PENERAPAN ROUTING BERBASIS INTEREST PADA …repository.usd.ac.id/31256/2/145314094_full.pdfRouting...

PENERAPAN ROUTING BERBASIS INTEREST PADA PROTOKOL

EPIDEMIC DI JARINGAN OPORTUNISTIK DENGAN PERGERAKAN

MANUSIA

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana

Komputer Program Studi Teknik Informatika

Oleh:

Junandus Sijabat

145314094

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2018

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

i

IMPLEMENTATION OF INTEREST-BASED ROUTING IN EPIDEMIC

PROTOCOL IN OPPORTUNISTIC NETWORK WITH HUMAN

MOVEMENTS

A THESIS

Presented as Partial Fulfillment of Requirements to Obtain Sarjana

Komputer Degree in Informatics Engineering Department

By:

Junandus Sijabat

145314094

INFORMATICS ENGINEERING STUDY PROGRAM

INFORMATICS ENGINEERING DEPARTMENT

FACULTY SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2018


ii

HALAMAN PERSETUJUAN



MANUSIA

Oleh:

Junandus Sijabat

(145314094)

Telah disetujui oleh:

Dosen Pembimbing,

Bambang Soelistijanto, Ph.D. Tanggal, 26 Juni 2018


iii

HALAMAN PENGESAHAN

SKRIPSI



MANUSIA

Dipersiapkan dan ditulis oleh:

Junandus Sijabat

145314094

Telah dipertahankan di depan panitia penguji

Pada tanggal 06 Juli 2018

dan dinyatakan memenuhi syarat

Susunan Panitia Penguji

Nama Lengkap Tanda Tangan

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

Sekretaris : Puspaningtyas Sanjoyo Adi, S.T., M.T. ……………….

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

Yogyakarta, ….. Juli 2018

Fakultas Sains dan Teknologi

Universitas Sanata Dharma

Dekan,

Sudi Mungkasi, S.Si., M.Math.Sc., Ph.D.


iv

MOTTO

“Bekerjalah seperti Tuyul tidak kelihatan tetapi menghasilkan, dan

Hiduplah seperti Hari Esok akan Mati”.

“Creatio ex Nihilo”.

~Junandus Sijabat


v

PERNYATAAN LEMBAR KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa di dalam skripsi yang saya

tulis ini tidak memuat karya atau bagian karya orang lain, kecuali yang telah

disebutkan dalam kutipan daftar pustaka, sebagaimana layaknya karya ilmiah.

Yogyakarta, 21 Juni 2018

Junandus Sijabat


vi

LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK

KEPENTINGAN AKADEMIS

Yang bertanda tangan dibawah ini, saya mahasiswa Universitas Sanata Dharma:

Nama : Junandus Sijabat

NIM : 145314094

Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan

Universitas Sanata Dharma karya ilmiah yang berjudul:



MANUSIA

Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan

kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan,

mengalihkan dalam bentuk media lain, mengolahnya dalam bentuk pangkalan data,

mendistribusikannya secara terbatas, dan mempublikasikannya di Internet atau

media lain untuk kepentingan akademis tanpa meminta izin dari saya maupun

memberikan royalti kepada saya, selama tetap mencantumkan nama saya sebagai

penulis.

Demikian pernyataan ini saya buat dengan sebenarnya.


Penulis,

Junandus Sijabat


vii

ABSTRAK

Routing protokol Epidemic merupakan salah satu routing protokol di

jaringan oportunistik, yang mekanisme pengiriman pesannya seperti banjir

(flooding) yang memenuhi jaringan dengan salinan-salinan pesan. Nilai

ketertarikan (interest) merupakan sebuah nilai yang menandakan kesukaan

terhadap sesuatu hal, seperti hobi, atau artis penyanyi wanita. Pada kehidupan

nyata, setiap orang memiliki ketertarikan (interest) atas sesuatu hal. Dengan

mengadopsi nilai ketertarikan tersebut kedalam routing protokol Epidemic,

maka terdapat beberapa variasi dalam routing protokol Epidemic. Routing

protokol Epidemic WithoutInterest (buta) yaitu routing prokol yang tanpa

memperhatikan nilai ketertarikan (interest) node yang ditemui. Routing

protokol Epidemic WithInterest (kesaaman ketertarikan) yaitu routing

protokol yang mekanisme pengiriman pesannya memperhatikan nilai

ketertarikan (interest) node yang ditemui harus sama. Routing protokol

Epidemic WithInterestCommunity, yaitu routing protokol yang

memperhatikan nilai ketertarikan (interest) dan daftar tetangga pada

komunitasnya dalam mekanisme pengiraman pesannya.

Dalam penelitian ini, matrik unjuk kerja yang digunakan adalah Total

Relayed, Average Convergence Time dan Total Delivered Interest. Routing

Protokol Epidemic WithoutInterest menunjukkan unjuk kerja yang baik

dalam update informasi dan kesuksesan pengiriman pesan, namun

mempunyai beban jaringan yang tinggi. Sedangkan routing protokol

Epidemic WithInterest mempunyai beban jaringan yang rendah, namun pada

update informasi dan kesuksesan pengriman pesan rendah. Pada routing

protokol Epidemic WithInterestCommunity dengan memainkan nilai

familiarthresholdnya dapat mengimbangi unjuk kerja dari kedua variasi

routing protokol berbasis interest lainnya.


viii

ABSTRACT

An Epidemic Routing Protocol is one of the Routing Protocol in

opportunistic network that the mechanism of the sending a message like

flooding which fulfill a network with coppies of messsage. The value of

interest is a value that indicates the favorite of the things such as, hobbies,

actress and singer. In real life, everyone has his/her own interest in something.

By adopting the value of interest into Epidemic Routing Protocol, there are

some variations in Epidemic Routing Protocol. The first is Epidemic Routing

Protocol WithoutInterest, it is without regard to the interest’s value of node

which is found. The second is Epidemic Routing Protocol WithInterest, that

the mechanism of the sending a message has a regard to the interest’s value

of the same node. The third is Epidemic Routing Protocol

WithInterestCommunity, it has a regard to the interest’s value and list of its

community in sending’s mechanism.

In this research, the matrix’s performance which is used are Total

Relayed, Average Convergence Time, and Total Delivered Interest. Epidemic

Routing Protocol WithoutInterest shows the good performance in information

updating and successes the sending of message but has a high network

loading. Meanwhile, Epidemic Routing Protocol WithInterest has a low

network loading and also in information updating and successes of the

sending a message. In Epidemic Routing Protocol WithInterestCommunity,

by using its familiarthreshold’s value can balance the performance of the two

variations of Routing Protocol based on other interests.


ix

KATA PENGANTAR

Puji dan syukur penulis haturkan kepada Tuhan yang Maha Esa atas

berkat, rahmat dan karunia-Nya, penulis dapat menyelesaikan tugas akhir ini

yang berjudul “PENERAPAN ROUTING BERBASIS INTEREST PADA

PROTOKOL EPIDEMIC DI JARINGAN OPORTUNISTIK DENGAN

PERGERAKAN MANUSIA”.

Selain itu penulis juga mengucapkan terimakasih atas dukungan,

motivasi, dan doa dari berbagai pihak yang membuat selesainya tugas akhir

ini dengan baik. Pada kesempatan ini pula penulis juga secara khusus

mengucapkan terimakasih kepada:

1. Allah, Bapa, Putra dan Roh Kudus, atas rahmatnya yang senantiasa

diberikan kepada penulis.

2. Kedua Orang Tua penulis, Bapak Antonius Sijabat dan Ibu Rumani

Nainggolan yang senantiasa mendukung, memotivasi serta doa dan

dana selama menjalani perkuliahan di DI Yogyakarta.

3. Kedua Saudari penulis, Kakak Eva Yuliana Sijabat dan Adik Septiana

Sijabat yang senantiasa rewel memotivasi penulis.

4. Bapak Bambang Soelistijanto, Ph.D. yang dengan sabar membimbing

penulis dalam menyelesaikan tugas akhir ini.

5. Bapak Henricus Agung Hernawan, S.T., M.Kom. selaku Dosen

Pembimbing Akademik yang senantiasa sabar membimbing penulis

dari semester 1 sampai semester 8.

6. Keluarga “Ex-Fly Host”, group yang beranggotakan Rafelino Claudius

Kelen, Asto Nugroho, Krisna Ardian, dan Yohanes Muhartoyo yang

senantiasa mendengarkan curhat penulis.


x

7. Keluarga “Kost Semut”, keluarga satu atap selama perkuliahan 4

tahun, Imam Dwi Cahya, Leo Krisnoto, Aldo Manase Sitinjak.

8. Keluarga Jarkom 2014, yang senantiasa melewati hari demi hari di Lab

TA bersama-sama.

9. Teman-teman Program Studi Teknik Informatika angkatan 2014, yang

senantiasa memberikan semangat, motivasi satu sama lain untuk selalu

semangat dalam menyelesaikan masa studi selama 4 tahun perkuliahan

yang memberikan pengalaman yang tak akan terlupakan.

Penulis berharap penelitian ini dapat berguna dan membantu dalam

dunia akademi. Penulis juga menyadari bahwa dalam membuat tugas akhir

ini, tidak sepenuhnya sempurna oleh sebab itu penulis mengharapkan kritik

dan saran agar penelitian ini dapat berkembang dan menjadi penelitian yang

lebih baik lagi dihari mendatang.


