Prediction Analysis of Delay in Transferring

the Packets in Adhoc Networks

Harshita Tuli Sanjay Kumar

Jaipur National University Jaipur National University
Jaipur, INDIA Jaipur, INDIA
Email ID: harshitatuli@gmail.com Email ID: sanjaysatyam786@gmail.com

Resume:
Adhoc Network terdiri dari nodes-nodes dinamis yang mengirimkan data kepada nodes
lainnya. Jaringan adhoc sendiri terorganisasi pada topologi sementara. Salah satu indikator QoS
merupakan delay. Delay sendiri bergantung dengan faktor yaitu panjang lintasan, pergerakan
node, jumlah loncatan, dll. Pada conference ini dibahas mengenai analisis delay pada jaraingan
adhoc menggunakan model prediksi ANN dengan 3 skema routing. Data perbandingan delay
direpresentasikan dalam sebuah grafik regresi. Sistem peroutingan dapat dikategorikan
reactive,proactive, hybrid, location aware, multipath, hierarchical, multicast and power aware.
Sedangkan pada paper ini digunakan 3 protokol routing yaitu AODV (reactive protocol),
DSDV(proactive) , dan OLSR (proactive protocol).
Reactive prokotol merupakan skema routing yang membentuk tabel routing jika terdapat
permintaan pembuatan jalur untuk pengiriman pesan di setiap nodenya. sedangkan proaktif
selalu membetuk tabel routing secara kontinu agar jalur pengiriman konsisten seperti halnya
DSDV. Di paper ini akan didapatkan nilai terdekat antara prediksi dan nilai sebenarnya
menggunakan 3 skema routing diatas.
Skema prediktif ANN dipilih karena merupakan time series prediction dan kita dapat
memprediksi nilai yang akan datang berdasarkan data observasi di masa lalu. sehingga input
variable merupakan hal terpenting. Dengan skema tersebut didapatkan data perbandingan
protocol AODV nilai regresi sebesar 0.73672, kemudian protokol DSDV nilai regresi 0.90597,
dan protokol OLSR sebesar 0.87852. Data yang digunakan pada regresi adalah delay terjadi di
masa lalu ketika mengirimkan data untuk memprediksi nilai delay di masa depan. Sehingga
dapat ditarik kesimpulan berdasarkan metode ANN dengan input end to end delay paket data
bahwa protokol DSDV paling mendekati nilai sebenarnya dibandingkan protokol lainnya
walaupun metode yang telah dilakukan pada paper ini masih dapat diperbaiki prediksinya dengan
menggunakan metode neural network lainnya atau fuzzy logic sebagai pelengkap.