1.
Pendahuluan
Salah satu persoalan optimasi yang sering ditemui dalam kehidupan sehari-hari adalah pencarian lintasan terpendek. Berbagai kalangan menemui permasalahan serupa dengan variasi yang berbeda, contohnya seorang pengemudi yang mencari jalur terpendek dari tempat asal ke tempat tujuan. Begitupun juga seorang desainer jaringan yang harus mendesain skema perutean pada jaringan yang dia tangani agar memaksimalkan performa jaringan dan meminimalkan beban yang harus ditangani oleh jaringan tersebut. Pada jaringan seluler, pertumbuhan pengguna telepon seluler terus meningkat sehingga hal ini berdampak pada arsitektur jaringan serta sistematika routing (pencarian jalur komunikasi) yang dituntut untuk memberikan peforma terbaik. Permasalahan yang sering terjadi terkait peningkatan pengguna telepon seluler adalah peningkatan jumlah beban trafik sehingga dapat menyebabkan kongesti atau kemacetan dalam jaringan tersebut. Kemacetan terjadi akibat jumlah panggilan yang melalui trafik cukup banyak, sehingga beberapa panggilan baru yang masuk ke trafik akan mengalami delay. Hal ini akan menyebabkan antrian sehingga meningkatkan kapadatan jaringan yang disebut dengan kongesti atau kemacetan dalam jaringan. Jika kemacetan terjadi pada rute/lintasan maka dapat menghasilkan panggilan yang tidak sukses. Routing adalah proses memilih rute untuk menghubungkan suatu sentral dengan sentral lainnya. Tujuan routing adalah memperoleh pemakaian lintasan yang efisien sehingga pemakaian lintasan/rute dapat dilakukan secara optimal [1]. Jika rute/lintasan yang dilewati dalam keadaan penuh atau mengalami kemacetan maka protokol-protokol yang digunakan harus mencari jalur yang tependek agar waktu panggilan lebih efisien. Berdasarkan latar belakang tersebut, dilakukannya penelitian ini bertujuan untuk membuat sebuah sistematika baru dalam routing jaringan seluler untuk penentuan jalur terpendek pada proses routing. Dalam penentuan jalur terpendek ini menggunakan algoritma Dijsktra. Algoritma ini termasuk algoritma pencarian graf yang digunakan untuk menyelesaikan masalah lintasan terpendek dengan satu sumber pada sebuah graf yang tidak memiliki cost sisi negatif, dan menghasilkan sebuah pohon lintasan terpendek [2]. Pada penelitian digunakan studi kasus jaringan seluler yang ada di kota Salatiga terkhususnya operator seluler Indosat. Oleh karena itu, penelitian ini dilakukan ini agar dari sisi desainer jaringan dapat memperoleh acuan mengenai rute terpendek pada jalur komunkasi pada jaringan seluler. Sedangkan dari sisi pengguna dapat merasakan kelancaran dalam melakukan komunikasi telepon seluler. 2.
Tinjauan Pustaka
Salah satu penelitian yang membahas mengenai mengenai optimasi jaringan seluler adalah Optimasi Routing Berbasis Algoritma Genetika Pada Sistem Komunikasi Bergerak. Dalam penelitian ini dijelaskan bahwa komunikasi bergerak seluler membutuhkan proses routing dimana antar client dapat saling berhubungan melalui jalur yang telah disediakan oleh pihak telekomunikasi.
