Analisis Perbandingan Performansi Strategi Forwarding Multicast dan Self-Learning pada Jaringan Vehicle-to-Vehicle Berbasis Named Data Networking
Jurnal Penelitian Inovatif · 06.08.2026 · 6 (3) · 2601-2616
DOI: 10.54082/jupin.2645 ↗Kurz gefasst
Fachartikel in der Zeitschrift Jurnal Penelitian Inovatif, online erschienen am 06.08.2026. Verfasst von Seshariana Rahma Melati und 3 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Vehicular Ad-hoc Network (VANET) merupakan jaringan kendaraan dengan mobilitas tinggi dengan perubahan lokasi yang cepat dan koneksi jaringan yang tidak stabil. Named Data Networking (NDN) merupakan arsitektur internet masa depan yang berpusat pada data (data-centric) dan menyediakan mekanisme forwarding yang bersifat stateful, sehingga sesuai untuk mendukung karakteristik VANET. Pada arsitektur NDN, strategi forwarding berperan penting dalam menentukan efisiensi pengiriman paket. Penelitian ini bertujuan membandingkan performansi dua strategi forwarding pada jaringan VANET berbasis NDN, yaitu strategi multicast-vanet yang berbasis broadcast dan strategi self-learning forwarding yang mampu mempelajari rute secara mandiri tanpa memerlukan protokol routing. Pengujian dilakukan menggunakan simulator ndnSIM yang diintegrasikan dengan Simulation of Urban MObility (SUMO) melalui platform NDN4IVC, dengan skenario jalur kendaraan berbentuk peta grid dan variasi jumlah node kendaraan, serta mengukur tiga parameter performansi, yaitu Cache Hit Ratio, Throughput, dan Round-Trip Time (RTT). Hasil pengujian menunjukkan bahwa strategi self-learning memperoleh rata-rata Cache Hit Ratio lebih tinggi dibandingkan multicast-vanet, sedangkan Throughput kedua strategi hampir identik. Pada parameter RTT, self-learning menghasilkan nilai lebih rendah pada sebagian besar skenario. Hal ini terjadi karena self-learning mempelajari jalur dari mekanisme broadcast dan menetapkan jalur unicast setelah tahap penemuan awal, sehingga pemanfaatan cache lebih efektif dan waktu pertukaran data lebih singkat. Dengan demikian, strategi self-learning forwarding memberikan efisiensi yang lebih baik dibandingkan multicast-vanet pada jaringan VANET-NDN dan dapat menjadi acuan empiris dalam pemilihan strategi forwarding untuk pengembangan jaringan kendaraan berbasis Named Data Networking.
Zitieren
APA
Melati, S. R., Hafiza, L., Rahmawati, P., & Novfitri, A. (2026). Analisis Perbandingan Performansi Strategi Forwarding Multicast dan Self-Learning pada Jaringan Vehicle-to-Vehicle Berbasis Named Data Networking. Jurnal Penelitian Inovatif, 6(3), 2601-2616. https://doi.org/10.54082/jupin.2645
Vancouver
Melati SR, Hafiza L, Rahmawati P, Novfitri A. Analisis Perbandingan Performansi Strategi Forwarding Multicast dan Self-Learning pada Jaringan Vehicle-to-Vehicle Berbasis Named Data Networking. Jurnal Penelitian Inovatif. 2026;6(3):2601-2616. doi:10.54082/jupin.2645
BibTeX
@article{Melati2026,
author = {Melati, Seshariana Rahma and Hafiza, Lia and Rahmawati, Putri and Novfitri, Aisyah},
title = {Analisis Perbandingan Performansi Strategi Forwarding Multicast dan Self-Learning pada Jaringan Vehicle-to-Vehicle Berbasis Named Data Networking},
journal = {Jurnal Penelitian Inovatif},
year = {2026},
volume = {6},
number = {3},
pages = {2601--2616},
doi = {10.54082/jupin.2645}
}
EUVIMED