Spray and
Focus dengan pendekatan Frequency Encounter Transtivity tercatat lebih
optimal, Baik dari Delivery Probability yang lebih tinggi dan dengan Delay,
Message Drop, Overhead, dan Hop Count yang lebih rendah. Hal ini
disebabkan BusMovement memiliki pola pergerakan yang tetap, dimana
pergerakan Bus memiliki titik koordinat Start, dan Stop kemudian bergerak
kembali yang terpola. Sehingga jika semakin tinggi frequensi kontak dari Node
tersebut maka peluang kedua node tersebut untuk kembali bertemu akan
semakin besar sehingga node tersebut bisa menjadi relay yang baik untuk
meneruskan pesan ke destination.
Kebehasilan kinerja Routing Protokol pada pergerakan Bus memiliki
catatan khusus, mengingat pergerakan bus memiliki waktu kontak yang singkat,
jika kontak tersebut terjadi saat Bus sedang bergerak sehingga bisa
menghasilkan peluang pesan mengalami Abort(gagal di kirimkan) maka untuk
meminimalisir kemungkinan tersebut kita harus memastikan pesan yang di
distribusikan berada dalam ukuran yang kecil agar tidak mengalami Abort pada
waktu kontak yang singkat.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
33
4.2.5. Buffer Occupancy
Gambar 4.2.6. Grafik Average Buffer Occupancy(%) Duration terheadap
BusMovement
Gambar 4.2.7. Grafik Average Buffer Occupancy(%) Frequency
terheadap BusMovement
Average
Average
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
34
Gambar 4.2.8. Grafik Average Buffer Occupancy(%) Recent terheadap
BusMovement
Selain itu baiknya kinerja Spray and Focus dengan pendeketan Frequency
pada pergerakan Bus juga bisa dilihat pada grafik Buffer Occupancy (lihat
grafik 4.2.6 - 4.2.8) pada grafik ini bisa dilihat bahwa pendekatan Frequency
bisa membuat kinerja Hub Node menjadi lebih optimal sebagai relay yang
dipilih node untuk meneruskan pesan. Jumlah Hub Node terlihat lebih banyak
dan berhasil memberikan Delivery Probability yang tinggi kemudian delay,
drop, Hop Count dan Overhead yang rendah.
4.3. Pergerakan Manusia
4.3.1. Haggle4-Cam-Imote
Haggle4Cam Duration Frequency Recent
Relayed 3188 2996 3167
Drop 1389 1401 1403
Deliv Prob 0.4861 0.4566 0.451
Overhead_ratio 11.1217 11.1296 11.9795
Delay 32829.8943 31106.6502 31400.9291
AvgHp count 3.0837 2.9838 2.9467
Table 4.3.1 Hasil pengujian terhadap dataset Haggle4-Cam-imote
Average Average
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
35
4.3.1.1 Delivery Probability
Gambar 4.3.1.1 Grafik Delivery Probabability terheadap Haggle4-Cam-
imote
4.3.1.2 Delay
Gambar 4.3.1.2 Grafik Delay terheadap Haggle4- Cam-imote
Penerapan Spray and Focus pada pergerakan manusia menggunakan data
set Haggle4-Cam-Imote menampilkan hasil yang berbeda dari sebelumnya.
Jika pada pergerakan Random Waypoint dan BusMovement Spray and Focus
dengan pendekatan Frequency Encounter Transtivity tercatat lebih optimal
sementara pada Haggle4-Cam-Imote, Spray and Focus dengan pendekatan
Duration Encounter Transtivity lebih unggul. Hal ini disebabkan Haggle4-
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
36
Cam-Imote adalah data set yang direkam pada saat konferensi di Laboratorium
riset perusahaan Intel di Cambrige Dimana data set ini memiliki pola, Node
datang kedalam ruangan, duduk, istirahat, break/makan, kemudian akan
kembali ke dalam ruangan untuk waktu yang cukup lama, selain itu manusia
memiliki kecenderungan bergerak berdasarkan point of interest(tidak random)
sehingga setiap node akan memiliki probabilitas yang berbeda. Dalam hal ini
node yang memiliki durasi kontak lebih banyak dengan destination dianggap
memiliki probabilitas yang lebih baik.
Optimal nya kinerja Spray and Focus Dengan Duration Encounter
Transtivity pada data set ini bisa dilihat dari grafik Delivery Probability yang
lebih tinggi, hal ini disebabkan karena pergerakan ini terdapat beberapa node
Populer atau Hub Node, disini Hub Node berperan sebagai relay yang banyak
dipilih oleh node lain karena memiliki probabilitas yang lebih baik. Bisa dilihat
pada grafik Buffer Occupancy, ada beberapa node yang menonjol dalam hal
penggunaan Buffer(lihat grafik 4.3.1.6- 4.3.1.8). meskipun memiliki
probabilitas yang bagus, namun Duration Encounter Transtifity tercatat
memiliki Delay cukup tinggi, ini dikarenakan untuk mendapatkan probabilitas
yang bagus, node harus memiliki waktu kontak yang lama sebelum node akan
merelay pesan kepada node lain. Proses untuk mendapatkan probabilitas ini
yang membuat Delay pada Duration Encounter Transtivity lebih tinggi dari
Encounter Transitivity lainnya. Dan hal lain yang menyebabkan Encounter
trasitivity lain cukup kompetitif adalah karena jumlah node dalam jaringan
yang sedikit, sehingga meskipun dengan relay yang lebih sedikit pesan sudah
bisa sampai ke destination.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
37
4.3.1.3 Message Drop
Gambar 4.3.1.3 Grafik Message Drop terheadap Haggle4- Cam-imote
4.3.1.4 Hop Count
Gambar 4.3.1.4 Grafik Hop Count terheadap Haggle4- Cam-imote
Grafik Drop menampilkan, pendekatan Duration Encounter Transitivity
tercatat memiliki drop yang lebih rendah dari yang lainnya. Hal ini sesuai dengan
grafik (lihat grafik 4.3.1.1. – 4.3.1.2) sekalipun kecepatan pesan untuk sampai ke
tujuan lebih lambat, namun pendekatan Durasi memiliki probabilitas untuk
mengantarkan pesan ke destination paling tingggi karena pesan yang
didistribusikan lebih akurat sampai ke destination dari pada di drop, dan gafik ini
membuktikan drop message pada Duration Ecounter Transitifity lebih kecil dari
Encounter Transitivity lainnya.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
38
Pada penjelasan sebelumnya kita mendapatkan grafik delay yang lebih
tinggi untuk Duration Encounter Transitivity, ini disebabkan node harus memiliki
waktu kontak yang lama sebelum node akan me-relay pesan kepada node lain.
