Seno Adi Putra
33213009
Sekolah Teknik Elektro dan Informatika
Institut Teknologi Bandung
Agenda
Wireless Sensor Network
 Sistem Multiagent
 Isu-Ise Perancangan Multiagent System
pada Wireless Sensor Netowork :

 Arsitektur
 Middleware
 Hardware
 Itinerary Planning
 Outlier Detection
Agenda 1
Wireless Sensor Network

Definition : perangkat embedded
kecil yang dipasang di jaringan
skala besar yang memiliki
kapabilitas penginderaan,
komputasi, dan komunikasi [1]

Wireless sensor
mengkombinasikan teknologi
sensor modern, teknologi micro
electronic, komputasi, teknologi
komunikasi, dan pemrosesan
terdistribusi [1]
[1]
[2]
Krishnamachari Bhaskar. Mathematical Modeling and Algorithm for Wireless Sensor Network. Autonomous
Network Research Group Department of Electrical Engineering-Systems USC Viterbi School of Engineering.
Lizhong Jin, Jie Jia, Dong Chen, Fengyun Li, Zhicao Dong, Xue Feng. Research on Architecture, Cross-layer
MAC Protocol for Wireless Sensor Networks . 2011 Fifth International Conference on Genetic and
Evolutionary Computing. IEEE
[2]
Tipe-tipe Sensor Node
Aplikasi Wireless Sensor Network
Structural monitoring
Bio-habitat monitoring
Disaster management Military surveillance
Industrial monitoring
Home/building security
Krishnamachari Bhaskar. Mathematical Modeling and Algorithm for Wireless Sensor Network. Autonomous
Network Research Group Department of Electrical Engineering-Systems USC Viterbi School of Engineering.
Agenda 2
Apa itu Agent ?

Hal utama yang dimiliki oleh
Agent adalah OTONOM :
kapabilitas melakukan aksi yang
independent.

Agent adalah sistem komputer
yang memiliki kapabilitas
melakukan aksi yang otonom di
lingkungan tertentu untuk
mencapai tujuan yang
didelegasikan kepadanya.

Agent melakukan close-couple
atau interaksi kontinu di dalam
lingkungannya :
sense–decide–act–sense–decide
Wooldridge, Michael. Introduction to MultiAgent System. John Wiley and Sons LTD. 2002
Agent dan Sistem Multiagent

Agent adalah sistem komputer yang mempunyai kemampuan untuk
melakukan aksi otonom untuk mencapai obyektif yang diinginkan
penggunanya.

Sistem Multiagent adalah sistem yang terdiri dari agent-agent yang
berinteraski satu sama lain untuk melakukan kerja sama, koordinasi,
dan negosiasi.

Tiga perilaku intelligent agent :

Reactive, yaitu sistem memelihara interaksi yang sedang berjalan dengan
lingkungannya dan memberikan respon terhadap perubahan yang terjadi.
 Pro-Active (goal directed behaviour) yang berarti menghasilkan dan berusaha
untuk mencapai goal, tidak hanya didorong oleh event, namun punya inisiatif
dan mengenali opportunity
 Social , yaitu kemampuan untuk berinteraksi dengan agent-agent lainnya (dan
juga mungkin manusia) melalui beberapa jenis komunikasi agent dan juga
bekerja sama, koordinasi, dan negosiasi dengan agent-agent lainnya.
Agent Sebagai Intentional System

Daniel Dennett menyebutkan istilah intentional system
untuk mendeskripsikan entitas-entitas yang perilakunya
dapat diprediksi oleh metode pengatributan belief, desire,
dan rational acumen.

Sejalan dengan sistem komputer yang semakin komplek,
diperlukan abstraksi dan metafora yang lebih powerful
untuk menjelaskan operasi sistem komputer – Penjelasan
low level menjadi tidak praktis. Intentional stance adalah
salah satu bentuk abstraksi itu.

Intentional notion adalah bentuk tool abstraksi tersebut
yang memberikan kenyamanan dan cara yang familiar
untuk mendeskripsikan, menjelaskan, dan memprediksi
perlikau sistem komplek.
Perception

Fungsi see adalah
kemampuan
agent untuk melakukan observasi
lingkungannya.

