Implementasi Dynamic Difficulty Adjustment menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS) pada Game ‘The Elemental Hero’

Syam, Faizuddarain (2017) Implementasi Dynamic Difficulty Adjustment menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS) pada Game ‘The Elemental Hero’. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 5113100111-Undergraduate_Theses.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Pada sebagian permainan disediakan pilihan untuk mengubah tingkat kesulitan yang diinginkan pemain secara manual. Namun, terkadang hal ini justru membuat permainan tidak efektif. Pemainan akan lebih baik dan menarik jika tingkat kesulitannya dapat berubah sendiri tergantung kepada kemampuan pemain. Sehingga banyak aplikasi permainan sekarang yang menerapkan Dynamic Difficulty Ajustment. Namun dikarenakan metode untuk hal ini begitu banyak, maka sulit untuk menentukan mana metode yang terbaik untuk penerapan Dynamic Diffuculty Adjustment.
Pada penelitian ini, penulis akan menawarkan sebuah metode yang berdasarkan dari pembelajaran algoritma jaringan saraf tiruan untuk dapat mempelajari hasil permainan dan menemukan tingkat kesulitan yang tepat. Adaptive Neuro Fuzzy Inference System (ANFIS) menjadi solusi untuk mengatur data-data fuzzy berupa input pada hasil permainan serta menentukan tingkat kesulitan. ‘The Elemental Hero’ adalah permainan strategi yang menerapkan DDA menggunakan metode ANFIS. Dimana data input pada ANFIS adalah banyaknya Health pemain, serta XP dan Gold yang didapatkan. Serta outputnya merupakan tingkat kesulitan yang dihadapi pemain, terbagi atas lima kategori, yaitu VERY EASY, EASY, NORMAL, HARD, dan VERY HARD. Nantinya tingkat kesulitan ini akan mempengaruhi beberapa variabel pada permain yaitu Kecepatan Musuh, Banyaknya Musuh, Armor Musuh, dan Kekuatan Troops.
Uji coba ini dilakukan dengan memainkan permainan pada tiga orang tester. Dimana para tester ini akan mencoba bermain berbagai macam level dan membandingkan hasilnya ketika menerapkan DDA dengan tanpa menerapkan DDA. Pada hasilnya, aplikasi mampu memprediksi 90% tingkat kesulitan yang dihadapi pemain sehingga metode ini dapat dikatakan sangat efektif. Selain itu pada pengujian pengaruh DDA, didapatkan hasil bahwa dengan penerapan DDA lebih efektif dibandingkan dengan tanpa penerapan DDA dengan perbandingan banyaknya kesalahan 5:8.
====================================================================================================
Some games provide the option to change the difficulty
level that the player wants manually. However, sometimes this
makes the game ineffective. The game will be better and
more interesting if the level of difficulty can change itself
depending on the ability of players. So many current
game applications are implementing Dynamic Difficulty Ajustment. But since the method for this is so much, it is difficult to determine which method is best for the application of Dynamic Diffuculty Adju
stment.
In this study, the author will offer a method based on the
learning of artificial neural network algorithm to be able to
learn the results of the game and find the right level of difficulty.
Adaptive Neuro Fuzzy Inference System (ANFIS) is a soluti
on for managing fuzzy data in the form of inputs on game results and
determining the difficulty level. 'The Elemental Hero' is a strategy
game that implements DDA using the ANFIS method. Whinch the input data on ANFIS are the number of player’s Health, and XP and Gold earned. The output is the level of difficulty faced by players, divided into five categories, namely VERY EASY, EASY, NORMAL, HARD, and VERY HARD. Later this level of difficulty will affect some of the variables on the game that is the Speed of the Enemy, the Number of Enemies, the Enemy’s Armor, and the Power of Troops.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Dynamic Difficulty Adjustment, ANFIS, game.
Subjects:	G Geography. Anthropology. Recreation > GV Recreation Leisure > GV1469.2 Computer games Q Science > QA Mathematics > QA269 Game theory Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) Q Science > QA Mathematics > QA248_Fuzzy Sets
Divisions:	Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Faizuddara Syam .
Date Deposited:	12 Sep 2017 08:04
Last Modified:	21 Nov 2017 04:24
URI:	http://repository.its.ac.id/id/eprint/43540

Actions (login required)

View Item