1
Terkadang jalur-jalur tersebut dalam keadaan sibuk dikarenakan banyaknya jalur yang digunakan untuk panggilan. Dari permasalahan itu maka dibuat suatu program yang mampu mensimulasikan proses pencarian jalur komunikasi (routing) pada jaringan telekomunikasi menggunakan algoritma genetika. Algoritma genetika digunakan untuk menghitung waktu yang dibutuhkan dalam usaha pencarian rute terpendek antara Base Transceiver Station (BTS) asal dengan BTS tujuan berdasarkan algoritma genetik pada saat terjadi proses handoff. Dalam algoritma genetika fungsi waktu dapat dikatakan lebih efisien karena adanya inisialisasi atau pengenalan cost pada masing-masing BTS, sehingga dalam pencarian rute relatif lebih cepat [3]. Salah satu contoh penelitian mengenai penggunaan algoritma Djikstra adalah Simulasi Algoritma Dijkstra Pada Protokol Routing Open Shortest Path First. Dalam penelitian ini dijelaskan bahwa algoritma Dijkstra dapat menentukan (menghitung) rute terpendek ke setiap host tujuan dalam suatu topologi jaringan. Dijelaskan juga jikalau salah satu protokol routing yang digunakan pada jaringan TCP/IP saat ini adalah protokol routing Open Shortest Path First (OSPF). Protokol routing ini menggunakan algoritma Dijkstra dalam menentukan rute terpendek pada proses pencarian jalur komunikasinya [4]. Algoritma Dijkstra menggunakan prinsip greedy yang menyatakan bahwa pada setiap langkah kita memilih sisi yang berbobot minimum dan memasukkannya ke dalam himpunan solusi. Algoritma Dijkstra merupakan grafik satu arah (directed graphs) dengan bobot jalur non-negatif yang artinya akan bekerja dengan baik jika bobot lebih besar atau sama dengan nol [2]. Berdasarkan penelitian-penelitian sebelumnya mengenai optimasi routing jaringan seluler dan keunggulan algoritma Dijkstra dalam penentuan jalur terpendek, maka penulis melakukan penelitian yang membahas mengenai routing untuk pencarian jalur terpendek pada trafik jaringan seluler dengan memanfaatkan algoritma Dijkstra, yaitu membuat simulasi agar dapat mempelajari penentuan rute terpendek algoritma Dijkstra. Dalam penelitian yang dilakukan, simulasi yang dibuat berupa aplikasi berbasis bahasa pemograman java yang menggambarkan routing antar BTS milik operator Indosat pada kota Salatiga. Penelitian ini akan menghasilkan tabel iterasi yang membantu bagi desainer jaringan seluler dalam manjemen trafik menggunakan algoritma Dijkstra dalam penentuan jalur terpendek. Dari tabel ini, desainer jaringan diharapkan dapat mengatasi masalah kemacetan yang yang terjadi dalam jaringan seluler. Routing OSPF dilakukan melalui 3 (tiga) proses yaitu proses adjacency, proses pembanjiran (flooding) dan perhitungan tabel routing [4]. Pada penelitian ini, proses adjacency dan proses pembanjiran tidak diikut sertakan. Yang digunakan pada penelitian ini adalah perhitungan tabel routing yang mensimulasikan penentuan rute terpendek tiap BTS berdasarkan topologi jaringan yang ada. Pada algoritma Dijkstra, pencarian hanya pada lokasi awal dan lokasi akhir saja, dan lokasi awal dan lokasi akhir tersebut hanya dipilih satu kali saja dan jarak terpendek untuk menuju lokasi akhir itu yang akan menjadi nilai output. Untuk mengetahui jalan atau rute terpendek dari lokasi awal ke lokasi akhir yang sudah ditentukan, caranya dengan terlebih dahulu mengetahui lokasi awal dan lokasi akhir yang tersimpan dalam variabel kemudian menghitung jarak dari
2
lokasi awal ke lokasi akhir atau lokasi tujuan lalu dipilih rute yang terpendek [5]. Proses pencarian jalur terpendek menggunakan Algoritma Dijkstra dari titik 1 ke titik 7. Contoh Graph algoritma Dijkstra digambarkan pada Gambar 1.
Gambar 1 Graph Algoritma Dijkstra
Langkah penyelesaian dengan ditunjukkan pada Tabel 1.