Kemudian hal lain yang mempengaruhi adalah pola dari data set ini yang hanya
memiliki sedikit node untuk berinteraksi dalam sebuah konferensi, pola itu
memungkinkan tiap node pernah mengalami kontak dengan destination, sehingga
tiap node juga memiliki probabilitas untuk mendapatkan pesan. Hal ini
memungkinkan distribusi pesan menjadi lebih luas dan mengakibatkan Hop Count
yang tinggi pada Duration Encounter Transitivity. Untuk penyebab pada Encounter
Transitivity lainnya yang memiliki hop count rendah adalah Encounter Transitivity
lain tidak mengambil keuntungan untuk banyak merelay pesan dari pergerakan ini,
Node cenderung lebih naif untuk tidak merelay karena pendekatan Frequency
Encounter Transitivity dan Last Encounter Transitivity pada pergerakan manusia
tidak membuat node peer memiliki probabilitas yang bagus. Kembali lagi ini
disebabkan karena manusia memiliki pola untuk diam pada waktu yang cukup lama
dari pada bergerak terus menerus secara frekuentif[9].
4.3.1.5 Overhead
Gambar 4.3.1.5 Grafik Overhead terheadap Haggle4- Cam-imote
Hasil pengujian pada overhead menunjukan Overhead yang lebih rendah
disebabkan karena Duration Encounter Transitivity mampu mengontrol jumlah
pesan yang sampai ke destination sehingga Drop juga menjadi lebih sedikit. Dan
jika dilihat pada grafik Buffer Occupancy (grafik 4.3.1.6 - 4.3.1.8) Duration -
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
39
Encounter Transitifity terlihat memiliki konsumsi buffer yang lebih sedikit namun
memiliki probabilitas yang paling tinggi, ini dikarenakan lebih banyak pesan yang
sampai sebelum di drop dari buffer karena kehabisan TTL.
4.3.1.6 BufferOccupancy
Gambar 4.3.1.6 Grafik Buffer Occupancy terheadap Haggle4- Cam-
imote menggunakan Duration Encounter Transtivity
Gambar 4.3.1.7 Grafik Buffer Occupancy terheadap Haggle4- Cam-
imote menggunakan Frequency Encounter Transtivity
Gambar 4.3.1.8 Grafik Buffer Occupancy terheadap Haggle4- Cam-
imote menggunakan Last Encounter Transtivity
(%)
Average
(%)
Average
(%)
Average
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
40
4.3.2. MIT Reality Mining
Setelah mendapatkan kinerja yang bagus dari pendekatan Duration Encounter
Transitivity pada data set Haggle4-Cam-imote, maka dilakukan simulasi kembali
pada pergerakan manusia lainnya yakni MIT Reality Mining. Hal yang
membedakan dengan pergerakan sebelumnya adalah selain perbedaan lokasi
pengambilan data, pada data set ini juga memiliki waktu simulasi yang lebih lama
dan jumlah node yang lebih banyak. Percobaan ini dilakukan untuk mencari tau
apakah pendekatan Duration Encounter Transitivity bisa scalable jika diterapkan
pada data set yang berbeda.
Duration Frequency Recent
Relayed 13178 13371 12064
Drop 5853 5856 5872
Deliv Prob 0.4371 0.4287 0.4084
Overhead_ratio 24.4402 25.3209 23.9256
Delay 238844.296 242510.307 245843.85
AvgHp count 3.7162 3.5453 3.3595
Table 4.3.2 Hasil pengujian terhadap dataset MIT Reality Mining
4.3.2.1. Deliver Probability
Gambar 4.3.2.1 Grafik Delivery Probability terhadap MIT Reality
Mining
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
41
4.3.2.2. Delay
Gambar 4.3.2.2 Grafik Delay terhadap MIT Reality Mining
Hasil pengujian terhadap data set MIT Reality Mining, Spray and Focus
dengan Duration Encounter Transitivity secara konsisten memberikan hasil yang
lebih baik dari Encounter Transitivity lainnya jika diterapkan pada pergerakan
manusia yang memiliki node dan waktu simulasi yang lebih besar. Ini bisa dilihat
dari angka Delivery Probability yang lebih baik(grafik 4.3.2.1). Penjelasannya
sama seperti pada penjelasan data set Haggle4-Cam-imote diatas hal ini disebabkan
karena data set Reality memiliki pola pergerakan mahasiswa di laboratorium MIT
dan sekitarnya. Artinya node bergerak berdasarkan point of interest(tidak random)
dan pola ini membuat masing-masing node memiliki probabilitas yang berbeda.
Pendekatan Duration Encounter Transitivity berhasil mendapatkan hasil yang
optimal dan mampu memberikan Delay dan Drop (grafik 4.3.2.2 dan 4.3.2.3)yang
lebih kecil dari pendekatan Encounter Transitivity lainnya.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
42
4.3.2.3. Message Drop
Gambar 4.3.2.3 Grafik Message Drop terhadap MIT Reality Mining
4.3.2.4. Hop Count
Gambar 4.3.2.4 Grafik Hop Count terhadap MIT Reality Mining
4.3.2.5. Overhead
Gambar 4.3.2.5 Grafik Overhead terhadap MIT Reality Mining
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
43
Untuk Overhead pada kasus reality, Duration Encounter Transitivity
berhasil mengontrol jumlah pesan sampai ke destination sehingga tidak
memberika overhead yang paling tinggi. hal ini disebabkan pembuatan pesan
baru dilakukan dengan syarat node harus kontak dengan node lain, sementara
pada data set ini frekuensi kontak node tidak mendominasi Hal ini yang
menyebabkan pembuatan pesan dapat dikontrol sehingga memberikan angka
yang kecil pada Overhead. Sedangkan untuk Hop Count pada kasus ini
mejelaskan semakin tinggi Hop Count maka akan membuat pesan sampai
destination lebih cepat sehingga memberikan angka Delay yang kecil.
Sama seperti hasil Hop Count pada dataset Haggle, Hop Count Duration
Encounter Transitivity pada reality juga tercatat memiliki angka paling tinggi,
disini bisa disimpulkan penggunaan Duration Encounter Transitivity gagal
memotong jalur menuju destination menjadi lebih pendek, namun bisa
memberikan akurasi peluang untuk bertemu dengan destination lebih baik.
4.3.2.5. Buffer Occupancy
Gambar 4.3.2.6 Grafik Average Buffer Occupancy terheadap Reality
menggunakan Duration Encounter Transtivity
0
10
20
30
1 5 9 13172125293337414549535761656973778185899397
Bu
ffe
r O
ccu
pa
ncy (
%)
Node
Average Buffer Occupancy
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
44
Gambar 4.3.2.7 Grafik Average Buffer Occupancy terheadap Reality
menggunakan Frequency Encounter Transtivity
Gambar 4.3.2.8 Grafik Average Buffer Occupancy terheadap Reality
menggunakan Last Encounter Transtivity.
Sama dengan grafik buffer Occupancy pada dataset Haggle4-Cam-Imote,
Duration Encounter Transitifity berhasil mengoptimalkan penggunaan buffer,
meskipun tercatat paling sedikit menggunakan Buffer, namun berhasil memberikan
Probabilitas paling tinggi untuk dapat menemukan Destination.
4.3.3. Penambahan Margin Transtivity pada Reality
Skenario ini dilakukan untuk melihat kinerja dari Spray and Focus dengan
Duration Encounter Transitivity , jika Margin atau Utility Threshold yang-
digunakan pada forwarding policy ditingkatkan.
