(4) Pengujian Transmit Data secara Multi Node menggunakan Algoritma Distance Vector Routing
Gambar 4.18 Grafik pengujian dengan beberapa sensor terlebih dahulu mencapai kondisi off/inactive
(4) Pengujian Transmit Data secara Multi Node menggunakan Algoritma Distance Vector Routing
Gambar 4.20 Event log last data transmission pada saat sensor akan off/inactive Gambar 4.19 transmission
Network
log
last
data
(4) Pengujian Transmit Data secara Multi Node menggunakan Algoritma Distance Vector Routing
(a)
(d)
(b) Gambar 4.21 Kondisi jaringan ketika terdapat node sensor yang tidak aktif (a) node 6 inactive, (b) node 5 inactive, (c) node 6 & 3 inactive, (d) node 6, 5, & 2 inactive
(4) Pengujian Transmit Data secara Multi Node menggunakan Algoritma Distance Vector Routing
(c)
(a)
(d)
Gambar 4.21 Kondisi jaringan ketika terdapat node sensor yang tidak aktif (a) node 6 inactive, (b) node 5 inactive, (c) node 6 & 3 inactive, (d) node 6, 5, & 2 inactive
(5) Pengujian Lifetime Transmit Data Algoritma LWC dan LWF secara Multi Node menggunakan Data Iris
(a)
(d)
(b) Gambar 4.22 (a) Lifetime sensor tanpa adaptasi RA algoritma LWC, (b) Lifetime sensor dengan adaptasi RA algoritma LWC, (c) Lifetime sensor tanpa adaptasi RA algoritma LWF, (d) Lifetime sensor dengan adaptasi RA algoritma LWF, masing-masing menggunakan data Iris
(5) Pengujian Lifetime Transmit Data Algoritma LWC dan LWF secara Multi Node menggunakan Data Iris
(c)
(a)
(d)
Gambar 4.22 (a) Lifetime sensor tanpa adaptasi RA algoritma LWC, (b) Lifetime sensor dengan adaptasi RA algoritma LWC, (c) Lifetime sensor tanpa adaptasi RA algoritma LWF, (d) Lifetime sensor dengan adaptasi RA algoritma LWF, masing-masing menggunakan data Iris
(6) Pengujian Lifetime Transmit Data Algoritma LWC dan LWF secara Multi Node menggunakan Data Vehicle
(c)
(a)
(d)
(b) Gambar 4.23 (a) Lifetime sensor tanpa adaptasi RA algoritma LWC, (b) Lifetime sensor dengan adaptasi RA algoritma LWC, (c) Lifetime sensor tanpa adaptasi RA algoritma LWF, (d) Lifetime sensor dengan adaptasi RA algoritma LWF, masing-masing menggunakan data Vehicle
(6) Pengujian Lifetime Transmit Data Algoritma LWC dan LWF secara Multi Node menggunakan Data Vehicle
(c)
(a)
(d)
Gambar 4.23 (a) Lifetime sensor tanpa adaptasi RA algoritma LWC, (b) Lifetime sensor dengan adaptasi RA algoritma LWC, (c) Lifetime sensor tanpa adaptasi RA algoritma LWF, (d) Lifetime sensor dengan adaptasi RA algoritma LWF, masing-masing menggunakan data Vehicle
Perbandingan Lifetime sensor node
KESIMPULAN Pemanfaatan Algoritma Granularity Setting (AGS) atau disebut juga sebagai Resource Aware (RA) terbukti dapat meningkatkan efisiensi dan lifetime suatu jaringan WSNs yaitu mencapai 16-17% Pemakaian algoritma LWC cenderung memiliki lifetime yang lebih baik dibandingkan dengan pemakaian algoritma LWF baik pada pengujian single node maupun pada pengujian multi node Pemanfaatan algoritma Bellman Ford untuk menemukan rute terpendek dari setiap node ke base station termasuk pula apabila terdapat node dalam keadaan inactive maka node yang sebelumnya melewati node inactive tersebut akan mencari rute lainnya yang terpendek ke base station Pengujian transmit data secara multi node tanpa adapatasi RA dan dengan adaptasi RA memiliki selisih waktu sebesar 64 detik untuk algoritma LWC menggunakan data Iris, 66 detik untuk algoritma LWC menggunakan data Vehicle, 51 detik untuk algoritma LWF menggunakan data Iris, dan 56 detik untuk algoritma LWF menggunakan data Vehicle.
