ANALISIS UNJUK KERJA PROTOKOL GOSSIP GAME OF LIFE …repository.usd.ac.id/36246/2/155314074_full.pdf · Protokol Gossip dan Protokol Epidemic berbasis Interest memiliki mekanisme

ANALISIS UNJUK KERJA PROTOKOL GOSSIP GAME OF LIFE PADA

PENYEBARAN PESAN DENGAN INTEREST

DI JARINGAN OPORTUNISTIK SOSIAL

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Oleh:

RENTAH ASIH GALUH DEBORA ISSADHA

155314074

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2019

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

ii

PERFORMANCE EVALUATION OF GOSSIP GAME OF LIFE

PROTOCOL IN MESSAGE DISSEMINATION WITH INTEREST

IN SOCIAL OPPORTUNISTIC NETWORK

A THESIS

Presented as Partial Fullfillment of Requirements

to Obtain Sarjana Komputer Degree

In Informatics Engineering Department

By:

RENTAH ASIH GALUH DEBORA ISSADHA

155314074

DEPARTMENT OF INFORMATICS ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2019


iii

HALAMAN PERSETUJUAN


iv

HALAMAN PENGESAHAN


v

MOTTO

12. When you call out to me and come to me in prayer, i will hear your prayers.

- Jeremiah 29 : 12 –

“If you get tired, learn to rest! Not to quit!”

- unknown


vi

PERNYATAAN KEASLIAN KARYA


vii

LEMBAR PERNYATAAN PERSETUJUAN

PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS


viii

ABSTRAK

Penyebaran informasi yang efektif dan efisien adalah tujuan utama yang

ingin dicapai pada Jaringan Oportunisitik. Algoritma Epidemic merupakan salah

satu algoritma yang digunakan pada Jaringan Oportunistik yang memiliki

pendekatan terbaik dalam penyebaran informasi, tetapi mekanisme flooding yang

dimiliki epidemic ini menyebabkan beban pada jaringan menjadi sangat tinggi.

Protokol Gossip dan Protokol Epidemic berbasis Interest memiliki mekanisme

penyebaran pesan yang dapat digunakan dalam mengatasi masalah efisiensi

penyebaran informasi.

Mekanisme penyebaran pesan yang akan dibahas disini ialah dengan

menerapkan algoritma Game of Life pada jaringan oportunistik dan juga

menambahkan nilai ketertarikan (interest) pada setiap node dan setiap pesan yang

dibuat.

Dalam penelitian ini parameter unjuk kerja yang digunakan adalah Total

Message Relayed, Total Delivered Interests, Average Convergence Time, Average

Residue, Total Message Relayed per Time Interval, Total Message Deleted per

Time Interval. Protokol pembanding yang digunakan ialah protokol Epidemic

berbasis Interest.

Hasil dari simulasi membuktikan bahwa protokol Gossip Game of Life

dengan Interest memiliki unjuk kerja yang lebih baik dalam mengurangi delay pada

penyebaran pesan, memiliki beban jaringan yang lebih tinggi, dan juga memiliki

lebih sedikit residue dibanding dengan protokol Epidemic berbasis Interest.

Kata kunci : Jaringan oportunistik, epidemic, gossip, game of life, interest.


ix

ABSTRACT

Effective and efficient dissemination of information is the goals in

opportunistic network. The Epidemic algorithm is one of the algorithms present in

the opportunistic network that have the best approach for solving reliable

dissemination of information, but this mechanism causes a very high cost on the

network. The Gossip protocol and the Interest-based Epidemic protocol has

forwarding mechanism that can be used to overcome efficiency issues on

dissemination of information.

The Mechanism of message dissemination to be discussed here is to

implement the Game of Life algorithm on the opportunistic network and also add

the value of interest on each node and every message created.

In this research, the performance metrics used are Total Message Relayed,

Total Delivered Interests, Average Convergence Time, Average Residue, Total

Message Relayed per Time Interval, Total Message Deleted per Time Interval. The

comparative protocol used is the Interest-based Epidemic protocol.

The results of the simulation showed that the Gossip-based Game of Life

and Interest protocol had a better performance in reducing delay, having more cost

in the network, and also have fewer residue compared to the Interest-based

Epidemic protocol.

Keywords: Opportunistic network, Epidemic, Gossip, Game of Life, Interest.


x

KATA PENGANTAR

Puji Syukur penulis panjatkan kepada Tuhan Yesus Kristus karena atas

kasih karunia-Nya penulis dapat menyelesaikan penyusunan skripsi dengan baik.

Penyusunan tugas akhir ini dapat berjalan dengan baik karena bimbingan

dan bantuan dari berbagai pihak. Dalam kesempatan ini, penulis mengucapkan

terima kasih kepada:

1. Kedua orangtua tercinta, Bapak Sri Sadono dan Ibu Nani Dwi Astuti yang

selalu mendukung penulis serta menjadi motivasi penulis dalam penyusunan

tugas akhir.

2. Seluruh anggota Keluarga Issadha khususnya kepada para keponakan

penulis yaitu Kania, Kirana, Citra, dan Dwellynn yang selalu menjadi

motivasi penulis dalam menyelesaikan tugas akhir.

3. Bapak Bambang Soelistijanto, Ph.D. selaku dosen pembimbing pertama

tugas akhir yang memberikan bimbingan dan ilmu dalam penyusunan tugas

akhir.

4. Ibu Vittalis Ayu, S.T., M.Cs. selaku dosen pembimbing kedua tugas akhir

yang memberikan bimbingan dan ilmu dalam penyusunan tugas akhir.

5. Teman seperjuangan penulis dari masa metopen hingga masa tugas akhir

yaitu Yasintha dan Suryo.

6. Para sahabat penulis yang selalu menghibur penulis dikala penulis sedang

menghadapi masa sulit yaitu Kevin, Fellia, Udev, David, Gayoh, Jeri, Novri,

serta seluruh sahabat raminten yang disetiap jumat malam menyempatkan

hadir untuk berkumpul bersama.

7. G-Dragon, Bae Joo Hyun, dan Niki Zefanya selaku idola dari penulis yang

mana melalui audio, visual, maupun audiovisualnya membuat penulis

menjadi termotivasi dan bersemangat dalam menyusun tugas akhir.

8. Teman- teman Jaringan Komputer 2015 yang mau bertukar pikiran setiap

penulis mengalami kesulitan terutama Bima.

9. Seluruh teman-teman Teknik Informatika angkatan 2015 Universitas Sanata

Dharma.


xi

10. Serta seluruh pihak, baik secara langsung maupun tidak langsung

mendukung, memotivasi, serta memberikan semangat kepada penulis yang

mana penulis tidak bisa sebutkan satu persatu.

Penulis menyadari bahwa masih ada kekurangan pada tugas akhir ini.

Mengingat keterbatasan pengetahuan dan pengalaman penulis, maka penulis

mengharapkan kritik dan saran atas tugas akhir ini. Penulis mengharapkan tugas

akhir ini dapat bermanfaat bagi banyak pihak dan bagi para pembacanya.

Penulis,

Rentah Asih Galuh Debora Issadha


xii

DAFTAR ISI

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

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

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

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

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH

UNTUK KEPENTINGAN AKADEMIS ............................................................. vii

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

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

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

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

DAFTAR GAMBAR ........................................................................................... xiv

DAFTAR GRAFIK ............................................................................................... xv

DAFTAR TABEL ................................................................................................ xvi

DAFTAR RUMUS ............................................................................................. xvii