0
10
20
30
1 5 9 13172125293337414549535761656973778185899397Bu
ffe
r O
ccu
pa
ncy(%
)
Node
Average Buffer Occupancy
0
10
20
30
1 5 9 13172125293337414549535761656973778185899397
Bu
ffe
r O
ccu
pa
ncy(%
)
Node
Average Buffer Occupancy
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
45
4.3.3.1. Delivery Probabability
Margin(%) Delivery Probability
Duration Frequency Recent
0 0.4346 0.4295 0.4177
10.00% 0.4371 0.4287 0.4084
20.00% 0.4354 0.4287 0.4076
30.00% 0.4388 0.4287 0.3949
40.00% 0.4388 0.427 0.3941
Table 4.3.3.1 Hasil pengujian Delivery Probability
terhadap penambahan Margin Transtivity
Gambar 4.3.3.1 Grafik pengaruh penambahan Margin terhadap Delivery
Probability di pergerakan Reality
4.3.3.2. Delay
Margin(%) Delay
Duration Frequency Recent
0 237639.773 240977.88 242527.227
10.00% 238844.296 242510.307 245843.85
20.00% 237974.25 243788.848 246459.194
30.00% 238949.201 242752.316 241101.578
40.00% 238612.166 241870.224 242463.675
Table 4.3.3.2 Hasil pengujian Delay terhadap
penambahan Margin Transtivity
0.39
0.4
0.41
0.42
0.43
0.44
0.45
0 0.1 0.2 0.3 0.4
De
live
ry P
rob
ab
ility
(0-1
)
Margin (%)
Delivery Probability
Duration Frequency Recent
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
46
Gambar 4.3.3.2 Grafik pengaruh penambahan Margin terhadap Delay di
pergerakan Reality
4.3.3.3. Message Drop
Margin(%) Message Drop
Duration Frequency Recent
0 5854 5857 5865
10.00% 5853 5856 5872
20.00% 5855 5854 5875
30.00% 5851 5853 5889
40.00% 5852 5858 5889
Table 4.3.3.3 Hasil pengujian Message Drop terhadap
penambahan Margin Transtivity
Gambar 4.3.3.3 Grafik pengaruh penambahan Margin terhadap Message
Drop di pergerakan Reality
236000
238000
240000
242000
244000
246000
248000
0 0.1 0.2 0.3 0.4
De
lay(s
)
Margin
Delay
Duration Frequency Recent
5840
5850
5860
5870
5880
5890
5900
0 0.1 0.2 0.3 0.4
Me
ssa
ge
Dro
p
Margin(%)
Message Drop
Duration Frequency Recent
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
47
4.3.3.4. Hop Count
Margin(%) Hop Count
Duration Frequency Recent
0 3.7282 3.5678 3.7737
10.00% 3.7162 3.5453 3.3595
20.00% 3.6899 3.502 3.2008
30.00% 3.6615 3.4941 3.1368
40.00% 3.6442 3.4921 3.1199
Table 4.3.3.4 Hasil pengujian Hop Count terhadap
penambahan Margin Transtivity
Gambar 4.3.3.4 Grafik pengaruh penambahan Margin terhadap Hop
Count di pergerakan Reality
4.3.3.5. Overhead
Margin(%) Overhead Ratio
Duration Frequency Recent
0 25.1883 25.6916 33.6283
10.00% 24.4402 25.3209 23.9256
20.00% 24.0581 24.8386 22.1636
30.00% 23.4481 24.4075 22.0043
40.00% 23.0288 24.0514 21.5931
Table 4.3.3.5 Hasil pengujian Overhead terhadap
penambahan Margin Transtivity
2.5
3
3.5
4
0 0.1 0.2 0.3 0.4
Ave
rag
e H
op
Co
un
t
Margin(%)
Hop Count
Duration Frequency Recent
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
48
Gambar 4.3.3.5 Grafik pengaruh penambahan Margin Overhead di
pergerakan Reality
Dari semua pengujian Margin terhadap metric yang gunakan, pendekatan
Duration Encounter Trasitivity terbukti lebih stabil di setiap penambahannya di
semua metric, Berbeda dengan pendekatan Frequency dan Last Encounter
Transitivity yang tercatat tidak stabil jika diterapkan pada pergerakan Manusia. Hal
ini disebabkan karena pola dari data set ini adalah node melakukan kontak dengan
node yang memiliki point of interest dengan waktu yang lama. Dan angka yang
optimal sebagai margin yang diterapkan di Duration Encounter Tansitivity adalah
10 %, angka 10% ini dipilih karena bisa memberikan komposisi Delivery
Probability yang tinggi dan bisa meredam angka Delay, Drop, Overhead Hop
Count.
20
25
30
35
0 0.1 0.2 0.3 0.4
Ove
rhe
ad
Ra
tio
Margin(%)
Overhead
Duration Frequency Recent
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
49
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Pengujian yang dilakukan pada pergerakan random, Dimana setiap node
memiliki probabilitas yang sama, akan sesuai jika dihadapkan dengan pendekatan
Frequency Encounter Transitivity . Karena sekalipun bergerak secara acak, jika
setiap kontak yang terjadi direkam dan disimpan ternyata bisa menjadi parameter
yang efektif untuk memilih node relay agar dapat meneruskan pesan ke destination.
Selain pada kasus Random Waypoint, pendekatan Frequency Encounter
Transitivity juga menunjukan keberhasilan pada pergerakan kota Helsinky dengan
sub pergerakan BusMovement. Hal ini disebabkan karena pergerakan suatu Bus
sudah memiliki rute yang terpola dimana titik koordinat untuk Start, Stop dan
kemudian bergerak lagi yang sudah di tentukan Artinya semakin tinggi frekuensi
kontak suatu node dengan destination, maka node tersebut memiliki Probabilitas
yang tinggi untuk bertemu lagi dengan destination. Artinya node tersebut bisa
menjadi node relay yang baik untuk meneruskan pesan ke destination. Namun
pergerakan Bus memiliki kemungkinan waktu kontak yang singkat pada saat
bergerak, sehingga memungkinkan kan terjadinya Abort(gagal terkirim karena
kontak sudah putus) maka untuk mendapatkan hasil yang optimal, kita harus
memastikan pesan memiliki ukuran yang kecil, karena jika ukuran pesan terlalu
besar bisa mengakibatkan pesan mengaami Abort.
Pengujian pada Pergerakan manusia menggunakan data set yang memiliki node
sedikit hingga menggunakan data set dengan node paling tinggi, hasilnya Duration
Encounter Transitivity tercatat lebih baik karena pendekatan durasi kontak lebih
sesuai dengan sifat manusia yang cenderung diam pada waktu yang lama di suatu
tempat sebelum akhirnya bergerak ke tempat lainnya.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
50
5.2 Saran
Meninjau dari hasil penelitian diatas, maka kedepannya bisa dikembangkan
untuk mengevalulasi kinerja Spray and Focus menggunakan gabungan Frequency
dan Duration Encounter Transitivity pada jaringan Oportunistik dan menambahkan
parameter Abort dalam penelitian mengingat ada kemungkinan pesan gagal terkirim
karena ukuran pesan terlalu besar dan kontak node putus.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
51
DAFTAR PUSTAKA
[1] Vahdat, Amin & Becker, David. “Epidemic routing for Partially-Connected Ad
Hoc Networks”. Technical Repport CS-200006, Duke University, April 2000.