aloritma
Dijkstra
menggunakan
matriks
Tabel 1 Hasil Perhitungan Algoritma Dijkstra menggunakan matriks
N
D2
D3
D4
D5
D6
D7
{1}
(1-2) = 2
~ (1-2-4) = 3
~
~
(1-2) = 2
~ (1-2-3) = 5
~
{1,2}
~
{1,2,4}
(1-2) = 2
(1-2-3) = 5
(1-2-4) = 3
~ (1-2-4-5) = 7
{1,2,3,4}
(1-2) = 2
(1-2-3) = 5
(1-2-4) = 3
(1-2-4-5) = 7
~ (1-2-3-6) = 10
{1,2,3,4,5}
(1-2) = 2
(1-2-3) = 5
(1-2-4) = 3
(1-2-4-5) = 7
(1-2-3-6) = 10
(1-2-4-7) = 8
{1,2,3,4,5,7}
(1-2) = 2
(1-2-3) = 5
(1-2-4) = 3
(1-2-4-5) = 7
(1-2-3-6) = 10
(1-2-4-7) = 8
{1,2,3,4,5,6,7}
(1-2) = 2
(1-2-3) = 5
(1-2-4) = 3
(1-2-4-5) = 7
(1-2-3-6) = 10
(1-2-4-7) = 8
~ (1-2-4-7) = 8 (1-2-4-7) = 8
Penelitian yang dilakukan menghasilkan simulasi berupa aplikasi java dimana terdapat 2 (dua) proses yaitu proses routing, dimana jalur-jalur komunikasi antar BTS saling terhubung dengan adanya paket-paket data serta panggilan dari antara Mobile Station (MS) pada operator seluler Indosat Kota Salatiga. Proses routing ini akan ditampilkan pada aplikasi berupa garis merah yang menunjukkan jalur komunikasi antara 2 MS. Proses yang kedua adalah menentukan jalur terpendek, dimana dalam menentukan jalur terpendek menggunakan algoritma Dijkstra. Dalam setiap algoritma jalur terpendek, akan adanya pemberian label pada setiap node (dalam hal ini BTS) yang melambangkan cost dari node asal ke suatu node lain. Cost pada penelitian ini merupakan jumlah dari 2 paramater yang digunakan, yaitu jarak sebenarnya antar BTS dan Call Setup Success Rate (CSSR). CSSR merupakan persentase tingkat keberhasilan pembangunan hubungan dengan ketersediaan kanal suara (biasanya ditentukan nilai standarnya agar mencapai > 95%) [6]. CCSR digunakan perhitungan cost untuk menghitung tingkat kesuksesan panggilan pada trafik jaringan seluler. CSSR adalah nilai yang digunakan untuk mengukur tingkat ketersediaan jaringan dalam memberikan pelayanan baik berupa voice call, video call maupun SMS, dengan kata lain membuka jalan untuk komunikasi dan terkadang karena berbagai alasan, tidak semua upaya untuk melakukan panggilan (Call Attempt) dapat terkoneksi ke nomor yang dituju. Saat hendak melakukan panggilan, call attempt memanggil prosedur call setup dan jika berhasil maka panggilan akan terhubung. Melalui perhitungan nilai CSSR tersebut maka akan dapat diketahui 3
seberapa handal jaringan dalam memberikan pelayanan kepada pelanggan. Perhitungan CSSR menggunakan rumusan sebagai berikut [6] : CSSR (%) = Call attempt – block call x 100% Call attempt
Call attempt adalah total panggilan menunjukkan banyaknya panggilan yang datang dan block call adalah panggilan yang tidak dapat tersambung yang diakibatkan adanya gangguan pada jaringan selular. CSSR yang baik adalah CSSR dengan nilai yang tinggi. Pada operator GSM standar minimal CSSR yang digunakan adalah sebesar 98% [7]. Pada jaringan seluler, dikenal juga area cakupan antena pada BTS atau coverage area. Pada jaringan seluler Global System for Mobile (GSM) terdapat 3 (tiga) radius area cakupan BTS, yaitu: (1) Sel besar, radius sel 1 Km dan biasanya melebihi 3 Km; (2) Sel kecil, radius sel 1 Km - 3 Km; (3) Mikro sel: jari-jari di kisaran 200 m - 300 m [8]. Cakupan area yang akan digunakan untuk menghitung cost pada penelitian ini adalah batas maksimal cakupan yaitu 3 km. Aplikasi yang dibangun dalam sistem menggunakan bahasa pemograman java. Java merupakan sebuah bahasa pemograman yang dipelopori oleh James Gosling, Patrick Naughton, Chris Warth, Ed Frank, dan Mike Sheridan dari Sun Microsystems, Inc pada tahun 1991. Bahasa ini pada awalnya disebut “Oak” tapi kemudian diubah menjadi “Java” pada tahun 1995 karena nama Oak telah dijadikan hak cipta dan digunakan sebagai bahasa pemrograman lainnya. Keunggulan Java yaitu : (1) Mudah dipelajari khususnya bagi programmer yang sudah terbiasa dengan bahasa C++ atau bahasa lain yang memiliki sifat berorientasi objek, karena Java merupakan bahasa berorientasi objek murni; (2) Penulisan kode yang lebih baik. Bahasa Java mendorong kebiasaan menulis kode yang baik, karena berorientasi objek, arsitektur Java Bean, API yang mudah dikembangkan, serta kemampuan garbage collection yang dimiliki oleh Java; (3) Mudah dalam maintenance dan pengembangan, karena berorientasi objek; (4) Menulis program lebih cepat karena kelengkapan API; (5) Terhindar dari ketergantungan platform; (6) Mudah didistribusikan dan diupdate, khususnya Java Applet [9]. 3.
