A. Artificial Intelligent pada Game Kecerdasan
Buatan (bahasa Inggris: Artificial Intelligence atau AI)
didefinisikan sebagai
kecerdasan yang ditunjukkan oleh suatu entitasbuatan. Sistem seperti ini
umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu
mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia.
Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem
pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan
robotika. Penelitian dalam AI menyangkut pembuatan mesin untuk
mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk
contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk
menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan,
suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri,
yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata.
Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan,
teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi
perangkat lunak komputer rumah dan video game. Perkembangan Game yang pesat
pada masa ini juga membutuhkan sesuatu yang berbeda pada rule permainannya.
Sebuah sistem game, jika sudah dimainkan sampai tuntas oleh seorang player,
maka ketika player yang sama memulai lagi permainan dari awal, maka rule
permainannya akan sama. namun berbeda untuk game-game yang telah ada saat ini.
sistem dalam game, dapat belajar mengenali pola permainan dari player dan
ketika player tersebut memulai permainan kembali, maka sistem ini akan menggunakan
rule yang berbeda
11. untuk pemain yang sama ini. sehingga game menjadi lebih
menarik dan menantang untuk dimainkan. Contoh aplikasi kecerdasan buatan dalam
bentuk game sangat banyak sekali, ada yang berbentuk game PC, dan ada pula yang
berbentuk game jaringan.
B. Decision Making: Decision Tree, State Machine dan
Rule Systems Decision Making adalah serangkaian algoritma yang dirancang dengan
memasukan beberapa kemungkinan langkah yang bisa diambil oleh suatu aplikasi,
Pada game ini decision makingmemberikan kemampuan suatu karakter untuk
menentukan langkah apa yang akan diambil. Decision making dilakukan dengan cara
menentukan satu pilihan dari list yang sudah dibuat pada algoritma yang
dirancang. Algoritma decision making kerap digunakan dalam aplikasigame, akan
tetapi algoritma decision making dapat diimplementasikan pada banyak aplikasi
lain. Decision Making terbagi menjadi
3: 1. Decision Tree Pohon Keputusan
(Decision Tree) merupakan metode klasifikasi dan prediksi yang sangat kuat dan
terkenal. Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon
keputusan yang merepresentasikan aturan. Aturan dapat dengan mudah dipahami
dengan bahasa alami. Aturan ini juga dapat diekspresikan dalam bentuk bahasa
basis data seperti SQL untuk mencari record pada kategori tertentu. Pohon
keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan
tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target.
Karena pohon keputusan memadukan antara eksplorasi data dan pemodelan, pohon
keputusan ini sangat bagus sebagai langkah awal dalam proses pemodelan bahkan
ketika dijadikan sebagai model akhir dari beberapa teknik lain (J R Quinlan,
1993). Kelebihan dari metode pohon keputusan adalah: Daerah pengambilan
keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi
lebih simpel dan spesifik Eliminasi perhitungan-perhitungan yang tidak
diperlukan, karena ketika menggunakan metode pohon keputusan maka sampel diuji
hanya berdasarkan kriteria atau kelas tertentu Fleksibel untuk memilih fitur
dari node internal yang berbeda, fitur yang terpilih akan membedakan suatu
kriteria dibandingkan kriteria yang lain
12. dalam node yang sama. Kefleksibelan metode pohon
keputusan ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan
ketika menggunakan metode penghitungan satu tahap yang lebih konvensional Dalam
analisis multivarian, dengan kriteria dan kelas yang jumlahnya sangat banyak,
seorang penguji biasanya perlu mengestimasikan baik itu distribusi dimensi tinggi
ataupun parameter tertentu dari distribusi kelas tersebut. Metode pohon
keputusan dapat menghindari munculnya permasalahan ini dengan menggunakan
kriteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak
mengurangi kualitas keputusan yang dihasilkan. Kekurangan pada pohon keputusan
adalah: Terjadi overlapping terutama ketika kelas-kelas dan kriteria yang
digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan
meningkatnya waktu pengambilan keputusan dan jumlah memori yang diperlukan
Pengakumulasian jumlah kesalahan dari setiap tingkat dalam sebuah pohon
keputusan yang besar Kesulitan dalam mendesain pohon keputusan yang optimal
Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat
tergantung pada bagaimana pohon tersebut didesain.