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

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

1.2. Rumusan Masalah .................................................................................... 2

1.3. Tujuan Penelitian ...................................................................................... 2

1.4. Manfaat Penelitian .................................................................................... 2

1.5. Batasan Masalah ....................................................................................... 2

1.6. Metodologi Penelitian .............................................................................. 3

1.7. Sistematika Penulisan ............................................................................... 4

BAB II LANDASAN TEORI ................................................................................ 5

2.1. Jaringan Oportunistik ............................................................................... 5

2.2. Protokol Epidemic .................................................................................... 6

2.3. Protokol Gossip ........................................................................................ 7


xiii

2.4. Protokol Gossip Game of Life .................................................................. 8

2.5. Protokol Gossip Game of Life dengan Interest ...................................... 13

2.6. Protokol Epidemic with Interest ............................................................. 15

BAB III PERANCANGAN SIMULASI JARINGAN ......................................... 17

3.1. Alat Penelitian ........................................................................................ 17

3.2. Pergerakan Node ..................................................................................... 17

3.3. Parameter Simulasi ................................................................................. 18

3.4. Skenario Simulasi ................................................................................... 21

3.5. Parameter Unjuk Kerja ........................................................................... 21

3.6. Topologi Jaringan ................................................................................... 23

3.7. Desain Tahap Pengujian ......................................................................... 23

BAB IV PENGUJIAN DAN ANALISIS ............................................................. 26

4.1. Perbandingan Total Message Relayed .................................................... 26

4.2. Perbandingan Total Delivered Interest ................................................... 28

4.3. Perbandingan Average Convergence Time ............................................. 30

4.4. Perbandingan Average Residue .............................................................. 32

4.5. Perbandingan Total Message Relayed per Time Interval ....................... 34

4.6. Perbandingan Total Message Deleted per Time Interval ....................... 36

BAB V KESIMPULAN ........................................................................................ 38

5.1. Kesimpulan ............................................................................................. 38

DAFTAR PUSTAKA ........................................................................................... 39

LAMPIRAN .......................................................................................................... 40


xiv

DAFTAR GAMBAR

Gambar 2.1.1 Store-Carry-Forward (SCF) ............................................................ 5

Gambar 2.2.1 Epidemic ........................................................................................... 6

Gambar 2.3.1 Model S-I-R pada protokol Gossip .................................................. 7

Gambar 2.3.2 Model Penyebaran S-I-R .................................................................. 8

Gambar 2.4.1 Births ................................................................................................ 9

Gambar 2.4.2 Survivals ........................................................................................ 10

Gambar 2.4.3 Deaths (Under Population) ............................................................ 10

Gambar 2.4.4 Deaths (Over Population) .............................................................. 11

Gambar 2.4.1.1 Ilustrasi penghitungan counter dengan kondisi pesan tidak sama

............................................................................................................................... 12

Gambar 2.4.1.2 Ilustrasi penghitungan counter dengan kondisi pesan sama ....... 12

Gambar 2.5.1.1 Pertukaran pesan berdasarkan interest dengan kondisi interest

antar node sama ..................................................................................................... 14

Gambar 2.5.1.2 Pertukaran pesan berdasarkan interest kondisi 2 ........................ 15

Gambar 2.6.1 Pertukaran pesan berdasarkan interest ........................................... 16


xv

DAFTAR GRAFIK

Grafik 4.1.1.1 Total Message Relayed pada dataset Haggle03-Infocom5 ........... 26

Grafik 4.1.2.1 Total Message Relayed pada dataset Reality Mining MIT ........... 27

Grafik 4.2.1.1 Total Delivered Interest pada dataset Haggle03-Infocom5 .......... 28

Grafik 4.2.2.1 Total Delivered Interest pada dataset Reality Mining MIT .......... 29

Grafik 4.3.1.1 Average Convergence Time pada dataset Haggle03- Infocom 5 .. 30

Grafik 4.3.2.1 Average Convergence Time pada dataset Reality Mining MIT..... 31

Grafik 4.4.1.1 Average Residue pada dataset Haggle03- Infocom 5 .................... 32

Grafik 4.4.2.1 Average Residue pada dataset Reality Mining MIT ...................... 33

Grafik 4.5.1.1 Total Message Relayed per Time Interval (3600s) Haggle03-

Infocom 5 .............................................................................................................. 34

Grafik 4.5.2.1 Total Message Relayed per Time Interval (86400s) Reality Mining

MIT ....................................................................................................................... 35

Grafik 4.6.1.1 Total Message Deleted per Time Interval (3600s) Haggle03-

Infocom 5 .............................................................................................................. 36

Grafik 4.6.2.1 Total Message Deleted per Time Interval (86400s) Reality Mining

MIT ....................................................................................................................... 37


xvi

DAFTAR TABEL

Tabel 3.3.1 Parameter Simulasi Haggle3- Infocom 5 ........................................... 18

Tabel 3.3.2 Parameter Simulasi Reality Mining MIT ........................................... 19

Tabel 3.3.2 Pembagian nilai ketertarikan (interest) pada node ............................. 19

Tabel 3.4.1 Skenario Penambahan nilai counter ................................................... 21


xvii

DAFTAR RUMUS

Rumus 3.5.1 Average Convergence Time ............................................................ 22

Rumus 3.5.2 Average Residue .............................................................................. 22


1

BAB I

PENDAHULUAN

1.1. Latar Belakang

Penyebaran informasi yang efektif dan efisien adalah tujuan utama

yang ingin dicapai pada Jaringan Oportunistik. Hal ini disebabkan karena

pergerakan node di jaringan oportunistik tidak terprediksi yang artinya

topologi menjadi dinamis atau berubah- ubah. Salah satu masalah yang

dihadapi di jaringan oportunistik ialah terbatasnya ketersediaan jumlah

resource pada node seperti buffer dan battery. Pada algoritma routing

Epidemic, mekanisme penyebaran informasi/pesan adalah dengan cara

flooding atau membanjiri jaringan agar pesan lebih cepat sampai, yang

artinya akan membutuhkan lebih banyak resource dan selain itu juga akan

membebani jaringan. Oleh karena itu dibutuhkan protokol routing yang

mampu mengurangi jumlah copy pesan agar dapat menurunkan beban serta

jumlah resource yang terpakai pada jaringan.

Protokol Gossip merupakan salah satu protokol yang terdapat di

jaringan oportunistik yang dianggap mampu mengurangi jumlah copy pada

jaringan. Salah satu metode yang dimiliki oleh protokol gossip adalah

dengan mengadopsi ide dari Game of Life. Ketika suatu node membuat

pesan baru, pada pesan tersebut diberi suatu nilai yang dinamakan sebagai

nilai counter. Pada nilai counter ini terdapat dua batasan nilai yaitu

threshold copy dan threshold delete. Pesan hanya bisa dikirimkan jika nilai

counter mencapai threshold copy dan bisa dihapus ketika nilai counter

mencapai threshold delete.

Pada penelitian ini akan dibahas tentang penyebaran pesan pada

protokol gossip game of life yang pada pesannya memiliki nilai ketertarikan

(interest). Setiap node hanya akan memiliki satu nilai ketertarikan dan pesan

yang dibuat dari node tersebut akan memiliki nilai ketertarikan yang sama

dengan node yang membuat pesan tersebut. Pembanding yang akan

digunakan pada penelitian ini adalah protokol Epidemic with Interest.


2

1.2. Rumusan Masalah

Berdasarkan latar belakang yang telah dipaparkan, rumusan masalah

yang didapat adalah seberapa efektif dan efisien unjuk kerja dari protokol

Gossip game of life dengan interest di Jaringan Oportunistik Sosial.

1.3. Tujuan Penelitian

Tujuan dari tugas akhir ini adalah untuk melihat unjuk kerja protokol

Gossip game of life dengan interest dalam jaringan oportunistik.

1.4. Manfaat Penelitian

Hasil dari penelitian ini diharapkan dapat digunakan sebagai

sumbangan penelitian dalam kawasan routing di Jaringan Oportunistik.

1.5. Batasan Masalah

Batasan masalah dalam penelitian ini adalah:

1. Menggunakan The One Simulator dalam pengujian.

2. Menggunakan pergerakan manusia.

3. Menggunakan protokol Gossip Game of Life dengan Interest.

4. Penyebaran pesan bersifat multicast.

5. Node dan pesan hanya memiliki satu nilai ketertarikan.

6. Interest yang terdapat pada pesan bernilai sama dengan interest dari

node pembuat pesan tersebut.

7. Menggunakan protokol Epidemic berbasis Interest sebagai

pembanding.

