ANALISIS PERBANDINGAN KECERDASAN BUATAN PADA COMPUTER PLAYER DALAM MENGAMBIL KEPUTUSAN PADA GAME BATTLE RPG

Musta'inul Abdi, Darlis Herumurti, Imam Kuswardayan

Abstract


Pemanfaatan kecerdasan buatan telah diimplementasikan kedalam banyak hal, salah satunya adalah game. Secara umum tujuan dibuatnya game adalah untuk membuat pengguna menjadi terhibur dan merasakan kesenangan ketika sedang atau telah bermain. Kecerdasan buatan di dalam game dibutuhkan untuk meningkatkan tantangan di dalam game dan membuat game menjadi lebih dinamis dan terarah. Sehingga akan menciptakan kesenangan bagi pengguna pada saat dan setelah memainkan game.

 Beberapa penerapan kecerdasan buatan di dalam game diantaranya adalah dengan menggunakan metode Support Vector Machine (SVM). Dalam beberapa kasus game ada juga yang menggunakan metode Decision tree yang akan mengatur perilaku computer player di dalam permainan. Metode yang lebih sederhana untuk mengatur perilaku computer player yaitu Rulebase. Pada penelitian ini akan dilakukan perbandingan kecerdasan buatan untuk mengatur perilaku computer player di dalam game Role-Playing Game (RPG). Yang dimaksud computer player pada penelitian ini adalah pemain atau karakter yang dijalankan oleh sistem di dalam game.

Tujuan dilakukannya perbandingan tersebut adalah untuk mengetahui metode kecerdasan buatan manakah yang paling baik diterapkan pada game berjenis battle RPG. Metode yang digunakan untuk menguji kecerdasan buatan yang diterapkan pada game battle RPG ini adalah dengan menggunakan skenario pertandingan.

Berdasarkan analisis yang telah dilakukan didapatkan hasil bahwa kecerdasan buatan dengan menggunakan metode SVM memiliki keunggulan dalam faktor jumlah kemenangan. Hal ini dibuktikan dengan persentase kemenangan metode SVM sebesar 72.5%, Decision tree sebesar 50% dan Rulebase sebesar 22.5%. Berdasarkan data tersebut dapat disimpulkan bahwa pada penelitian ini metode SVM adalah metode pengambilan keputusan yang paling baik dibandingkan dengan metode decision tree dan Rulebase.

Full Text:

PDF

References


S. Bedoya-rodriguez, C. Gomez-urbano, A. Uribe-quevedo, and C. Quintero, “Augmented Reality RPG Card-based Game,” Games Media Entertain. (GEM), 2014 IEEE, pp. 3–6, 2014.

W. K. W. J. Patrick Williams, Sean Q. Hendricks, Gaming As Culture: Essays on Reality, Identity And Experience in Fantasy Games. McFarland & Company, Inc. Publishers, 2006.

M. Childress and R. Braswell, “Using Massively Multiplayer Online Role‐Playing Games for Online Learning,” Distance Educ., vol. 27, no. 2, pp. 187–196, 2006.

M. Urh, G. Vukovic, E. Jereb, and R. Pintar, “The Model for Introduction of Gamification into E-learning in Higher Education,” Procedia - Soc. Behav. Sci., vol. 197, no. February, pp. 388–397, 2015.

G. N. Yannakakis and J. Togelius, “A Panorama of Artificial and Computational Intelligence in Games,” no. c, 2014.

K. Mcgee and A. T. Abraham, “Real-time team-mate AI in Games Categories and Subject Descriptors,” ACM, pp. 124–131, 2010.

L. Ralaivola, L. Wu, and P. Baldi, “SVM and Pattern-Enriched Common Fate Graphs for the Game of Go,” Eur. Symp. Artif. Neural Networks Bruges, vol. 19, pp. 27–29, 2005.

P. Melendez, Decision-Making in game characters using Support Vector Machines, no. Computer Games Technology. University of Abertay Dundee, 2010.

J. R. Ouinlan, “Decision Trees and Decisionmaking,” IEEE Trans. Syst. Man Cybern., vol. 20, pp. 339–346, 1990.

P. Stone and M. Veloso, “Using Decision Tree Confidence Factors for Multiagent Control,” Proc. Second Int. Conf. Auton. agents, pp. 86–91, 1997.

A. Narayek, “AI in Computer Games,” Queue - Game Dev., vol. 1, no. 10, p. 58, 2004.

S. Rostianingsih, G. S. Budhi, and H. K. Wijaya, “Game Simulasi Finite State Machine untuk Pertanian dan Peternakan,” Konf. Nas. Sist. Informasi, Univ. Kristen Petra, pp. 2–7, 2013.

B. Suits, The Grasshopper: Games, Life and Utopia. 2005.

M. Consalvo, “There is No Magic Circle,” Games Cult. 2009, vol. 4, no. 4, pp. 408–417, 2009.

B. S.-S. E.M. Avedon, The Study of Games. New York: John Wiley & Sons, Inc, 1981.

K. Salen and E. Zimmerman, Rules of Play: Game Design Fundamentals. 2004.

B. Brathwaite and I. Schreiber, Challenges for game designers. 2009.

K. Maroney, “My Entire Walking Life,” The Games Journal | A Magazine About Boardgames, 2001.

J. Hamari and J. Koivisto, “Social motivations to use gamification: an empirical study of gamifying exercise,” Proc. 21st Eur. Conf. Inf. Syst. Soc., no. JUNE, pp. 1–12, 2013.

N. Cristianini and J. Shawe-Taylor, An Introduction to Support Vector Machines and Other Kernel-based Learning Methods. Cambridge University Press New York, NY, USA ©2000, 2000.

B. E. Boser, I. M. Guyon, and V. N. Vapnik, “A Training Algorithm for Optimal Margin Classifiers,” Proc. fifth Annu. Work. Comput. Learn. theory, pp. 144–152, 1992.

T. Zhang, “An Introduction to Support Vector Machines and Other Kernel-based Learning Methods,” vol. 22, no. 2, pp. 103–104, 2001.

P. Melendez, “Controlling non-player characters using Support Vector Machines,” Proceeding Futur. Play ’09 Proc. 2009 Conf. Futur. Play @ GDC Canada, pp. 33–34, 2009.

B. Fei and J. Liu, “Binary Tree of SVM : A New Fast Multiclass Training and Classification Algorithm,” IEEE Trans. NEURAL NETWORKS, vol. 17, no. 3, pp. 696–704, 2006.

S. Sriram, R. Vijayarangan, S. Raghuraman, and A. T. Game, “Implementing a No-Loss State in the Game of Tic-Tac-Toe using a Customized Decision Tree Algorithm,” IEEE Int. Conf. Inf. Autom., pp. 1211–1216, 2009.

P. Spronck, I. Sprinkhuizen-kuyper, E. Postma, and U. M. Ikat, “Online Adaptation of Game Opponent AI in Simulation and in Practice,” Proc. 4th Int. Conf. Intell. Games Simul., pp. 93–100, 2003.

P. Spronck, I. Sprinkhuizen-kuyper, and E. Postma, “Difficulty Scaling of Game AI,” Proc. 5th Int. Conf. Intell. Games Simul. (GAME-ON 2004), pp. 33–37, 2004.




DOI: http://dx.doi.org/10.12962/j24068535.v15i2.a671

Refbacks

  • There are currently no refbacks.