Perubahan perilaku Non-Player Character (NPC) pada Game Arabic Hunter menggunakan Jaringan Syaraf Tiruan Perceptron

Syafei Karim

Abstract


 

Permainan pada smartphone merupakan aplikasi yang banyak digunakan orang untuk menghabiskan waktu ketika orang tersebut sedang dalam keadaan menunggu atau bosan. Industri game merupakan perwujudan pengembangan industri kreatif yang ada pada saat ini. Perkembangan permainan pada smartphone juga didukung dengan kemajuan grafis yang membuat lingkungan dan jalannya permainan terlihat lebih realistis. Game akan terlihat lebih realistis jika memiliki Artificial Intelligence (AI) pada karakternya khususnya pada Non-Player Character (NPC). Ketika sebuah game sudah memiliki AI yang baik, berarti bahwa karakter permainan menunjukkan perilaku yang konsisten dan realistis, bereaksi dengan tepat kepada tindakan pemain dan karakter lain. Pada game AI, ada banyak metode yang bisa digunakan untuk memberikan perilaku pada NPC salah satunya adalah metode Jaringan Saraf Tiruan (JST). Makalah ini memberikan sebuah perubahan perilaku pada NPC dengan menggunakan algoritma Perceptron. Perubahan perilaku akan diproses menyesuaikan jumlah mufradat dan jumlah poin yang didapatkan pemain. Berdasarkan hasil pengujian dapat disimpulkan bahwa implementasi Perceptron untuk memberikan perilaku pada NPC pada Game Arabic Hunter dapat berjalan dengan baik. Dari hasil uji coba algoritma, pada proses learning dapat diketahui bahwa semakin besar nilai learning rate, maka semakin kecil nilai epoch yang didapat. Dari uji coba tersebut dihasilkan learning rate = 1, threshold = 0.6, nilai bias = -1, waktu eksekusi = 1.433 detik. Pada proses learning dihasilkan 93% berhasil dan 7% gagal.                                                                      

Kata Kunci: Kecerdasan Buatan; Jaringan Syaraf Tiruan; Non-Player Character; Permainan.

 

 

Games on the smartphone is an application that people use to pass the time when the person is in a state of waiting or bored. Game industry is a manifestation of the development of creative industries that exist at this time. Game development on the smartphone is also supported by the progress of graphics that make the environment and the game more realistic. The game will look more realistic if it has artificial intelligence (AI) on its character especially on Non-Player Character (NPC). When a game already has a good AI, it means that the game characters show consistent and realistic behavior, reacting appropriately to the actions of players and other characters. In the game AI, there are many methods that can be used to give the NPC behavior in one of which is a method of an artificial neural network. This paper provides a behavioral change in the NPC using Perceptron algorithm. Changes in behavior will be processed mufradat adjust the amount and number of points earned player. Based on the test results can be concluded that the implementation of the Perceptron to give the NPC behavior in Arabic game hunter can run well. From the test results of the algorithm, the learning process can be seen that the greater the value of learning rate, the smaller value epoch obtained. From these trials generated learning rate = 1, threshold = 0.6, the value of bias = -1, the execution time = 1.433 seconds. In the learning process produced 93% success and 7% failed.                                                                                 

KeywordsArtificial Intellegence; Game; Neural Network; Non-Player Character


Full Text:

PDF

References


Arif, Y. M., Wicaksono, A., & Kurniawan, F. (2012). Pergantian Senjata NPC pada Game FPS Menggunakan Fuzzy Sugeno. Prosiding Seminas Competitive Advantage. 1. Jombang: Unipdu.

Atmaja, P. W., Siahaan, D. O., & Kuswardayan, I. (2016). Game design document format for video games with passive dynamic difficulty adjustment. Register: Jurnal Ilmiah Teknologi Sistem Informasi, 2(2), 86-97.

Azmi, Z., Saripurna, D., & Anwar, B. (2013). Aplikasi Jaringan Syaraf Tiruan Untuk Pengenalan Pola Pembukaan Permainan Catur. Jurnal SAINTIKOM, 12(2), 139-152.

comScore. (2010, December 3). Press Release. Retrieved from comScore: http://www.comscore.com/Insights/Press-Releases/2010/12/comScore-Reports-October-2010-US-Mobile-Subscriber-Market-Share?cs_edgescape_cc=ID

Hong, J. H., & Cho, S. B. (2005). Evolving Reactive NPCs for the Real-Time Simulation Game. IEEE Symposium on Computational Intelligence and Games. Colchester: IEEE.

Karim, S. (2014). Pada khususnya game memiliki beberapa komponen yang penting yaitu skenario (alur cerita), level (tingkatan), skor (nilai), karakter, dan obstacle (rintangan). Malang: UIN Maulana Malik Ibrahim.

Nielsen. (2010). Digital. Retrieved from Nielsen: http://www.nielsen.com/us/en/insights/news/2010/the-state-of-mobile-apps.html

Reynolds, C. W. (1999). Steering Behaviors For Autonomous Characters. Game Developers Conference, (pp. 763-782).

Thurau, C., Bauckhage, C., & Sagerer, G. (2002). Learning human-like Movement Behavior for Computer Games. Proceeding of the Seventh International Conference on Simulation of Adaptive Behavior (pp. 315-323). London: MIT.

Van FC, L. L. (2016). Klasifikasi gaya belajar Visual-Audiotory-Kinesthetic (V-A-K) mahasiswa berbasis JST menggunakan algoritma Perceptron. Jurnal Teknologi Informasi & Komunikasi Digital Zone, 7(1), 26-30.

Wardhana, M. I. (2009). Kecerdasan Buatan dalam game untuk merespon emosi dari teks berbahasa Indonesia menggunakan klasifikasi teks dan Logika Fuzzy. Surabaya: Institut Teknologi Sepuluh Nopember.




DOI: https://doi.org/10.26594/register.v3i1.622

Article metrics

Abstract views : 275 | views : 202

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.


Indexed in:

                         


 

Creative Commons License
Register: Jurnal Ilmiah Teknologi Sistem Informasi is licensed under a Creative Commons Attribution 4.0 International License.