Studi Literatur: Mekanisme Efisiensi Energi Menggunakan Data Reduction Pada Penerapan Wireless Sensor Networks (WSNs)

Literature Review: Energy Efficiency Mechanisms Using Data Reduction in Wireless Sensor Networks (WSNs) Applications

Telah disampaikan bahwa pada penerapan Wireless Sensor Networks (WSNs) memiliki permasalahan

utama yang dapat mempengaruhi kinerjanya. Salah satunya permasalahan yang dimiliki ialah sumber energi

terbatas (bertenaga baterai). Sehingga dalam upaya memanfaatkan energi sebaik mungkin, beberapa

mekanisme telah diusulkan. Efisiensi energi pada WSNs merupakan masalah yang sangat menarik untuk

dibahas. Masalah tersebut menjadi tantangan tersendiri bagi para peneliti. Dalam paper ini terfokuskan pada

pembahasan mengenai bagaimana perkembangan penelitian dalam upaya efesiensi energi pada WSNs

selama kurung waktu 10 tahun terakhir. Salah satu mekanisme yang diusulkan adalah reduksi data (data

reduction). Paper ini membahas tentang data reduction yang dibagi dalam 4 bagian; 1) aggregation, 2)

adaptive sampling, 3) compression dan 4) network coding. Reduksi data bertujuan untuk mengurangi

pengiriman jumlah data menuju ke sink. Pendekatan reduksi data dapat mempengaruhi keakuratan informasi

yang dikumpulkan. Dengan reduksi data dimanfaatkan untuk meningkatkan latency, QoS (Quality of

Service), skalabilitas yang baik dan mengurangi waktu tunggu. Paper ini membahas mengenai lebih lanjut

tentang teknik pengambilan sampel adaptif dan pengkodean jaringan. Disimpulkan bahwa dengan

menggunakan mekanisme data reduction pada penerapan pelacakan target terbukti efisien dibandingkan

dengan tanpa menggunakan mekanisme data reduction. Dalam upaya menghemat energi, dengan data

reduction (khususnya dengan algoritma adaptive sampling) dapat menghemat energi mencapai 79,33%.

Kata Kunci: Data Reduction, Wireless Sensor Networks (WSNs), Efisiensi Energi

Abstract - It has been stated that the implementation of Wireless Sensor Networks (WSN) has major

problems that can affect its performance. One of the problems he faced was the limited energy source

(battery-powered). Therefore, in an attempt to use energy as best as possible, several mechanisms have been

proposed. Energy efficiency in WSN is a very interesting issue to discuss. This problem is a challenge for

researchers. This paper focuses on the discussion of how research has developed in energy efficiency efforts

in the WSNs over the past 10 years. One of the proposed mechanisms is data reduction. This paper discusses

data reduction divided into 4 Parts; 1) aggregation, 2) adaptive sampling, 3) compression, and 4) network

coding. Data reduction is intended to reduce the amount of data sent to the sink. Data reduction approaches

can affect the accuracy of the information collected. Data reduction is used to improve latency, QoS (Quality

of Service), good scalability, and reduced waiting times. This paper discusses more adaptive sampling

techniques and network coding. It was concluded that using data reduction mechanisms in target detection

applications proved efficient compared to without using data reduction mechanisms. To save energy, data

reduction (especially with adaptive sampling algorithms) can save up to 79.33% energy.

Keywords: Data Reduction, Wireless Sensor Networks (WSNs), Energy Efficiency