8. Menggunakan parameter unjuk kerja.

- Total Message Relayed

- Average Convergence Time

- Total Delivered Interest

- Average Residue

- Total Message Relayed per Time Interval


3

- Total Message Deleted per Time Interval

1.6. Metodologi Penelitian

Adapun metodologi penelitian dan langkah-langkah yang digunakan

dalam pelaksanaan tugas akhir ini adalah sebagai berikut:

1. Studi Literatur

Mengumpulkan berbagai macam referensi dan mempelajari

teori-teori yang mendukung penulisan, seperti:

a. Teori Jaringan Oportunistik

b. Teori Protokol Epidemic

c. Teori Protokol Gossip

d. Teori Algoritma Game of Life

e. Teori Protokol Gossip berbasis Game of Life

f. Teori Protokol Epidemic berbasis Interest

2. Perancangan

Tahapan ini merupakan rancangan skenario yang digunakan

dalam penelitian yang terdiri dari:

a. Pergerakan node yang digunakan Haggle03-Infocom 5 dan Reality

Mining MIT

3. Pembangunan Simulasi dan Pengumpulan Data

Simulasi yang digunakan pada tugas akhir ini menggunakan

The One Simulator [4].

4. Analisis Data Simulasi

Dalam tahap ini penulis menganalisis hasil pengukuran yang

diperoleh pada proses simulasi. Analisis dihasilkan dengan melakukan

pengamatan dari beberapa kali pengukuran dengan menggunakan

parameter simulasi yang berbeda.

5. Penarikan Kesimpulan

Penarikan kesimpulan ini didasarkan pada beberapa hasil dari

parameter unjuk kerja yang diperoleh pada proses analisis data.


4

1.7. Sistematika Penulisan

Sistematika penulisan dibagi menjadi beberapa bab dengan

susunan sebagai berikut :

BAB I PENDAHULUAN

Bab ini membahas tentang latar belakang, rumusan masalah, tujuan

penelitian, manfaat penelitian, batasan masalah, metodologi penelitian, dan

sistematika penulisan.

BAB II LANDASAN TEORI

Bab ini berisi tentang dasar teori yang digunakan sebagai dasar

dalam melakukan penelitian tugas akhir.

BAB III PERANCANGAN SIMULASI JARINGAN

Bab ini berisi tentang alat penelitian, pergerakan node, parameter

simulasi, skenario simulasi, parameter unjuk kerja, desain tahap pengujian.

BAB IV PENGUJIAN DAN ANALISIS

Bab ini berisi tentang hasil simulasi serta analisis dari hasil data

simulasi.

BAB V KESIMPULAN DAN SARAN

Bab ini berisi tentang kesimpulan hasil penelitian dan saran dari

penulis untuk penelitian selanjutnya.


5

BAB II

LANDASAN TEORI

2.1. Jaringan Oportunistik

Jaringan oportunistik adalah sebuah jaringan yang memiliki kondisi

tidak adanya end-to-end path karena node pada jaringan oportunistik

bergerak secara terus menerus atau dinamis (mobile), maka jalur antara

source dan destination bisa berubah-ubah atau dinamis.

Berbeda dengan MANET, jaringan oportunistik memiliki node yang

tidak terhubung secara terus menerus dan ini merupakan tantangan bagi

suatu jaringan. Oleh karena node yang tidak terhubung secara terus

menerus, maka jaringan oportunistik toleran akan adanya keterlambatan

(delay) sehingga pada perkembangan ilmunya jaringan ini disebut juga

sebagai Delay Tolerant Network (DTN).

Gambar 2.1.1 Store-Carry-Forward (SCF)

Mekanisme pertukaran pesan yang digunakan pada jaringan

oportunistik ialah dengan simpan (store), bawa (carry), dan kirim

(forward). Mekanisme tersebut dikenal juga dengan singkatan SCF (lihat

Gambar 2.1.1). Untuk pendistribusian pesan pada Jaringan Oportunistik ini

dibutuhkan sebuah routing protocol. Terlihat pada gambar bahwa node S

(Source) mengirim pesan ke node 1. Node 1 memiliki hak untuk menyimpan

(store), membawa kemanapun node 1 pergi (carry) serta meneruskan

(forward) ke setiap node yang ditemui. Pada Gambar 2.1.1 dicontohkan


6

bahwa node 1 bertemu dengan node 2, maka node 1 akan meneruskan

(forward) pesan ke node 2. Hak dari node 2 sama seperti node 1. Hal

tersebut terus dilakukan hingga akhirnya informasi yang disebarkan sampai

ke node tujuan (destination). Pada jaringan oportunistik terdapat beberapa

protokol routing, seperti epidemic, gossip, spray and wait, dll.

2.2. Protokol Epidemic

Protokol Epidemic adalah salah satu protokol yang terdapat pada

Jaringan Oportunistik. Protokol Epidemic ini merupakan protokol berbasis

flooding forwarding yang artinya protokol ini memiliki cara kerja

membanjiri jaringan dengan salinan pesan. Epidemic memiliki konsep

seperti “wabah penyakit” yang dapat menularkan penyakit dari satu manusia

ke manusia lain apabila kedua manusia tersebut saling berdekatan. Disini,

perangkat diibaratkan sebagai manusia dan pesan diibaratkan sebagai

penyakit.

Cara kerja “wabah penyakit” dari Epidemic adalah dengan

menyebarkan informasi ke seluruh node yang ditemui dan node relay yang

sudah mendapatkan informasi tersebut dapat ikut menyebarkan ke node lain

hingga informasi tersebut sampai ke node tujuan.

Tujuan utama dari protokol epidemic ini adalah memaksimalkan

tingkat informasi dan meminimalkan pesan delay.

Gambar 2.2.1 Epidemic

Pada Gambar 2.2.1 diperlihatkan bahwa node S (source) akan


7

menyebarkan informasi yang dimilikinya kepada setiap node yang

ditemuinya. Kemudian node relay yang mendapatkan informasi tersebut

ikut menyebarkan ke setiap node yang ditemui sampai akhirnya informasi

tersebut sampai ke node tujuan yaitu node D (destination).

Protokol epidemic mampu membuat pendekatan terbaik dalam

mengirimkan pesan ke node tujuan. Epidemic memberikan salinan pesan

dengan cepat di dalam jaringan namun tentu saja membuat beban pada

jaringan semakin tinggi. Hal tersebut menjadikan Epidemic sebagai

protokol routing yang efektif tetapi tidak efisien.

2.3. Protokol Gossip

Protokol Gossip diperkenalkan oleh Alan Demers pada tahun 1987

untuk mengatasi penyebaran informasi. Masalah yang terdapat pada

jaringan oportunistik memunculkan ide untuk membuat protokol yang

menggunakan konsep persebaran isu atau rumor [3]. Informasi baru

dianggap sebagai topik hangat (hot topic). Namun setelah informasi

tersebar cukup banyak, node akan kehilangan ketertarikan untuk

menyebarkan informasi tersebut [3].

Pada protokol Gossip dikenal suatu model yang bernama SIR

(Susceptible, Infective, dan Removed). Susceptible merupakan fase dimana

node masih belum terinfeksi atau belum pernah mendapatkan informasi.

Infective merupakan fase dimana node sudah terinfeksi informasi. Removed

merupakan fase dimana node yang sudah pernah terinfeksi informasi

menjadi sembuh karena penghapusan update agar tidak disebarkan lagi,

node removed tidak bisa terinfeksi informasi yang pernah dia dapatkan

sebelumnya, setelah suatu node memasuki fase removed maka terjadi

absorbsing state yang artinya tidak akan terjadi perubahan fase lagi.

Gambar 2.3.1 Model S-I-R pada protokol Gossip


8

Model penyebaran protokol Gossip ditunjukan seperti pada gambar

2.3.2. Node infective mencoba untuk menyebarkan ke setiap node yang

susceptible (lihat bagian A, B, dan C) secara aktif. Ketika informasi sudah

tersebar cukup banyak, node akan kehilangan ketertarikan dalam

menyebarkan informasi tersebut dan pada akhirnya informasi tersebut

dihapus. Node yang sudah menghapus informasi tidak kembali ke fase

susceptible tetapi masuk ke fase removed yang mana node removed tidak

boleh diinfeksi kembali dengan informasi yang pernah dimiliki sebelumnya

(lihat bagian D).

Gambar 2.3.2 Model Penyebaran S-I-R

2.4. Protokol Gossip Game of Life

Protokol Gossip Game of Life adalah salah satu jenis protokol

Gossip yang terdapat pada jaringan oportunistik. Mekanisme penyebaran


9

pesan yang digunakan pada protokol ini ialah dengan melihat nilai counter

pada setiap pesan yang diadopsi dari algoritma Game of Life untuk mengatur

penyebaran pesan pada jaringan.

