Optimasi Posisi Relay Node Pada Wireless Sensor Network Menggunakan Algoritma Genetika
| Main Authors: | Renaldi, Eki, Ir. Primantara Hari Trisnawan,, M.Sc., Kasyful Amron,, S.T, M.Sc |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/194617/1/0520150144-Eki%20Renaldi.pdf http://repository.ub.ac.id/id/eprint/194617/ |
Daftar Isi:
- Relay adalah salah satu perangkat yang berperan sangat penting untuk meneruskan data indera menuju sink. Oleh karena itu konektivitas dari relay harus dijaga supaya jaringan Wireless Sensor Network bekerja secara optimal. Permasalahan umum pada WSN adalah peletakkan relay secara deterministik kurang mendapatkan hasil yang optimal. Perhitungan heuristik dilakukan dengan harapan didapatkan posisi relay yang optimal. Pada penelitian ini akan dilakukan optimasi relay menggunakan metode heuristic. Metode heuristic digunakan karena umumnya heuristic bisa mendapatkan hasil lebih cepat dengan hasil mendekati optimum. Pada penelitian ini diberikan 3 skenario dengan lokasi internet gateway dan relay yang statis. Skenario 1 memiliki area 90x77 dengan relay sebanyak 45. Skenario 2 memiliki area 60x77 dengan relay sebanyak 31. Skenario 3 memiliki area 120x77 dengan relay sebanyak 59. Pada penelitian ini akan digunakan algoritma genetika untuk menyelesaikan permasalahan optimasi posisi relay. Algoritma genetika merupakan algoritma yang dapat menemukan solusi mendekati optimum dari kemungkinan solusi yang luas. Pada penelitian ini pindah silang yang digunakan adalah extended intermediate crossover, mutasi yang digunakan adalah random mutation, dan seleksi yang digunakan adalah elitism. Hasil dari penelitian ini adalah konvergensi dini terjadi pada generasi ke-752 untuk skenario 1, generasi ke-846 untuk skenario 2, dan generasi ke-424 untuk skenario 3. Ukuran populasi didapatkan pada ukuran populasi 150 untuk skenario 1, 100 untuk skenario 2 dan 175 untuk skenario 3. Rasio pindah silang didapatkan pada 0,6 untuk skenario 1 dan 0,7 untuk skenario 2 dan 3. Hasil dari penelitian ini adalah optimasi posisi relay menggunakan algoritma genetika tidak sebaik posisi relay secara deterministik karena nilai fitness deterministik lebih besar dan waktu yang dibutuhkan algoritma genetika lebih lama.