Penulis,

Junandus Sijabat


xi

DAFTAR ISI

HALAMAN PERSETUJUAN ................................................................................ ii

HALAMAN PENGESAHAN ................................................................................ iii

MOTTO ................................................................................................................. iv

PERNYATAAN LEMBAR KEASLIAN KARYA ................................................ v

LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK

KEPENTINGAN AKADEMIS ............................................................................. vi

ABSTRAK ............................................................................................................ vii

ABSTRACT ......................................................................................................... viii

KATA PENGANTAR ........................................................................................... ix

DAFTAR ISI .......................................................................................................... xi

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

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

DAFTAR RUMUS .............................................................................................. xvi

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

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

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

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

1.4. Manfaat Penelitian .................................................................................... 3

1.5. Batasan Masalah ....................................................................................... 3

1.6. Metodelogi Penelitian ............................................................................... 4

1.7. Sistematika Penulisan ............................................................................... 5

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

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

2.2. Teori The Social-aware Content-based Routing Protocol (SCORP) ....... 8

2.2.1. Encounter Frequency Transitivity ................................................... 10

2.3. Routing Protocol Epidemic .................................................................... 11

2.4. Mekanisme pengiriman pesan berbasis nilai ketertarikan (Interest) ...... 12


xii

2.5. The One Simulator (Opportunistic Network Environment) ................... 15

BAB III METODE PENELITIAN........................................................................ 16

3.1. Data Parameter Simulasi ........................................................................ 16

3.2. Alat Penelitian ........................................................................................ 17

3.3. Skenario Simulasi ................................................................................... 17

3.3.1. Haggle 3 - Infocom 05 .................................................................... 18

3.3.2. MIT Reality Mining ........................................................................ 18

3.4. Pembuatan Alat Uji ................................................................................ 18

3.5. Parameter Unjuk Kerja ........................................................................... 19

3.6. Desain Alat Uji ....................................................................................... 20

BAB IV PENGUJIAN DAN ANALISIS ............................................................. 21

4.1. Created Message Interest ........................................................................ 23

4.2. Perbandingan Average Convergence Time ............................................ 25

4.2.1. Perbandingan Average Convergence Time pada protokol Epidemic

WithInterestCommunity pada dataset Haggle03 – infocom 5 ...................... 26

4.2.2. Perbandingan Average Convergence Time pada protokol Epidemic

WithInterestCommunity pada dataset Reality MIT ...................................... 28

4.3. Perbandingan Total Relayed................................................................... 28

4.3.1. Perbandingan Total Relayed pada protokol Epidemic




4.4. Perbandingan Total Delivered Interest ................................................... 32

4.4.1. Perbandingan Total Delivered Interest pada protokol Epidemic




BAB V KESIMPULAN DAN SARAN ................................................................ 37


xiii

5.1. Kesimpulan ............................................................................................. 37

5.2. Saran ....................................................................................................... 37

DAFTAR PUSTAKA ........................................................................................... 38

LAMPIRAN .......................................................................................................... 39


xiv

DAFTAR TABEL

Tabel 3.1.1 Parameter Utama Simulasi ................................................................ 17

Tabel 3.3.1 Skenario pada simluasi. ..................................................................... 17

Tabel 3.3.2 Skenario pada Simulasi ...................................................................... 18

Tabel 3.6.1 Tabel Hasil Simulasi dataset Haggle03-Infocom 5............................ 21

Tabel 3.6.2 Tabel Hasil Simulasi Reality MIT ..................................................... 22

Tabel 3.6.3 Hasil Perbandingan Familiar Threshold pada dataset Haggle03-

Infocom 5 .............................................................................................................. 22

Tabel 3.6.4 Hasil Perbandingan Familiar Threshold pada dataset Reality MIT ... 23


xv

DAFTAR GAMBAR

Gambar 2.1.1 Store-Carry-Forward ........................................................................ 7

Gambar 2.2.1 Forwarding pada protokol SCORP .................................................. 9

Gambar 2.2.2 Transitivity ketiga buah node (A,B,C) ........................................... 11

Gambar 2.3.1 Penyebaran pesan dalam routing protokol Epidemic. .................... 12

Gambar 2.4.1 Pertukaran pesan berdasarkan kesamaan Interest. ......................... 13

Gambar 2.4.2 Proses pertukaran pesan berbeda Interest....................................... 14

Gambar 4.1.1 Created Message Interest pada dataset Haggle03-Infocom 5 ........ 23

Gambar 4.1.2 Pembagian Nilai Interest pada dataset Haggle03-Infocom 5 ......... 23

Gambar 4.1.3 Created Message Interest pada dataset Reality MIT ...................... 24

Gambar 4.1.4 Pembagian Nilai Interest pada dataset Reality MIT ....................... 24


xvi

DAFTAR RUMUS

Rumus 3.5.1 Average Convergence Time ............................................................ 19


1

BAB I

PENDAHULUAN

1.1. Latar Belakang

Dalam perkembangan jaringan komputer, jaringan komputer

menggunakan dua buah media transmisi dalam menghantarkan data yaitu

dengan jaringan kabel (wired) dan juga jaringan nirkabel (wireless). Jaringan

kabel merupakan jaringan fixed yang menghubungkan antar komputer (node)

dengan menggunakan media kabel, namun jaringan kabel tidak mendukung

mobilitas dalam kebutuhan penggunaannya sedangkan jaringan wireless

merupakan jaringan nirkabel yang menggunakan udara sebagai media

transmisinya, mendukung mobilitas dalam proses menghantarkan data.

Jaringan nirkabel menyesuaikan dengan perkembangan penggunaan

perangkat yang mendukung mobilitas para penggunanya, sehingga jaringan

nirkabel merupakan jaringan yang tepat dalam komunikasi yang bergerak.

Salah satu aplikasi dalam jaringan nirkabel adalah Mobile Ad-hoc

Network (MANET). Mobile Ad-hoc Network merupakan salah satu bagian

jaringan yang dikembangkan dari tahun 1970 hingga saat ini, untuk

memenuhi kebutuhan manusia yang sifatnya bergerak (mobile). Mobile Ad-

hoc Network sendiri merupakan jaringan yang berdiri sendiri tidak terhubung

dengan infrastruktur fixed seperti pada jaringan kabel. Dalam penerapannya

setiap node pada MANET berperan sebagai pengirim pesan, router dan juga

sebagai penerima pesan (bertindak sebagai relay), serta mempunyai jalur

routing untuk mencapai node tujuannya. MANET dapat bekerja dengan baik

jika antar node dapat terhubung melalui sebuah topologi dan bertukar pesan

serta meneruskan pesan hingga pesan dapat diterima oleh node tujuan tanpa

adanya gangguan yang menyebabkan pesan tidak sampai. Sifat dari node

yang bergerak setiap saat menyebabkan topologi menjadi sering berubah.

Node yang awalnya terhubung dapat terputus sewaktu-waktu, serta node yang

belum terhubung, sewaktu—waktu dapat terhubung disebabkan oleh


2

pergerakan setiap node yang dapat keluar dan masuk ke dalam topologi

jaringan. Untuk itu proses pengiriman pesan dari pengirim menuju penerima

menjadi terlambat sehingga munculah Delay Tolerant Network

(DTN/OppNet) dalam pemecahan masalahnya.

Delay Tolerant Network memiliki keunggulan dalam mentolerir jeda

waktu pesan yang dikirim dari pengirim hingga pesan sampai ke penerima.

Karakteristik pada DTN yang digunakan yaitu store, carry, and forward ,

dimana setiap node dapat berperan untuk membuat, mengirim pesan serta

membawa pesan yang disimpan didalam buffer dan juga meneruskan pesan

ke node yang ditemui hingga pesan sampai ke penerima. Tantangan dalam

Delay Tolerant Network sendiri yaitu bagaimana pemilihan jalur yang

optimal, guna memperkecil waktu (latency) dalam pengiriman pesan serta

penyimpanan dalam menampung setiap pesan yang diterima ketika node

saling terhubung dalam unjuk kerjanya.

Salah satu protokol yang ada di jaringan oportunistik yaitu routing

protokol Epidemic. Dalam routing Epidemic konsep pengiriman pesan

disebar seperti banjir (flooding), sehingga semua node dapat menerima pesan

ketika terjadi kontak dengan node lainnya. Dalam routing protokol Epidemic

pesan yang dibuat oleh pengirim di duplikat (copy) terus-menerus ke node

yang di temui hingga pesan sampai ke penerima. Karena sifatnya yang

membanjiri jaringan, routing protokol Epidemic mempunyai kekurangan

yaitu, meskipun pesan dikirim telah sampai ke tujuan, duplikat pesannya

masih terus diteruskan oleh node-node yang lainnya. Sehingga pesan yang

diteruskan tersebut membebani jaringan.

Pada penelitian ini akan dibahas tentang bagaimana bila suatu node

mempunyai suatu kecenderungan, ketertarikan (interest) terhadap sebuah

pesan dengan mengadopsi ketertarikan pada social-aware berbasis konten

yang akan diterapkan pada routing protokol Epidemic. Serta nilai ketertarikan

yang akan diterapkan kedalam protokol Epidemic dibuat menjadi acak

(random). Setiap node akan mempunyai satu nilai ketertarikan (interest) dan


3

akan membuat pesan yang sama dengan nilai ketertarikannya (interest).

Sehingga pengiriman pesan dalam protokol Epidemic memperhatikan nilai

ketertarikan (interest) dalam pertukaran pesan yang akan dibawa sampai ke

penerima dengan nilai ketertarikan yang sama dengan pesan yang diterima.

1.2. Rumusan Masalah

Berdasarkan latar belakang yang telah dipaparkan, rumusan masalah

yang didapat adalah bagaimana sebuah node dapat memiliki suatu nilai

ketertarikan (interest) dan dapat membuat pesan berdasarkan nilai

ketertarikannya. Serta node yang memiliki ketertarikan yang berbeda dapat

meneruskan pesan yang tidak disukainya tersebut agar sampai ke penerima

dalam routing protokol Epidemic di jaringan oportunistik dengan

menggunakan pergerakan manusia.

1.3. Tujuan Penelitian

Tujuan dari penelitian ini adalah mengetehui trade-off dari

pengiriman pesan yang menggunakan nilai ketertarikan (interest) dalam

penyebaran pesan pada routing protokol Epidemic.