Algoritma Game of Life ditemukan oleh ilmuwan matematika asal

Inggris bernama John Horton Conway pada tahun 1970 [1]. Pada algoritma

Game of Life terdapat beberapa peraturan untuk mengatur populasi sel,

yaitu:

1. Births

Setiap sel kosong yang memiliki tetangga sama dengan tiga

(tidak lebih maupun kurang) akan melahirkan satu sel hidup pada

generasi berikutnya.

Lihat pada Gambar 2.4.1, (kiri) keadaan awal (move 0) sel

kosong yang berada ditengah memiliki tiga sel tetangga yang hidup,

maka pada keadaan kedua (move 1) atau generasi berikutnya sel kosong

yang berada ditengah akan melahirkan satu sel hidup.

Gambar 2.4.1 Births

2. Survivals

Setiap sel yang memiliki dua atau tiga tetangga akan tetap hidup

sampai ke generasi berikutnya. Seperti pada Gambar 2.4.2.

menunjukkan bahwa setiap sel memiliki jumlah yang pas untuk tetap

hidup sampai ke generasi berikutnya.


10

Gambar 2.4.2 Survivals

3. Deaths

a. Under Population.

Setiap sel yang memiliki kurang dari dua sel tetangga akan

mati (dihapus) karena dianggap terisolasi.

Gambar 2.4.3 Deaths (Under Population)

Lihat pada Gambar 2.4.3, (kiri) sel yang tidak memiliki sel

tetangga akan mati. Begitu pula dengan (kanan) sel yang hanya

memiliki satu sel tetangga akan mati karena dianggap terisolasi.

b. Over Population

Setiap sel yang memiliki lebih dari tiga sel tetangga akan

mati (dihapus) karena populasi tinggi.

Lihat pada Gambar 2.4.4, sel yang berada ditengah memiliki

empat sel tetangga, maka sel tersebut akan mati karena kelebihan

populasi atau dianggap terlalu banyak populasi.


11

Gambar 2.4.4 Deaths (Over Population)

2.4.1. Mekanisme pengiriman pesan Gossip Game of Life pada

Jaringan Oportunistik

Mekanisme pengiriman pesan protokol Gossip Game of Life

adalah dengan cara melihat nilai counter yang terdapat pada pesan.

Mula-mula nilai awal pada counter disemua pesan adalah 0.

Nilai counter pada pesan akan berubah saat bertemu dengan

node lain. Nilai counter akan bertambah apabila suatu pesan melihat

bahwa node yang ditemui tidak memiliki pesan tersebut, sebaliknya

apabila node yang ditemui memiliki pesan tersebut maka nilai

counter dari pesan tersebut akan berkurang satu.

Seperti pada Gambar 2.4.1.1., gambar tersebut

memperlihatkan suatu kondisi dimana dua node bertemu dan pesan

M1A yang dimiliki oleh node 1 tidak terdapat pada node 2 maka

nilai counter pada pesan M1A yang terdapat pada node 1 bertambah

satu (increment).


12

Gambar 2.4.1.1 Ilustrasi penghitungan counter dengan kondisi pesan

tidak sama

Sedangkan pada Gambar 2.4.1.2, menampilkan kondisi

sebaliknya yang mana antar node tersebut memiliki pesan yang sama

yaitu pesan M1A, maka nilai counter dari pesan M1A tersebut, baik

yang terdapat pada node 1 maupun node 2 melakukan pengurangan

nilai sebesar satu (decrement).

Gambar 2.4.1.2 Ilustrasi penghitungan counter dengan kondisi pesan

sama

Pada nilai counter terdapat dua batasan nilai yaitu batas atas

(threshold copy) dan batas bawah (threshold delete). Ketika nilai


13

counter pada suatu pesan mencapai threshold copy maka pesan dapat

diteruskan ke node yang sedang ditemui, tetapi sebelum pesan

dikirimkan, nilai counter akan di-reset menjadi 0 (nol) terlebih

dahulu. Sedangkan ketika nilai counter pada suatu pesan mencapai

threshold delete, pesan tersebut akan dihapus.

2.5. Protokol Gossip Game of Life dengan Interest

Mekanisme pengiriman pesan pada protokol gossip game of life

sudah dijelaskan pada bagian 2.4. yaitu dengan melihat nilai counter yang

terdapat pada tiap pesan. Protokol gossip game of life kali ini akan diuji coba

dengan menambahkan nilai ketertarikan (interest) pada tiap pesannya.

Definisi dari interest adalah nilai ketertarikan pada suatu node, sama halnya

dengan manusia yang memiliki ketertarikan pada suatu hal yang dapat

membedakan yang satu dengan yang lain.

Pada protokol gossip game of life dengan interest, nilai ketertarikan

yang melekat pada tiap node didapat secara acak (random) yang

menentukan bahwa setiap node memiliki ketertarikan yang berbeda.

Sedangkan interest pada tiap pesannya didapat dari interest pembuat pesan

tersebut (node).

2.5.1. Mekanisme pengiriman pesan Gossip Game of Life dengan

Interest pada Jaringan Oportunistik

Mekanisme pengiriman pesan pada protokol gossip game of

life dengan interest sama dengan mekanisme pengiriman pesan pada

gossip game of life, yang membedakan ialah ketika node bertemu

hal pertama yang dilakukan adalah melihat nilai ketertarikan

(interest) terlebih dahulu ketika antar pesan dan node yang ditemui

memiliki ketertarikan yang sama maka akan langsung dilakukan

pengiriman pesan, apabila antar pesan dengan node yang ditemui

memiliki nilai ketertarikan yang berbeda maka selanjutnya akan

dilakukan penghitungan nilai counter, sama seperti mekanisme


14

penghitunag counter pada bagian 2.4.1.

Pada Gambar 2.5.1.1. ditampilkan kondisi ketika dua node

bertemu dan antar node memiliki nilai ketertarikan yang sama

(bagian A), maka pesan dengan nilai ketertarikan yang sama akan

langsung dikirimkan tanpa melihat nilai counter yang terdapat pada

pesan tersebut (bagian B). Tetapi untuk setiap pengiriman pesan

pada protokol ini, sebelum pengiriman pesan dilakukan, nilai

counter harus di-reset menjadi 0 (nilai awal counter).

Gambar 2.5.1.1 Pertukaran pesan berdasarkan interest dengan kondisi

interest antar node sama

Berbeda dengan kondisi pada Gambar 2.5.1.1. Pada gambar

2.5.1.2 ditampilkan suatu kondisi antar node yang memiliki nilai

ketertarikan yang bebeda (bagian A).


15

Gambar 2.5.1.2 Pertukaran pesan berdasarkan interest kondisi 2

Pada kondisi ini, pesan selanjutnya akan melakukan

penghitungan nilai counter seperti yang sudah dijelaskan pada

bagian 2.4.1. Mekanisme pengiriman pesan pada protokol Gossip

Game of Life dengan Interest memiliki sedikit kesamaan dengan

mekanisme pengiriman pesan dari protokol Epidemic with Interest,

yang membedakan adalah pada protokol epidemic with interest tidak

ada tahap penghitungan counter. Pada penelitian kali ini protokol

Epidemic with Interest akan digunakan sebagai pembanding.

2.6. Protokol Epidemic with Interest

Protokol Epidemic with Interest adalah salah satu protokol di

Jaringan Oportunistik yang menggunakan nilai ketertarikan dalam

mengontrol penyebaran pesan.

Mekanisme yang digunakan pada protokol ini ialah sama seperti

protokol epidemic pada umumnya yaitu dengan mengirimkan pesan ke

setiap node yang ditemui, bedanya adalah pesan hanya bisa dikirimkan

apabila nilai ketertarikan antar node sama, jika nilai ketertarikan antar node

yang bertemu berbeda maka pesan tidak akan dikirimkan. Seperti pada

Gambar 2.6.1. Node dengan nilai ketertarikan A hanya akan mengirimkan


16

pesan ke node dengan nilai ketertarikan A. Begitupula dengan node yang

memiliki nilai ketertarikan B hanya akan mengirimkan pesan ke node

dengan nilai ketertarikan B. Node A dengan node B tidak bisa melakukan

pertukaran pesan karena nilai ketertarikan antar node tersebut berbeda.

