DESAIN WSN
C. DESAIN WSN
Platform penjadwalan Wireless diadopsi
Human Activity
ZigBee wireless komunikasi Teknologi sebagai informasinya bertukar metode. ZigBee dapat
membangun topologi jaringan yang berbeda,
Non-Verbal Voice
seperti bintang, pohon, dan topologi mesh [3]. Setiap node (termasuk node sink / gateway) memiliki kinerja komunikasi wireless yang sama,
Vocal Behaviour
Walk Sleep
Vocal
Vocal
Behaviour Behaviour
Behaviour A
Behaviour
yaitu, node A bisa menerima sebuah paket
Anomali
langsung dari node B jika node B dapat menerima
Behaviour B
Vocal
langsung sebuah paket dari node A [4]. Dalam
Non-Verbal
Behaviour
Walk Voice
Group
paper topologi yang di desain adalah multi-hop
Behaviour Lainnya A
WSN berbasis topologi mesh, yang ditunjukkan
Walk Walk Walk Behaviour
pada Gambar 11. Rincian desain untuk setiap
Behaviour Behaviour B Group
module node sensor; jumlah dan jenis sensor pada realisasinya akan berubah sesuai dengan
Anomali
Gambar 8. Klasifikasi behavior aktifitas kebutuhan masing-masing ruangan.
Behaviour Walk
Dalam perkembangannya sistem sensor network dapat menetapkan suatu decision yang akan menggerakan actuator yang sesuai tanpa memerlukan konfirmasi dari komputer pusat,
Behaviour Walk Behaviour Walk Behaviour Walk
Behaviour Walk
yang disebut sebagai intelligent sensors.
A B Group
Anomali
Intelligent sensors didefinisikan sebagai sistem sensor networks yang memiliki perilaku self- management berbasis pada kebijakan khusus yang
Anomali Anomali
Anomali
Anomali
memungkinkan node sensor untuk “berpikir” dan
Novel Novel
Class 1 Class 2
Sensor
(Security)
berkolaborasi dengan cara bertukar informasi [16].
Internet
Gambar 9. Klasifikasi anomali untuk kelas baru,
Humidity Sensor
Infra Red Sensor
sensor node dan lainnya
Arduino
Gateway Arduino
XBee +
Arduino XBee + XBee +
Arduino XBee +
Arduino
XBee +
Intensity Arduino Sensor
XBee +
Temperature Sensor
Temperature Sensor
Gambar 11. Desain module node sensor
V. KESIMPULAN Untuk deteksi anomali akan berkembang
setelah munculnya suatu anomali baru (kelas baru) dalam deteksi anomali tersebut, dan seiring dengan berjalannya waktu dalam deteksi aliran maka akan memungkinkan munculnya kelas baru setelah munculnya suatu anomali baru (kelas baru) dalam deteksi anomali tersebut, dan seiring dengan berjalannya waktu dalam deteksi aliran maka akan memungkinkan munculnya kelas baru
Knowledge and Data Engineering, Volume: node dengan segala keterbatasanny (terutama
23, Issue: 6; pp.: 859 – 874; 2011. kapasitas memory) akan dipandang “berat” untuk
8. McDonald, Dylan; Sanchez, Stewart; Madria, dapat melakukan komputasi setiap ada kelas baru
A yang muncul.
Communication Efficient Framework for Deteksi kelas baru yang dimaksud dalam
Finding Outliers in Wireless Sensor Networks. paper ini adalah setiap terjadi anomali yang terjadi
Mobile Data Management (MDM), Eleventh dan akan berulang serta tidak masuk dalam kelas
Conference on Topic(s): yang sudah ada. Aplikasi kelas baru pada smart
International
Communication, Networking & Broadcasting ; home dapat berarti banyak hal, antara lain
Computing & Processing (Hardware/Software) bertambahnya penghuni dalam rumah, munculnya
9. Pirinen, T.W. 2008, A Confidence Statistic behaviour baru dari salah satu atau beberapa
and an Outlier Detector for Difference penghuni dengan adanya perubahan waktu
Estimates in Sensor Arrays. Topic(s): (bertambahnya usia seorang anak) atau perubahan
Bioengineering ; Communication, Networking lingkungan (bertambahnya peralatan didalam
& Broadcasting ; Components, Circuits, rumah, misal peralatan olah raga, home
Devices & Systems ; Computing & Processing entertainment dsb).
(Hardware/Software) ; Engineered Materials, Jika terjadi kelas anomali tetapi tidak
Dielectrics & Plasmas ; Engineering terjadi kelas baru, kemungkinan yang muncul
Profession ; Fields, Waves & Electromagnetics adalah terjadi instrusi, sensor/yang aus/rusak atau
; Photonics & Electro-Optics ; Power, Energy, permasalahan baterei pada node sensor; tetapi hal
& Industry Applications ; Signal Processing & ini tidak dibahas lebih lanjut dalam paper ini.