Metode dan Perancangan Sistem
Tahapan penelitian pada perancangan simulasi ini melalui 7 (tujuh) tahapan, yaitu (1) Identifikasi masalah, (2) Perumusan masalah, (3) Penelusuran pustaka, (4) Rancangan penelitian, (5) Pengumpulan data, (6) Pengolahan data, dan (7) Penyimpulan hasil. Diagram alir tahapan penelitian digambarkan pada Gambar 2.
4
Gambar 2 Tahapan Penelitian [10]
Gambar 2 menunjukkan tahapan peneiltian yang dapat dijelaskan sebagai berikut; Tahap pertama: identifikasi masalah yang sering terjadi terkait dengan proses routing jaringan seluler. Adanya masalah penuhnya jalur komunikasi yang menyebabkan kemacetan pada jaringan seluler. Tahap kedua: perumusan masalah, dalam tahap ini merumuskan apakah algoritma dijkstra dapat meyelesaikan masalah yang kemacetan jaringan seluler serta menetukan batasan masalah. Tahap ketiga: pelaksanaan penelitian menggunakan penelusuran pustaka dari berbagai bahan dan sumber pustaka seperti beberapa buku teks, jurnal nasional maupun internasional, dan beberapa karya ilmiah lainnya tentang metode dan optimasi khususnya dalam teori algoritma Dijkstra dalam pencarian jalur terpendek pada routing di dalam jaringan seluler. Tahap keempat: merancang proses perhitungan jalur terpendek menggunakan algoritma Dijkstra dan merancang interface dari simulasi yang akan digunakan oelh user. Simulasi dibangun berdasarkan tahapan penelitian sebelumnya. Perancangan yang dimaksud adalah membangun simulasi berupa aplikasi java untuk pencarian jalur terpendek dengan menerapkan algoritma Dijkstra. Tahap kelima: data-data yang diperoleh melalui proses simulasi menggunakan algoritma Dijkstra, dikumpulkan untuk diolah. Tahap keenam: data yang diperoleh dilakukan analisis untuk mendapatkan sebuah hasil maupun kesimpulan. Tahap ketujuh: mendapatkan kesimpulan dari hasil pengolahan dan analisis data. Simulasi ini dibangun dengan menerapkan algoritma dijkstra dalam penentuan jalur terpendek antar setiap BTS yang ada di kota Salatiga. Adapun proses program utama pada simulasi ditunjukkan pada Gambar 3.
5
Gambar 3 Proses program utama [9]
Gambar 3 menjelaskan proses pencarian jalur terpendek pada jaringan seluler di kota Salatiga ini menerapkan algoritma dijkstra saat proses pencarian jalur dari lokasi awal menju ke lokasi tujuan. Algoritma Dijkstra memakai stategi greedy (strategi rakus), dimana pada setiap langkah akan dihitung dengan bobot atau cost yang menghubungkan BTS dengan BTS lain, total jumlah cost terkecil yang nantinya akan menjadi jalur yang terpilih. Sistem akan mendapatkan info jalur terpendek dari perhitungan algoritma Dijkstra dan menampilkan info tersebut. Proses execute (nodeAwal) Proses execute adalah proses dalam memulai pencarian jalur terpendek dengan parameter inputan nodeAwal dari user. Proses execute ditunjukkan pada Gambar 4.