Gambar 2.6.1 Pertukaran pesan berdasarkan interest


17

BAB III

PERANCANGAN SIMULASI JARINGAN

3.1. Alat Penelitian

1. Hardware

Sistem Operasi : Windows 10 Pro

Manufaktur Sistem : Asus

Prosesor : Intel (R) Core (TM) i7- 8700 CPU @ 3.30

GHz – 3.19 GHz

Memory : 8 GB RAM

2. Software

a. ONE Simulator (Opportunistic Network Environment)

Simulator ONE (Opportunistic Network Environment)

merupakan suatu simulator yang digunakan untuk mengevaluasi

suatu routing pada jaringan oportunistik. Fungsi utama dari The

One Simulator adalah sebagai pemodelan dari pergerakan node,

kontak antar node, routing, dan message handling. Hasil dari The

One Simulator ini dilakukan melalui visualisasi, laporan, dan post-

processing tools.

Simulator ini dibangun menggunakan bahasa

pemrograman Java. Simulator ini dilengkapi dengan aksi import

terhadap eksternal mobility meskipun di dalam simulator tersebut

sudah tersedia.

3.2. Pergerakan Node

Dalam penelitian ini, pergerakan node yang digunakan merupakan

pergerakan nyata atau pergerakan manusia, antara lain:

1. Haggle03-Infocom 5

Dataset ini berisi data pertemuan antar partisipan pada

konferensi IEEE Infocom di Miami, South Florida, US. Setiap


18

partisipan yang menghadiri acara tersebut diberi sebuah device

(iMotes) yang digunakan untuk mencatat pergerakan partisipan dan

pertemuan antar partisipan. Partisipan yang diberi device sejumlah 50

orang dan yang menghasilkan data yang yang valid sejumlah 41 device.

Durasi simulasi pada dataset ini adalah 274883 detik.

2. Reality Mining MIT

Dataset ini berisi data pertemuan antar pelajar di Massachusetts

Institute of Technology (MIT) dari dua fakultas dengan jumlah

keseluruhan 100 pelajar. Fakultas Media Laboratory 75 pelajar dan

Fakultas Business 25 Pelajar. Dari 100 partisipan yang terpilih, data

yang valid dan dapat digunakan adalah 97 device. Durasi simulasi pada

dataset ini adalah 16981816 detik.

3.3. Parameter Simulasi

Pada penelitian ini sudah ditentukan parameter simulasi yang

bersifat konstan dan akan dipakai terus pada setiap skenario atau pengujian.

Pergerakan node yang digunakan ialah Haggle3-Infocom 5 dan Reality

Mining MIT (real human trace).

Tabel 3.3.1 Parameter Simulasi Haggle3- Infocom 5

Parameter Nilai

Waktu Simulasi 274883

Ukuran Buffer 10M

Ukuran Pesan 250k, 300k

TTL 180 menit (3 jam)

Jumlah Node 41

Kecepatan Node 0.5, 1.5 (meter per detik)

Interval Pembuatan Pesan 580, 620

Pergerakan Haggle3- Infocom 5

Interest Jennie, Jisoo, Lisa, Rose


19

Tabel 3.3.2 Parameter Simulasi Reality Mining MIT

Tabel 3.3.3 Pembagian nilai ketertarikan (interest) pada node

Pergerakan Banyak

Simulasi Pembagian Interest pada Node

Haggle3–

Infocom 5 4

Lisa : 0,22,2,13,26,15,6,28,39,19,32

Jennie : 12,24,3,25,5,27,29,7,40,31

Jisoo : 11,33,35,36,16,38,17,8,20,21

Rose : 34,1,23,14,4,37,18,9,30,10

Lisa : 22,34,12,35,24,16,38,6,40,20,31

Jennie : 1,3,36,25,37,39,18,29,8,9

Jisoo : 0,13,14,26,15,5,28,17,32,21

Rose : 11,33,23,2,4,27,7,19,30,10

Lisa : 11,12,13,2,14,26,4,28,8,9,20

Jennie : 22,33,35,24,36,38,17,29,19,30

Jisoo : 0,1,23,3,15,16,5,18,7,31

Rose : 34,25,37,27,6,39,40,10,32,21

Lisa : 0,1,13,3,37,4,26,17,19,30,20

Jennie : 11,23,36,5,27,16,29,18,31,32

Parameter Nilai

Waktu Simulasi 16981816

Ukuran Buffer 30M

Ukuran Pesan 20k

TTL 10080 menit (7 hari)

Jumlah Node 97

Kecepatan Node 0.5, 1.5 (meter per detik)

Interval Pembuatan Pesan 580, 620

Pergerakan Reality Mining MIT

Interest Jennie, Jisoo, Lisa, Rose


20

Jisoo : 22,12,2,24,14,38,28,39,8,21

Rose : 33,34,35,25,15,6,7,9,40,10

Reality

Mining

MIT

4

Jennie : 44,66,68,46,72,50,51,73,96,53,32,13,

37,38,16,0,5,82,60,61,63,41,43,65,87

Jisoo : 33,77,22,67,78,69,36,47,49,27,2,3,

4,6,90,80,9,81,71,83,84,40,85,42

Lisa : 11,55,12,34,45,23,35,25,48,15,59,

28,19,1,7,8,70,93,94,95,74,64,54,10

Rose : 88,56,89,79,57,24,14,58,26,17,39,29,

18,91,92,62,52,30,31,86,75,20,76,21

Jennie : 22,89,23,25,69,50,94,96,30,31,10,77,

12,19,0,1,3,83,61,62,63,85,64,87,43

Jisoo : 88,44,66,13,35,68,24,15,26,37,48,27,

28,29,90,80,81,40,51,95,20,86,76,21

Lisa : 11,33,78,45,56,57,14,58,59,38,39,18,

5,7,91,70,92,71,93,52,74,53,42,65

Rose : 55,67,34,46,79,47,36,16,49,17,2,

4,6,8,9,60,82,72,84,73,41,75,54,32

Jennie : 44,67,24,68,69,28,91,93,73,52,75,54,

33,55,79,39,19,0,1,5,61,63,42,86,21

Jisoo : 66,22,23,35,25,47,15,48,38,3,6,90,80,

8,92,60,71,94,84,95,85,65,76,32

Lisa : 34,78,56,12,46,14,58,59,26,37,49,

16,2,7,9,81,83,62,41,30,64,53,87,43

Rose : 11,88,77,89,45,13,57,36,27,17,18,29,

4,70,82,50,72,40,51,96,74,20,31,10

Jennie : 44,68,46,28,72,50,95,31,78,57,36,58,

59,19,0,3,4,80,9,81,82,83,62,64,42

Jisoo : 66,88,45,89,23,34,24,13,48,38,39,

18,2,6,90,70,93,60,73,30,53,87,65,54


21

Lisa : 22,55,67,12,69,15,27,16,17,1,7,8,91,

71,40,51,84,41,85,63,96,20,75,32

Rose : 33,11,77,56,79,35,25,47,14,37,26,49,

29,5,92,61,94,74,52,86,43,21,10,76

3.4. Skenario Simulasi

Pada simulasi ini terdiri dari dua pergerakan yaitu Haggle03-

Infocom5 dan Reality Mining MIT yang masing- masing akan diuji dengan

skenario dibawah ini:

Skenario 1 : Penambahan dan Pengurangan nilai Counter

Tabel 3.4.1 Skenario Penambahan nilai counter

3.5. Parameter Unjuk Kerja

Terdapat beberapa parameter unjuk kerja untuk membuktikan

kinerja dari protokol Gossip Game of Life dengan Interest, diantaranya

sebagai berikut:

1. Total Message Relayed

Total Message Relayed adalah total dari pesan yang dikirimkan

pada node lain yang ditemui.

2. Total Delivered Interest

Total Delivered Interest adalah total dari pesan yang dikirimkan

Routing Protocol

Counter

Threshold Copy Threshold Delete

Gossip Game of Life

dengan Interest

1 -1

2 -2

3 -3

4 -4

5 -5


22

pada node yang ditemui dengan syarat memiliki interest yang sama

antara node yang ditemui dengan pesan yang dikirimkan.

3. Average Convergence Time

Average Convergence Time adalah rata-rata waktu yang

dibutuhkan oleh node untuk mendapatkan penyebaran update

informasi pesan (interest).