Analysis ; Transportation
10. Rajasegarar, S.; Leckie, C.; Bezdek, J.C.; Referensi:
Hyperspherical and Hyperellipsoidal One- Generalized Activity Models for Smart
1. Cook, D.J.; 2012
,Learning
Setting-
Class Support Vector Machines for Anomaly Spaces, IEEE – Intelligent Systems, Volume:
Detection in Sensor Networks; Topic(s):
27, Issue: 1; pp: 32 – 38. Communication, Networking & Broadcasting ;
2. Donglin Wang; Chandana, S.; Renlun He; Photonics & Electro-Optics ; Power, Energy, Jiuqiang Han; Xiangyu Zhu; Ke Zou; Yong
& Industry Applications ; Signal Processing & He; 2010; Intelligent sensor design in network
Analysis.
based automatic control; Neural Networks
11. Saruwatari, S.; Suzuki, M.; Morikawa, H.; (IJCNN); pp: 1 – 6.
2009; A compact hard real-time operating
3. Hu Guozhen; 2009; A Wireless Scheduling system for wireless sensor nodes. Sixth Strategy Base on Real-Time Operating
International Conference Networked Sensing System. Computational Intelligence and
Systems (INSS), pp: 1 – 8. Software Engineering, (CiSE). pp: 1 – 4.
12. Song Jian-hua; Ma Chuan-Xiang; 2007;
4. Inoue, S.; Kakuda, Y.; Kurokawa, K.; Dohi, School of Mathematics and Computer Science, T.; 2010; A method to prolong the lifetime of
Hubei University, Wuhan 430062, Hubei, sensor networks by adding new sensor nodes
China; Communications and Networking in to energy-consumed areas., 2010 2nd
China, 2007. CHINACOM '07. Second International Symposium Aware Computing
International Conference on Topic(s): (ISAC); pp: 332 – 337.
Communication, Networking & Broadcasting ;
5. Kihyun Kim; Honggil Lee; Byeongjik Lee; Components, Circuits, Devices & Systems ; Youngmi Baek; Kijun Han; 2008; A Location
Computing & Processing (Hardware/Software) Based Energy Efficient Intersection Routing
13. Stanley, M.; Gervais-Ducouret, S.; Adams, Protocol in Mobile Sensor Networks.
J.T.; 2012; Intelligent sensor hub benefits for MultiMedia and Information Technology
networks; Sensors (MMIT), pp : 610 – 613.
wireless
sensor
Applications Symposium (SAS), pp: 1 – 6.
14. Sutharshan Rajasegarar, Christopher Leckie, Byeongjik Lee; Kijun Han; 2009. A location
6. Kihyun Kim; Jeongbae Yun; Jangkyu Yun;
And Marimuthu Palaniswami; 2008; Anomaly based routing protocol in mobile sensor
detection in wireless sensor networks; networks; 11th International Conference
Topic(s): Bioengineering ; Communication, Advanced
Networking & Broadcasting ; Components, (ICACT), pp. 1342 – 1345.
Communication
Technology
Circuits, Devices & Systems ; Computing &
7. Masud, Mohammad Mehedy ; Gao, Jing ; Processing (Hardware/Software) ; Fields, Khan, Latifur ; Han, Jiawei ; Thuraisingham,
Waves & Electromagnetics Bhavani M.; Classification and Novel Class
15. Sutharshan Rajasegarar; Christopher Leckie; Detection in Concept-Drifting Data Streams
Marimuthu Palaniswami; James C. Bezdek.;
2006; Distributed Anomaly Detection in
18. Yang, Z.; Wu, C.; Chen, T.; Zhao, Y.; Gong, Wireless Sensor Networks; Communication
W.; Liu, Y.; 2012; Detecting Outlier systems. 10th IEEE Singapore International
Measurements based on Graph Rigidity for Conference on Topic(s): Communication,
Wireless Sensor Network Localization; Networking & Broadcasting ; Components,
Vehicular Technology, IEEE Transactions on Circuits, Devices & Systems ; Computing &
Topic(s): Aerospace ; Transportation. Processing.
19. Yurish, S.Y., 2008, Self-adaptive intelligent
16. Vassev, E.; Nixon, P., 2010, Engineering sensors and systems: From theory to practical intelligent sensor networks with ASSL and
design, International Workshop on Robotic DMF,
and Sensors Environments (ROSE), pp. x – xi. Collaborative Technologies and Systems
20. Zhao et al., “Collaborative Signal and (CTS), pp. 94 – 102.
Information Processing: An Information-
17. V. Hodge and J. Austin, 2004. “A Survey of Directed Approach”, 2003. Outlier Detection Methodologies,” Artificial Intelligence Revpp.85 –126.