[2] Z. Zhang, “Rounting in intermittently Connected Mobile Ad Hoc Networks
and Delay Tollerant Network : Overview and challenges,” IEEE Communications
survey and Tutorials, vol. 8, no.1, pp. 24-37, 2006.
[3] Farrel., Delay-Distrubtion- Tollerant Networking, Norwood, MA , USA :
Artech House, Inc, 2006.
[4] Puri, P., Singh, M.P. (2013), “A Survey Paper on Routing in Delay-Tollerant-
Networks”, International Conference on information system and computer
networks, pp. 215-220.
[5] Dayanand Naviya. (2015), “Routing in Delay Tollerant Network”, Internatioanl
Conference on Advance in Science and Technology, 2015.
[6] Lindgreen, A., Doria, A., Schelen, O., “Probabilistic Routing in Intermittently
Connected Networks”. Mobile Computing and Commun. Review, Vol.7., No. 3,
Juli 2013.
[7] Scott , J., Gass, R., Crowcroft, J., Hui, P., Diot C, Chaintreau A., CRAWDAD
dataset Cambrige/haggle (v 2009-05-29), diakeses dari
(crawdad.org/cambrige/haggle/20090529, doi: 10.15783/C70011, September
2016).
[8] J. Schiller, Mobile Communication, Great Britain : Biddles, 2013.
[9] Psounis, K., Cauligi S. Raghavendra., “Spray And Focus: Efficient Mobility-
Assisted routing for heterogenous and correlated Mobility”, Planete Project, INRIA,
Shopia-Antipolis, Electrical Engineering amd Computer Science, University of
Southern California. 2017.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
52
LAMPIRAN
Class Spray and Focus Duration
package routing;
import java.util.HashMap; FocusDuration1.java public class FocusDuration1 implements RoutingDecisionEngine {
/** SprayAndFocus router's settings name space ({@value} ) */
public static final String SPRAYANDFOCUS_NS = "FocusDuration1"; /** identifier for the initial number of copies setting ({@value} ) */
public static final String NROF_COPIES_S = "nrofCopies"; /** Message property key for the remaining available copies of a message */ public static final String MSG_COUNT_PROP = "FocusDuration1.copies";
/** * Message property k y for summary vector messages exchanged between direct * peers */
public static final String SUMMARY_XCHG_PROP = "FocusDuration1.protoXchg";
protected static final String SUMMARY_XCHG_IDPREFIX = "summary";
protected static int protocolMsgIdx = 0;
protected int initialNrofCopies; /** Stores information about nodes with which this host has come in contact */ protected Map<DTNHost, Double> DurEncounters;
private String fase = "";
protected Map<DTNHost, Double> startTimestamps;
public FocusDuration1(Settings s) {
Settings snf = new Settings(SPRAYANDFOCUS_NS);
initialNrofCopies = snf.getInt(NROF_COPIES_S);
startTimestamps = new HashMap<DTNHost, Double>();
DurEncounters = new HashMap<DTNHost, Double>(); } public FocusDuration1(FocusDuration1 r) { } this.initialNrofCopies = r.initialNrofCopies;
DurEncounters = new HashMap<DTNHost, Double>();
startTimestamps = new HashMap<DTNHost, Double>(); @Override
public void connectionUp(DTNHost thisHost, DTNHost peer) {
} @Override
public void doExchangeForNewConnection(Connection con, DTNHost peer) { DTNHost
myHost = con.getOtherNode(peer);
FocusDuration1 de = this.getOtherDecisionEngine(peer);
this.startTimestamps.put(peer, SimClock.getTime());
de.startTimestamps.put(myHost, SimClock.getTime()); @Override
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
53
public void connectionDown(DTNHost thisHost, DTNHost peer) {
double time = startTimestamps.get(peer);
double etime = SimClock.getTime();
double durasi = etime - time;
if (durasi > 0) {
if (DurEncounters.containsKey(peer)) { durasi = durasi + this.getDurEncounter(peer); } DurEncounters.put(peer, durasi);
System.out.println("Node "+thisHost+" to "+peer+" duration : "
+this.getDurEncounter(peer));
} } @Override
public boolean newMessage(Message m) { } m.addProperty(MSG_COUNT_PROP, new Integer(initialNrofCopies));
return true; @Override
public boolean isFinalDest(Message m, DTNHost aHost) {
return m.getTo().equals(aHost);
} @Override public boolean shouldSaveReceivedMessage(Message m, DTNHost thisHost) {
// System.out.println(thisHost.getMessageCollection());
Integer nrofCopies = (Integer) m.getProperty(MSG_COUNT_PROP);
nrofCopies = (int) Math.ceil(nrofCopies / 2.0);
m.updateProperty(MSG_COUNT_PROP, nrofCopies);
return !m.getTo().equals(thisHost); } @Override
public boolean shouldSendMessageToHost(Message m, DTNHost otherHost) { DTNHost dest = m.getTo();FocusDuration1 de = getOtherDecisionEngine(otherHost);
if (dest == otherHost) {
return true;
}
if (m.getProperty(SUMMARY_XCHG_PROP) != null) {
return false;
}
Integer nrofCopies = (Integer) m.getProperty(MSG_COUNT_PROP);
assert nrofCopies != null : "SnF message " + m + " didn't have nrof copies property!";
if (fase.equals("focus")) { fase = "";
return true; }
if (nrofCopies > 1) {
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
54
fase = "spray";
return true;
} else {
double maxDurationPeer= 0.0;
double thisLastDur = this.getDurEncounter(dest); // MessageRouter otherRouter = otherHost.getRouter();
DTNHost thisHost = null;
for (Connection c : otherHost.getConnections()) {
DTNHost cekHost = c.getOtherNode(otherHost);
FocusDuration1 cek = this.getOtherDecisionEngine(cekHost);
if (cek.equals(this)) { thisHost = cekHost;
break; } } // System.out.println(thisHost+" other : "+otherHost);
DTNHost maxpeer = null;
FocusDuration1 max = null;
for (Connection c : thisHost.getConnections()) { DTNHost peer = c.getOtherNode(thisHost);
double peerLastDuration = 0.0;
FocusDuration1 de1 = getOtherDecisionEngine(peer);
if (de1.DurEncounters.containsKey(dest)) { peerLastDuration = de.getDurEncounter(dest); }
if (peerLastDuration > maxDurationPeer) { max = de1; maxpeer = peer; maxDurationPeer = peerLastDuration ; } }
if (max != null) { // double margin = thisLastDur*0.5;
if (max.getDurEncounter(dest) > thisLastDur) {
if (max.equals(de)) {
// System.out.println("focus");
return true; } else {
fase = thisLastDur; // System.out.println("focus oper"); shouldSendMessageToHost(m, maxpeer); } } } }
return false; @Override
public boolean shouldDeleteSentMessage(Message m, DTNHost otherHost) { Integer nrofCopies; if (m == null) { // message has been dropped from the buffer after..
