Meningkatkan Kecerdasan Adaptif Computer Player Pada Game Pertarungan Berbasis K-Nearest Neighbor Berbobot

Putera, M. Ihsan Alfani (2018) Meningkatkan Kecerdasan Adaptif Computer Player Pada Game Pertarungan Berbasis K-Nearest Neighbor Berbobot. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
5115201027-Master_Thesis.pdf - Published Version
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Salah satu produk dari teknologi komputer yang berkembang dan perubahannya cukup pesat adalah game. Tujuan dibuatnya game adalah sebagai sarana hiburan dan untuk memberikan kesenangan bagi penggunanya. Salah satu contoh elemen dalam pembuatan game yang penting adalah adanya tantangan yang terukur dan seimbang sesuai level. Dalam hal ini, adanya kecerdasan buatan atau AI merupakan salah satu unsur yang diperlukan dalam pembentukan game. Penggunaan AI yang statis dan tidak beradaptasi ke strategi lawan akan mudah diprediksi dan repetitif. Sebaliknya, jika AI terlalu pintar maka player akan kesulitan dalam memainkan game tersebut. Dengan keadaan seperti itu akan menurunkan tingkat enjoyment dari pemain. Oleh karena itu, dibutuhkan suatu metode adaptif AI yang dapat beradaptasi dengan kemampuan dari player yang bermain. Sehingga tingkat kesulitan yang dihadapi dapat diatur secara otomatis mengikuti kemampuan pemainnya dan pengalaman enjoyment ketika bermain game terus terjaga. Terkait dengan metode K-NN yang digunakan, metode ini sudah sering digunakan pada penelitian sebelumnya khususnya pada game berjenis pertarungan. Namun metode tersebut menganggap semua atribut dalam game adalah sama sehingga hal ini mempengaruhi learning AI menjadi kurang akurat. Penelitian ini mengusulkan metode untuk adaptif AI dengan menggunakan metode K-NN berbobot pada game berjenis pertarungan. Dimana, pembobotan tersebut dilakukan untuk memberikan pengaruh setiap atribut dengan perubahan bobot sesuai dengan aksi player. Dari hasil evaluasi yang dilakukan terhadap 50 kali pertandingan pada 3 skenario uji coba, metode yang diusulkan yaitu K-NN berbobot mampu menghasilkan tingkat adaptif AI dengan akurasi sebesar 72%. Sedangkan, metode sebelumnya yaitu K-NN hanya menghasilkan tingkat adaptif AI sebesar 38% dan metode random menghasilkan tingkat adaptif AI sebesar 25%. ========================================================= One of the computer technology products that develops and changes quite rapidly is game. The purpose of game creation is as an entertainment facility which gives pleasure to its users. One example of the important element in game creation is a measurable and balance challenge by level. In this case, the existence of artificial intelligence or AI is one of the elements which is needed in game formation. The static and unadaptive AI use will be easily predicted by the opponent. Moreover, the game will be repetitive. Conversely, if AI is too smart, the player will have difficulty in playing the game. Consequently, it will reduce the level of the players' enjoyment. Therefore, it needs an adaptive AI method that can adapt the capabilities of the players. So that the difficulty level can be arranged automatically by following the player's ability and enjoyment experience during the continous play. Related to the previous studies about K-NN method use, this method had been frequently used in many studies, particularly in game battle type. However, the method considers that all the attributes in the game are similar so it affects the learning of AI which can be less accurate. This study proposed a method for adaptive AI using the weighted K-NN method on game battle type. In this study, the weighting was done by giving an effect to each attribute with weight changes based on the player action. Based on the evaluation results of 50 times competition on 3 trial scenario, the proposed method, weighted K-NN was capable to result AI Adaptive level with the accuracy level about 72%. Meanwhile, the previous method of K-NN only resulted adaptive AI level about 38%, while the random method resulted an adaptive level of AI about 25%.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Game; Adaptive AI (Artifical Intelligence); Weighted K-NN; Computer Player; Battle game.
Subjects: G Geography. Anthropology. Recreation > GV Recreation Leisure > GV1469.2 Computer games
T Technology > T Technology (General)
Divisions: Faculty of Information Technology > Informatics Engineering > (S2) Master Theses
Depositing User: M. Ihsan Alfani Putera
Date Deposited: 22 Jan 2018 08:57
Last Modified: 22 Jan 2018 08:57
URI: http://repository.its.ac.id/id/eprint/49953

Actions (login required)

View Item View Item