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.