return false; // ..start of transfer -> no need to reduce amount
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
55
of // copies } if (m.getProperty(SUMMARY_XCHG_PROP) != null) {
return true; } /* * reduce the amount of copies left. If the number of copies was at 1 * and we apparently just transferred the msg (focus phase), then we * should delete it. */
nrofCopies = (Integer) m.getProperty(MSG_COUNT_PROP);
if (nrofCopies > 1) nrofCopies /= 2;
else
return true; m.updateProperty(MSG_COUNT_PROP, nrofCopies); return false;
} @Override public boolean shouldDeleteOldMessage(Message m, DTNHost hostReportingOld)
{ return false;
} @Override
public RoutingDecisionEngine replicate() {
return new FocusDuration1(this);
} private FocusDuration1 getOtherDecisionEngine(DTNHost h) { MessageRouter
otherRouter = h.getRouter();
assert otherRouter instanceof DecisionEngineRouter : "This router only works with other routers of same type" ; } } return (FocusDuration1) ((DecisionEngineRouter) otherRouter)
.getDecisionEngine(); protected double getDurEncounter(DTNHost host) {
if (DurEncounters.containsKey(host)) {
return DurEncounters.get(host);
} else { } } return 0.0;
class Spray and Focus Frequency
package routing;
import java.util.HashMap; SprayAndFocusFreqRouter.java
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
56
public class SprayAndFocusFreqRouter implements RoutingDecisionEngine {
/** SprayAndFocus router's settings name space ({@value} ) */
public static final String SPRAYANDFOCUS_NS = "SprayAndFocusFreqRouter"; /** identifier for the initial number of copies setting ({@value} ) */
public static final String NROF_COPIES_S = "nrofCopies"; /** Message property key for the remaining available copies of a message */ public static final String MSG_COUNT_PROP =
"SprayAndFocusFreqRouter.copies"; /** * Message property key for summary vector messages exchanged between direct * peers */ public static final String SUMMARY_XCHG_PROP =
"SprayAndFocusFreqRouter.protoXchg"; protected static final String SUMMARY_XCHG_IDPREFIX = "summary";
protected static int protocolMsgIdx = 0;
protected int initialNrofCopies; /** Stores information about nodes with which this host has come in contact */ protected Map<DTNHost, Integer> FreqEncounters;
private String fase = "";
public SprayAndFocusFreqRouter(Settings s) { } Settings snf = new Settings(SPRAYANDFOCUS_NS); initialNrofCopies = snf.getInt(NROF_COPIES_S); FreqEncounters = new HashMap<DTNHost, Integer>();
public SprayAndFocusFreqRouter(SprayAndFocusFreqRouter r) { } this.initialNrofCopies = r.initialNrofCopies;
FreqEncounters = new HashMap<DTNHost, Integer>(); Page 1 SprayAndFocusFreqRouter.java @Override
public void connectionUp(DTNHost thisHost, DTNHost peer) {
} @Override
public void connectionDown(DTNHost thisHost, DTNHost peer) {
if (FreqEncounters.containsKey(peer)) { } Integer info = FreqEncounters.get(thisHost); FreqEncounters.put(peer, ++info); System.out.println("Freq " + thisHost + " to " + peer + " freq : "
+ this.getFreqEncounterForHost(peer));
else { } } FreqEncounters.put(peer, 1); System.out.println("Freq " + thisHost + " to " + peer + " freq : "
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
57
+ this.getFreqEncounterForHost(peer)); @Override
public void doExchangeForNewConnection(Connection con, DTNHost peer) { } @Override
public boolean newMessage(Message m) {
m.addProperty(MSG_COUNT_PROP, new Integer(initialNrofCopies));
return true;
} @Override
public boolean isFinalDest(Message m, DTNHost aHost) { } return m.getTo() == (aHost); @Override
public boolean shouldSaveReceivedMessage(Message m, DTNHost thisHost) { Integer nrofCopies = (Integer) m.getProperty(MSG_COUNT_PROP); nrofCopies = (int) Math.ceil(nrofCopies / 2.0); m.updateProperty(MSG_COUNT_PROP, nrofCopies); Page 2 SprayAndFocusFreqRouter.java return !m.getTo().equals(thisHost);
} @Override
public boolean shouldSendMessageToHost(Message m, DTNHost otherHost) { DTNHost dest = m.getTo(); SprayAndFocusFreqRouter de = getOtherDecisionEngine(otherHost); if (dest == otherHost){
return false; } if (m.getProperty(SUMMARY_XCHG_PROP) != null){
return false; } Integer nrofCopies = (Integer) m.getProperty(MSG_COUNT_PROP);
assert nrofCopies != null : "SnF message " + m + " didn't have nrof copies property!"; if(fase.equals("focus")){
fase="";
return true; } if (nrofCopies > 1) {
fase="spray";
return true; } else { (cekHost); int maxFreqPeer = 0;
int FreqThisHost = this.getFreqEncounterForHost(dest);
DTNHost thisHost=null; //cek myHost
for (Connection c : otherHost.getConnections()) {
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
58
DTNHost cekHost = c.getOtherNode(otherHost);
SprayAndFocusFreqRouter cek=this.getOtherDecisionEngine
if(cek.equals(this)){
thisHost=cekHost;
break; } } DTNHost maxpeer=null;
SprayAndFocusFreqRouter max = null; //ambil peer dengan freq(dest) tertinggi for (Connection c : thisHost.getConnections()) { Page 3 SprayAndFocusFreqRouter.java DTNHost peer = c.getOtherNode(thisHost); int LastFreqPeer = 0;
SprayAndFocusFreqRouter de1 = getOtherDecisionEngine(peer); if (de1.FreqEncounters.containsKey(dest)) {
LastFreqPeer = de.getFreqEncounterForHost(dest); }
if (LastFreqPeer > maxFreqPeer) { } } max = de1; maxpeer=peer; maxFreqPeer = LastFreqPeer; //kirim
if (max != null) { // double margin = (double)FreqThisHost*0.5;
if (max.getFreqEncounterForHost(dest) > FreqThisHost) { // System.out.println("freq Peer "+max.getFreqEncounterForHost(dest )+" > "+"freq aku : "+FreqThisHost+" margin = "+margin ); if(max.equals(de)){
// System.out.println("focus"); return true;
}else{ fase="focus"; // System.out.println("focus oper"); } } } }
return false; shouldSendMessageToHost(m, maxpeer); } @Override
public boolean shouldDeleteSentMessage(Message m, DTNHost otherHost) { Integer nrofCopies; if (m == null) { // message has been dropped from the buffer after..