Fungsi action merepresentasikan
proses agent mengambil keputusan

Ouput fungsi see adalah percept
yang memetakan state lingkungan
ke percept, dan fungsi action
menjadi :
yang memetakan urutan perceipt ke
action
Agent dengan State

Agent yang memelihara state memiliki struktur ata
internal, di mana biasanya digunakanuntuk merekam
informasi tentang state lingkunganna dan historinya.

Angap I adalah set semua state internal sebuah agent.

Fungsi tambahan next diperkenalkan, dimana
memetakan state internal dan percept ke state internal :

Fungsi action sekarang didefinisikan sebagai :
di mana memetakan antara state internal ke aksi

Fungsi next diperkenalkan sebagai :
Yang memetakan state inbternal dan percept ke state
internal
Arsitektur Belief, Desire, Intention (BDI)
 belief merepresentasikan informasi yang
dimiliki agent terkait dengan lingkungannya.
 Desire merepresentasikan tugas-tugas yang
diberikan kepada agent sesuai dengan obyektif
atau tujuan yang harus dicapainya.
 Intention merepresentasikan desire yang agent
komitmen lakukan.
•
 Plan menentukan
beberapa daftar aksi-aksi
yang dapat dilakukan agent untuk mendukung
intention-nya.
 Empat struktur data ini dikelola oleh intrepeter
agent yang bertanggung jawab dalam
memperbaharui belief dari hasil observasi
lingkungan,
menghasilkan
desire
baru
(pekerjaan) sebagai dasar belief baru, dan
memilih beberapa set pekerjaan yang harus
dilakukan sebagai intention-nya. Selanjutnya
intrepeter memilih aksi yang harus dilakukan.
Protokol Contract Net
Agenda 3
Agenda 3.1
Arsitektur Client-Server

Paradigma client-server merupakan
metode tradisional disiminasi data di
WSN
 kemunculan event me-trigger nodenode sumber di sekitarnya untuk
mengumpulkan dan mengirim data ke
sink sendiri-sendiri.
 Jumlah aliran data umumnya sama
dengan jumlah node-node sumber
sehingga menyebabkan konsumsi
bandwidht dan energi yang cukup
tinggi.
 Pendekatan ini menyebabkan
ketidakseimbangan konsumsi energi di
jaringan karena node-node yang lebih
dekat dengan sink akan me-forward
lebih banyak data (data dirinya
maupun data yang dititipkan dari node
lain)
Min Chen, Sergio Gonzalez, and Victor C. M. Leung. “Application and Design Issues For Mobile Agent in
Wireless Sensor Networks”. University of British Columbia. IEEE Wireless Communication, December 2007
Arsitektur Mobile Agent

Pada pendekatan berbasis Mobile
Agent :
 sink node mengirimkan mobile
agent ke area target untuk
mengunjungi node satu per satu;
 data-data sensor dikurangi dan
dikumpulkan oleh agent; dan
 selanjutnya sesuai dengan instruksi
mobile agent, data-data tersebut
dikirim kembali ke sink
 pendekatan ini menghasilkan satu
aliran lalu lintas data daripada
multiple aliran lalu lintas data
Min Chen, Sergio Gonzalez, and Victor C. M. Leung. “Application and Design Issues For Mobile Agent in
Wireless Sensor Networks”. University of British Columbia. IEEE Wireless Communication, December 2007
Arsitektur Pada Jaringan Sensor Hierarki

Peran atau kapabilitas setiap node tidak sama.

Sensor disegmentasi dalam bentuk cluster sehingga
metode diseminasi data terdiri dari :
 Intra-cluster : Setiap cluster head memberangkatkan mobile
agent yang akan mengunjungi semua anggota cluster satu
per satu untuk menghimpun dan melakukan aggregasi data.
Setelah mobile agent kembali ke cluster head-nya, mobile
agent ini akan mengirimkan data yang sudah diaggregasi ke
sink node.
 Inter-cluster : Metode ini tidak melibatkan operasi mobile
agent di dalam cluster , melainkan mobile agent bermigrasi
diantara cluster head dan processing center.
Min Chen, Sergio Gonzalez, and Victor C. M. Leung. “Application and Design Issues For Mobile Agent in
Wireless Sensor Networks”. University of British Columbia. IEEE Wireless Communication, December 2007
Arsitektur Pada Jaringan Sensor Flat