SARAN Dalam penelitian ini pada saat dilakukan transmit data belum memperhitungkan hubungan antara kapasitas data yang dikirim, jarak yang ditempuh, dan besarnya konsumsi energi yang dibutuhkan, sehingga pada penelitian selanjutnya dapat dikembangkan dengan melibatkan variabel tersebut Penelitian ini masih dilakukan dalam bentuk simulasi, sehingga untuk mendapatkan hasil yang lebih baik maka dapat dilakukan pada peralatan sensor yang sebenarnya.
DAFTAR PUSTAKA • • •
• •
• • • • • •
Andrean Reinhart, ”Exploiting Platform Heterogeneity in Wireless Sensor Networks for Cooperative Data Processing”, in Research Network KOM and TU, Technische Universitate Darmstadt, 2009 Andrew S. Tanenbaum. (2002), “Computer Networks 4th edision”, Prentice Hall: USA Ary Mazharuddin Shiddiqi, Performance Measurement of Resource-aware Framework in Online Data Stream Mining, Informatics Department, Faculty of Information Technology, Sepuluh Nopember Institute of Technology, 2009b Ary Mazharuddin Shiddiqi, “Resource-Aware data stream Classification in wireless sensor network”, faculty of Information Technology, Monash University, july 2009a. Becchetti, Lucas (2008), ‘Computer Networks II:Graph Theory and Routing Algorithms”, Universita Degli, Roma Burl M., Fowlkes C., Roden J., Stechert A., and Mukhtar S. “Diamond Eye: A distributed architecture for image data mining”, In SPIE DMKD, Orlando, April (1999). C. E. Perkins and P. Bhagwat, “Highly dynamic destination sequenced distance vector routing (DSDV) for mobile computers”, Computer Communication. Rev., Oct. 1994, pp. 234-244 C. Perkins and E. Royer, “Ad hoc On demand distance vector routing”, Proceedings of 2nd IEEE Workshop on Mobile Comp. Sys. & Apps., Feb 1999. Charu C. Aggarwal “Data Stream : Model and Algorithms”, IBM T. J. Watson Research Center, Hawthorne, NY 10532 D. B. Johnson and D. A. Maltz, “Dynamic source routing in ad hoc wireless networks”, Mobile Computing, Kluwer, 1996, pp. 153-181. Indra Siregar (2008), ‘Penerapan Teori Graf pada Algoritma Routing”, Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung, Bandung MUHAMMAD ILYAS SYARIF – 5109.201.040
42
DAFTAR PUSTAKA •
•
•
•
• • •
• •
Gaber, M., Shonali Krishnaswamy, Arkady Zaslavsky, “Adaptive Mining Techniques for Data Streams using Algorithm Output Granularity”, School of Computer Science and Software Engineering, Monash University, 900 Dandenong Rd, Caulfield East, VIC3145, Australia Gaber, M. M., Yu, P. S., “A framework for resource-aware knowledge discovery in data streams: a holistic approach with its application to clustering”, Proceedings of the 2006 ACM Symposium on Applied Computing (SAC '06), April 23 - 27, 2006, Dijon, France, ACM, New York, NY; p. 649-56. Gaber, M. M., Shonali Krishnaswamy, and Arkady Zaslavsky, “A Wireless Data Stream Mining Model”, 1 School of Computer Science and Software Engineering, Monash University, 900 Dandenong Rd, Caulfield East, VIC3145, Australia Gaber, M. M., Krishnaswamy, S., and Zaslavsky, A., “Cost-Efficient Mining Techniques for Data Streams”, First Australasian Workshop on Data Mining and Web Intelligence (DMWI 2004). Held in conjunction with the Australasian Computer Science Week (ACSW 2004), Dunedin, New Zealand, 2004 Gyanendra Kumar Dwivedi (2007), Analysis and Design of Algorithm, first Edition, Laxmi Publication (P) LTD, New Delhi John T. Moy, “OSPF: Anatomy of an Internet Routing Protocol”, Library of Congress Cataloging-in-Publication Data, US, 1998 Jumadi M. Parenreng, Supeno Djanali, Ary M. Shiddiqi, “Analisa Kinerja Resource-Aware Framework pada Algoritma Light-Weight Frequent Item (LWF)” Teknik Informatika, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia, 2010 Kargupta. H.: VEhicle DAta Stream Mining (VEDAS) Project. http://www.cs.umbc.edu /% 7Ehillol/vedas.html. (2003). Mahesh K. Marina Samir R. Das, “On-demand Multipath Distance Vector Routing in Ad Hoc Networks”, IEEE, 2001. MUHAMMAD ILYAS SYARIF – 5109.201.040
43
DAFTAR PUSTAKA •
•
• •
• •
• • • •
Mainwaring, A., Culler, D., Polastre, J., Szewczyk, R., Anderson, J., 2002. Wireless sensor networks for habitat monitoring. In Proceedings of the 1st ACM International Workshop on Wireless sensor networks and Applications (Atlanta, Georgia, USA, September 28 - 28, 2002). WSNA '02. ACM, New York, NY, p. 88-97 McConnell S., Skillicorn D., A Distributed Approach for Prediction in Sensor Networks. In Proceedings of 1st International Workshop on Data Mining in Sensor Networks as part of the SIAM International Conference on Data Mining, 2005, p. 28-37. Moh. Nazir, Ph.D. “Metode Penelitian”, Penerbit Ghalia Indonesia, Jakarta, 2003 Phung, N. D., Gaber, M. M., Röhm, U., “Resource-aware Distributed Online Data Mining for Wireless sensor networks”, Computational Intelligence and Data Mining 2007 (CIDM 2007), March 1, 2007-April 5, 2007, p.139 – 146 R. C. Shah and J. Rabaey, “Energy Aware Routing for Low Energy Ad Hoc Sensor Networks", IEEE Wireless Communications and Networking Conference (WCNC), March 17-21, 2002, Orlando, FL. Röhm U, Gaber M, M., Tse, Q. “Enabling resource-awareness for in-network data processing in Wireless Sensor Networks”, Proceedings of the Nineteenth Conference on Australasian Database - Volume 75; December 03 04, 2007; Gold Coast, Australia: Australian Computer Society, Darlinghurst, Australia; p. 107-14. Tanner S., Alshayeb M., Criswell E., Iyer M., McDowell A., McEniry M., Regner K., EVE: “On-Board Process Planning and Execution”, Earth Science Technology Conference, Pasadena, CA, Jun. 11 - 14, (2002). Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, dan Clifford Stein, Introduction to Algoritmhs, 2rd Edition, MIT Press dan Mc Graw Hill, North America Uyless D. Black. (2000) “IP Routing Protocols RIP, OSPF, BGP, PNNI & Cisco Routing Protocols”, Prentice Hall: New Jersey Werner-Allen, G., Lorincz, K., Ruiz, M., Marcillo, O., Johnson, J., Lees, J., Welsh, M., Deploying a wireless sensor MUHAMMAD ILYASIEEE, SYARIFVolume – 5109.201.040 network on an active volcano, Internet Computing, 10, Issue 2, March-April, 2006, p.18 – 25 44
MUHAMMAD ILYAS SYARIF – 5109.201.040
45