return false; // ..start of transfer -> no need to reduce amount
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
59
of // copies } if (m.getProperty(SUMMARY_XCHG_PROP) != null) {
return true; } /* * reduce the amount of copies left. If the number of copies was at 1 Page 4 SprayAndFocusFreqRouter.java * and we apparently just transferred the msg (focus phase), then we * should delete it. */
nrofCopies = (Integer) m.getProperty(MSG_COUNT_PROP);
if (nrofCopies > 1) nrofCopies /= 2;
else
return true; m.updateProperty(MSG_COUNT_PROP, nrofCopies); return false;
} @Override
public boolean shouldDeleteOldMessage(Message m, DTNHost hostReportingOld) {
return true; } @Override
public RoutingDecisionEngine replicate() {
return new SprayAndFocusFreqRouter(this);
} private SprayAndFocusFreqRouter getOtherDecisionEngine(DTNHost h) {
MessageRouter otherRouter = h.getRouter();
assert otherRouter instanceof DecisionEngineRouter : "This router only works with other routers of same type" ; } } return (SprayAndFocusFreqRouter) ((DecisionEngineRouter) otherRouter)
.getDecisionEngine(); protected int getFreqEncounterForHost(DTNHost host) {
if (FreqEncounters.containsKey(host)) { } return FreqEncounters.get(host);
} else {
return 0;
}
Class Spray and Focus Last Encounter
package routing;
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
60
import java.util.HashMap; Focus.java public class Focus implements RoutingDecisionEngine {
/** SprayAndFocus router's settings name space ({@value} ) */
public static final String SPRAYANDFOCUS_NS = "Focus"; /** identifier for the initial number of copies setting ({@value} ) */
public static final String NROF_COPIES_S = "nrofCopies"; /** Message property key for the remaining available copies of a message */ public static final String MSG_COUNT_PROP = "Focus.copies";
/** * Message property key for summary vector messages exchanged between direct * peers */
public static final String SUMMARY_XCHG_PROP = "Focus.protoXchg";
protected static final String SUMMARY_XCHG_IDPREFIX = "summary";
protected static int protocolMsgIdx = 0; /** Stores information about nodes with which this host has come in contact */ protected Map<DTNHost, Double> RecentEncounters;
private String fase="";
public Focus(Settings s) {
Settings snf = new Settings(SPRAYANDFOCUS_NS);
initialNrofCopies = snf.getInt(NROF_COPIES_S); } RecentEncounters = new HashMap<DTNHost, Double>();
public Focus(Focus r) {
this.initialNrofCopies = r.initialNrofCopies;
RecentEncounters = new HashMap<DTNHost, Double>(); } @Override
public void connectionUp(DTNHost thisHost, DTNHost peer) { } @Override Page 1 Focus.java public void connectionDown(DTNHost thisHost, DTNHost peer) {
if (RecentEncounters.containsKey(thisHost)) { } RecentEncounters.put(peer, new Double(SimClock.getTime()));
else { } } RecentEncounters.put(peer,new Double(SimClock.getTime())); @Override
public void doExchangeForNewConnection(Connection con, DTNHost peer) { } @Override public boolean newMessage(Message m) {
m.addProperty(MSG_COUNT_PROP, new Integer(initialNrofCopies));
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
61
return true; } @Override
public boolean isFinalDest(Message m, DTNHost aHost) {
return m.getTo().equals(aHost);
} @Override
public boolean shouldSaveReceivedMessage(Message m, DTNHost thisHost) { } Integer nrofCopies = (Integer) m.getProperty(MSG_COUNT_PROP); nrofCopies = (int) Math.ceil(nrofCopies / 2.0); m.updateProperty(MSG_COUNT_PROP, nrofCopies); return !m.getTo().equals(thisHost); @Override
public boolean shouldSendMessageToHost(Message m, DTNHost otherHost) { DTNHost dest = m.getTo(); Focus de = getOtherDecisionEngine(otherHost); if (dest == otherHost){
return true; Page 2 Focus.java }
if (m.getProperty(SUMMARY_XCHG_PROP) != null){
return true;
}
Integer nrofCopies = (Integer) m.getProperty(MSG_COUNT_PROP);
assert nrofCopies != null : "SnF message " + m + " didn't have nrof copies property!";
if(fase.equals("focus")){ fase="";
return true; }
if (nrofCopies > 1) { fase="spray";
return true;
} else {
double maxRecentPeer= 0;
double RecentaTimeThisHost = this.getRecentEncounterForHost(dest); // MessageRouter otherRouter = otherHost.getRouter();
DTNHost thisHost=null;
for (Connection c : otherHost.getConnections()) {
DTNHost cekHost = c.getOtherNode(otherHost);
Focus cek=this.getOtherDecisionEngine(cekHost);
if(cek.equals(this)){ } } thisHost=cekHost;
break; // System.out.println(thisHost+" other : "+otherHost);
DTNHost maxpeer=null;
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
62
Focus max = null;
for (Connection c : thisHost.getConnections()) { DTNHost peer = c.getOtherNode(thisHost);
double peerLastSeen = 0;
Focus de1 = getOtherDecisionEngine(peer);
if (de1.RecentEncounters.containsKey(dest)) { peerLastSeen = de.getRecentEncounterForHost(dest); }
if (peerLastSeen > maxRecentPeer) { max = de1; maxpeer=peer; maxRecentPeer= peerLastSeen; } }
if (max != null) { // double margin = RecentaTimeThisHost*0.5;
if (max.getRecentEncounterForHost(dest) > RecentaTimeThisHost) {
if(max.equals(de)){ fase="focus"; Page 3 } } } }
return false; Focus.java shouldSendMessageToHost(m, maxpeer); } @Override
public boolean shouldDeleteSentMessage(Message m, DTNHost otherHost) { Integer nrofCopies; if (m == null) { // message has been dropped from the buffer after..