Mobile Agent-Based
Distributed Sensor Network
(MADSN) merupakan
paradigma berbasis agent
pertama yang bisa diadopsi
baik hierichical dan Flat
WSN.
 Sink memberangkatkan
beberapa mobile agent untuk
secara langsung
mengumpulkan data di area
target. Node-node sumber
diasumsikan dekat dengan
sink.
 Metode ini menyebabkan
overhead yang besar ketika
mengirimkan kode-kode
mobile dari sink setiap saat.
Min Chen, Sergio Gonzalez, and Victor C. M. Leung. “Application and Design Issues For Mobile Agent in
Wireless Sensor Networks”. University of British Columbia. IEEE Wireless Communication, December 2007
Arsitektur Pada Jaringan Sensor Flat

Pada Mobile Agent-Based WSN (MAWSN),
dimungkinkan dilakukan pengurangan redudancy
informasi di level :
 Node. Data mentah, yang dihasilkan oleh masingmasing node sensor, dikurangi oleh agent child.
Lalu, hanya informasi relevan yang dikirim ke sink.

Agent anak. Ketika node-node saling berdekatan,
maka pengukuran node-node tersebut akan
menampilkan tingkat korelasi yang tinggi. Jadi,
perlu dilakukan aggregasi data untuk mengurangi
redudancy data sensor dari satu event tunggal
ketika agent anak mengunjungi node-node sumber
yang mendeteksi event tersebut.

Agent Induk. Setelah agent-agent anak kembali ke
agent induk, selanjutnya agent induk mengurangi
redudancy yang terjadi di data yang terkumpul oleh
berbagai agent anak.
Min Chen, Sergio Gonzalez, and Victor C. M. Leung. “Application and Design Issues For Mobile Agent in
Wireless Sensor Networks”. University of British Columbia. IEEE Wireless Communication, December 2007
Agenda 3.2
FIPA ACL

bahasa komunikasi agent yang banyak digunakan
dan dipelajari adalah ACL (Agent Communication
Language)

Saat ini, the Foundation for Intelligent Physical
Agents (FIPA) memulai pekerjaannya pada program
standar agent —Bagian sentral yang dilakukan
adalah ACL.

Basic structure is :
 performative;
20 performatif di FIPA.
 house keeping
 konten
FIPA Performatif
JADE v.s Agent Factory
FIPA ACL
implements
JADE
extends
JADE
LEAP
implements
Agent
Factory
extends
AFME
Java Agent Development
Environtment (JADE)

Agent platform yang mengikut standar FIPA.

JADE menerapkan spesifikasi manajemen agent secara lengkap
sebagaimana di definisikan oleh FIPA seperti Agent management System
(AMS), Directory Facilitator (DF), Message Transport Service (MTS), Agent
Communication Channel (ACC).

JADE juga menerapkan FIPA Agent Communication Stack mulai dari FIPA
ACL untuk struktur pesannya, FIPA SL untuk ekspresi konten pesan,
ditambah dukungan untuk interaksi FIPA dan protokol transport.

JADE juga mendefinisikan komponen-komponen di luar yang didefinisikan
FIPA seperti terdistribusi, fault tolerant, arsitektur kontainer, arsitektur service
internal, persistent message delivery, semantic framework, mekanisme
keamanan, mobilitas agent, interaksi web service, antarmuka grafis, dan
sebagainya.

JADE LEAP libraries menyediakan FIPA-compliant agent platform dengan
pengurangan footprint dan diterapkan pada J2ME-CLDC MIDP 1.0
Agent Factory

Agent Factory Framework adalah koleksi tools, platform, dan bahasa open source
yang mendukung pengembangan dan penerapan sistem multiagent.

Secara umum framework ini dibagi ke dalam 2 bagian besar, yaitu : dukungan
untuk agent di lingkungan laptop, desktop, dan server; dan dukungan untuk agent di
lingkungan perangkat yang memiliki sumber daya terbatas seperti perangkat
telepon genggam dan sensor. Kedua framework tersebut saat ini bernama Agent
Factory Standard Edition (AFSE), dan Agent Factory Micro Edition (AFME).
 AFSE adalah modular dan extensible framework yang menyediakan dukungan
konprehensif untuk pengembangan dan penerapan aplikasi berorientasi agent.
AFSE mengkombinasikan FIPA-Compliant Agent Platform dengan dukungan
beberapa bahasa pemrograman agent dan arsitektur-arsitektur.
 AFME merupakan platform agent yang merujuk pada J2ME MIDP ringan open
source dan menerapkan Agent Factory Framework yang ada. AFME ditujukan
untuk sistem wireless pervasive sehingga secara spesifik AFME tidak dirancang
untuk WSN. Namun, karena dukungan J2ME kepada platform sensor Sun Spot,
AFME dapat diadopsi untuk pengembangan aplikasi WSN berbasis agent.
Mengapa AFME untuk WSN
berbasis Sistem Multiagent ?

