Analisis Kinerja RouteFlow pada Jaringan SDN (Software Defined Network ) menggunakan Topologi Full-Mesh
Journal Title: ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika - Year 2019, Vol 7, Issue 3
Abstract
Perangkat controller dalam jaringan SDN berfungsi untuk memberikan informasi tabel flow ke perangkat switch sebagai acuan dalam menentukan informasi rute. Kecepatan dalam memproses permintaan tabel flow yang dilakukan oleh perangkat switch tergantung dari pemilihan jenis controller yang digunakan. Terdapat beberapa jenis controller yang bisa digunakan untuk mengatur aliran trafik data dalam jaringan SDN. Pada penelitian ini akan digunakan jenis controller RouteFlow dengan menggunakan algoritma routing Djikstra. Jaringan uji menggunakan topologi Full-Mesh yang menyediakan koneksi penuh ke semua switch, dimana terdapat dua protokol layer transport yang digunakan untuk mengirimkan data dalam jaringan SDN yaitu TCP dan UDP. Hasil pengukuran kualitas jaringan menunjukkan bahwa penggunaan protokol UDP menghasilkan nilai delay, jitter, dan throughput yang lebih baik dibandingkan dengan TCP. Waktu konvergensi jaringan yang dihasilkan sebesar 12,18 ms ketika ukuran data yang dipertukarkan sebesar 64 Byte.
Authors and Affiliations
KUKUH NUGROHO, DHIMAS PRABOWO SETYANUGROHO
Keywords
Related Articles
- EP ID EP673146
- DOI -
- Views 190
- Downloads 0
Simulator Tekanan Darah: Minimalisasi Pengaruh Laju Inflasi dan Deflasi Terhadap Simulasi Osilasi
Simulator tekanan darah biasa digunakan sebagai nilai referensi dalam mengevaluasi tensimeter otomatis (NIBP monitor). Penelitian sebelumnya menunjukkan bahwa simulator tekanan darah dapat dibuat dengan menggunakan micro...
Perancangan dan Analisis LTE Advanced 850 Mhz untuk Meningkatkan Penetrasi Mobile Broadband di Indonesia
Layanan mobile broadband LTE telah berkembang di Indonesia, namun penyebarannya belum merata. Selain itu, sumber daya frekuensi semakin terbatas seiring dengan meningkatnya trafik layanan broadband. Maka untuk mengatasi...
Deep Learning RetinaNet based Car Detection for Smart Transportation Network
Deteksi objek yang merupakan salah satu bagian utama dari sistem Smart Transportasion Network (STN) diajukan pada penelitian ini. Penelitian ini menggunakan salah satu model STN yaitu Infrastructure-to-Vehicle (I2V), dim...
Smart Monitoring System Using Raspberry-Pi and Smartphone
Sistem monitoring adalah hal yang sangat penting dan harus dimiliki oleh setiap pemilik rumah. Sehingga diperlukan alat untuk dapat mengawasi rumah secara real-time. Perancangan sistem menggunakan Raspberry-Pi sebagai pu...
Smoke and Fire Detection Base on Convolutional Neural Network
Deteksi api dan asap adalah langkah pertama sebagai deteksi dini kebakaran. Deteksi dini kebakaran berdasarkan pemrosesan gambar dianggap mampu memberikan hasil yang efektif. Pilihan metode deteksi adalah kunci penting....