return false; // ..start of transfer -> no need to reduce amount of // copies { } if (m.getProperty(SUMMARY_XCHG_PROP) != null) {
return true;
} /* * reduce the amount of copies left. If the number of copies was at 1 * and we apparently just transferred the msg (focus phase), then we * should delete it. */
nrofCopies = (Integer) m.getProperty(MSG_COUNT_PROP);
if (nrofCopies > 1) nrofCopies /= 2;
else
return true;
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
63
m.updateProperty(MSG_COUNT_PROP, nrofCopies); return false;
} @Override
public boolean shouldDeleteOldMessage(Message m, DTNHost hostReportingOld)
return true;
} @Override
public RoutingDecisionEngine replicate() {
return new Focus(this);
} private Focus getOtherDecisionEngine(DTNHost h) {
MessageRouter otherRouter = h.getRouter();
assert otherRouter instanceof DecisionEngineRouter : "This router only Page 4 works with other routers of same type"; } Focus.java DecisionEngineRouter : only return (Focus) ((DecisionEngineRouter) otherRouter)
.getDecisionEngine(); protected double getRecentEncounterForHost(DTNHost host) {
if (RecentEncounters.containsKey(host)){ } } return RecentEncounters.get(host);
}else{
return 0;
}
Skenario Random Waypoint
Scenario.name = Rwp_L4 Scenario.simulateConnections = true Scenario.updateInterval = 0.1 # 950400s == 11d Scenario.endTime = 950400 Scenario.nrofHostGroups = 1 RWP1.txt # "Bluetooth" interface for all nodes btInterface.type = SimpleBroadcastInterface # Transmit speed of 2 Mbps = 250kBps btInterface.transmitSpeed = 250k btInterface.transmitRange = 10 # High speed, long range, interface for group 4 highspeedInterface.type = SimpleBroadcastInterface highspeedInterface.transmitSpeed = 10M highspeedInterface.transmitRange = 1000 #Duration FocusDuration1.nrofCopies = 8
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
64
FocusDuration1.binaryMode = true #freq SprayAndFocusFreqRouter.nrofCopies = 8 SprayAndFocusFreqRouter.binaryMode = true #Recent Focus.nrofCopies = 8 Focus.binaryMode = true # Common settings for all groups Group.movementModel = RandomWaypoint Group.router = DecisionEngineRouter DecisionEngineRouter.decisionEngine = [FocusDuration1; SprayAndFocusFreqRouter; Focus] Group.bufferSize = 100M Group.waitTime = 0, 120 Group.nrofInterfaces = 1 Group.interface1 = btInterface # Walking speeds Group.speed = 0.5, 1.5 # Message TTL of 300 minutes (5 hours) Group.msgTtl = 1440 Group.nrofHosts = 100 Page 1 Events.nrof = 1 Events1.class = MessageEventGenerator # Message sizes (1MB - 5MB) Events1.size = 100k, 200k Events1.prefix = M Events1.hosts = 0, 99 Events1.interval = 60,70 MovementModel.worldSize = 2000, 2000 # Create Reports # how many reports to load RWP1.txt # length of the warm up period (simulated seconds) Report.nrofReports = 2 Report.warmup = 0 #Report.reportDir = reports/rwp/percobaan/SNFFREQ/PRODUK_MUTASI/duration Report.reportDir = [reports/RWP/L4/DUR; reports/RWP/L4/FRQ; reports/RWP/L4/ REC] Report.nrofReports = 2 Report.report1 = MessageStatsReport Report.report2 = BufferOccupancyReport ## Optimization settings -- these affect the speed of the simulation ## see World class for details. Optimization.cellSizeMult = 5 Optimization.randomizeUpdateOrder = true
Skenario Helsinky with BuMovement
Scenario.name = HelsinkyWithBus Scenario.simulateConnections = true Scenario.updateInterval = 1 # 43k ~= 12h Scenario.endTime = 700k Report.warmup = 200000
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
65
Group.msgTtl = 1433 Scenario.nrofHostGroups = 17 ################################### ### common settings for all groups Group.movementModel = MapBasedMovement BusVsCar0.txt Group.router = DecisionEngineRouter DecisionEngineRouter.decisionEngine = [FocusDuration1; SprayAndFocusFreqRouter; Focus] #Duration FocusDuration1.nrofCopies = 4 FocusDuration1.binaryMode = true #freq SprayAndFocusFreqRouter.nrofCopies = 4 SprayAndFocusFreqRouter.binaryMode = true #Recent Focus.nrofCopies = 4 Focus.binaryMode = true Group.bufferSize = 100M Group.transmitRange = 10 # transmit speed of 2 Mbps = 250kBps Group.transmitSpeed = 100k Group.waitTime = 0, 0 # walking speeds 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 Group.timeDiffSTD = 7200 Group.minGroupSize = 1 Page 1 Group.maxGroupSize = 3 Group.minAfterShoppingStopTime = 3600 Group.maxAfterShoppingStopTime = 7200 BusVsCar0.txt #################################################### Group1.groupID = o Group1.speed = 7, 10 Group1.waitTime = 10, 30 #Group1.nrofHosts = 0 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 = 0 Group2.nrofHosts = 150
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
66
Group2.movementModel = WorkingDayMovement Group2.busControlSystemNr = 1 Group2.speed = 0.8, 1.4 Group2.ownCarProb = 0 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 = 0 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 = 0 Group4.nrofHosts = 50 Group4.movementModel = WorkingDayMovement Group4.busControlSystemNr = 2 Group4.speed = 0.8, 1.4 Group4.ownCarProb = 0 Group4.shoppingControlSystemNr = 2 Group4.meetingSpotsFile = data/HelsinkiMedium/B_meetingspots.wkt Group4.officeLocationsFile = data/HelsinkiMedium/B_offices.wkt Group4.homeLocationsFile = data/HelsinkiMedium/B_homes.wkt Page 2 BusVsCar0.txt Group5.groupID = q Group5.speed = 7, 10 Group5.waitTime = 10, 30 #Group5.nrofHosts = 0 Group5.nrofHosts = 2 Group5.movementModel = BusMovement Group5.routeFile = data/HelsinkiMedium/C_bus.wkt Group5.routeType = 2 Group5.busControlSystemNr = 3 Group6.groupID = C Group6.waitTime = 0, 0 #Group6.nrofHosts = 0 Group6.nrofHosts = 100 Group6.movementModel = WorkingDayMovement Group6.busControlSystemNr = 3 Group6.speed = 0.8, 1.4 Group6.ownCarProb = 0 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
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
67
#Group7.nrofHosts = 0 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 = 0 Group8.nrofHosts = 100 Group8.movementModel = WorkingDayMovement Group8.busControlSystemNr = 4 Group8.speed = 0.8, 1.4 Group8.ownCarProb = 0 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 = 0 Group9.nrofHosts = 2 Page 3 BusVsCar0.txt 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 = 0 Group10.nrofHosts = 100 Group10.movementModel = WorkingDayMovement Group10.busControlSystemNr = 5 Group10.speed = 0.8, 1.4 Group10.ownCarProb = 0 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 Group11.waitTime = 10, 30 #Group11.nrofHosts = 0 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 = 0 Group12.nrofHosts = 150 Group12.movementModel = WorkingDayMovement
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
68
Group12.busControlSystemNr = 6 Group12.speed = 0.8, 1.4 Group12.ownCarProb = 0 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 = 0 Group13.nrofHosts = 2 Group13.movementModel = BusMovement Group13.routeFile = data/HelsinkiMedium/G_bus.wkt Group13.routeType = 2 Group13.busControlSystemNr = 7 Page 4 BusVsCar0.txt Group14.groupID = G Group14.waitTime = 0, 0 #Group14.nrofHosts = 0 Group14.nrofHosts = 150 Group14.movementModel = WorkingDayMovement Group14.busControlSystemNr = 7 Group14.speed = 0.8, 1.4 Group14.ownCarProb = 0 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 = 200 Group16.movementModel = WorkingDayMovement Group16.busControlSystemNr = 8 Group16.speed = 0.8, 1.4 Group16.ownCarProb = 0 Group16.shoppingControlSystemNr = 8 Group16.nrOfOffices = 40 Group16.nrOfMeetingSpots = 5 Group17.groupID = K Group17.movementModel = ShortestPathMapBasedMovement Group17.waitTime = 100, 300 Group17.speed = 7, 10 Group17.nrofHosts = 10 # max number of external events to preload (default = 500) ExternalEvents.nrofPreload = 500