AFME menurut [2] merupakan agent paltform yang merujuk pada J2ME MIDP ringan
open source dan menerapkan Agent Factory Framework yang ada.

AFME ditujukan untuk sistem wireless pervasive sehingga secara spesifik AFME tidak
dirancang untuk WSN. Namun, karena dukungan J2ME kepada platform sensor
SunSpot,

AFME dapat diadopsi untuk pengembangan aplikasi WSN berbasis agent. AFME
berbasis pada pradigma Believe-Desire-Intention di mana di dalamnya agent-agent
mengikuti siklus sense-decision-act.

AFME mendeskripsikan agent melalui mixed declarative/imperative programming model
bernama Agent Factory Agent Programming Language (AFAPL), berbasis formalisme
logik belief dan commitment. AFAPL digunakan untuk me-encode perilaku agent
dengan menentukan aturan-aturan yang mendefinisikan kondisi-kondisi dimana
komitmen diadopsi.

JADE LEAP merupakan framework pengembangan teknologi agent, namun berbeda
dengan AFME, framework tersebut tidak reflective (kemampuan melakukan penalaran
tentang dirinya) dan tidak menggunakan bahasa pemrograman abstrak yang berbasis
pada teori agent rasional
[2] Stefano Galzarano , Francesco Aielo, Alesio Carbone, Giancarlo Fortino. Java-Based Mobile Agent Platform for Wireless
Network Sensor. the International Multiconference on Computer Science and Information Technology pp. 165–172. 2010
Proses Kontrol AFME
Identtifikasi
Desire
Identtifikasi
Intention
Update
Belief
Mengelola
Komitmen
Perceptor
Aktuator
Lingkungan
•Conor Muldoon, Geogory M. P. O’here, Rem W. Collier, Michaerl J. O’Grady. Toward Pervasive Intteligence : Reflection
on The Evolution of Agent Factory Framework. Springer Science and Business Media, LC. 2009.
Platform Lainnya
[2] Stefano Galzarano , Francesco Aielo, Alesio Carbone, Giancarlo Fortino. Java-Based Mobile Agent Platform for Wireless
Network Sensor. the International Multiconference on Computer Science and Information Technology pp. 165–172. 2010
Bagaimana dengan MASPOT ?

MASPOT, mobile agent system for Sun SPOT berbasis
Java, menyediakan solusi terkait dengan isu kebutuhan
akan reprogramming jaringan dan penghematan konsumsi
energi.

Tidak seperti AFME yang hanya mendukung weak
migration, MASPOT mendukung migrasi kode (strong
migration)
Ramon Lopes and Flavio Assis. “MASPOT: A Mobile Agent System for Sun SPOT”. LaSiD - Distributed Systems Laboratory DCC - Department of Computer
Science UFBA - Federal University of Bahia. Salvador, Brazil. Tenth International Symposium on Autonomous Decentralized Systems. 2011
Agenda 3.3
Daftar Sensor Node
Solutions
developed in
research
community or by
groups of
enthusiasts.
Commercial
solutions
from
particular
producers
Modules
assembled by
companies trying
to sell software
solutions
Communication Module

Mostly performed in unlicensed bands according to open standards
 Standard: IEEE 802.15.4 - Low Rate WPAN
○ 868/915 MHz bands with transfer rates of 20 and 40 kbit/s, 2450
MHz band with a rate of 250 kbit/s
○ Technology: ZigBee, WirelessHART
 Standard: ISO/IEC 18000-7 (standard for active RFID)
○ 433 MHz unlicensed spectrum with transfer rates of 200 kbit/s
○ Technology: Dash7
 Standard: IEEE 802.15.1 – High Rate WPAN
○ 2.40 GHz bands with transfer rates of 1-24 Mbit/s
○ Technology: Bluetooth (BT 3.0 Low Energy Mode)
 Standard: IEEE 802.11x – WLAN
○ 2.4, 3.6 and 5 GHz with transfer rates 15-150 Mbit/s
○ Technology: Wi-Fi
Communication Module

