Penerapan Risk-Aware D* Lite Menggunakan Fuzzy Logic Pada Game Tower Defense Untuk Pemilihan Jalur NPC Berbasis Roblox

Poernomo, Rezqy Belva Rihan (2026) Penerapan Risk-Aware D* Lite Menggunakan Fuzzy Logic Pada Game Tower Defense Untuk Pemilihan Jalur NPC Berbasis Roblox. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5025221293-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Roblox merupakan platform berbasis online yang memiliki banyak permainan di dalamnya, salah satu tema permainan yang populer adalah Tower Defense. Namun, ada satu permasalahan yang terjadi pada semua permainan Tower Defense pada platform Roblox yaitu NPC hanya memiliki satu pilihan jalur yang membuat strategi dari permainan tersebut menjadi monoton. Penelitian ini bertujuan untuk menerapkan risk-aware dengan D* Lite yang digabungkan dengan Fuzzy Logic sehingga memungkinkan untuk NPC memilih jalur secara dinamis berdasarkan tingkat risiko. Dalam penerapannya, dilakukan perbandingan terhadap dua algoritma pathfinding populer yaitu A* dan D* Lite. Hasil yang didapatkan setelah melakukan 270 kali uji coba dengan tingkat kesulitan easy, medium, dan hard menunjukkan bahwa D* Lite yang digabungkan dengan Fuzzy Logic memiliki tingkat kesuksesan NPC mencapai tujuan sebesar 100% jika dibandingkan dengan D* Lite dan A* dengan rata-rata tingkat kesuksesan setiap algoritma sebesar 53% dan 58% pada setiap skenario pengujian, selain itu D* Lite Fuzzy juga memiliki waktu pencarian jalur yang lebih efektif dari A* tetapi tidak lebih efektif jika dibandingkan dengan D* Lite tanpa Fuzzy. Berdasarkan hasil pengujian, algoritma D* Lite Fuzzy cukup efektif jika diimplementasikan di platform Roblox dan untuk permainan Tower Defense karena akan menambah strategi baru dan membuat pergerakan NPC menjadi lebih realistis, serta berdasarkan survei dari 10 responden, mayoritas responden menyukai permainan Tower Defense yang memiliki kemampuan pathfinding dinamis.

====================================================================================================================================

Roblox is an online platform that hosts a wide variety of games, with Tower Defense being one of the most popular genres. However, a common issue found in Tower Defense games on the Roblox platform is that NPCs only have a single predetermined path, resulting in monotonous gameplay strategies. This study aims to implement risk-aware D* Lite algorithm combined with Fuzzy Logic, allowing NPCs to dynamically select paths based on risk levels. In its implementation, the proposed method is compared with two popular pathfinding algorithms, namely A* and D* Lite. The results show that after 270 of testing trials with 3 varieties of difficulty level which easy, medium, and hard D* Lite algorithm combined with Fuzzy Logic achieves a 100% success rate in guiding NPCs to reach the goal, outperforming D* Lite and A*, which achieve average success rates of 53% and 58%, respectively, across all testing scenarios. Furthermore, D* Lite Fuzzy provides a more efficient pathfinding time than A*, although it is less efficient than the original D* Lite without Fuzzy Logic. Based on the experimental results, the D* Lite Fuzzy algorithm is considered effective for implementation in Roblox-based Tower Defense games, as it introduces new strategic possibilities and produces more realistic NPC movements. In addition, a survey involving 10 respondents indicated that players prefer Tower Defense games with dynamic pathfinding capabilities.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Roblox, D* Lite, Pathfinding, Fuzzy Logic, Tower Defense
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T57.84 Heuristic algorithms.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Rezqy Belva Rihan Poernomo
Date Deposited:	24 Jul 2026 07:28
Last Modified:	24 Jul 2026 07:28
URI:	http://repository.its.ac.id/id/eprint/137694

Actions (login required)

View Item