6
Gambar 4 Proses execute (nodeAwal) [9]
Pada Gambar 4 dijelaskan bahwa tetapkan setiap node memiliki sebuah nilai cost yang tersimpan dalam hashMap. Isikan 0 untuk node awal, sebagai awal proses pencarian. Pastikan semua nilai node harus lebih besar dari 0, hal ini sesuai dengan prinsip Dijkstra yang tidak menghitung nilai/bobot yang bernilai negatif. Jika krurang besar dari 0 maka program tidak akan melakukan perhitungan dan program akan selesai. Node awal akan membandingkan nilai dari setiap node tetangga. Setiap nilai dari node tetangga akan dimasukkan kedalam list untuk perhitungan. Begitu seterusnya hingga mencapai node tujuan, pencarian jalur terpendek akan menemukan nilai terpendek dari jumlah node-node terkecil dari node awal hingga node tujuan. Jika belum mencapai nilai minimum cost, maka proses akan diulang dari perhitungan node awal hingga node akhir. Proses getJalur (nodeTarget) Proses getjalur adalah proses mendapatkan jalur terpendek dari node awal ke node tujuan dengan parameter nodeTarget. Proses getjalur ditunjukkan pada Gambar 5.
7
Gambar 5 Proses getJalur (nodeTarget) [9]
Pada Gambar 5 dijelaskan mengenai menentukan jalur untuk mencapai node tujuan (nodeTarget). Dalam algoritma Dijkstra akan dibuat list untuk menyimpan nilai setiap node yang telah dilewati. Setiap langkah dalam jalur yang diambil menuju ke node tujuan. Jika isi dalam list kosong maka output bernilai kosong maka tidak dilakukan pencarian. Jalur akan dibuka untuk langkah-langkah selanjutnya yaitu menghitung node-node selanjutnya dan akan dimasukkan ke dalam list. Setiap node di dalam list akan dijumlahkan sesuai dengan jalurnya lalu akan dibandingkan,cari yang terkecil dan perbaharui. Bila ternyata jumlah nilainya sama dalam node yang sama, maka abaikan. Telusuri setiap jalur berdasarkan node awal sampai mengacu ke node tujuan, jika belum didapatkan maka telusuri jalur lagi sampai mendapat jalur terpendek. Jalur terpendek ditemukan bersama bobotnya. Perancangan Sistem
8
Dalam mendesain simulasi routing jaringan seluler menggunakan algoritma Dijkstra ini, digunakan 2 (dua) buah diagram yaitu Use Case Diagram dan Activity Diagram. Use Case Diagram merupakan gambaran interaksi antara aktor/pengguna dengan sistem yang sesuai dengan langkah skenario yang telah ditentukan. Use Case Diagram menggambarkan fungsionalitas yang diharapkan dari sebuah sistem yg dibuat [11]. Use Case Diagram user pada simulasi ini digambarkan pada Gambar 6.
Gambar 6 Use Case Diagram simulasi
Pada Gambar 6 menunjukkan bahwa interaksi awal user pada sistem adalah guna mencari jalur terpendek sehingga aksi yang dilakukan yaitu memasukkan lokasi awal ,lokasi tujuan mobile station dan melihat hasil pencarian. Activity Diagram menggambarkan berbagai alir aktivitas dalam sistem yang sedang dirancang [11]. Activity Diagram simulasi ini digambarkan pada Gambar 7.
9
Gambar 7 Activity Diagram Simulasi
Pada Gambar 7 menunjukkan activity diagram pada simulasi ini. Pada saat user mengaktifkan simulasi maka simulasi akan menampilkan form utama. Pada form utama terdapat 2 (dua) inputan berupa radio select yaitu radio select lokasi awal dan radio select lokasi tujuan. Simulasi akan melakukan pencarian jalur terpendek jaringan seluler dari lokasi awal MS ke lokasi tujuan MS menggunakan algoritma Dijkstra. Setelah menemukan jalur tercepat ke lokasi tujuan, simulasi akan menampilkan informasi mengenai routing jalur tercepat jaringan seluler berupa informasi BTS yang dilewati oleh jaringan seluler.
4.