Sometimes in licensed bands
 Standard: 3GPP – WMAN, WWAN cellular communication
○ 950 MHz, 1.8 and 2.1 GHz bands with data rate ranging from 20 Kbit/s to
7.2 Mbit/s, depending on the release
○ Technology: GPRS, HSPA

Sometimes according to proprietary standards and protocols
 Z-Wave – for home automation
○ 900 MHz band (partly overlaps with 900 MHz cellular) with data rates of 9.6
Kbit/s or 40 Kbit/s
 ANT – for sportsmen and outdoor activity monitoring, owned by Garmin
○ 2.4 GHz and 1 Mbit/s data rates
 Wavenis – for M2M periodic low data rate communication
○ 868 MHz, 915 MHz, 433 MHz with data rates from 4.8 Kbits/s to 100
Kbits/s
○ most Wavenis applications communicate at 19.2 kbits/s.
 MiWi, SimpliciTI, Digi xxx, …
Sensor Node :
Embedded OS Comparison
Sensor Node :
Virtual Machine Comparison
Sun SPOT
Salah satu teknologi populer di area WSN adalah Sun SPOT (Small
Programmable Object Technology). Sun Spot terdiri dari 32-bit ARM9 CPU,
512K memory, 2 Mb flash storage dan wireless networking berbasis pada
ChipCon CC2420 yang mengikuti standar 802.15.4, terintergasi dengan antenna
dan beroperasi pada 2.4GHz to 2.4835GHz ISM unlicensed bands. IC-nya terdiri
dari 2.4GHz RF transmitter/receiver dengan digital direct sequence spread
spectrum (DSSS) baseband modem dengan dukungan MAC.
Contoh Aplikasi Sun SPOT
•
MAPS menurut [7] biasa diinteroperasikan
dengan JADE framework. JADE-MAPS
gateway
telah
dikembangkan
untuk
memungkinkan
agent-agent
JADE
berinteraksi dengan agent-agent MAPS.
• Meskipun JADE dan MAPS menggunakan
platform Java, keduanya menggunakan
metode komunikasi yang berbeda. JADE
mengirim pesan berdasarkan standar FIPA
menggunakan
spesifikasi
Agent
Communication Language (ACL), sedangkan
MAPS membuat komunikasi pesannya sendiri
berbasis event.
• JADE-MAPS
gateway
memfasilitasi
pertukaran pesan antara agent-agent MAPS
dengan JADE.
[7] Giancarlo Fortino, Stefano Galzarano, Raffaele Gravina, Antonio Guerrieri. “Agent-based
Development of Wireless Sensor Network Applications”, DEIS – University of Calabria. 2010.
Agenda 3.4
Itinerary Planning

Itinerari adalah rute yang dilalui selama migrasi mobile agent.

Itinerari planning mencakup dua isu yang harus diselesaikan oleh sink dan
mobil agent secara otonom
 Pemilihan set node-node sumber yang akan dikunjungi oleh mobile agent.
 Penentuan urutan kunjungan ke sumber-sumber dengan mempertimbangkan efisiensi
energi

Kategori Itenerary Planning :
 Static Planning. Agent itinerari ditentukan sepenuhnya oleh sink node sebelum agent
diberangkatkan.Pada static planning, Dispatcher menggunakan informasi network global
terkini dan mendapatkan jalur agent efisien sebelum mobile agent dikirim.
 Dynamic Planning. Dynamic planning memungkinkan mobile agent untuk menentukan
node berikutnya untuk dikunjungi pada setiap titik pemberhentian di jalur migrasinya.
Pendekatan Dynamic planning mencari sensor node yang : (1) Memiliki sisa energi yang
terbesar; (2) Memerlukan konsumsi energi untuk migrasi agent; dan (3)
Menyediakan informasi yang lengkap
 Hybrid Planning. Pada Hybrid Planning, pemilihan set kunjungan node sumber adalah
statik, sedangkan keputusan urutan kunjungan node sumber adalah dinamis. Kosep
Mobile Agent-Based Directed Diffusion (MADD) :
○ Jika sumber di area target mendeteksi event yang diharapkan, sumber-sumber tersebut
mengirim paket-paket eksploratoty ke sink. Berdasarkan paket-paket ini sink secara statistik
memilih sumber-sumber yang akan dikunjungi oleh mobile agent, lalu mobile agent secara
otonom memutuskan urutan kunjungan ke sumber.
Algoritma Solusi Itinerary
Planning untuk Multiple Agent

