<![CDATA[Fragmentasi spektrum merupakan tantangan utama dalam Routing and Spectrum Allocation (RSA) pada Elastic Optical Networks (EON) karena meningkatkan blocking probability meskipun kapasitas jaringan tersedia. Makalah ini mengusulkan algoritma AF-WOA (Adaptive FragmentationAware Whale Optimization Algorithm) yang mengintegrasikan metrik fragmentasi MMF (Macro-Micro Fragmentation) dalam fungsi fitness, adaptive population berbasis Feasible Search Space (FSS) dan derajat topologi, serta phase-gated early stopping untuk mempercepat komputasi. Simulasi dilakukan pada topologi NSFNET (14 node, 21 link) dengan lima tingkat beban (60–300 Erlang) dan 10 replikasi Monte Carlo. Hasil menunjukkan AF-WOA mencapai Bandwidth Blocking Probability (BBP) 0.1452 ± 0.0061 pada beban tinggi, lebih rendah dari F-WOA statis (0.1458) dan KSP-FF (0.1616), serta kompetitif dengan WOA (0.1431). Fragmentasi dinamis (ΔF) AFWOA mencatat 0.1867 ± 0.0033, tertinggi di antara semua algoritma, dengan f_util yang secara statistik ekuivalen dengan Kiran et al. (2025). APL AF-WOA mencapai 1993.24 km—119.93 km lebih pendek dari Kiran, dengan efisiensi komputasi 91% lebih hemat dibandingkan F-WOA statis. AF-WOA menawarkan keseimbangan terbaik antara akurasi, fragmentasi, dan efisiensi komputasi untuk RSA pada EON dinamis. Kata Kunci— Elastic Optical Networks, Routing and Spectrum Allocation, fragmentasi spektrum, Whale Optimization Algorithm, Adaptive Population. ]]>