Hasil dan Pembahasan
Perhitungan untuk mendapatkan cost, awalnya menghitung besar CSSR terlebih dahulu. Nilai call attempt yang ditentukan pada penelitian ini sebesar 50.000 dan block call nya sebesar 1000. Sehingga sesuai dengan rumus CSSR maka besar CSSR yaitu : CSSR (%) = (50.000 – 1000/ 50.000) * 100 = 98 % Untuk Jarak antar BTS, data didapatkan dari dinas web Dinas Perhubungan dan Komunikasi serta Budaya dan Pariwisata [12], dapat dilihat pada Tabel 2. Tabel 2 Jarak antar BTS
BTS Awal A
BTS Tujuan C
10
Jarak (Km) 2,7
A A B B B B C F F F F E D D G
F E C E D F E E D G H D G H H
1,9 1,3 5,0 1,4 1,3 2,9 3,5 2,0 2,5 4,2 5,1 2,0 5,6 3,2 5,6
Untuk mendapatkan formula dari cost, nilai tiap jarak akan dijumlahkan dengan nilai CSSR. Nilai jarak akan di bagi dengan area cakupan/radius maksimal BTS yaitu 3Km. Begitupun dengan nilai CSSR akan dibagi dengan standar minimal CSSR yaitu 98%. Sehingga formula dari cost adalah : Cost = {Jarak (Km) / 3 (Km)} + {CSSR (%)/ 98 (%)} Hasil perhitungan cost menggunakan formula diatas, dapat dilihat pada Tabel 3. Tabel 3 Hasil perhitungan cost
BTS Awal A A A B B B B C F F F F E D D G
BTS Tujuan C F E C E D F E E D G H D G H H
Jarak 0,9 0,6 0,4 1,7 0,5 0,4 1,0 1,2 0,7 0,8 1,4 1,7 0,7 1,9 1,1 1,9
CSSR
Cost
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1,9 1,6 1,4 2,7 1,5 1,4 2,0 2,2 1,7 1,8 2,4 2,7 1,7 2,9 2,1 2,9
Pada bagian ini akan dijelaskan mengenai implementasi dari simulasi yang dibangun. Simulasi ini diuji dengan menggunakan NetBeans IDE 7.0 dan Sistem operasi Windows 8. Proses algoritma Dijkstra yang diimplementasikan pada bahasa pemograman Java dibagi menjadi beberapa fungsi. Fungsi – fungsi utama seperti untuk menemukan cost minimal dijelaskan pada Kode Program 1. 11
Kode Program 1 Menemukan Cost Minimal
1. 2. 3. 4. 5. 6. 7. 8. 9. 10.
private void findMinimalDistances(Vertex node) { List
adjacentNodes = getNeighbors(node); for (Vertex target : adjacentNodes) { if (getShortestDistance(target) > getShortestDistance(node) + getDistance(node, target)) { distance.put(target, getShortestDistance(node) + getDistance(node, target)); predecessors.put(target, node); unSettledNodes.add(target); }}}
Kode Program 1 merupakan perintah untuk menemukan cost minimal pada setiap node dari node awal lalu node tetangga hingga node tujuan (baris 3,4 dan 5). Setiap node akan disimpan dan dibandingkan sehingga yang mempunyai nilai/bobot yang terkecil akan dipilih sebagai jalur berikut. Fungsi untuk mendapatkan nilai/bobot cost dari node untuk membuat jalur dijelaskan pada Kode Program 2. Kode Program 2 Mendapatkan Cost untuk Jalur
1. private double getDistance(Vertex node, Vertex target) { 2. for (Edge edge : edges) { 3. if (edge.getSource().equals(node) 4. && edge.getDestination().equals(target)) { 5. return edge.getJakak(); 6. }} Kode Program 2 merupakan perintah untuk membandingkan setiap nilai/bobot node untuk mendapatkan jalur selanjutnya hingga sampai ke node tujuan. Metode Pengujian Pengujian terhadap sistem yang dibangun, dilakukan dengan tujuan untuk melihat kinerja algoritma Dijkstra pada jaringan seluler. Pengujian simulasi ini menggunakan sistem pengujian Blackbox Testing. Metode ujicoba blackbox memfokuskan pada keperluan fungsional dari perangkat lunak. Pengujian Black Box Testing dilakukan oleh pembuat perangkat lunak untuk mengetahui fungsi-fungsi dalam program dapat berjalan dengan benar [13]. Dalam pengujian ini terdapat 12 (dua belas) item yang diujikan, seperti terlihat pada Tabel 4. Tabel 4 Blackbox Testing
No.
Item Pengujian
1.