Centre location-based multiple MA itinerary planning (CL-MIP)
Chen, M., Gonzlez, S., Zhang, Y., Leung, V.C.: ‘Multi-agent itinerary planning for sensor networks’. Proc. IEEE 2009
Int. Conf. Heterogeneous Networking for Quality, Reliability, Security and Robustness (QShine 2009), Las Palmas de
Gran Canaria, Spain, 2009

Direction-based Multiple MA Itinerary Planning
(Agle Gap-Based MIP, AG-MIP)
Chen, M., Gonzalez, S., Leung, V.: ‘Directional source grouping for multi-agent itinerary planning in wireless sensor
networks’. Proc. Int. Conf. ICT Convergence (ICTC), Jeju Isaland, Korea, 2010

Tree-based Multiple MA Itinerary Planning (Balanced Minimum
Spanning Tree, BST)
Chen, M., Cai, W., Gonzalez, S., Leung, V.C.: ‘Balanced itinerary planning for multiple mobile agents in
wireless sensor networks’. Proc. Second Int. Conf. Ad Hoc Networks (ADHOCNETS2010), Victoria, BC,
Canada, 2010

Genetic Algorithm-based Multiple MA Itinerary Planning
Cai, W., Chen, M., Hara, T., Shu, L.: ‘GA-MIP: genetic algorithm based multiple mobile agents itinerary
planning in wireless sensor network’. Proc. Fifth Int. Wireless Internet Conf. (WICON), Singapore, 2010
Usulan Alternatif Teknik Metaheuristic :
• Ant Colony
• Simulated Aneling
• Cross Entropy
• Differential Evolution
Min Chen, Sergio Gonzalez, and Victor C. M. Leung
University of British Columbia
IEEE Wireless Communication, December 2007
Agenda 3.5
Apa itu Outlier ?

Karena kondisi lingkungan yang keras dan tidak menentu, sensor node
dapat tidak berfungsi dengan baik, menghasilkan data yang tidak akurat ke
base station.

Karena keterbatasan sumber daya seperti pemrosesan yang terbatas,
penyimpanan data yang terbatas, bandwidth yang terbatas, dan otonomi
dapat juga menyebabkan ketidakakuratan data mentah yang dibaca oleh
sensor node.

Inilah dikenal dengan outlier di mana sensor node membaca data yang
menyimpang dari pola data yang biasanya dibaca. Kemungkinan besar
sumber outlier ini berasal dari noise, data error yang disebabkan karena
kegagalan hardware, kondisi lingkungan yang tidak normal, atau serangan
malicious.
“Teknik-teknik deteksi outlier sebagian besar membutuhkan kapasitas memory
yang besar untuk penyimpanan data dan memerlukan konsumsi energi yang
cukup besar. Selain itu teknik-teknik ini menyebabkan overhead pada
komunikasi dan tidak mendukung kapabilitas komputasi terdistribusi.”
Paulo Gil, Amâncio Santos, and Alberto Cardoso. “Dealing With Outliers in Wireless Sensor
Networks: An Oil Refinery Application”. IEEE transactions on control systems technology.2013
Teknik-teknik Deteksi Outlier

Dikategorikan ke dalam pendekatan :





statistical-based,
nearest-neighbour-based,
clustering-based,
classification-based,
spectral-decomposition-based.

Statistical-based yang dibagi ke dalam dua metode, yaitu parametik dan non-parametrik.
Kedua metode ini menitik beratkan kepada distribusi probabilitas untuk melakukan
karakteristik data set atau time seri ketika melakukan evaluasi sampel data mentah
secara statistik.

Metode nearest-neighbour menitik beratkan pada matrik-matrik yang meghitung jarak
antara obyek-obyek atau sample-sample dengan interpretasi geometrik.

