Visualisasi Multi Respon NPC Berdasarkan Machine Learning Menggunakan Google Colaboratory

Adnan Maulana, Adnan (2023) Visualisasi Multi Respon NPC Berdasarkan Machine Learning Menggunakan Google Colaboratory. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 07111850052003-Master_Thesis.pdf Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Bermain Game merupakan salah satu alternatif untuk menghindarkan seseorang dari kejenuhan. Namun banyak orang cepat merasa bosan dalam memainkan beberapa Game yang telah tersedia. Untuk mengatasi hal tersebut, dalam penelitian ini akan dibuat sebuah metode yang dimana dapat memberikan respon yang cepat pada saat bertarung dan dapat mengembangkan kemampuan NPC tersebut.
Non-playable Character (NPC) merupakan salah satu karakter yang penting dalam Game. NPC yang bersifat otonom dan adaptif, dapat menyesuaikan aksi dengan aksi pemain dan keadaan lingkungan. Untuk menentukan aksi NPC, peneliti sebelumnya menggunakan metode Neural Network namun terdapat kelemahan yakni aksi yang dihasilkan tidak sesuai dengan yang diinginkan sehingga akurasinya kurang baik. Penelitian ini mengatasi masalah akurasi yang kurang baik dengan menggunakan metode machine learning dengan menggunakan 3 parameter input yakni kekuatan NPC, jarak dengan pemain dan kekuatan musuh.
Hasil pengujian menunjukkan bahwa dengan metode machine learning dapat membuat mengetahui hasil analisis perilaku NPC untuk mengetahui tingkat keakuratan yang dihasilkan.

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

Playing Games is an alternative to prevent someone from getting bored. But many people quickly get bored of playing some of the Games that are available. To overcome this, in this study a method will be created which can provide a fast response when fighting and can develop the ability of the NPC.
Non-playable Character (NPC) is one of the most important characters in the Game. NPCs that are autonomous and adaptive, can adapt their actions to the player's actions and environmental conditions. To determine the action of NPCs, previous researchers used the Neural Network method, but there is a weakness that the resulting action is not as desired so that the accuracy it has poor quality. This study overcomes the problem of poor accuracy by using machine learning methods using 3 input parameters, namely the strength of the NPC, the distance to the NPC and the strength of the enemy. The test results show that the machine learning method can determine the results of the NPC behavior analysis and determine the level of accuracy produced.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	NPC, Machine Learning, Akurasi
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. Q Science > QA Mathematics > QA336 Artificial Intelligence T Technology > T Technology (General) T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing
Divisions:	Faculty of Electrical Technology > Computer Engineering > 55001-(S3) PhD Thesis
Depositing User:	Adnan Maulana
Date Deposited:	01 Feb 2023 07:37
Last Modified:	01 Feb 2023 07:37
URI:	http://repository.its.ac.id/id/eprint/95598

Actions (login required)

View Item