Perpustakaan Digital ITB

Perkembangan teknologi jaringan membutuhkan fleksibilitas dan efisiensi yang tinggi untuk mendukung pertukaran data dalam lingkungan yang selalu berubah. Arsitektur internet berbasis IP memiliki keterbatasan signifikan pada jaringan dengan mobilitas tinggi seperti Vehicular Ad-hoc Network (VANET). Sebagai solusi, Named Data Networking (NDN) mengusulkan paradigma komunikasi berorientasi konten, di mana penamaan data menjadi pusat pengiriman informasi. Dalam NDN, komunikasi difokuskan pada permintaan dan distribusi konten bernama (named content), sehingga mekanisme caching, keamanan, dan pengelolaan lalu lintas menjadi lebih efisien. Forwarding strategy memegang peran krusial dalam menentukan efisiensi distribusi konten pada arsitektur Vehicular Named Data Networking (V-NDN), terutama dalam mengatasi interest loop, unsolicited data, dan manajemen struktur data NDN (CS, PIT, FIB). Meskipun berbagai strategi seperti best-route, multicast-VANET, dan Adaptive SRTT-based Forwarding (ASF) telah diusulkan, kinerjanya masih belum optimal dalam skenario lalu lintas kendaraan yang sangat dinamis. Penelitian ini bertujuan mengevaluasi kinerja forwarding strategy eksisting dan mengembangkan Enhanced Adaptive SRTT-based Forwarding (E-ASF) untuk meningkatkan efisiensi pengiriman konten. Penelitian ini mengusulkan dua kebaruan utama: (1) algoritma E-ASF yang mengintegrasikan mekanisme interest packet filtering adaptif berbasis RTT dan beban jaringan, serta (2) kerangka evaluasi berbasis device metrics yang mengukur latensi pemrosesan pada tiga komponen inti NDN, yaitu CS, PIT, dan FIB, dua pendekatan yang belum pernah dilakukan secara bersamaan pada penelitian forwarding strategy V-NDN sebelumnya. Evaluasi dilakukan melalui simulasi berbasis framework NDN4IVC (NS-3, ndnSIM, SUMO) pada skenario Traffic Management System (TMS) dengan variasi 4–61 kendaraan dan durasi hingga 500 detik. Kinerja diukur menggunakan metrik pipeline NFD dan device metrics (latensi pemrosesan CS, PIT, FIB). Hasil penelitian menunjukkan E-ASF secara signifikan mengungguli strategi pembanding: mencapai 100% Satisfied Interest, CS Hit Rate tertinggi (78%), PIT Hit Rate terbaik (87%), serta latensi pemrosesan total terendah (0,059 detik pada skenario 61 kendaraan). Mekanisme kontrol adaptif pada E-ASF berhasil ii meminimalkan unsolicited data (-7,8%) dan interest loop (?14,3%) tanpa mengorbankan keandalan. Dengan demikian, E-ASF terbukti sebagai forwarding strategy paling adaptif, efisien, dan terukur secara internal, menjadikannya solusi optimal untuk implementasi sistem transportasi cerdas (ITS) berbasis VNDN.Perkembangan teknologi jaringan membutuhkan fleksibilitas dan efisiensi yang tinggi untuk mendukung pertukaran data dalam lingkungan yang selalu berubah. Arsitektur internet berbasis IP memiliki keterbatasan signifikan pada jaringan dengan mobilitas tinggi seperti Vehicular Ad-hoc Network (VANET). Sebagai solusi, Named Data Networking (NDN) mengusulkan paradigma komunikasi berorientasi konten, di mana penamaan data menjadi pusat pengiriman informasi. Dalam NDN, komunikasi difokuskan pada permintaan dan distribusi konten bernama (named content), sehingga mekanisme caching, keamanan, dan pengelolaan lalu lintas menjadi lebih efisien. Forwarding strategy memegang peran krusial dalam menentukan efisiensi distribusi konten pada arsitektur Vehicular Named Data Networking (V-NDN), terutama dalam mengatasi interest loop, unsolicited data, dan manajemen struktur data NDN (CS, PIT, FIB). Meskipun berbagai strategi seperti best-route, multicast-VANET, dan Adaptive SRTT-based Forwarding (ASF) telah diusulkan, kinerjanya masih belum optimal dalam skenario lalu lintas kendaraan yang sangat dinamis. Penelitian ini bertujuan mengevaluasi kinerja forwarding strategy eksisting dan mengembangkan Enhanced Adaptive SRTT-based Forwarding (E-ASF) untuk meningkatkan efisiensi pengiriman konten. Penelitian ini mengusulkan dua kebaruan utama: (1) algoritma E-ASF yang mengintegrasikan mekanisme interest packet filtering adaptif berbasis RTT dan beban jaringan, serta (2) kerangka evaluasi berbasis device metrics yang mengukur latensi pemrosesan pada tiga komponen inti NDN, yaitu CS, PIT, dan FIB, dua pendekatan yang belum pernah dilakukan secara bersamaan pada penelitian forwarding strategy V-NDN sebelumnya. Evaluasi dilakukan melalui simulasi berbasis framework NDN4IVC (NS-3, ndnSIM, SUMO) pada skenario Traffic Management System (TMS) dengan variasi 4–61 kendaraan dan durasi hingga 500 detik. Kinerja diukur menggunakan metrik pipeline NFD dan device metrics (latensi pemrosesan CS, PIT, FIB). Hasil penelitian menunjukkan E-ASF secara signifikan mengungguli strategi pembanding: mencapai 100% Satisfied Interest, CS Hit Rate tertinggi (78%), PIT Hit Rate terbaik (87%), serta latensi pemrosesan total terendah (0,059 detik pada skenario 61 kendaraan). Mekanisme kontrol adaptif pada E-ASF berhasil meminimalkan unsolicited data (-7,8%) dan interest loop (?14,3%) tanpa mengorbankan keandalan. Dengan demikian, E-ASF terbukti sebagai forwarding strategy paling adaptif, efisien, dan terukur secara internal, menjadikannya solusi optimal untuk implementasi sistem transportasi cerdas (ITS) berbasis VNDN.