Pada teknik berbasis clustering, data set dikelompokkan ke dalam cluster yang memiliki
atribut yang sama. Sebuah obyek dapat dikatakan sebagai outlier jika obyek tersebut
berada di luar cluster yang ditentukan.

Metode berbasis classification menitik beratkan pada teknik machine learning yang
mencoba memahami dataset yang tersedia. Kelemahan teknik ini adalah secara
komputasi terlalu komplek untuk diterapkan secara real time di sensor node.

Pendekatan spectral-decomposition yang menitik beratkan pada analisis komponenkomponen dasar untuk mengidentifikasi mode-mode normal dari perilaku dataset.
Pendekatan ini menghasilkan kompleksitas komputasi yang tinggi.
Pendekatan Statistika Univariate

Pendekatan statistika ini dapat diterapkan
pada sensor yang melakukan penginderaan
terbatas.

Pendekatan ini mengasumsikan bahwa satu
variabel lingkungan diobservasi melalui
pembacaan sensor dan digunakan untuk
menentukan batasan threshold untuk operasi
kontrol. Penyimpangan dari batasan ini akan
diindikasikan sebagai oulier.

Metodologi ini biasanya diterapkan dalam
bentuk grafik Shewhart control. Batas atas (Δu)
dan batas bawah (Δl) pada grafik Shewhart
adalah garis kritis untuk meminimasi nilai false
outlier dan missed detection
Teori hipotesis statistik dapat digunakan untuk
memprediksi suatu nilai false outer dan missed
detection. Misalkan variabel monitoring z, yang
memiliki deviasi dari titik tengahnya, ź, adalah
additive error dan nilai z mengikuti distribusi
Gaussian N(ź, σ2) dengan standar deviasi σ; lalu
probabilitas P di mana z berada dalam interval
yang ditentukan dihitung berdasarkan :
P{z < (ź - cα/2 σ)} = P{z > (ź + cα/2 σ)} = α /2
P{(ź - cα/2 σ) ≤ z ≤ (ź + cα/2 σ)} = 1 – α
di mana cα/2 adalah standard normal deviation
dan α adalah tingkat signifikansi dimana
menentukan tingkat tradeoff antara nilai false
outlier dan missed detection. Beberapa nilai yang
umum digunakan pada standard normal deviation
meliputi cα/2 = {1.0; 1.5; 3.0}. Pada kasus standard
normal deviation cα/2 = 1.5, probabilitas P{(ź - cα/2
σ) ≤ z ≤ (ź + cα/2 σ)} adalah 86.64%
Paulo Gil, Amâncio Santos, and Alberto Cardoso.
“Dealing With Outliers in Wireless Sensor Networks:
An Oil Refinery Application”. IEEE transactions on
control systems technology.2013
Contoh Aplikasi
Implementasi sistem multiagent pada sensor node pada studi kasus kilang minyak.
Lingkungan di kilang minyak merupakan lingkungan yang penuh tantangan untuk
komunikasi wireless. Struktur metal yang sangat tebal dan operasi mesin yang non
stop menyebabkan tingkat noise yang tinggi yang dapat mengganggu kinerja WSN
dan kualitas data yang terkumpul dari transmiter sehingga menghasilkan outlier.
Arsitektur sistem multiagent yang digunakan bertopologi hierarchical multiagent
system (HMAS)
Paulo Gil, Amâncio Santos, and Alberto Cardoso. “Dealing With Outliers in Wireless Sensor
Networks: An Oil Refinery Application”. IEEE transactions on control systems technology.2013
Contoh Aplikasi
Outlier direpresentasikan dengan titik berwarna merah dan berdasarkan mekanisme
akomodasi yang diterapkan, titik-titik ini diganti dengan first-order prediction based pada
regresi linear dari dataset yang disampling. Garis berwarna biru adalah data time seri
yang dikirim ke sink.
Dari eksperimen ini disimpulkan bahwa implementasi real-time outlier detection dan
accommodation framework membuktikan kelayakan dan efektifitas yang memberikan
kontribusi secara meyakinkan pada perbaikan kualitas data yang dikirim ke sink
Paulo Gil, Amâncio Santos, and Alberto Cardoso. “Dealing With Outliers in Wireless Sensor
Networks: An Oil Refinery Application”. IEEE transactions on control systems technology.2013