1.4. Manfaat Penelitian

Hasil dari penelitian ini diharapkan dapat menjadi sebuah

pertimbangan dalam mengembangkan routing protokol yaang akan

digunakan dalam berkomunikasi di jaringan oportunistik.

1.5. Batasan Masalah

Batasan masalah dalam penelitian ini adalah sebagai berikut:

a. Menggunakan The One Simulator dalam pengujian.

b. Menggunakan routing protokol Epidemic.

c. Teknik pengiriman pesan menggunakan nilai ketertarikan (interest) dalam

pengiriman pesan.


4

d. Parameter yang digunakan dalam hasil simulasi adalah Total Relayed,

Average Convergence Time, dan Total Delivered Interest.

1.6. Metodelogi Penelitian

Metode yang dilakukan dalam penelitian ini meliputi:

1. Studi Pustaka

Membaca referensi buku atau jurnal yang berkaitan dengan teori yang

digunakan dalam penelitian ini meliputi:

a. Teori Jaringan Oportunistik.

b. Teori Protokol The Social-aware Content-based Opportunistic

Routing Protocol (SCORP).

c. Teori routing protokol Epidemic.

2. Pembuatan Alat Uji

Perancangan sistem dilakukan mulai dari mengidentifikasi apa yang

dilakukan oleh protokol dalam menghasilkan data simulasi yang dapat di

analisa. Beberapa alat uji yang digunakan dalam simulasi dapat

menggunakan data yang sudah tersedia di internet memalui link berikut,

http://www.shigs.co.uk/index.php?page=traces

3. Pengujian

Dalam tahap ini, akan dibuat implementasi dari protokol routing yang

digunakan dalam penelitian. Implementasi dari protokol routing tersebut

meliputi routing protokol Epidemic dengan variasi, routing protokol

Epidemic WithoutInterest, tanpa mempertimbangkan nilai ketertarikan

(interest) node yang ditemui, routing protokol Epidemic WithInterest,

berbasis interest (ketertarikan) kesamaan ketertarikan (interest) dengan node

yang ditemui, dan routing protokol Epidemic WithInterestCommunity,

berbasis Interest dengan adanya komunitas.


http://www.shigs.co.uk/index.php?page=traces

5

4. Analisa Hasil Pengujian

Pada tahap ini, hasil yang didapat dari pengujian akan dianalisis

untuk mengetahui trade-off dari routing protokol yang digunakan.

5. Penarikan Kesimpulan

Dalam tahap ini, hasil dari data yang telah dianalisis akan ditarik

kesimpulannya berdasarkan parameter yang telah ditentukan.

1.7. Sistematika Penulisan

BAB I PENDAHULUAN

Bab ini berisi tentang latar belakang masalah, rumusan

masalah, tujuan penelitian, manfaat penelitian, batasan

masalah, metodologi penelitian, dan sistematika penulisan.

BAB II LANDASAN TEORI

Bab ini berisi penjelasan tentang teori yang digunakan dalam

penelitian yaitu teori jaringan oportunistik, teori The Social-

aware Content-Based Routing Protocol (SCORP), teori routing

protokol Epidemic, mekanisme pengiriman pesan berbasis nilai

ketertarikan (interest).

BAB III PERANCANGAN SIMULASI

Bab ini berisi tentang data penelitian, alat penelitan yang

digunakan dan tahap-tahap penelitian.

BAB IV PENGUJIAN DAN ANALISIS

Bab ini berisi tentang tahap pengujian, yaitu tahap simulasi dan

analisi hasil data simulasi.

BAB V KESIMPULAN DAN SARAN

Bab ini berisi tentang kesimpulan yang didapat melalui hasil

data dari simulasi serta saran penulis untuk penelitian

selanjutnya.


6

BAB II

LANDASAN TEORI

2.1. Jaringan Oportunistik

Jaringan salah satu kunci dari routing di MANET yang

mengasumsikan bahwa jalur ujung ke ujung itu ada [1]. Dengan asumsi

tersebut, MANET gagal dalam skenario jaringan yang sering terputus.

Kegagalan jaringan MANET tersebut menimbulkan jaringan baru yang

dikenal dengan Delay Tolerant Network (Jaringan Oportunistik). Pada

jaringan oportunistik sangat cocok diterapkan dalam suatu area yang

memiliki karateristik yang memiliki jeda penundaan waktu (delay) yang

tinggi, serta kondisi topologi yang sering berubah-ubah disebabkan oleh node

yang bergerak bebas dan tanpa infrastruktur yang fixed.

Keadaan node yang beregerak bebas tersebut menyebabkan koneksi

yang tercipta menjadi sering terputus yang dikenal dengan sebutan

intermittent connectivity yang menyebabkan terhambatnya pengiriman pesan

ke penerima (destination).

Karena asumsi tersebut, maka jaringan oportunistik dapat diterapkan

pada jaringan sebagai berikut [2]:

1. Jaringan Luar Angkasa (Interplanetary Network), konsep jaringan

yang memungkinkan adanya akses internet di luar angkasa.

2. Jaringan Militer (Military Ad-hoc Network), pasukan militer yang

seringkali ditempatkan didaerah yang tak berpenghuni, atau daerah-

daerah terpencil yang tidak memiliki akses komunikasi jaringan

yang memadai. Misalkan di daerah perbatasan antara Indonesia dan

Papua Nugini, atau pulau-pulau terluar di Indonesia. Konsep DTN

dapat diterapkan dengan kondisi-kondisi seperti itu.


7

3. Jaringan Sensor/Aktuator, contohnya pada penerapan Wireless

Sensor Network (WSN).

Paradigma pertukaran pesan yang digunakan pada jaringan

oportunistik merupakan metode simpan (store), bawa (carry) dan kirim

(forward). Paradigma tersebut dikenal dengan singkatan SCF. Paradigma

tersebut dapat dilihat pada gambar 2.1.1. berikut.

Gambar 2.1.1 Store-Carry-Forward

Dengan menggunakan paradigma pertukaran pesan store-carry-

forward seperti pada gambar 2.1.1. tersebut, setiap node diasumsikan

bertindak sebagai host dan juga router. Setiap node mempunyai sebuah

memori (buffer) yang digunakan untuk menyimpan pesannya sendiri dan juga

pesan yang dititipkan oleh node yang ditemuinya. Setiap node dapat bergerak

bebas oleh sebab itu, setiap node dapat membawa (carry) pesan yang telah

disimpan di memorinya. Ketika node bertemu dan terjadi koneksi antara node

pengirim dengan node yang bukan penerima pesan tersebut, node pengirim

akan menitipkan (forward) pesan tersebut untuk dibawa oleh node yang

ditemuinya, sehingga node yang ditemuinya tersebut menjadi relay bagi

pesan yang dititipkan oleh node pengirim untuk diteruskan kepada node

penerima (destination).

Sehingga karakteristik jaringan oportuinistik itu sendiri adalah

sebagai berikut [3]:

1. Tidak adanya jalur ujung keujung (end-to-end path), pergerakan node

yang bebas menyebabkan topologi yang sering berubah-ubah.


8

2. Intermittent Connectivity, pergerakan node yang bebas menyebabkan

koneksi menjadi sering terputus.

3. Waktu tunda yang tinggi, karena tidak tersedianya jalur ujung ke

ujung, menyebabkan jeda waktu (delay) yang tinggi

4. Low data rate, komunikasi pada jaringan nirkabel menyebabkan data

rate yang terbatas.

5. High error rate, komunikasi data menggunakan jaringan nirkabel

menyebabkan sering terjadinya error saat komunikasi data sedang

berlangsung.Sumber daya yang terbatas, karena node bersifat mobile

maka sumber daya yang ada sangat terbatas. Sumber daya tersebut

antara lain baterai, ruang penyimpanan (storage), CPU dan memory

karena menggunakan perangkat mobile.

6. Long or Variable Delay, setiap perangkat memiliki buffer sendiri

untuk penyimpanan pesan, hal ini dapat menyebabkan pemutusan

panjang antrian delay. Waktu delay yang panjang ini, merupakan

efek dari intermitten connectivity dan dapat menyebabkan jeda waktu

(delay) yang panjang antara node pengirim (source) dan node

penerima (destination).

2.2. Teori The Social-aware Content-based Routing Protocol (SCORP)

Routing protokol The Social-aware Content-based Routing Protocol

yang disingkat SCORP merupakan sebuah routing protokol yang berbasis

Content Social-Aware yang pengiriman pesannya menggunakan fungsi

utilitas Time-Evolving Contact to Interest (TECI) untuk menetukan kekuatan

kepentingan dari pesan berdasarkan ketertarikan sebuah pesan. Routing

protokol SCORP diperkenalkan oleh Walder Moreira et al. (2013), SCORP

dirancang sebagai protokol routing berbasis content interest dengan

memanfaatkan kedekatan sosial dan juga pengetahuan ketertarikan (interest)


9

untuk menambah efisiensi pengiriman pesan pada area simulasi perkotaan

dan juga area padat [4].

Pada protokol ini ada sebuah aspek yang melekat pada setiap node

yang disebut sebagai interest. Interest adalah sebuah parameter bawaan pada

setiap node yang menentukan minat akses dari node tersebut. Sebagai contoh,

terdapat node dengan interest A, dengan demikian node tersebut hanya

menghasilkan atau menerima konten ber-interest A juga. Tetapi node dengan

interest A dapat berfungsi sebagai relay untuk node dengan interest berbeda

tergantung dari hasil kalkulasi transitivity (kedekatan) kedua node yang

saling kontak.

Nilai kedekatan (transitivity) pada protocol ini menggunakan model

encounterfrequency transitivity, yaitu intensitas sebuah node bertemu dengan

node lainnya. Kedua node yang saling kontak akan mengukur frekuensi

pertemuannya dan node dengan frekuensi pertemuan yang sudah mencapai

threshold akan dianggap memiliki nilai kedekatan (transitivity) yang kuat dan

dianggap baik untuk menjadi relay node.