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
69
# path to external events file ExternalEvents.filePath = ee/700_events_1000_nodes_700ks.txt # seed for movement models' pseudo random number generator (default = 0) #MovementModel.rngSeed = [2; 8372; 98092; 18293; 777] #MovementModel.rngSeed = [2; 8372] MovementModel.rngSeed = 2 # World's size for Movement Models without implicit size (width, height; Page 5 BusVsCar0.txt # World's size for Movement Models without implicit size (width, height; meters) MovementModel.worldSize = 10000, 8000 # How long time to move hosts in the world before real simulation MovementModel.warmup = 43000 ## Map based movement -movement model specific settings MapBasedMovement.nrofMapFiles = 1 MapBasedMovement.mapFile1 = data/HelsinkiMedium/roads.wkt ## Reports - all report names have to be valid report classes # how many reports to load Report.nrofReports = 9 # default directory of reports (can be overriden per Report with output setting) #Report.reportDir = [reports/BusVsCar0/1; reports/BusVsCar0/2; reports/ BusVsCar0/3; reports/BusVsCar0/4; reports/BusVsCar0/5] #Report.reportDir = [reports/r1; reports/r2] #Report.reportDir = reports/ Report.reportDir = [reports/HelsinkyWIthBus/DUR; reports/HelsinkyWIthBus/FRQ; reports/HelsinkyWIthBus/REC] # Report classes to load Report.report1 = InterContactTimesReport Report.report2 = ContactTimesReport Report.report3 = UniqueEncountersReport Report.report4 = TotalEncountersReport Report.report5 = EncountersVSUniqueEncountersReport Report.report6 = ContactsDuringAnICTReport Report.report7 = MessageStatsReport Report.report8 = ContactsPerHourReport Report.report9 = BufferOccupancyReport ## Default settings for some routers settings ProphetRouter.secondsInTimeUnit = 30 SprayAndWaitRouter.nrofCopies = 6 SprayAndWaitRouter.binaryMode = true ## Optimization settings -- these affect the speed of the simulation ## see World class for details. Optimization.connectionAlg = 2 Optimization.cellSizeMult = 5 Optimization.randomizeUpdateOrder = true ## GUI settings # GUI underlay image settings GUI.UnderlayImage.fileName = data/helsinki_underlay.png # Image offset in pixels (x, y) GUI.UnderlayImage.offset = 64, 20 Page 6 # Scaling factor for the image GUI.UnderlayImage.scale = 4.75
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
70
# Image rotation (radians) GUI.UnderlayImage.rotate = -0.015 BusVsCar0.txt # how many events to show in the log panel (default = 30) GUI.EventLogPanel.nrofEvents = 200 # Regular Expression log filter (see Pattern-class from the Java API for REmatching details) #GUI.EventLogPanel.REfilter=.*p[1-9]<->p[1-9]$
Skenario Haggle4-Cam-Imote
Scenario.name = Haggle_1 Scenario.simulateConnections = false #Scenario.updateInterval = 0.1 Scenario.endTime = 987529 Haggle4.txt btInterface.type = SimpleBroadcastInterface btInterface.transmitSpeed = 250k btInterface.transmitRange = 10 btInterface.scanInterval = 120 Scenario.nrofHostGroups = 1 #Duration FocusDuration1.nrofCopies = 4 FocusDuration1.binaryMode = true #freq SprayAndFocusFreqRouter.nrofCopies = 4 SprayAndFocusFreqRouter.binaryMode = true #Recent Focus.nrofCopies = 4 Focus.binaryMode = true Group.router = DecisionEngineRouter DecisionEngineRouter.decisionEngine = [FocusDuration1; SprayAndFocusFreqRouter; Focus] #DecisionEngineRouter.decisionEngine = SprayAndFocusFreqRouter Group.bufferSize = 100M Group.waitTime = 10, 30 # All nodes have the bluetooth interface Group.nrofInterfaces = 1 Group.interface1 = btInterface # Walking speeds Group.speed = 0.4, 1.8 # Message TTL of 60 minutes (1 hours) Group.msgTtl = 1440 Group.nrofHosts = 36 Group.nodeLocation = 10,10 Group1.movementModel = StationaryMovement Group1.groupID = p ## Message creation parameters # How many event generators Events.nrof = 2 Events1.class = ExternalEventsQueue Events1.filePath = Haggle4-Cam-Imote.csv Events2.class = MessageEventGenerator Page 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
71
#Events2.interval = 7200,10800 #sec #1minute=60s 1jam=3600 Events2.interval = 1800, 1850 Events2.size = 500k, 1M Events2.hosts = 0,35 Events2.prefix = M Haggle4.txt ## Movement model settings # seed for movement models' pseudo random number generator (default = 0) MovementModel.rngSeed = 1 # World's size for Movement Models without implicit size (width, height; meters) MovementModel.worldSize = 4500, 3400 # How long time to move hosts in the world before real simulation MovementModel.warmup = 1000 # how many reports to load Report.nrofReports = 2 Report.reportDir = [reports/HaggleCam/H1/DUR; reports/HaggleCam/H1/FRQ; reports/HaggleCam/H1/REC] #Report.reportDir = reports/Realx/R1/FRQ # Report classes to load Report.report1 = MessageStatsReport Report.report2 = BufferOccupancyReport Optimization.cellSizeMult = 5 Optimization.randomizeUpdateOrder = true
Skenario Reality MIT Mining
Scenario.name = reality_x5 Scenario.simulateConnections = false #Scenario.updateInterval = 0.1 # 4294800 = batas bawah dr reality #Scenario.endTime = 950400 Scenario.endTime = 4294800 btInterface.transmitSpeed = 250k btInterface.transmitRange = 10 Scenario.nrofHostGroups = 1 #Duration FocusDuration1.nrofCopies = 8 FocusDuration1.binaryMode = true #freq SprayAndFocusFreqRouter.nrofCopies = 8 Manusia3.txt SprayAndFocusFreqRouter.binaryMode = true #Recent Focus.nrofCopies = 8 Focus.binaryMode = true Group.router = DecisionEngineRouter DecisionEngineRouter.decisionEngine = [FocusDuration1; SprayAndFocusFreqRouter; Focus] #DecisionEngineRouter.decisionEngine = SprayAndFocusFreqRouter Group.bufferSize = 100M Group.waitTime = 0, 180
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
72
# All nodes have the bluetooth interface Group.nrofInterfaces = 1 Group.interface1 = btInterface # Walking speeds Group.speed = 0.4, 1.8 # Message TTL of 60 minutes (1 hours) Group.msgTtl = 10080 Group.nrofHosts = 97 Group.nodeLocation = 10,10 Group1.movementModel = StationaryMovement Group1.groupID = p ## Message creation parameters # How many event generators Events.nrof = 2 Events1.class = StandardEventsReader Events1.filePath = RealityConnectionTraceFinal.txt Events2.class = MessageEventGenerator #Events2.interval = 7200,10800 Page 1 #sec #1minute=60s 1jam=3600[`` Events2.interval = 3600, 3650 Events2.size = 500k, 1M Events2.hosts = 0,96 Events2.prefix = M Manusia3.txt ## Movement model settings # seed for movement models' pseudo random number generator (default = 0) MovementModel.rngSeed = 1 # World's size for Movement Models without implicit size (width, height; meters) MovementModel.worldSize = 4500, 3400 # How long time to move hosts in the world before real simulation MovementModel.warmup = 1000 # how many reports to load Report.nrofReports = 2 Report.reportDir = [reports/Realx/R5/DUR; reports/Realx/R5/FRQ; reports/ Realx /R5/REC] #Report.reportDir = reports/Realx/R1/FRQ # Report classes to load Report.report1 = MessageStatsReport Report.report2 = BufferOccupancyReport Optimization.cellSizeMult = 5 Optimization.randomizeUpdateOrder
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI