Skip to main content

Early congestion detection and adaptive routing in MANET


Wireless merupakan teknologi yang memungkinkan pengguna untuk mengakses informasi dan layanan terlepas dari posisi geografis. Dalam jaringan tersebut terdapat node-node yang saling terhubung dan berkomunikasi. Congestion dapat terjadi pada sembarang intermediate node dan dapat terjadi pada intermediate node mana saja, seringkali karena terbatasnya sumberdaya yang dimiliki pada jaringan adhoc tersebut. Metode congestion control pada jaringan biasa tidak cukup memadai untuk diterapkan pada jaringan adhoc, disebabkan karakteristik jaringan adhoc yang memiliki mobilitas node yang tinggi dan tingginya frekuensi perubahan topologi. Jaringan adhoc memiliki karakteristik khusus, yakni mobilitas node yang tinggi dan topologi jaringan yang sering berubah. Kebanyakan routing protocol merupakan congestion non-control type. Maka diperlukan pendeteksian dini terhadap congestion yang bisa meminimalkan kehilangan data.




Penelitian ini mengusulkan proses deteksi dini congestion menggunakan teknik EDAPR (Early Congestion Detection and Adaptive Routing) mengusulkan pencarian jalur alternatif menggunakan bantuan NHN (Non-congested Two-hop Neighbors). Teknik ini mudah memilih alternatif node yang tidak terdapat congestion, kemudian menemukan jalur alternatif untuk mengontrol congestion. Teknik ini menggunakan algoritma menajemen antrian dengan optimalisasi random early detection (RED) yang mengukur secara langsung pada jaringan. Pada penelitian sebelumnya metode EDAODV (Early Congestion Detection and Control Routing) diusulkan untuk melakukan prediksi congestion dan pencarian jalur alternatif secara bi-directional. Selain itu, tedapat juga metode untuk self-cure routing yaitu EDCSCAODV yang dapat memperbaiki kemacetan dalam jaringan secara mandiri.

Untuk memonitor status congestion pada node level, salah satunya dengan mengamati average queue. Metode ini dilakukan setiap detik untuk mengamati average queue dari tiap node. Hal ini dilakukan untuk mengestimasi congestion pada node tersebut. Terdapat 3 parameter yang digunakan dalam perhitungannya, antara lain minth, maxth, dan wq . minth dan maxth adalah queue threshold sedangkan wq merupakan weight parameter. Dimana nilainya akan berubah secara dinamis berdasarkan banyaknya lalu lintas aliran data.


Minth = 25% buffer_size
Maxth = 3 * Minth
Avgque = (1 - wq) * Avgque + Inst_Que * wq
Queue_status = Inst_que – Avgque
wq = 0.002


Dengan menggunakan average queue, maka status dari sebuah node dapat dibagi menjadi 3 zona, antara lain :
Zona 1 (Safe Zone)

Jika Queue_status < minimum threshold
Zona 2 (Likely to be in Congestion Zone)

Jika Queue_status > minimum threshold dan Ins_Que < maximum threshold
Zona 3 (Congested Zone)

Jika Inst_que > maximum threshold

Pada sebuah jaringan buffer berperan penting sebagi daerah memori yang menyimpan data ketika data tersebut ditransfer antara dua perangkat atau antara sebuah perangkat dan sebuah aplikasi. Buffer digunakan dalam jaringan karena beberapa alasan, antara lain untuk mengatasi perbedaaan kecepatan antara pengirim dan penerima dari sebuah aliran data, untuk menyesuaikan antara perangkat-perangkat yang mempunyai perbedaan ukuran transfer data, untuk mendukung copy semantic pada aplikasi.

Pada penelitian ini dilakukan modifikasi AODV (Ad hoc On-Demand Distance Vector) menjadi CADV (congestion aware distance vector). Modifikasi ini bertujuan untuk penundaan antrian pendek yang ditambahkan kedalam rute tujuan. Selain itu juga dapat meningkatkan kualitas jalur yang dilalui. Akan tetapi, masalah delay yang lama dan overhead yang tinggi ketika ada jalur baru belum ditemukan penyelesaiannya. CADV bersifat not congestion adaptive dimana tidak dapat mengulangi ketika rute yang ada menjadi sangat padat. Selain itu, terdapat DLAR (Dynamic load-aware routing protocol) yang bersifat seperti CADV. Perbedaannya adalah pada node dengan beban routing yang rendah lebih disukai, untuk dimasukkan dalam jalur routing selama fase penemuan rute.

EDAODV (early detection congestion and control routing), bersifat bidirectional path discovery yang menemukan jalur secara dua arah untuk mendeteksi kemacetan diawal dan menemukan jalur alternatif yang tidak terdapat kemacetan. Setiap node memiliki dua tabel routing, primary table (dilambangkan sebagai PRT) dan alternate path routing table (dilambangkan sebagai ART). Sebuah primary table dari sebuah node akan memprediksi status kemacetannya dan secara berkala akan menyebarkannya.

EDCSCAODV (early detection congestion and self cure routing), berifat self cure routing. Setiap node memiliki dua routing table, yaitu primary table (PRT) dan neighbors table (NRT). Pada EDCSAODV mengirimkan CSP ke semua node tetangga dan tidak mengirimkan particular warning, sedangkan pada EDAODV mengirimkan CSP ke semua node tetangga secara periodik tetapi mengirimkan hanya mengirimkan peringatan (warning) pada node pendahulu dan penggantinya.


Berikut ini contoh proses yang terjadi :



Metode yang digunakan pada penelitian :
Semua jalur node utama dihitung secara periodik berupa queue_status pada node level.
Ketika terjadi early congestion detection technique, maka node akan mendeteksi kemacetan yang terjadi kemudian mengirimkan pesan peringatan NHN (Non-Congested Neighbors). Pada node pendahulunya akan menyadari situasi ini dan menemuakn alternatif jalur tujuan dengan segera dengan mengimplementasi mekanisme jalur adaptif.
Proses ini akan mengurangi kemacetan pada jaringan dengan meminimalisasi kepadatan traffic, menemukan jalur yang tidak ada kemacetan antara sumber dan tujuan yang akan dicapai.
Ketika sumber akan mengirimkan paket data ke tujuan, proses yang dilakukan sebagai berikut.


o Pertama bangun set NHN yang menghubungkan kedua lintasan.

o Inisialisai route discovery procedure dengan mengguankan NHN yang telah dibuat untuk menemukan jalur yang tidak ada kemacetan menuju tujuan yang akan dicapai.

o Setelah itu paket data bisa dikirim ke tujuan.
Langkah yang dilakukan


1. NHN set construction
2. Route discovery
3. Adaptive routing

1. NHN set construction
Setiap mobile host memilih NHN dari aliran jaringan dengan tingkat kemacetan yang tidak padat.
Secara berkala NHN menginisialisasi prosedur, masing-masing mobile host secara periodik menghitung data kemacetan dengan algoritma deteksi dini kemacetan.
Setiap mobile host menyiarkan status kemacetan yang mungkin dialami dengan menggunakan sebuah paket CSP (congetion status packet) pada satu hop ketetanggan di jaringan.
Setiap mobile host belajar mengenali kemacetan dan mencatat informasi ke dalam daftar list.
Setiap mobile host akan saling bertukar informasi, mobile host akan meneruskan lalu lintas broadcast untuk node tetangga yang bertujuan meminimalikan kepadatan jaringan.
Setiap mobile host akan memperbarui semua informasi dalam tabel routing.

2. Route discovery
Pada penelitian ini metode yang digunakan dengan mengganti CFS menjadi NHN.

3. Alternate path routing
Ketika node NHN tetangga menerima paket dari CSP yang padat maka akan menyadari adanya kemungkinan status kemacetan.
Sehingga node tetangga penerima CSP tersebut akan menentkan CSP baru untuk node tujuan dan menginformasikan ke node tetangga lainnya.


Berikut ini cara menemukan jalur alternatif untuk mengurangi kemacetan



Ujicoba Dilakukan


Uji coba dilakukan dengan menggunakan Network Simulator (Ns2.34). konfigurasi dari simulasi yang dilakukan terdapat 100 node dalam 1400 x 1400 m, jangkauan radio 250 m dengan besar bandwidth 2 Mbps. Jumlah koneksi 10 - 50, CBR sending rate 4 packets/s, maximum node speed 10 m/s, pause time 30 s.

Uji coba dengan membandingan performa EDAPR ke EDAODV dan EDCSCAODV routing protocol dalam MANET yang dibuat. Sedangkan perbandingan yang digunakan mencakup 3 aspek :

1. Packet Delivery Ratio (PDR)
Perbandingan antara jumlah paket yang diterima dinode tujuan dengan paket yang dikirim oleh node sumber.

2. End-to-end Delay
Waktu yang dibutuhkan untuk mengirimkan paket data dari node sumber ke node tujuan.

3. Routing Overhead
Jumlah paket kontrol yang dikirim selama simulasi


Beberapa skenario yang pada uji coba yang dilakukan :

1. Variasi jumlah koneksi antara node asal dan node tujuan




Dari hasil yang didapatkan bisa dilihat bahwa ketiga grafik memiliki karakteristik yang sama yakni menunjukan hasil yang sama saat memiliki jumlah flow sebanyak 10. Sedangkan jumlah kontrol paket paling banyak dicapai jika menggunakan metode EDAODV.

2. Variasi jumlah paket data



Dari hasil yang didapatkan bisa dilihat bahwa grafik memiliki karakteristik yang sama yakni ketiga metode menunjukkan hasil yang sama saat CBR bernilai 4. Ketika CBR bernilai 4 kemungkinan belum terjadi kemacetan pada jaringan, semua node berada pada kondisi aman.

Comments

Popular posts from this blog

Water Found on Mars, Google Changed Logo

The discovery of water on the surface of Mars has been confirmed by NASA. With this, speculation that withdrawal of life on Earth have occurred on Mars, it could re-debated. Director of Planetary Science Division of NASA James Green has not been able to confirm it. According to James, NASA will investigate more deeply to find the answer. Topics related to water flowing on Mars and all the lively debate on various social media. Start of Twitter and Facebook. Google did not want to miss. The search engine giant directly change the logo on its search engine page by issuing Doodle titled "Evidence of water found on Mars" to celebrate the discovery of NASA. Doodle created by Nate Swinehart shows an illustration of the red planet Mars. The Mars is cool to suck their drinking water from a glass. He also spinning like a planet that is being rotated. The Mars is exactly in the middle of the word "Google", replaces the letter "o". Purple background color selected...

An Supervised Artificial Neural Network Method for Sattelite Image Segmentation

Image segmentation   is   an important   step   in image processing   ( image processing).   The main purpose   of   segmentation   is   to   simplify   and   or   to   change the   representation   of   an   image   into a form that   is easier   to   analyze.   Already there are   several   methods of   image segmentation   are   found ,   but   most of   these methods are not   suitable   for   satellite imagery   and   -Method   method   requires   a   knowledge of   the initial   ( a priori   knowledge) .   To   overcome these problems ,   a   satellite   image segmentation   method   is developed   using   an   artificial neural network method   without   learning   ( unsupervised )   called ...

How to choose between the Canon 700D or Nikon D5300

Canon EOS   700D   and Nikon   D5300   is a   digital SLR camera   aimed at   novice photographers .   Nevertheless ,   there are   features   on   both cameras are   much the same with   a more   sophisticated   camera   /   semi - pro,   so it   is good enough to   be used   in various   scene conditions .   From the shape   and size ,   at a second glance   something like the   camera .   But   when viewed   more closely ,   overall   more   compact   Nikon   D5300   a few   millimeters   and   about 100   grams lighter .   The new lens   Nikon   18-55mm   VR   II also   shorter   in   the off condition .   This can be achieved   because   the plastic   material   of the   camera   thinner . In   ...