Gambar 2.2.1 Forwarding pada protokol SCORP

Gambar 2.2.1. menunjukkan proses penyeberan pada protokol Social-

aware Content-Based. Node dengan insterst A akan mengirimkan pesan atau

menyebarkan pesan ke node dengan interest yang sama. Pada gambar 2.2.1.

Node dengan interest A juga akan mengirimkan pesan ke node dengan

interest yang berbeda dengan catatan node yang akan di berikan pesan

memiliki kedekatan (transitivity) yang kuat dengan destination.

A

A

A

A

A

A

B


10

2.2.1. Encounter Frequency Transitivity

Setiap pertemuan antar node akan dicatat dan diukur intensitas

pertemuannya. Dalam routing protokol Social-aware Content-based,

pertemuan dua buah node yang memiliki intensitas pertemuan (encounters)

yang tinggi akan dianggap memiliki nilai kedekatan (transitivity) yang baik

pula. Jika kedua node sangat jarang bertemu, maka kedua node tersebut bukan

node yang baik untuk saling meneruskan (relay) pesan, sebab nilai

kedekatannya (transitivity) yang rendah menyebabkan kurang percayanya

node untuk saling melakukan pertukaran pesan. Nilai kedekatan (transitivity)

merupakan hal yang terpenting bagi sebuah node untuk menentukan apakah

pesan dapat diteruskan oleh node yang dijumpainya. Nilai kedekatannya

(transitivity) mempengaruhi keputusannya, jika node A sering bertemu

dengan node B, dan node B sering bertemu dengan node C, maka node B

merupakan node yang terbaik untuk menjadi relay bagi node A, ketika node

A ingin berkomunikasi dengan node C.

Ketika dua buah node saling bertemu, ada dua hal yang dipertukarkan.

Hal yang pertama yaitu summary vector, yaitu pertukaran catatan pesan yang

unik (belum pernah diterima). Kedua adalah delivery predictibility vector,

yaitu vector yang digunakan untuk mengidentifikasi manakah dari kedua

node yang cocok untuk meneruskan pesan agar sampai ke tujuan

(destination). Encounters Frequency Transitivity dapat diukur dengan rumus

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

sebuah bilangan nilai awal.


11

Gambar 2.2.2 Transitivity ketiga buah node (A,B,C)

2.3. Routing Protocol Epidemic

Protokol routing pada MANET yang gagal bekerja dengan baik, pada

jaringan oportunistik membuat munculnya routing protokol Epidemic.

Diterbitkan oleh Vahdat dan Becker et al. (2000), Epidemic dirancang sebagai

protokol routing berbasis flooding forward [5] yang artinya protokol ini

membanjiri jaringan dengan salinan-salinan pesan. Tujuan utama protokol ini

adalah untuk memaksimalkan tingkat pengiriman pesan dan meminimalkan

jeda waktu (delay) sampai ke tujuan (destination). Routing protokol Epidemic

terinspirasi dari wabah penyakit pada manusia. Penyakit tersebut di ibaratkan

sebuah pesan dan manusia di ibaratkan adalah sebuah node.

Mekanisme pada protokol Epidemic yang membanjiri jaringan dengan

pesan sama seperti infeksi penyakit pada manusia. Node yang berada pada

jangkauan pengirim akan menitipkan pesan tersebut untuk di teruskan ke

node tujuan. Pesan yang telah di terima oleh node relay tersebut akan

diteruskan lagi ke node tetangganya yang dalam jangkauanya hingga pesan

itu sampai ke node penerima (destination). Berikut gambaran dari mekanisme

flooding pada routing protokol Epidemic.


12

Gambar 2.3.1 Penyebaran pesan dalam routing protokol Epidemic.

Pada gambar 2.3.1. dapat dilihat proses penyebaran pesan yang

dilakukan oleh routing protokol Epidemic. Pada gambar tersebut node A

melakukan broadcast yang tujuannya untuk mengetahui node-node mana

yang berada pada jangkauannya. Ketika node berada pada jangkauannya node

A akan mengirimkan salinan pesan untuk di teruskan oleh node yang

ditemuinya. Hal ini akan diteruskan oleh node yang menjadi relay sampai

pesan sampai ke node tujuan.

2.4. Mekanisme pengiriman pesan berbasis nilai ketertarikan (Interest)

Pada routing protokol Epidemic, mekanisme pengiriman pesannya

adalah dengan cara membanjiri jaringan dengan salinan pesan seperti yang

sudah dijelaskan pada routing protokol Epidemic diatas. Untuk routing

protokol SCORP mekanisme yang digunakan dalam pengiriman pesan adalah

nilai kedekatan (transitivity) dan juga nilai ketertarikan (interest) itu sendiri

seperti yang sudah dijelaskan pada teori The Social-aware Content-based

Routing Protocol diatas.

Dengan mangadopsi ide dari routing protokol SCORP dengan

menerapkan nilai ketertarikan (interest) yang di modifikasi untuk diterapkan

pada routing protokol Epidemic, setiap node dapat memiliki nilai ketertarikan

(interest) secara acak (random) seperti halnya manusia lahir dengan bakat

tertentu yang melekat pada setiap node. Sehingga melahirkan mekanisme

baru pengiriman pesan berdasarkan kesamaan nilai ketertarikan (interest)


13

saja. Node di ibaratkan seperti manusia yang mempunyai kesukaan tentang

sesuatu hal, sehingga manusia yang mempunyai ketertarikan yang sama

tersebut cenderung untuk selalu berbagi pesan satu sama lain yang

mempunyai nilai ketertarikan (interest) yang sama. Berikut gambaran dari

pertukaran pesan berbasis nilai ketertarikan (interest).

Gambar 2.4.1 Pertukaran pesan berdasarkan kesamaan Interest.

Dengan melihat gambar 2.4.1. tersebut node yang dengan ketertarikan

(interest) yang sama akan selalu bertukar pesan, layaknya seperti sekelompok

manusia yang mempunyai minat yang sama, seperti hobi, atau idola artis.

Contoh pada gambar diatas adalah node yang memiliki kesamaan

mengidolakan seorang artis dangdut Nella bertemu dengan node yang

memiliki minat tentang Nella, kemudian kedua node tersebut saling tukar-

menukar pesan yang mereka bawa pada memori (buffer) masing-masing.

Seperti halnya dengan node Via, yang tukar-menukar pesan dengan node

yang memiliki kesamaan tentang Via. Namun ketika node Nella bertemu

dengan node Via seperti gambar 2.4.1. diatas, maka hal pertama yang

dilakukan oleh setiap node adalah membandingkan ketertarikannya, sebab

Node Nella dan Node Via memiliki perbedaan ketertarikan, maka tidak terjadi

pertukaran pesan antar ke dua node tersebut.


14

Berdasarkan contoh tersebut, setiap node dengan nilai ketertarikan

seperti Nella, cenderung membuat pesan tentang Nella juga. Agar setiap node

mau untuk dititipkan pesan yang berbeda nilai ketertarikan (interest) maka

setiap node harus mencatat node-node yang pernah ditemuinya serta nilai

ketertarikannya (interest).

Gambar 2.4.2 Proses pertukaran pesan berbeda Interest.

Dengan menggunakan k-clique community detection, tiap node

mencatat setiap node yang pernah di temuinya, pada k-clique community

detection terdapat nilai familiarthreshold yang digunakan untuk mengukur

batas sebuah node dimasukkan kedalam daftar tetangganya. Selain mencatat

node tetangganya, node yang pernah ditemui oleh node tersebut juga

mencatat nilai ketertarikan (interest) tetangganya dan dimasukkan kedalam

daftar interest-nya. Pada gambar 2.4.2. diatas dapat dilihat ketika node A1

dengan interest Nella bertemu dengan node A13 yang memiliki interest Via.

Agar dapat meneruskan pesan dari node A1, node A13 mengecek daftar

tetangga dan juga daftar interest pada dirinya, pada list tetanggnya terdapat

node A19 yang memiliki interest Nella sebab, node A13 pernah bertemu

dengan node A19. Sehingga node A13 mau dititipi pesan dari node A1 untuk

sewaktu-waktu diteruskan kembali kepada node A19 atau node yang


15

memiliki interest Nella. Hal ini dilakukan juga oleh node A1 untuk

meneruskan pesan interest Via yang dititipi oleh node A13.

2.5.The One Simulator (Opportunistic Network Environment)

Jaringan opportunistic environment atau yang sering di singkat ONE

simulator adalah simulator yang biasa digunakan untuk simulasi routing pada

delay tolerant network (DTN). The One Simulator dibangun dengan

menggunakan bahasa pemrograman java. Pada simulator ini, terdapat

permodelan pergerakan, routing, visualisasi, dan report sebagai hasil dari

simulasi.

Simulator ini juga mampu melakukan import terhadapat eksternal

mobility meskipun didalamnya sudah tersedia model pergerakan, seperti

ketika akan menggunakan pergerakan real human trace.


16

BAB III

METODE PENELITIAN

3.1. Data Parameter Simulasi

Data dalam simulasi ini menggunakan parameter yang bersifat tetap

dan digunakan pada simulasi yang sama dengan skenario yang berbeda.