Fungsi radio select “Mobile Station Start” Fungsi radio select “Mobile Station Destination” Fungsi button “Cari Jalur”
2. 3.
Hasil Berhasil Berhasil Berhasil
12
Keterangan Sesuai secara visual Sesuai secara visual Sesuai secara
4. 5. 6. 7. 8.
9.
10.
11. 12.
Fungsi menampilkan hasil pencarian (Log Pencarian) Fungsi menampilkan jalur pada peta Fungsi menentukan lokasi awal Fungsi menentukan lokasi tujuan Hasil pencarian cost terterkecil berupa label dan bobot Hasil pencarian jalur terpendek berupa BTS – BTS yang dilalui Hasil pencarian jalur terpendek berupa jalur garis dengan warna merah Fungsi button “bersihkan”
Berhasil
visual Sesuai secara visual Sesuai secara visual Sesuai secara visual Sesuai secara visual Sesuai secara visual
Berhasil
Sesuai secara visual
Berhasil
Sesuai secara visual
Berhasil Berhasil Berhasil Berhasil
Berhasil
Fungsi untuk mengakhiri simulasi (exit)
Berhasil
Sesuai secara visual Sesuai secara visual
Pada Tabel 4 dijelaskan bahwa pengujian dilakukan oleh pengembang dan pembuat perangkat lunak untuk mengetahui bahwa semua fungsi yang terdapat dalam perangkat lunak sudah dapat berjalan sesuai dengan spesifikasi program. Dari ke-12 item pengujian, semuanya dapat dilakukan dengan baik, benar dan sesuai dengan pengamatan hasil secara visual atau bisa disimpulkan setiap item pengujian dapat berjalan sesuai dengan spesifikasi program. Pengujian Simulasi Simulasi yang telah dibuat harus diuji terlebih dahulu. Pengujian dilakukan agar ketika terjadi masalah atau kerusakan, maka akan segera dapat diperbaiki. Pengujian simulasi ini pula diharapkan agar sistem dapat bekerja dengan baik sesuai dengan kebutuhan pengguna. Pengujian I, pada pengujian ini dilakukan pencarian jalur terpendek dari Smartphone B sebagai Mobile Station Start ke Smartphone A sebagai Mobile Station Destination. Pengujian I dapat dilihat pada Gambar 8.
13
Gambar 8 Pengujian I Pencarian Jalur Terpendek
Pada Gambar 8 dijelaskan bahwa pencarian jalur dari Smartphone A ke Smartphone B hasilnya dapat dilihat pada Log Pencarian, terlihat jalur terpendek yang didapatkan menggunakan algoritma Dijkstra yang ditampilkan yaitu Smartphone A (1.9) - BTS F (1.9) - BTS G (1.4) - Smartphone B (1.4) dengan total cost yaitu 6.6. Pengujian II, pada pengujian ini dilakukan pencarian jalur terpendek yang sama dengan pengujian I yaitu dari Smartphone A sebagai Mobile Station Start ke Smartphone B sebagai Mobile Station Destination. Perbedaan pada pengujian kedua ini adalah pada pencarian jalurnya tidak menggunakan algoritma Dijkstra. Pengujian II dapat dilihat pada Gambar 9.
14
Gambar 9 Pengujian II Perbandingan Jalur Terpendek dan Alternatif
Pada Gambar 9 diperlihatkan perbandingan antara jalur yang menggunakan algoritma Djisktra dan jalur yang tidak menggunakan algoritma (jalur alternatif). Jalur yang didapatkan menggunakan algoritma Dijkstra yang ditampilkan yaitu Smartphone A (1.9) - BTS F (1.9) - BTS G (1.4) - Smartphone B (1.4) dengan total cost yaitu 6.6, sedangkan jalur yang didapatkan dengan tidak menggunakan algoritma Dijkstra yaitu Smartphone A (1.9) - BTS B (1.4) - BTS D (1.6) - BTS G (1.6) - Smartphone B (1.5) dengan total cost adalah 8. Pada prinsipnya BTS dan smartphone (Mobile Station) memiliki sifat yang sama dalam memilih jalur, sehingga dalam simulasi ini dimasukkan juga pengujian BTS. Melalui pengujian-pengujian yang dilakukan menggunakan 2 (dua) parameter yaitu CSSR dan jarak sebenarnya, didapatkan perbandingan antara kedua parameter. Perbandingan antara kedua parameter ditunjukkan pada Gambar 10.