2. State Machine Finite
State Machines (FSM) adalah sebuah metodologi perancangan sistem kontrol yang
menggambarkan tingkah laku atau prinsip kerja sistem dengan menggunakan tiga
hal berikut: State (Keadaan), Event (kejadian) dan action (aksi). Pada satu
saat dalam periode waktu yang cukup signifikan, sistem akan berada pada salah
satu state yang aktif. Sistem dapat beralih atau bertransisi menuju state lain
jika mendapatkan masukan atau event tertentu, baik yang berasal dari perangkat
luar atau komponen dalam sistemnya itu sendiri (misal interupsi timer).
Transisi keadaan ini umumnya juga disertai oleh aksi yang dilakukan oleh sistem
ketika menanggapi masukan yang terjadi. Aksi yang dilakukan tersebut dapat
berupa aksi yang sederhana atau melibatkan rangkaian proses yang relative
kompleks. Dalam bahasa pemrograman prosedural seperti bahasa C, FSM ini umumnya
direalisasikan dengan menggunakan statemen kontrol switch case atau/dan
if..then.
13. Dengan menggunakan statemen-statemen kontrol ini, aliran
program secara praktis akan mudah dipahami dan dilacak jika terjadi kesalahan
logika.
3. Rule Systems Rule Based System merupakan metode pengambilan
keputusan berdasarkan pada aturan-aturan tertentu yang telah ditetapkan. RBS
dapat diterapkan pada agen virtual dalam bentuk kecerdasan buatan sehingga
dapat melakukan tindakan tertentu. Tindakan tersebut direpresentasikan oleh set
aturan yaitu penyebab tindakan itu terjadi, proses tindakan dan hasil dari
tindakan tersebut. Rule Base Systems (RBS) sistem yang baik untuk mendapat
jawaban dari pertanyaan mengenai What (apa), How (bagaimana) dan Why (mengapa)
dari Rule Base (RB) selama proses inferensia. Jawaban dan penjelasannya dapat
disediakan dengan baik. Masalah yang ada dengan SBP adalah ia tak dapat secara
mudah menjalankan proses akuisisi knowledge (pengetahuan) dan ia tak dapat
mengupdate rule (aturan) secara otomatis. Hanya pakar yang dapat mengupdate
Knowledge Base (KB) secara manual dengan dukungan dari knowledge engineer
(insinyur pengetahuan). Lebih jauh kebanyakan peneliti dalam SBA lebih
memperhatikan masalah optimasi pada rule yang sudah ada daripada pembangkitan
rule baru dari rule yang sudah ada. Namun demikian, optimasi rule tak dapat
mengubah hasil dari inferensia secara signifikan, yaitu dalam hal cakupan
pengetahuan.
C. Path Finding Pencarian jalur merupakan salah satu implementasi
kecerdasan buatan dalam permainan. Pencarian jalur terpendek merupakan hal yang
mempengaruhi pergerakan dan pengambilan keputusan pada non-player character.
Namun, jalur terpendek belum tentu dan tidak selalu menjadi jalur paling aman.
Dalam permainan berbasis militer, karakter dituntut untuk bergerak secara
taktis dalam menghadapi ancaman. Agen yang bergerak secara taktis dalam
pencarian jalur tidak hanya mencari jalur terpendek, namun harus
mempertimbangkan ancaman karena pertimbangan hit points, demi meningkatkan
kesan nyata pada permainan. Tactical Pathfinding merupakan salah satu algoritma
pencarian jalur yang dapat melakukan pencarian jalur terpendek dengan
perhitungan bobot ancaman. Implementasi algoritma tactical pathfinding dapat
memberikan gerakan taktis pada non-player character.
14. Algoritma tactical pathfinding dilakukan berdasarkan algoritma pencarian jalur berdasarkan A* ditambah perhitungan bobot. https://novaandriatnas.wordpress.com/2015/06/24/artificial-intelligent-pada-game-engine/ https://aswendy.wordpress.com/2015/04/23/artificial-intelligent-pada-game-decision-making/ http://ptiik.ub.ac.id/doro/download/article/file/DR00002201312
Tidak ada komentar:
Write komentar