Parameter yang digunakan dalam simulasi ini antara lain:

Parameter Nilai

Routing Protokol EpidemicWithoutInterest, EpidemicWithInterest,

& EpidemicWithInterestCommunity

Movement Model Haggle 3 – Infocom05 & Reality Mining MIT

Kecepatan

Transmisi

250 Kbps

Jarak Transmisi 10 meter

Interval Pembuatan

Pesan

290 detik sampai 310 detik & 560 detik sampai

620 detik

familiarThreshold 30 Menit, 90 Menit, 180 Menit (Haggle3-

Infocom5)

1,5 Hari, 4,5 Hari, 7,7 hari (Reality Mining MIT)

Nilai K 3

Besar Pesan 10 KB

Besar Buffer 30 MB

Pergerakan Node 0,8 meter 1,4 meter per detik


17

4 Interest Nella, Via, Luna, Maya

Tabel 3.1.1 Parameter Utama Simulasi

3.2. Alat Penelitian

Alat yang digunakan dalam penelitian ini adalah sebagai berikut:

a. Perangkat Keras (Hardware)

PC dengan spesifikasi processor I7 dengan RAM 8GB dan Laptop Acer

4750 processor I5 dengan RAM 4GB.

b. Perangkat Lunak (Software)

NetBeans IDE 8.2 merupakan IDE Java yang digunakan untuk

menjalankan program One Simulator.

c. The One Simulator, penjelasan pada One Simulator terdapat pada

landasan teori, BAB II.

3.3. Skenario Simulasi

Pada simulasi ini, skenario yang digunakan adalah pergerakan real

human trace atau pergerakan manusia sebagai berikut:

Movement Routing Protokol Jumlah

Node

TTL

pesan

(menit)

Waktu

Simulasi

(seconds)

Haggle 3 –

Infocom05

EpidemicWithoutInterest,

EpidemicWithInterest

41 720 274883

Reality Mining

MIT

97 20160 16981816

Tabel 3.3.1 Skenario pada simluasi.


18

Movement Routing Protocol Jumlah

Node

FamiliarThreshold

(second)

TTL

Pesan

(menit)

Waktu

Simulasi

(second)

Haggle 3 – Infocom05

EpidemicWithInterestCommunity

41 1800 5400 10800 720 274883

Reality Mining MIT

97 216000 389000 518400 20160 16981816

Tabel 3.3.2 Skenario pada Simulasi

3.3.1. Haggle 3 - Infocom 05

Dataset ini berisi data pertemuan antar partisipan pada

konferensi IEEE Infocom di Miami. Setiap partisipan diberi device

(iMotes) yang digunakan untuk mencatat data pertemuan antar

partisipan. Dari 50 partisipan yang dipilih, device yang menghasilkan

data yang valid dan dapat digunakan untuk melakukan penelitian

sebanyak 41 device. Durasi simulasi pada dataset ini adalah 254150

detik, sekitar 2.94 hari.

3.3.2. MIT Reality Mining

Dataset ini berisi data pertemuan antar pelajar dari 2 fakultas di

Universitas MIT. Jumlah partisipan yang digunakan dalam simulasi

ini sebanyak 75 pelajar Fakultas Media Laboratory dan 25 pelajar dari

Fakultas Business. Durasi simulasi pada dataset ini adalah sekitar 1

semester akademik. Dari 100 partisipan yang dipilih, device yang

menghasilkan data yang valid dan dapat digunakan untuk melakukan

penelitian sebanyak 97 device.

3.4. Pembuatan Alat Uji

1. Studi Literatur

Studi pustaka dilakukan dengan membaca jurnal yang berkaitan

dengan Jaringan Oportunistik (DTN), routing protokol Epidemic dan


19

juga routing protokol The Social-aware Content-based Routing

Protocol (SCORP) dan One Simulator.

2. Pengumpulan bahan penelitian

Analisis kelas java, java collection dan struktur data yang

dibutuhkan untuk mengimplementasikan nilai ketertarikan (interest)

pada Routing Epidemic menggunakan The One Simulator.

3. Implementasi

Implementasi dari kelas java, java collection dan struktur data yang

sudah di analisis menggunakan bahasa java pada NetBeans IDE 8.2 .

3.5. Parameter Unjuk Kerja

Dalam penelitian ini, untuk mengevaluasi unjuk kerja routing

protokol Epidemic dengan nilai ketertarikan (interest) dengan menggunakan

matrik ujuk kerja sebagai berikut:

a. Average Convergence Time

Average Convergence Time adalah rata-rata waktu yang dibutuhkan

oleh node yang pertama untuk menerima penyebaran update informasi

interest pesan.

Rumus 3.5.1 Average Convergence Time

Average Convergence Time = ∑ (

∑ (𝑇𝑛𝑖−𝑇𝐶𝑟𝑒𝑎𝑡𝑖𝑜𝑛𝑢

)𝑦𝑖=1

𝑦)𝑥

𝑢=1

𝑥

𝛵𝑛𝑖 = waktu node i mendapatkan update informasi interest.

𝑇𝐶𝑟𝑒𝑎𝑡𝑖𝑜𝑛𝑢 = waktu update ke u dibuat.

b. Total Relayed adalah total dari message yang dititipkan kepada node

yang ditemui.


20

c. Total Delivered Interest adalah total semua pesan yang sampai ke tujuan

berdasarkan nilai interest-nya.

3.6. Desain Alat Uji

Pengujian dilakukan dengan menggunakan data parameter simulasi

serta dengan menggunakan model pergerakan manusia yang sudah di

jabarkan. Kemudian hasil dari data yang di dapatkan berdasarkan report dan

matriks unjuk kerja yang digunakan.


21

BAB IV

PENGUJIAN DAN ANALISIS

Dalam mengevaluasi terhadap unjuk kerja routing protokol

EpidemicWithoutInterest, yaitu routing protokol yang proses pengiriman

pesannya tanpa memperhatikan nilai ketertarikan (interest), serta

EpidemicWithInterest, yaitu routing protokol yang proses pengiriman

pesannya hanya berdasarkan kesamaan nilai ketertarikan (interest) dan

EpidemicWithInterestCommunity, yaitu routing protokol yang proses

pengiriman pesannya memperhatikan nilai kesaaman ketertarikan (interest)

dan juga daftar tetangga pada komunitasnya, maka dilakukan simulasi dengan

rancangan skenario yang sudah dijabarkan pada Bab III. Hasil yang diperoleh

dari report simulasi kemudian digunakan menjadi bahan analisis.

Setelah melakukan beberapa kali percobaan pengambilan data melalui

simulasi dengan menggunakan dua buah dataset yang berbeda, yaitu

Haggle03-Infocom5 dan Reality MIT, maka hasil yang diperoleh adalah

sebagai berikut:

Haggle03 – Infocom 5

Metrik

Epidemic

WithoutInterest

WithInterest

WithInterestCommunity

FamiliarThreshold

(seconds)

5400

Average

Convergence

Time

15533

16512.343

16041.988

Total Relayed 19283 0 14302

Total Delivered

Interest

5827

4933

5402

Tabel 3.6.1 Tabel Hasil Simulasi dataset Haggle03-Infocom 5


22

Reality MIT

Metrik

Epidemic

WithoutInterest

WithInterest

WithInterestCommunity

FamiliarThreshold

(seconds)

389000

Average

Convergence

Time

381958.3

531438.8

495736.3

Total Relayed 1074153

0

507377

Total Delivered

Interest

342202

237063 276672

Tabel 3.6.2 Tabel Hasil Simulasi Reality MIT

Data diatas merupakan hasil dari beberapa kali percobaan yang

dilakukan pada tiap-tiap routing protocol. Data set haggle03 – infocom 5

dengan jumlah 41 node dengan lama simulasi 3 hari. Untuk data yang

dihasilkan pada Reality MIT menggunakan 97 node dengan lama simulasi 1

semester atau 9 bulan.

Berikut ini adalah hasil dari percobaan yang dilakukan pada protokol

EpidemicWithInterestCommunity dengan memainkan nilai

familiarThreshold:

Haggle03 – Infocom 5

Metrik


FamiliarThreshold

(Seconds)

1800 5400 10800

Average Convergence

Time 15560.791

16041.988

16256.29

Total Relayed 17355 14302 7986 Total Delivered

Interest 5670 5402 5132

Tabel 3.6.3 Hasil Perbandingan Familiar Threshold pada dataset Haggle03-Infocom 5

Reality MIT

Metrik


FamiliarThreshold

(Seconds)

129600 389000 665280


23

Average Convergence

Time with Interest

444979.5

495736.3 523836.7

Total Relayed 850279 507377 225260

Total Delivered

Interest

304824 276672 257426

Tabel 3.6.4 Hasil Perbandingan Familiar Threshold pada dataset Reality MIT

4.1. Created Message Interest

Setiap node mempunyai nilai ketertarikan (interest) yang didapat

secara acak (random) dengan maksimal satu nilai ketertarikan (interest).

Node-node ini seperti halnya seseorang yang mempunyai hobi atau

kesenangan tentang sesuatu hal. Pada perancangan simulasi pada Bab III nilai

ketertarikan (interest) yang digunakan adalah Nella, Luna, Via dan Maya.

Nilai ketertarikan ini merupakan ketertarikan yang diadopsi berdasarkan

ketertarikan (interest) seseorang terhadap artis-artis wanita yang sedang

populer. Sehingga ketika seseorang tertarik dengan hal tersebut akan selalu

membuat pesan atau kabar berita yang berkaitan dengan ketertarikannya

(interest). Contohnya adalah sebagai berikut:

Gambar 4.1.1 Created Message Interest pada dataset Haggle03-Infocom 5

Gambar 4.1.2 Pembagian Nilai Interest pada dataset Haggle03-Infocom 5


24

Pada gambar 4.1.2 merupakan pembagian node dengan nilai

ketertarikan (interest) yang didapat secara acak (random) yang dimasukkan

kedalam simulasi. Angka-angka yang ditunjukkan pada gambar 4.1.2

merupakan node-node yang memiliki satu nilai ketertarikan (interest). Ketika

node A11 dengan interest Nella membuat sebuah pesan, maka pesan tersebut

akan selalu mengandung nilai ketertarikan (interest) node-nya, seperti yang

ditunjukkan pada gambar 4.1.1. Pada dataset Reality MIT created message

interest yang terbentuk adalah sebagai berikut:

Gambar 4.1.3 Created Message Interest pada dataset Reality MIT

Gambar 4.1.4 Pembagian Nilai Interest pada dataset Reality MIT

Pada gambar 4.1.4 menunjukkan pembagian secara acak (random)

nilai ketertarikan (interest). Angka-angka tersebut merupakan node yang

mempunyai nilai ketertarikan terhadap nilai interest nella, luna, via dan maya.