Rumus 3.5.1 Average Convergence Time

ACT = ∑ (

∑ (𝑇𝑛𝑖− 𝑇𝐶𝑟𝑒𝑎𝑡𝑖𝑜𝑛𝑢)

𝑦𝑖 = 1

𝑦)𝑥

𝑢 = 1

𝑥

Dengan Keterangan :

ACT = Average Convergence Time

𝑇𝑛𝑖 = Waktu node i mendapatkan pesan terbaru

𝑇𝐶𝑟𝑒𝑎𝑡𝑖𝑜𝑛𝑢 = Waktu update ke u dibuat

x = Jumlah node

4. Average Residue

Average Residue adalah rata- rata dari jumlah node yang tidak

mendapatkan pesan dengan interest yang sama dengan node tersebut.

Rumus 3.5.2 Average Residue

AR = ∑ (𝑁−𝑖𝑢)𝑥

𝑖= 1

𝑥

Dengan Keterangan :

AR = Average Residue

𝑁 = Jumlah node dengan interest yang sama dengan pesan

yang dihapus.

𝑖𝑢 = Jumlah node yang sudah terinfeksi update dengan


23

interest yang sama.

x = Jumlah pesan dengan residue.

5. Total Message Relayed per Time Interval

Total Message Relayed per Time Interval adalah total pesan

yang dikirimkan ke node lain yang ditampilkan hasilnya dalam

pembagian waktu atau interval tertentu.

6. Total Message Deleted per Time Interval

Total Message Deleted per Time Interval adalah total pesan

yang dihapus saat nilai counter mencapai batas bawah (threshold

delete) yang ditampilkan hasilnya dalam pembagian waktu atau

interval tertentu.

3.6. Topologi Jaringan

Topologi pada jaringan oportunistik selalu berubah atau dinamis

dikarenakan oleh pergerakan node yang mobile atau dinamis.

3.7. Desain Tahap Pengujian

1. Studi Pustaka

Studi pustaka dilakukan dengan membaca jurnal yang berkaitan

dengan algoritma Game of Life, protokol Epidemic, protokol Gossip,

Protokol Gossip Game of Life, protokol Epidemic with Interest dan

mempelajari cara kerja dari The One Simulator.

2. Desain Alat Uji

Alat uji yang digunkan merupakan implementasi dari aturan

Game of Life di ONE Simulator dengan bahasa pemrograman java.

a. Pseudo-code Gossip Game of Life dengan Interest

Pseudo-code Gossip Game of Life dengan Interest

If Connection up


24

For every Message ID thisHost in message collection

If (interest message thisHost equals interest peer)

If (peer do not have message ID thisHost or

tombstone peer not contains message ID

thisHost)

updateProperty reset msgCounter to zero

then send

end if

else

If (peer do have message ID thisHost or

tombstone peer contains message ID

thisHost)

decrement msgCounter

end if

else

increment msgCounter

end else

end else

update property msgCounter

if ( counter == thresholdDelete)

add message ID to msgToDelete

add message ID to tombstone

end if

end for

for every messageToDelete

delete message

end for

messageToDelete clear

end if


25

if Delivery Message

if (tombstone peer not contains message thisHost)

if (interest message equals interest peer)\


send

end if

else if (counter == thresholdCopy)


send

end if

end if

end if


26

BAB IV

PENGUJIAN DAN ANALISIS

Dalam mengevaluasi unjuk kerja dari Protokol Gossip Game of Life dengan

Interest, dilakukan tes menggunakan simulasi dengan skenario yang telah

dirancang ( lihat BAB III), pada dataset Haggle3- Infocom 5 dan Reality Mining

oleh Massachusetts Institute Of Technology (MIT). Dan dibandingkan dengan

protokol Epidemic berbasis Interest. Data yang dihasilkan simulasi diperoleh dari

report yang dipanggil ketika simulasi berjalan.

4.1. Perbandingan Total Message Relayed

4.1.1. Perbandingan Total Message pada dataset Haggle03 – Infocom 5

Grafik 4.1.1.1 Total Message Relayed pada dataset Haggle03-Infocom5

Dapat dilihat pada Grafik 4.1.1.1, routing protokol Epidemic

with Interest tidak memiliki total message relayed, sedangkan pada

protokol gossip game of life dengan interest, total message relayed

terlihat cukup tinggi.

Hal tersebut disebabkan oleh mekanisme forwarding dari

protokol Epidemic with Interest yang mana hanya bisa mengirimkan

pesan ke node dengan interest yang sama dengan pesan. Sedangkan

0

16702.7515200.25

8549.25

5184.75

3053.75

0

2000

4000

6000

8000

10000

12000

14000

16000

18000

EPIDEMICWITH

INTEREST

GOSSIPC=1 D=-1

WITHINTEREST

GOSSIPC=2 D=-2

WITHINTEREST

GOSSIPC=3 D=-3

WITHINTEREST

GOSSIPC=4 D=-4

WITHINTEREST

GOSSIPC=5 D=-5

WITHINTEREST

Mes

sage

Total Message Relayed


27

pada protokol Gossip Game of Life dengan Interest, pengiriman

pesan antar node dengan nilai ketertarikan yang berbeda masih

dimungkinkan, yaitu dengan melihat nilai counter pada pesan.

Pada Grafik 4.1.1.1, bisa dilihat bahwa semakin jauh nilai

counter dari titik 0, maka akan semakin kecil total message relayed.

Hal ini disebabkan oleh threshold copy dan threshold delete (nilai

counter). Nilai counter yang lebih dekat dengan nilai 0 atau nilai

awal counter akan lebih cepat dan aktif dalam meneruskan pesan,

karena pertemuan yang dibutuhkan untuk menghitung nilai counter

juga lebih rendah.

4.1.2. Perbandingan Total Message Relayed pada dataset Reality

Mining MIT

Grafik 4.1.2.1 Total Message Relayed pada dataset Reality Mining MIT

Seperti halnya dengan dataset Haggle03- Infocom 5, hasil

pada dataset Reality Mining MIT protokol epidemic with interest

tidak terdapat cost atau message relayed. Dan juga semakin nilai

counter jauh dengan titik 0 maka semakin kecil total message

relayed.

0

9337190.25

7223032.25

4836401

26913731782004.5

0

2000000

4000000

6000000

8000000

10000000

EPIDEMICWITH

INTEREST

GOSSIPC=1 D=-1

WITHINTEREST

GOSSIPC=2 D=-2

WITHINTEREST

GOSSIPC=3 D=-3

WITHINTEREST

GOSSIPC=4 D=-4

WITHINTEREST

GOSSIPC=5 D=-5

WITHINTEREST

Mes

sage

Total Message Relayed


28

4.2. Perbandingan Total Delivered Interest

4.2.1. Perbandingan Total Delivered Interest pada dataset Haggle03-

Infocom 5

Grafik 4.2.1.1 Total Delivered Interest pada dataset Haggle03-Infocom5

Pada Grafik 4.2.1.1 Total Delivered Interest hasil simulasi

menunjukkan routing protokol Gossip Game of Life dengan Interest

dengan nilai counter yang lebih dekat dengan titik 0 (C=1 D= -1)

memiliki tingkat kesuksesan yang lebih tinggi untuk sampai ke

tujuan, yang artinya suatu pesan mampu dikirimkan ke node dengan

interest yang sama dengan pesan tersebut. Hal ini disebabkan oleh

adanya bantuan dari node yang memiliki nilai ketertarikan yang

berbeda dengan pesan dalam pengiriman pesan yang diatur dengan

nilai counter.

Pada Grafik 4.2.1.1 ditunjukkan bahwa protokol Epidemic

with Interest memiliki kesuksesan yang rendah, hal ini dikarenakan

beberapa node dengan nilai ketertarikan yang sama tidak saling

bertemu di jaringan, karena pada protokol ini suatu pesan hanya bisa

991.75

8157 7923

4440.75

2852.75

1617.5

0

1000

2000

3000

4000

5000

6000

7000

8000

9000

EPIDEMICWITH

INTEREST

GOSSIPC=1 D=-1

WITHINTEREST

GOSSIPC=2 D=-2

WITHINTEREST

GOSSIPC=3 D=-3

WITHINTEREST

GOSSIPC=4 D=-4

WITHINTEREST

GOSSIPC=5 D=-5

WITHINTEREST

Mes

sage

Total Delivered Interest


29

diteruskan apabila nilai ketertarikan yang dimiliki antar node dan

pesan sama.

