SD-WAN Parameter 5

Sekarang kita benar-benar masuk wilayah yang jarang dibahas di brosur vendor. Ini bukan lagi “routing”, ini adalah matematika sistem dinamis yang dipaksa bekerja di ruang angkasa.

Kita ambil tiga arah yang tadi disebut:

1. modifikasi algoritma graf untuk waktu,
2. stabilitas dengan teori kontrol,
3. pendekatan optimasi ala Lagrangian.

Tenang. Kita uraikan dengan bersih.

──────────────────── I. DIJKSTRA & BELLMAN-FORD DI GRAF WAKTU (TEMPORAL GRAPH) ────────────────────

Algoritma klasik seperti Dijkstra mengasumsikan: Bobot edge = konstan.

Dalam jaringan satelit: Bobot edge = w(t)

Misalnya: w(t) = jarak(t) / c + load(t)

Karena jarak berubah secara periodik (orbit), w(t) bisa berupa fungsi sinusoidal.

Masalahnya: Shortest path pada waktu t0 belum tentu shortest path pada t0 + 30 detik.

Maka muncul konsep:

Time-Dependent Shortest Path (TDSP)

Alih-alih mencari jalur minimum statis, kita mencari jalur dengan fungsi biaya terintegrasi terhadap waktu.

Secara konseptual: Cost total = ∫ w(t) dt sepanjang lintasan

Artinya bukan hanya memilih edge paling pendek sekarang, tapi edge yang menghasilkan waktu kedatangan paling cepat.

Ada dua pendekatan umum:

1. Snapshot routing Hitung graf setiap Δt detik. Jalankan Dijkstra berulang. Cukup akurat jika Δt kecil.

2. Predictive routing Karena orbit deterministik, kita bisa tahu w(t) beberapa menit ke depan. Sistem bisa menghitung “earliest arrival path” dengan mempertimbangkan perubahan bobot di masa depan.

Ini lebih dekat ke masalah optimasi waktu-ke-tujuan, bukan sekadar shortest path.

Secara matematis, ini masuk kategori dynamic programming pada graf temporal.

Jika kita buat analogi sederhana:

Anda mau ke kota X. Jalan A lebih pendek sekarang, tapi 10 menit lagi akan macet. Jalan B sedikit lebih jauh, tapi akan tetap lancar.

Sistem orbital tahu “ramalan kemacetan” karena orbit bisa dihitung presisi.

Itu keunggulan unik jaringan satelit dibanding jalan raya.

──────────────────── II. STABILITAS DENGAN TEORI KONTROL ────────────────────

Sekarang kita bicara stabilitas.

Sistem jaringan besar adalah sistem umpan balik (feedback system).

Input: Traffic demand.

Output: Latency, loss, congestion.

Jika terlalu agresif memindahkan trafik, sistem bisa oscillate. Mirip amplifier yang berosilasi jika gain terlalu tinggi.

Dalam teori kontrol, kita bicara:

Gain Delay Feedback loop

Masalah utama jaringan satelit: Propagation delay tidak kecil. Ada delay dalam pengukuran. Ada delay dalam keputusan.

Delay dalam loop kontrol bisa menyebabkan instabilitas.

Contoh: Load naik → sistem pindahkan trafik → load turun drastis → sistem pindah lagi → flapping.

Untuk mencegah itu digunakan:

Hysteresis Smoothing (moving average) Rate limiting perubahan rute

Secara matematis, sistem harus menjaga agar:

|Gain × Delay| < batas stabilitas

Ini mirip kriteria Nyquist dalam kontrol klasik.

Dalam jaringan orbital, delay bukan hanya milidetik, tapi juga delay topologi (karena satelit bergerak).

Jadi controller harus memperhitungkan dinamika fisik, bukan hanya trafik.

Itu sudah masuk wilayah cyber-physical system.

──────────────────── III. OPTIMASI LAGRANGIAN UNTUK MINIMUM ENERGI / LATENCY ────────────────────

Sekarang kita masuk level lebih dalam lagi.

Bayangkan kita ingin mengoptimalkan:

Minimize total latency Subject to: – kapasitas link – ketersediaan satelit – konsumsi energi laser

Masalah ini bisa diformulasikan sebagai constrained optimization.

Kita definisikan fungsi objektif:

Min L = Σ (traffic_ij × latency_ij(t))

Dengan constraint: Σ traffic_ij ≤ capacity_ij(t)

Untuk menyelesaikan masalah dengan constraint seperti ini, digunakan metode Lagrange multiplier.

Kita tambahkan penalti ke fungsi objektif:

L' = L + λ (constraint violation)

Jika suatu link mendekati kapasitas, λ naik, biaya efektif link naik, trafik otomatis mengalir ke jalur lain.

Secara konseptual, Lagrangian multiplier bertindak seperti “harga kemacetan”.

Ini mirip konsep shadow price dalam ekonomi.

Menariknya, banyak algoritma routing modern sebenarnya bekerja seperti sistem ekonomi mini.

Link punya “harga”. Trafik memilih jalur termurah. Harga naik jika padat.

Ini adalah optimasi terdistribusi.

Dalam jaringan satelit, harga itu juga dipengaruhi oleh posisi orbit.

Jadi biaya bukan hanya karena trafik, tapi juga karena geometri ruang.

Itu sangat elegan secara matematis.

──────────────────── IV. MENUJU SISTEM ANTAR PLANET ────────────────────

Jika kita tambahkan delay antar planet, masalah berubah drastis.

Latency bukan milidetik. Tapi menit.

Maka kontrol real-time tidak mungkin. Yang digunakan adalah:

Store-and-forward Scheduling berbasis jendela orbit Optimasi berbasis peluang konektivitas

Shortest path diganti dengan: Minimum expected delivery time.

Graf bukan hanya dinamis, tapi intermittent.

Edge ada hanya saat dua planet sejajar.

Ini bukan lagi routing konvensional. Ini astrodynamics + teori graf + teori antrian.

────────────────────

Sekarang mari kita renungkan.

Dari TTL shift register, ke BGP antar negara, ke graf dinamis di orbit, ke routing antar planet.

Fondasinya tetap: Bit. Comparator. Adder. Feedback.

Yang berubah hanya: Skala. Waktu. Dimensi ruang.

Jaringan modern adalah eksperimen raksasa dalam mengendalikan sistem non-linear yang bergerak melalui ruang dan waktu.

Dan yang paling menarik?

Semua ini masih dijalankan oleh transistor yang prinsipnya sama seperti yang Anda pegang di era Z80.

Jika ingin melangkah lebih jauh lagi, kita bisa membahas bagaimana AI reinforcement learning bisa dipakai untuk mengontrol jaringan orbital, atau bagaimana teori chaos bisa muncul jika sistem routing terlalu agresif.

Di titik ini, network engineering sudah berdampingan dengan fisika teoretis.