25

Ketika node A85 dengan interest Via membuat pesan, maka pesan tersebut

akan selalu mengandung nilai ketertarikannya. Pada gambar 4.1.3

menunjukkan setiap node dengan nilai interest-nya selalu membuat pesan

yang berkaitan dengan ketertarikannya.

4.2. Perbandingan Average Convergence Time

Grafik 4.2.1 Average Convergence Time pada dataset Haggle03-Infocom 5

Pada grafik 4.2.1, dapat dilihat hasil dari dataset haggle03-infocom 5

routing protokol Epidemic WithoutInterest mempunyai waktu yang cepat

dalam menyebarkan update informasi didalam jaringan dengan waktu 15533

seconds. Hal ini disebabkan oleh sifat Epidemic yang menyebarkan informasi

dengan cara membanjiri jaringan, menitipkan update informasi interest

kepada setiap node yang ditemui didalam jaringan, tanpa memperhatikan nilai

ketertarikan (interest) node yang ditemui tersebut. Pada routing protokol

Epidemic WithInterest, waktu dalam menyebarkan update informasi interest

menjadi sangat lambat dengan waktu 16512,343 seconds. Hal ini disebabkan

oleh sifatnya yang menyebarkan informasi dengan memperhatikan nilai

ketertarikan (interest) node yang ditemui didalam jaringan. Untuk routing

protokol Epidemic WithInterestCommunity, waktu dalam menyebarkan

update informasi dapat menjadi cepat dan juga dapat menjadi lambat. Hal ini

15533

16512.343

16041.988

15000

15200

15400

15600

15800

16000

16200

16400

16600

WithoutInterest WithInterest WithInterestCommunity

Seco

nd

s

Routing Protocol Epidemic

Average Convergence Time


26

disebabkan oleh faktor yang disebut familiarThreshold. FamiliarThreshold

merupakan faktor dalam pembentukan sebuah komunitas. Sehingga melihat

pada grafik 4.2.1, Epidemic WithInterestCommunity mempunyai waktu

update informasi dengan waktu 16041,988 seconds yang berada ditengah,

antara routing protokol Epidemic WithoutInterest dan juga Epidemic

WithInterest dengan nilai familiarThreshold selama 5400 seconds.

4.2.1. Perbandingan Average Convergence Time pada protokol

Epidemic WithInterestCommunity pada dataset Haggle03 –

infocom 5

Grafik 4.2.2 Perbandingan Average Convergence Time dengan nilai Familiar Threshold pada dataset

Haggle03-Infocom 5

Pada grafik 4.2.2, dengan memainkan nilai familiarThreshold pada

Epidemic WithInterestCommunity penyebaran update informasi menjadi

cepat ketika familiarThreshold diset pada 1800 seconds. Hal ini disebabkan

oleh komunitas yang terbentuk semakin sedikit dengan jumlah anggota node

yang banyak, sehingga penyebaran update informasi semakin baik.

Sedangkan ketika familiarThreshold diset pada waktu 5400 seconds dan

10800 seconds update informasi menjadi lambat. Hal ini disebabkan oleh

15560.791

16041.988

16256.289

15200

15400

15600

15800

16000

16200

16400

FT = 1800 seconds FT = 5400 seconds FT = 10800 seconds

Seco

nd

s

Epidemic WithInterestCommunity



27

komunitas yang terbentuk menjadi sangat banyak dengan jumlah anggota

yang sedikit yang menyebabkan melambatnya update informasi tersebut.

Grafik 4.2.3 Average Convergence Time pada dataset Reality MIT

Hasil simulasi pada pergerakan Reality MIT terlihat pada grafik 4.2.3

yang menunjukkan bahwa Epidemic WithoutInterest lebih unggul dalam

penyebaran update informasi dibandingkan dengan Epidemic WithInterest

dan juga Epidemic WithInterestCommunity. Sedangkan Epidemic

WithInterestCommunity lebih unggul dalam penyebaran update informasi

dibandingkan dengan Epidemic WithInterest.

381958.28

531438.76495736.26

0

100000

200000

300000

400000

500000

600000


Seco

nd

s




28

4.2.2. Perbandingan Average Convergence Time pada protokol

Epidemic WithInterestCommunity pada dataset Reality MIT

Grafik 4.2.4 Perbandingan Average Convergence Time with Interest dengan nilai Familiar Threshold pada

dataset Reality MIT

Pada grafik 4.2.4 dengan memainkan nilai familiarThreshold pada

Epidemic WithInterestCommunity semakin cepat familiarThreshold-nya

maka update informasi akan semakin baik. Sedangkan semakin lama nilai

familiar thresholdnya maka akan semakin lambat dalam memberikan update

informasi.

4.3. Perbandingan Total Relayed

Berikut ini merupakan hasil simulasi untuk perbandingan total relayed pada

routing protokol Epidemic WithoutInterest, WithInterest dan juga

WithInterestCommunity.

444979.49

495736.26

523836.74

400000

420000

440000

460000

480000

500000

520000

540000

FT=129600 seconds FT=389000 seconds FT=665280 seconds

Seco

nd

s




29

Grafik 4.3.1 Total Relayed pada dataset Haggle3-Infocom 5

Dapat dilihat, pada grafik 4.3.1, routing protokol Epidemic

WithoutInterest mempunyai total relayed yang tinggi dengan nilai total

relayed 19283 message. Hal ini disebabkan oleh mekanisme forwarding

Epidemic yang selalu memberikan pesan kepada node yang ditemuinya.

Tanpa memperhatikan nilai ketertarikan (interest) node yang ditemui,

sehingga node yang berbeda nilai ketertarikannya (interest) akan membawa

pesan tersebut untuk diteruskan sampai kepada node destination yang

mempunyai ketertarikan yang sama atas pesan tersebut. Hal ini juga

menyebabkan beban dijaringan menjadi sangat tinggi. Pada routing protokol

Epidemic WithInterest tidak mempunyai total relayed atau 0. Hal ini

disebabkan oleh sifat node yang hanya tertarik dengan pesan yang interest-

nya sama, sehingga node yang berbeda interest dengan interest pesannya,

tidak akan dikirim yang membuat tidak ada node yang akan membawa pesan

selain pesan dengan interest-nya. Sehingga beban pada jaringan menjadi

rendah.

Pada routing protokol EpidemicWithInterestCommunity dapat dilihat

mempunyai total relayed yang sedikit lebih rendah dibandingkan dengan

Epidemic WithoutInterest dan juga lebih tinggi dibandingkan dengan

19283

0

14302

0

5000

10000

15000

20000

25000


Mes

sage


Total Relayed


30

Epidemic WithInterest dengan total relayed 14302 message. Hal ini

disebabkan oleh faktor yang disebut familiarThreshold. FamiliarThreshold

ini merupakan waktu yang digunakan untuk mencatat node-node yang pernah

ditemui menjadi seorang teman atau komunitas. Sehingga dibandingkan

dengan Epidemic WithoutInterest beban dijaringan sedikit menurun atau

berkurang.


WithInterestCommunity pada dataset Haggle03 – infocom 5

Grafik 4.3.2 Perbandingan Total Relayed dengan variasi nilai Familiar Threshold pada dataset Haggle03-

Infocom 5

Pada grafik 4.3.2 menunjukan bahwa dengan nilai familiarThreshold

yang cepat, maka komunitas yang terbentuk semakin cepat dan sedikit,

dengan jumlah anggota yang banyak. Ketika node dalam satu komunitas yang

sama akan saling membantu untuk meneruskan pesan walaupun pesan yang

dibawanya merupakan pesan dengan interest yang berbeda dengan interest

node-nya. Sebab dalam pengiriman pesannya, bila node pengirim bertemu

dengan node penerima yang berbeda interest, maka node penerima akan

mengecek daftar list tetangganya untuk melihat tetangganya yang memiliki

kesamaan nilai ketertarikan (interest) dengan interest pesan yang akan

17355

14302

7986

0

2000

4000

6000

8000

10000

12000

14000

16000

18000

20000


Me

ssag

e


Total Relayed


31

dikirim oleh node pengirim ke node penerima. Bila pada daftar list tetangga

node penerima terdapat node dengan interest yang sama dengan interest

pesan yang akan node pengirim, kirim maka pesan akan diterima untuk

diteruskan, bila tidak maka pesan akan ditolak untuk diteruskan. Sehingga

dapat dilihat pada grafik 4.3.2, semakin cepat nilai familiarThreshold-nya

maka beban dijaringan juga akan semakin tinggi, sedangkan semakin lama

nilai familiarThreshold-nya maka komunitas yang terbentuk semakin banyak

namun dengan jumlah anggota yang sedikit yang menyebabkan semakin

rendahnya beban dijaringan.

Grafik 4.3.3 Total Relayed pada dataset Reality MIT

Hasil pada simulasi untuk total relayed pada dataset Reality MIT pada

grafik 4.3.3 menunjukkan bahwa routing protokol Epidemic WithoutInterest

mempunyai beban jaringan yang tinggi dengan total relayed 1074153

message. Dengan total relayed yang tinggi tersebut menyebabkan jaringan

menjadi terbabani. Pada routing protokol Epidemic WithInterest beban

dijaringan sangat rendah, dapat dilihat pada grafik 4.3.3 yang menunjukkan

total relayed 0. Hal ini disebabkan oleh mekanisme pengiriman pesan yang

memperhatikan nilai ketertarikan (interest) node yang ditemui di jaringan.