4.2.2. Perbandingan Total Delivered Interest pada dataset Reality

Mining MIT

Grafik 4.2.2.1 Total Delivered Interest pada dataset Reality Mining MIT

Sama halnya dengan hasil dari dataset Haggle03- Infocom

5, pada Grafik 4.2.2.1 menunjukkan bahwa protokol Gossip Game

of Life dengan Interest dengan nilai counter yang lebih dekat dengan

titik 0 (C=1 D= -1) memiliki kesuksesan yang tinggi dalam

pengiriman pesan. Dan protokol Epidemic with Interest memiliki

kesuksesan yang lebih rendah dalam pengiriman pesan

dibandingkan dengan protokol gossip game of life dengan interest.

156837.25

4253041.754021291.25

2213011.5

1229374.5

650625.5

0

500000

1000000

1500000

2000000

2500000

3000000

3500000

4000000

4500000

EPIDEMICWITH

INTEREST

GOSSIPC=1 D=-1

WITHINTEREST

GOSSIPC=2 D=-2

WITHINTEREST

GOSSIPC=3 D=-3

WITHINTEREST

GOSSIPC=4 D=-4

WITHINTEREST

GOSSIPC=5 D=-5

WITHINTEREST

Mes

sage

Total Delivered Interest


30

4.3. Perbandingan Average Convergence Time

4.3.1. Perbandingan Average Convergence Time pada dataset

Haggle03- Infocom 5

Grafik 4.3.1.1 Average Convergence Time pada dataset Haggle03-

Infocom 5

Pada Grafik 4.3.1.1 hasil simulasi menunjukkan routing

protokol Gossip Game of Life dengan Interest dengan nilai counter

yang lebih dekat dengan titik 0 (C=1 D= -1) memiliki waktu yang

lebih cepat dalam menyebarkan update informasi di jaringan. Hal

ini disebabkan oleh mekanisme pengiriman yang dimiliki oleh

protokol Gossip Game of Life dengan Interest, yang menyebarkan

pesan lebih banyak dibanding dengan nilai counter yang lebih jauh

dari titik 0. Semakin jauh nilai counter dari titik 0 maka akan

semakin sedikit penyebaran pesan dan akan semakin lama dalam

mencapai tujuan.

Pada Grafik 4.3.1.1 ditunjukkan bahwa protokol Epidemic

with Interest memiliki waktu yang lebih lama, hal ini dikarenakan

beberapa node dengan nilai ketertarikan yang sama tidak saling

bertemu di jaringan, karena pada protokol ini suatu pesan hanya bisa

4260.710293

2409.435131

3294.54651

3719.2118653956.592059 4065.089212

0

500

1000

1500

2000

2500

3000

3500

4000

4500

EPIDEMICWITH

INTEREST

GOSSIPC=1 D=-1

WITHINTEREST

GOSSIPC=2 D=-2

WITHINTEREST

GOSSIPC=3 D=-3

WITHINTEREST

GOSSIPC=4 D=-4

WITHINTEREST

GOSSIPC=5 D=-5

WITHINTEREST

Sec

Average Convergence Time


31

diteruskan apabila nilai ketertarikan yang dimiliki antar node dan

pesan sama.

4.3.2. Perbandingan Average Convergence Time pada dataset Reality

Mining MIT

Grafik 4.3.2.1 Average Convergence Time pada dataset Reality Mining

MIT



of Life dengan Interest dengan nilai counter C=1 D= -1 memiliki

waktu yang lebih cepat dalam penyebaran update informasi, serta

semakin jauh nilai counter dari titik 0 maka akan semakin lama

waktu dalam menyebarkan update informasi. Dan protokol

Epidemic with Interest memiliki waktu yang lebih lama dalam

update informasi.

290920.7798

156100.1937

219225.8208

254351.9343270691.1491 282138.1616

0

50000

100000

150000

200000

250000

300000

350000

EPIDEMICWITH

INTEREST

GOSSIPC=1 D=-1

WITHINTEREST

GOSSIPC=2 D=-2

WITHINTEREST

GOSSIPC=3 D=-3

WITHINTEREST

GOSSIPC=4 D=-4

WITHINTEREST

GOSSIPC=5 D=-5

WITHINTEREST

Sec

Average Convergence Time


32

4.4. Perbandingan Average Residue

4.4.1. Perbandingan Average Residue pada dataset Haggle03-

Infocom 5

Grafik 4.4.1.1 Average Residue pada dataset Haggle03- Infocom 5

Pada Grafik 4.4.1.1 hasil simulasi menunjukkan routing

protokol Gossip Game of Life dengan Interest dengan nilai counter

C=5 D=-5 memiliki jumlah residue yang lebih rendah dibanding

dengan nilai counter C=1 D= -1, karena semakin jauh nilai counter

dari titik 0, maka akan semakin sulit untuk sebuah dihapus

menggunakan sistem delete pada counter karena nilai batas bawah

yang lebih jauh dari nilai awal counter (0) dibanding dengan nilai

counter C=5 D= -5. Hal ini menyebabkan persebaran suatu pesan

akan lebih luas dan lebih lama. Serta pesan yang terhapus oleh TTL

akan lebih banyak.

Sedangkan protokol Epidemic with Interest memiliki hasil

residue yang terendah oleh karena pada protokol ini tidak ada proses

penghapusan. Maka pesan banyak dihapus menggunakan TTL,

karena pengaturan yang digunakan pada penelitian kali ini

menggunakan buffer yang cukup tinggi untuk menghindari

penghapusan karena buffer.

3.861782945

8.836111239

7.248501808

6.0353931465.19710207

4.765751414

0123456789

10

EPIDEMICWITH

INTEREST

GOSSIPC=1 D=-1

WITHINTEREST

GOSSIPC=2 D=-2

WITHINTEREST

GOSSIPC=3 D=-3

WITHINTEREST

GOSSIPC=4 D=-4

WITHINTEREST

GOSSIPC=5 D=-5

WITHINTEREST

No

de

Average Residue


33

4.4.2. Perbandingan Average Residue pada dataset Reality Mining

MIT

Grafik 4.4.2.1 Average Residue pada dataset Reality Mining MIT



of Life dengan Interest dengan nilai counter C=5 D= -5 memiliki

jumlah residue yang lebih rendah dibanding dengan protokol gossip

game of life dengan interest yang memiliki nilai counter yang lebih

dekat dengan titik 0. Dan juga untuk protokol epidemic with interest

ditunjukkan pada grafik memiliki nilai average residue yang

terendah karena pada protokol ini tidak terdapat proses penghapusan

selain dengan TTL.

11.44682746

22.04461759

16.80984874

14.40715448 13.79847891 13.67614839

0

5

10

15

20

25

EPIDEMICWITH

INTEREST

GOSSIPC=1 D=-1

WITHINTEREST

GOSSIPC=2 D=-2

WITHINTEREST

GOSSIPC=3 D=-3

WITHINTEREST

GOSSIPC=4 D=-4

WITHINTEREST

GOSSIPC=5 D=-5

WITHINTEREST

No

de

Average Residue


34

4.5. Perbandingan Total Message Relayed per Time Interval

4.5.1. Perbandingan Total Message Relayed per Time Interval pada

dataset Haggle03- Infocom 5

Grafik 4.5.1.1 Total Message Relayed per Time Interval (3600s)

Haggle03- Infocom 5

Pada Grafik 4.5.1.1 ditunjukkan bahwa penyebaran pesan

pada protokol Gossip Game of Life dengan Interest dengan nilai

counter yang lebih dekat dengan titik 0 lebih aktif dalam

menyebarkan pesan. Hal ini disebabkan oleh threshold copy dan

threshold delete (nilai counter). Nilai counter yang lebih dekat

dengan nilai 0 atau nilai awal counter akan lebih cepat dan aktif

dalam meneruskan pesan, karena pertemuan yang dibutuhkan untuk

menghitung nilai counter juga lebih rendah.

Sedangkan pada protokol Epidemic with Interest tidak

memiliki relayed message karena pada protokol ini hanya mau

mengirimkan apabila antar node dan pesan memiliki ketertarikan

yang sama.