Gambar 10 Parameter Pengukuran Jalur Terpendek
15
Pada Gambar 10 terlihat bahwa parameter CSSR tidak berpengaruh terhadap pengukuran jalur terpendek karena memiliki nilai sama dalam setiap pengujian. 5.
Simpulan
Berdasarkan penelitian, pembahasan, pengujian, serta analisis terhadap sistem, maka didapatkan kesimpulan sebagai berikut: (1) Algoritma Dijkstra dapat digunakan untuk proses routing pencarian jalur terpendek jaringan seluler; (2) Parameter dalam pencarian jalur terpendek ada 2 yaitu jarak BTS dan CSSR, dalam penelitian ini jarak adalah parameter yang paling mempengaruhi dalam penetuan jalur terpendek; (3) Simulasi ini mampu mensimulasikan penentuan jalur terpendek tiap node berdasarkan topologi jaringan yang ada. Saran pengembangan yang dapat diberikan untuk penelitian lebih lanjut adalah pada simulasi ini dapat ditambahkan fitur waktu pencarian node sehingga dapat mengetahui dan membandingkan waktu tercepat dalam setiap pengujian serta menambahkan beberapa parameter dalam cost. 6.
Daftar Pustaka
[1]. Juhana, Tutun ., 2012. Konsep Manajemen Jaringan Telekomunikasi. http://www.scribd.com/doc/96149796/Modul-13-Manajemen-Jaringan. Diakses tanggal 2 April 2014. [2]. Mawarni, Sri. (2008). Penerapan Algoritma Dijkstra Dalam mencari Lintasan Terpendek Pada Jaringan Komputer. Politeknik Bengkalis. [3]. Rahmayanti, Devi. (2010). Optimasi Routing Berbasis Algoritma Genetika Pada Sistem Komunikasi Bergerak. Universitas Gajayana Malang. [4]. Suherman, Eman. (2011). Simulasi Algoritma Dijkstra Pada Protokol Routing Open Shortest Path Fist. Universitas Diponegoro Semarang. [5]. Labiro , Candra Wijaya, 2013, Pencarian Rute Terpendek untuk Suplai Bahan Bakar Minyak (BBM) dari Terminal BBM ke Stasiun Pengisian Bahan Bakar untuk Umum (SPBU) Menggunakan Algoritma Dijkstra (Studi Kasus Kota Palu), Universitas Kristen Satya Wacana, Salatiga. [6]. Jatimiko, Heri Setio. (2012). Pengolahan Data Dan Analisis Call Setup Success Rate (Cssr) Performance Pt. Indosat, Tbk Semarang. Universitas Diponegoro. [7]. Library BINUS, Perkembangan GSM, http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/KasmanSuhari2/pa ge.html. Diakses pada tanggal 28 Juli 2014. [8]. Sharma, K Purnia, and Singh, R. K, 2012. Cell Coverage Area and Link Budget Calculations in GSM System. International Journal of Modern Engineering Research (IJMER), India. [9]. Himiyah , Fathin., & Yagsa, Ida H P, 2012, Membuat Pencarian Rute Tercepat dengan Java, EEPIS,Surabaya.
16
[10]. Hasibuan, Zainal, A., 2007, Metodologi Penelitian Pada Bidang Ilmu Komputer Dan Teknologi Informasi : Konsep, Teknik, dan Aplikasi, Jakarta: Ilmu Komputer Universitas Indonesia. [11]. Wikipedia, UML, http://id.wikipedia.org/wiki/Unified_Modeling_Language. Diakses pada tanggal 24 April 2014. [12]. Dinas Perhubungan, Komunikasi, Budaya dan Pariwisata Kota Salatiga, 2012, Pendirian Tower di Kota Salatiga, http://dishubkombudpar.salatigakota.go.id/ti.php . Diakses pada tanggal 5 februari 2014. [13]. Hariyanto, Didik., & Hatmojo ,Yuwono Indro, 2009, Rancang Bangun Perangkat Lunak Visualisasi Grafis Algoritma Dijkstra, Universitas Negeri Yogyakarta, Yogyakarta.
17