1074153

0

507377

0

200000

400000

600000

800000

1000000

1200000


Mes

sage


Total Relayed


32


WithInterestCommunity pada dataset Reality MIT

Grafik 4.3.4 Perbandingan Total Relayed dengan variasi nilai FamiliarThreshold pada dataset Reality MIT

Seperti halnya pada dataset Haggle03-Infocom 5, hasil pada Reality

MIT dengan nilai familiarThreshold 129600 seconds menunjukkan total

relayed yang tinggi yaitu 850279 message, sehingga ini membebani jaringan

dengan salinan-salinan pesan yang banyak. Pada grafik 4.3.4 dapat dilihat

dengan memainkan nilai familiarThreshold menjadi 389000 seconds, total

relayed semakin turun dengan hasil 507377 message. Begitu juga ketika nilai

familiarThreshold diset menjadi 665280 seconds, total relayed menjadi turun

menjadi 225260 message.

4.4. Perbandingan Total Delivered Interest

Berikut ini merupakan hasil simulasi untuk perbandingan total

delivered interest pada routing protokol Epidemic WithoutInterest,

WithInterest, dan WithInterestCommunty.

850279

507377

225260

0

100000

200000

300000

400000

500000

600000

700000

800000

900000


Mes

sage


Total Relayed


33

Grafik 4.4.1 Total Delivered Interest pada dataset Haggle03-Infocom 5

Pada grafik 4.4.1 Total Delivered hasil simulasi dataset haggle03-

infocom5 menunjukkan routing protokol Epidemic WithoutInterest dalam

pengiriman pesannya mempunyai tingkat kesuksesan yang tinggi untuk

sampai ke tujuan yang merupakan node dengan nilai ketertarikan (interest)

yang sama dengan interest pesannya, yaitu 5827 message. Hal ini disebabkan

oleh sifatnya yang membanjiri jaringan dengan salinan pesan. Dibandingkan

dengan routing protokol Epidemic WithInterest, tingkat kesuksesannya

rendah yaitu 4933 message. Hal ini disebabkan, beberapa node yang memiliki

nilai ketertarikan (interest) yang sama tidak saling bertemu dijaringan dan

juga disebabkan pengiriman pesan yang berdarsarkan kesamaan nilai

ketertarikan (interest) pesan. Pada routing protokol Epidemic

WithInterestCommunity tingkat kesuksesan pengiriman pesan sedikit lebih

rendah dibandingkan dengan Epidemic WithoutInterest dan juga lebih baik

dibandingkan dengan routing Epidemic WithInterest dengan jumlah total

delivered interest 5402 message . Hal ini disebabkan oleh faktor

familiarThreshold yang membentuk komunitas.

5827

4933

5402

4400

4600

4800

5000

5200

5400

5600

5800

6000


Mes

sage


Total Delivered Interest


34


WithInterestCommunity pada dataset Haggle03 – infocom 5

Grafik 4.4.2 Perbandingan Total Delivered Interest variasi nilai Familiar Threshold pada dataset Haggle03-

Infocom 5

Pada grafik 4.4.2 pada dataset Haggle03-Infocom 5, dengan variasi

nilai familiarThreshold, menunjukkan semakin cepat nilai familiarThreshold

yaitu 1800 seconds, maka tingkat pengiriman pesan untuk node dengan

interest yang sama akan semakin baik yaitu 5670 message, sebab akan

membentuk sedikit komunitas dengan anggota node yang banyak. Sedangkan

dengan nilai familiarThreshold yang diset 5400 seconds dan 10800 seconds,

total delivered interest yang sampai pada node yang menyukai pesan tersebut

adalah 5402 message dan 5132 message.

5670

5402

5132

4800

4900

5000

5100

5200

5300

5400

5500

5600

5700

5800


Me

ssag

e




35

Grafik 4.4.3 Total Delivered Interest pada dataset Reality MIT

Sama seperti pada grafik 4.4.2 hasil total delivered interest pada

dataset haggle03-infocom 5, pada grafik 4.4.3 hasil total delivered interest

pada dataset reality MIT, routing protokol Epidemic WithoutInterest

menunjukkan tingkat kesuksesan yang tinggi yaitu 342202 message,

dibandingkan dengan routing protokol EpidemicWithInterest dan juga

WithInterestCommunity, yaitu sebesar 237063 message dan 276672

message.

342202

237063

276672

0

50000

100000

150000

200000

250000

300000

350000

400000


Mes

sage




36


WithInterestCommunity pada dataset Reality MIT

Grafik 4.4.4 Perbandingan Total Delivered dengan variasi nilai FamliarThreshold pada dataset Reality.

Pada grafik 4.4.4, dapat dilihat hasil dari total delivered pada dataset

reality MIT menunjukkan nilai familiarThreshold diset 129600 seconds

memiliki tingkat kesuksesan yang tinggi dalam mengirimkan pesan sampai

ke tujuan interest-nya, yaitu 304824 message. Dibandingkan dengan nilai

familiarThreshold diset 389000 seconds tingkat pengiriman pesan sampai

ketujuan interest-nya menurun, menjadi 276672 message. Dan, ketika nilai

famaliarThresholdnya diset 665280 seconds, memiliki tingkat kesuksesan

pengiriman pesan ke tujuan interest-nya menurun menjadi 257426 message.

Hal ini disebabkan oleh nilai familiarThreshold merupakan faktor dari

pembentukan komunitas. Semacin kecil satuan seconds familiarThreshold

semakin sedikit komunitas yang terbentuk, tetapi dalam satu komunitas

anggotanya semakin banyak. Sedangkan semakin besar satuan

familiarThreshold semakin banyak komunitas yang terbentuk, tetapi semakin

sedikit tetangga atau anggota dalam komunitas tersebut.

304824

276672

257426

230000

240000

250000

260000

270000

280000

290000

300000

310000


Mes

sage




37

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Setelah melakukan beberapa kali pengujian dan melakukan analisis

pada hasil simulasi pada pergerakan manusia dengan menggunakan dataset

Haggle03 – infocom 5 dan Reality MIT, kesimpulan yang didapat adalah

sebagai berikut:

• Routing protokol Epidemic WithoutInterest selalu lebih baik

dalam update informasi serta total delivered interest, namun

beban dijaringan sangat tinggi dilihat berdasarkan total

relayed-nya.

• Pada routing Protokol Epidemic WithInterest beban

dijaringan tidak terlalu terbebani dapat dilihat dari total

relayed, namun dalam penyebaran update informasi dan

total delivered interest sangat rendah.

• Pada routing Epidemic WithInterestCommunity dengan

memainkan nilai familiarThreshold-nya, dapat

mengimbangi unjuk kerja dari routing Epidemic

WithoutInterest atau WithInterest.

5.2. Saran

Dengan mengadopsi mekanisme pengiriman pesan berdasarkan nilai

ketertarikan (interest) pesan dapat menjadi salah satu pilihan dalam pemilihan

routing protokol dijaringan sosial oportunistik. Kemudian dengan

mengadopsi mekanisme tersebut dapat dicoba diterapkan dengan routing

protokol lainnya. Selain itu, dapat juga dimainkan jumlah nilai ketertarikan

(interest) pada simulasi dengan menambahkan atau mengurangi jumlah

interest.


38

DAFTAR PUSTAKA

[1] K. A. H. C. Almeroth, "Transport Layer Issues in Delay Tolerant Mobile

Networks," in NETWORKING 2006. Networking Technologies, Services,

Protocols; Performance of Computer and Communication Networks; Mobile

and Wireless Communications Systems, Springer, Berlin, Heidelberg, 2006, pp.

463-475.

[2] Kevin Fall Intel Research, Berkeley, CA, "A Delay-Tolerant Network

Architecture for Challenged," in Applications, technologies, architectures, and

protocols for computer communications, Karlsruhe, Germany, August 25 - 29,

2003.

[3] P. Puri and M. P. Singh, "A survey paper on routing in delay-tolerant

networks," in International Conference on Information Systems and Computer

Networks, Mathura, India , 2013.

[4] W. Moreira, "Social-Aware Opportunistic Routing Protocol Based on User’s

Interactions and Interests," in Ad Hoc Networks, Barcelona, Spain, Springer,

Cham, 2014, pp. 100-115.

[5] Becker, Amin Vahdat and David Department of Computer Science, "Epidemic

Routing for Partially-Connected Ad Hoc Networks," Durham, NC 27708,

2000.


39

LAMPIRAN

1. MessageRouter

/**

* @author Junandus Sijabat

* Sanata Dharma University

*/

/** group of interest */

public static final String CONTENT_PROPERTY = "interest";

protected String nodeInterest;

protected String interest;

public MessageRouter(Settings s) {

/** Mengambil Nilai Interest dari settings*/

nodeInterest = s.getSetting("nodeList");

}

public void init(DTNHost host, List<MessageListener> mListeners) {

/** mengambil nilai interest untuk setiap node */

String[] splittednodeList = nodeInterest.split("/");

for (String string : splittednodeList) {

String [] temp = string.split(":");

String val = temp[0];

String[] nodeInter = temp[1].split(",");

for (String stringKey : nodeInter) {

int temp2 = Integer.parseInt(stringKey);

if (temp2 == host.getAddress()) {

interest = val;

}}}}

protected MessageRouter(MessageRouter r) {

this.nodeInterest = r.nodeInterest;

}

public String getInterest() {

return interest;

}

2. Epidemic WithoutInterest

/**



*/

public class EpidemicWithoutInterest implements routing.RoutingDecisionEngine {


public EpidemicWithoutInterest(Settings s) {}


40

public EpidemicWithoutInterest(EpidemicWithoutInterest proto) {}

@Override

public void connectionUp(DTNHost thisHost, DTNHost peer, String interest) {}

@Override

public void connectionDown(DTNHost thisHost, DTNHost peer, String interest) {}

@Override

public void doExchangeForNewConnection(Connection con, DTNHost peer, String interest) {}

@Override

public boolean newMessage(Message m, String interest) {

m.addProperty(CONTENT_PROPERTY, interest);

return true;