0200400600800

10001200140016001800

36

00

14

40

0

25

20

0

36

00

0

46

80

0

57

60

0

68

40

0

79

20

0

90

00

0

10

08

00

11

16

00

12

24

00

13

32

00

14

40

00

15

48

00

16

56

00

17

64

00

18

72

00

19

80

00

20

88

00

21

96

00

23

04

00

24

12

00

25

20

00

26

28

00

27

36

00

Mes

sage

Time (sec)

Total Message Relayed per Time Interval (3600s)

Epidemic with Interest Gossip C=1 D=-1 with Interest

Gossip C=2 D=-2 with Interest Gossip C=3 D=-3 with Interest



35

4.5.2. Perbandingan Total Message Relayed per Time Interval pada

dataset Reality Mining MIT

Grafik 4.5.2.1 Total Message Relayed per Time Interval (86400s) Reality

Mining MIT

Sama halnya dengan hasil dari dataset Haggle03- Infocom5.

Pada Grafik 4.5.2.1. ditunjukkan bahwa protokol Gossip Game of

Life dengan Interest dengan nilai counter yang lebih dekat dengan

titik 0 akan lebih aktif dalam menyebarkan pesan. Dan juga

ditunjukkan bahwa protokol Epidemic with interest tidak memiliki

relayed message.

020000400006000080000

100000120000140000160000

86

40

0

6.9

1E+

05

1.3

0E+

06

19

00

80

0

25

05

60

0

31

10

40

0

37

15

20

0

4.3

2E+

06

49

24

80

0

5.5

3E+

06

6.1

3E+

06

67

39

20

0

73

44

00

0

7.9

5E+

06

8.5

5E+

06

91

58

40

0

97

63

20

0

1.0

4E+

07

1.1

0E+

07

1.1

6E+

07

1.2

2E+

07

1.2

8E+

07

1.3

4E+

07

1.4

0E+

07

1.4

6E+

07

1.5

2E+

07

1.5

8E+

07

1.6

4E+

07

Mes

sage

Time (sec)

Total Message Relayed per Time Interval (86400s)





36

4.6. Perbandingan Total Message Deleted per Time Interval

4.6.1. Perbandingan Total Message Deleted per Time Interval pada

dataset Haggle03- Infocom 5

Grafik 4.6.1.1 Total Message Deleted per Time Interval (3600s)

Haggle03- Infocom 5

Pada Grafik 4.6.1.1 ditunjukkan bahwa pada protokol Gossip

Game of Life dengan Interest dengan nilai counter C=2 D= -2 dan

C=3 D= -3 lebih aktif dalam penghapusan pesan dibanding dengan

nilai counter C=1 D=-1, C=4 D= -4, dan C=5 D= -5. Hal tersebut

dikarenakan pada counter C=2 D= -2 dan C=3 D= -3, penyebaran

dan penghapusan pesan tidak terlalu cepat seperti pada C=1 D= -1

dan juga tidak terlalu lambat seperti pada C=4 D= -4 dan C=5

D= -5. Sedang pada protokol Epidemic with Interest tidak terdapat

sesi penghapusan pesan berdasarkan counter, maka nilai yang

ditampilkan adalah 0.

0

100

200

300

400

500

600

700

36

00

14

40

0

25

20

0

36

00

0

46

80

0

57

60

0

68

40

0

79

20

0

90

00

0

10

08

00

11

16

00

12

24

00

13

32

00

14

40

00

15

48

00

16

56

00

17

64

00

18

72

00

19

80

00

20

88

00

21

96

00

23

04

00

24

12

00

25

20

00

26

28

00

27

36

00

Mes

sage

Time (sec)

Total Message Deleted per Time Interval (3600s)





37

4.6.2. Perbandingan Total Message Deleted per Time Interval pada

dataset Reality Mining MIT

Grafik 4.6.2.1 Total Message Deleted per Time Interval (86400s) Reality

Mining MIT

Sama halnya dengan hasil dari dataset Haggle03- Infocom5.

Protokol Gossip Game of Life dengan Interest dengan C=2 D=-2 dan

C=3 D= -3 lebih aktif dalam penghapusan pesan dibanding dengan

protokol lain yang terdapat pada Grafik 4.5.2.1. Sedang pada

protokol Epidemic with Interest tidak terdapat sesi penghapusan

pesan berdasarkan counter, maka nilai yang ditampilkan adalah 0.

0

2000

4000

6000

8000

10000

12000

14000

86

40

0

69

12

00

12

96

00

0

19

00

80

0

25

05

60

0

31

10

40

0

37

15

20

0

43

20

00

0

49

24

80

0

55

29

60

0

61

34

40

0

67

39

20

0

73

44

00

0

79

48

80

0

85

53

60

0

91

58

40

0

97

63

20

0

1.0

4E+

07

1.1

0E+

07

1.1

6E+

07

1.2

2E+

07

1.2

8E+

07

1.3

4E+

07

1.4

0E+

07

1.4

6E+

07

1.5

2E+

07

1.5

8E+

07

1.6

4E+

07

Mes

sage

Time (sec)

Total Message Deleted per Time Interval (86400s)





38

BAB V

KESIMPULAN

5.1. Kesimpulan

Hasil dari proses pengujian dan analisis melalui simulasi The One

Simulator menyimpulkan bahwa protokol Gossip Game of Life dengan

Interest tidak lebih efisien dibanding dengan protokol Epidemic with

Interest dilihat dari Total Message Relayed. Namun protokol Gossip Game

of Life dengan Interest mampu lebih baik dalam kesuksesan penyebaran

pesan di jaringan, hal ini dikarenakan oleh mekanisme pengiriman yang

digunakan yang mana node dan pesan yang tidak memiliki nilai ketertarikan

yang sama memungkinkan untuk membantu dalam pengiriman pesan,

tergantung dari nilai counter-nya. Waktu convergence pada protokol Gossip

Game of Life dengan Interest lebih cepat dari protokol Epidemic with

Interest.

Protokol Gossip Game of Life dengan Interest dianggap cukup

efektif dibanding dengan protokol epidemic with interest. Dilihat dari

penyebaran update informasi yang lebih cepat dengan catatan nilai counter

yang dekat dengan titik 0. Kesuksesan pada penyebaran pesan lebih tinggi

dilihat dari total delivered interest. Tetapi, protokol gossip game of life

dengan interest tidak lebih efisien dibanding dengan protokol epidemic with

interest karena pada total message relayed ditunjukkan bahwa protokol

gossip game of life dengan interest memiliki total message relayed yang

jauh lebih tinggi dibanding dengan total message relayed yang dimiliki

epidemic with interest.

Dari pernyataan tersebut, protokol Gossip Game of Life dengan

Interest dapat digunakan sebagai bahan pertimbangan dalam menyelesaikan

masalah penyebaran informasi di dalam jaringan oportunistik.


39

DAFTAR PUSTAKA

[1] Gardner, Martin (Oktober 1970). “Mathematical Games – The fantastic

combinations of John Conway’s new solitaire game “life””. Scientific

American. 223 (4): 120- 123.

[2] Becker, Amin Vahdat and David Department of Computer Science, “Epidemic

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

2000.

[3] M. Jelasity, “Gossip Protocols”. Hungary : University of Szeged.

[4] Keranen, A., Ott, J. & Karkkainen, T., "The ONE Simulator for DTN Protocol

Evaluation", Computer Communication Networks

[5] Brenton D. Walker, Joel K. Glenn, T. Charles Clancy, Analysis of Simple

Counting Protocols for Delay-Tolerant Networks.

[6] Sijabat. Junandus, Penerapan Routing Berbasis Interest pada Protokol Epidemic

di Jaringan Oportunistik dengan Pergerakan Manusia. Yogyakarta, Indonesia :

Universitas Sanata Dharma, 2018.


40

LAMPIRAN

1. Router GossipGoLwithInterestRouter.java


41


42


43

2. Router EpidemicWithInterest.java


44


Documents

ANALISIS UNJUK KERJA PROTOKOL GOSSIP GAME OF LIFE …repository.usd.ac.id/36246/2/155314074_full.pdf · Protokol Gossip dan Protokol Epidemic berbasis Interest memiliki mekanisme