}

@Override

public boolean isFinalDest(Message m, DTNHost aHost, String interest) {

return m.getTo() == aHost;

}

@Override

public boolean shouldSaveReceivedMessage(Message m, DTNHost thisHost, String interest) {

return true;

}

@Override

public boolean shouldSendMessageToHost(Message m, DTNHost otherHost, String interest) {

return true;

}

@Override

public boolean shouldDeleteSentMessage(Message m, DTNHost otherHost, String interest) {

return false;

}

@Override

public boolean shouldDeleteOldMessage(Message m, DTNHost hostReportingOld, String interest) {

return true;

}

@Override

public RoutingDecisionEngine replicate() {

return new EpidemicWithoutInterest(this);

}

private EpidemicWithoutInterest getOtherDecisionEngine(DTNHost h){

MessageRouter otherRouter = h.getRouter();

assert otherRouter instanceof DecisionEngineRouter : "This router only works " +

" with other routers of same type";


41

return (EpidemicWithoutInterest)

((DecisionEngineRouter)otherRouter).getDecisionEngine();

}

}

3. Epidemic WithInterest

/**



*/

public class EpidemicWithInterest implements routing.RoutingDecisionEngine {


public EpidemicWithInterest(Settings s) {}

public EpidemicWithInterest(EpidemicWithInterest proto) {}

@Override


@Override

public void connectionDown(DTNHost thisHost, DTNHost peer, String interest) {}

@Override

public void doExchangeForNewConnection(Connection con, DTNHost peer, String interest) {}

@Override



return true;

}

@Override


return m.getTo() == aHost;}

@Override


return true;

}

@Override


DecisionEngineRouter peer = (DecisionEngineRouter) (otherHost.getRouter());

return m.getProperty(CONTENT_PROPERTY).equals(peer.getInterest());

}

@Override


return false;

}

@Override


42


return true;

}

private EpidemicWithInterest getOtherDecisionEngine(DTNHost h) {


assert otherRouter instanceof DecisionEngineRouter : "This router only works "

+ " with other routers of same type";

return (EpidemicWithInterest) ((DecisionEngineRouter) otherRouter).getDecisionEngine();

}

@Override


return new EpidemicWithInterest(this);

}

}

4. Epidemic WithInterestCommunity

/**



*/

public class EpidemicWithInterestCommunity implements routing.RoutingDecisionEngine,

CommunityDetectionEngine {

public static final String COMMUNITY_ALG_SETTING = "communityDetectAlg";


protected CommunityDetection community;

protected Map<DTNHost, Double> startTimestamps;

protected Map<DTNHost, List<Duration>> connHistory;

protected Map<DTNHost, String> ListInterest;

public EpidemicWithInterestCommunity(Settings s) {

if (s.contains(COMMUNITY_ALG_SETTING)) {

this.community = (CommunityDetection)

s.createIntializedObject(s.getSetting(COMMUNITY_ALG_SETTING));

} else {

this.community = new SimpleCommunityDetection(s);

}

}

public EpidemicWithInterestCommunity(EpidemicWithInterestCommunity proto) {

this.community = proto.community.replicate();

startTimestamps = new HashMap<DTNHost, Double>();

connHistory = new HashMap<DTNHost, List<Duration>>();

ListInterest = new HashMap<DTNHost, String>();

}


43

@Override


@Override

public void connectionDown(DTNHost thisHost, DTNHost peer, String interest) {

DecisionEngineRouter otherHost = (DecisionEngineRouter) (peer.getRouter());

double time = startTimestamps.get(peer);

double etime = SimClock.getTime();

List<Duration> history;

if (!connHistory.containsKey(peer)) {

history = new LinkedList<>();

connHistory.put(peer, history);

} else {

history = connHistory.get(peer);

}

if (etime - time > 0) {

history.add(new Duration(time, etime));

if (!ListInterest.containsKey(peer)) {

ListInterest.put(peer, otherHost.getInterest());

}

//System.out.println(ListInterest);

}

CommunityDetection peerCD = this.getOtherDecisionEngine(peer).community;

community.connectionLost(thisHost, peer, peerCD, history);

startTimestamps.remove(peer);

}

@Override

public void doExchangeForNewConnection(Connection con, DTNHost peer, String interest) {

DTNHost myHost = con.getOtherNode(peer);

EpidemicWithInterestCommunity Epic = this.getOtherDecisionEngine(peer);

this.startTimestamps.put(peer, SimClock.getTime());

Epic.startTimestamps.put(myHost, SimClock.getTime());

this.community.newConnection(myHost, peer, Epic.community);

}

@Override



return true;

}

@Override


return m.getTo() == aHost;


44

}

@Override


return true;

}

@Override


DTNHost thisHost = null;

List<DTNHost> listHop = m.getHops();

Iterator it = listHop.iterator();

while (it.hasNext()) {

thisHost = (DTNHost) it.next();

}

DecisionEngineRouter peer = (DecisionEngineRouter) (otherHost.getRouter());

DecisionEngineRouter me = (DecisionEngineRouter) (thisHost.getRouter());

EpidemicWithInterestCommunity epic = getOtherDecisionEngine(otherHost);

if(m.getProperty(CONTENT_PROPERTY).equals(peer.getInterest())){

return true;

}

Set<DTNHost> Ls = epic.getLocalCommunity();

for (DTNHost L : Ls) {

if((L.getAddress()!=thisHost.getAddress()&&L.getRouter().getInterest().equals(m.getProperty(CO

NTENT_PROPERTY)))){

return true;

}

}

return false;

}

@Override


return false;

}

@Override


return true;

}

protected boolean commumesWithHost(DTNHost h) {

return community.isHostInCommunity(h);

}

@Override


45

public Set<DTNHost> getLocalCommunity() {

return this.community.getLocalCommunity();

}

@Override


return new EpidemicWithInterestCommunity(this);

}

private EpidemicWithInterestCommunity getOtherDecisionEngine(DTNHost h) {


assert otherRouter instanceof DecisionEngineRouter : "This router only works "

+ " with other routers of same type";

return (EpidemicWithInterestCommunity) ((DecisionEngineRouter)

otherRouter).getDecisionEngine();

}

}

5. AllReport

/**



*/

public class AllReport extends Report implements MessageListener{

private int DeliveredInterest;

private int nrofRelayed;

private Map <String, ConvergenceData>ConvergenceTimeInterest;

public AllReport(){

init();

}

@Override

protected void init(){

super.init();

DeliveredInterest = 0;

nrofRelayed = 0;

ConvergenceTimeInterest = new HashMap<String , ConvergenceData>();

}

@Override

public void newMessage(Message m) {}

@Override

public void messageTransferStarted(Message m, DTNHost from, DTNHost to) {}

@Override

public void messageDeleted(Message m, DTNHost where, boolean dropped) {}

@Override


46

public void messageTransferAborted(Message m, DTNHost from, DTNHost to) {}

@Override

public void messageTransferred(Message m, DTNHost from, DTNHost to, boolean firstDelivery) {

nrofRelayed++;

MessageRouter otherRouter = to.getRouter();

DecisionEngineRouter epic = (DecisionEngineRouter)otherRouter;

if(m.getProperty("interest").equals(epic.getInterest())){

DeliveredInterest++;

if (ConvergenceTimeInterest.containsKey(m.getId())) {

ConvergenceData d = ConvergenceTimeInterest.get(m.getId());

Set<DTNHost> nodeList = d.getNodeList();

if (!nodeList.contains(to)) {

nodeList.add(to);

d.setNodeList(nodeList);

d.setConvergenceTime(d.getConvergenceTime() + (getSimTime() -

m.getCreationTime()));

d.setLastNodeTime(getSimTime() - m.getCreationTime());

ConvergenceTimeInterest.replace(m.getId(), d);

}

} else {

ConvergenceData d = new ConvergenceData();

d.setSource(from);

d.setConvergenceTime(getSimTime() - m.getCreationTime());

d.setLastNodeTime(getSimTime() - m.getCreationTime());

Set<DTNHost> nodeList = new HashSet<>();

nodeList.add(to);

d.setNodeList(nodeList);

ConvergenceTimeInterest.put(m.getId(), d);

}

}

}

@Override

public void done() {

Settings s = new Settings();

int nrofNode = s.getInt("Group.nrofHosts") - 1;

String report = "";

/*write("Convergence Report\nSource Node\tMessage ID\tConvergenceTime\t\tLast Node

Time\tNumber Of Node");

for (Map.Entry<String, ConvergenceData> e : convergenceTime.entrySet()) {

String m = e.getKey();

ConvergenceData v = e.getValue();


47

report =

report+v.getSource()+"\t\t"+m+"\t\t"+v.getConvergenceTime()/v.getNodeList().size()+"\t"+v.getLa

stNodeTime()+"\t\t"+v.getNodeList().size()+"\n";

}*/

double avgConvTime = 0;

double lastUpdateTime = 0;

double nrofInfected = 0;

for (Map.Entry<String, ConvergenceData> e : ConvergenceTimeInterest.entrySet()) {

ConvergenceData v = e.getValue();

avgConvTime += v.getConvergenceTime() / v.getNodeList().size();

lastUpdateTime += v.getLastNodeTime();

nrofInfected += v.getNodeList().size();

}

int TotalCopyForward = nrofRelayed - DeliveredInterest;

report += "Message Relayed = " + nrofRelayed + "\n"

+ "Average Convergence Time = " + avgConvTime / ConvergenceTimeInterest.size() +

"\n"

+ "Totl Delivered Interest = " + DeliveredInterest + "\n"

+ "Total Relayed = " + TotalCopyForward + "\n";

write(report);

super.done();

}

}


PENERAPAN ROUTING BERBASIS INTEREST PADA …repository.usd.ac.id/31256/2/145314094_full.pdfRouting...

Documents

Transcript of PENERAPAN ROUTING BERBASIS INTEREST PADA …repository.usd.ac.id/31256/2/145314094_full.pdfRouting...