Agen Cerdas Kompetitif Berbasis Finite State Machine Dalam Game Pembelajaran Untuk Anak Hanny Haryanto
Abstract : Today's games have started to be used as one means of learning, especially learning that are designated for children. One important element of learning games is the existence of intelligent agents. Intelligent agents built with artificial intelligence methods in order to be able to react or behave in accordance with existing gaming environment. Intelligent agents can be used to assist the delivery of educational materials that will be delivered in the game. One of the properties of games that can be used to build intelligent agent is the competition.Competition can be a motivation for the child as a games player not to get bored quickly, learn in a learning game. authors use the method of Finite State Machine (FSM) to build intelligent agents competitive.Intelligent agent will react to the behavior of children and compete with the children to be able to achieve a particular reward condition in the game. Players will be playing games with the vote of certain conditions that exist within the game environment. The selected conditions will result in the displacement state in the FSM that is used to build the behavior of intelligent agents. This article discusses the competitive intelligent agent-based finite state machine in a learning game for kids. Keywords : Competitive Intelligent Agent-Based, a Learning Game, Finite State Machine, Reward, Game Environment
PENDAHULUAN Saat ini perangkat lunak komputer sedang berkembang dengan pesat. Anak-anak menjadi salah satu pengguna perangkat lunak terbesar [5], termasuk di dalamnya adalah game. Tujuan dari pembuatan game umumnya adalah sebagai alat atau sarana hiburan, namun saat ini game sudah mulai dikembangkan sebagai alat pembelajaran dalam dunia pendidikan [1]. Pengembangan game sebagai alat pembelajaran bertujuan supaya proses belajar mengajar menjadi menyenangkan sehingga materi pelajaran dapat lebih mudah dipahami oleh anak. Supaya game dapat menjadi alat pembelajaran yang efektif maka game haruslah menarik dan tidak membosankan jika dimainkan berkali-kali. Salah satu elemen yang dapat menambah daya tarik dari game adalah elemen
Hanny Haryanto adalah Dosen Fakultas Ilmu Komputer UDINUS Semarang 53
54
Techno.Com, Vol. 9 No. 2, Mei 2010
tantangan. Gambar di bawah menunjukkan bahwa elemen tantangan merupakan salah satu kekuatan dari sebuah game.
Gambar 1. Elemen Game [7] Kita lihat pada gambar di atas bahwa elemen tantangan dapat berupa kemenangan dan pemecahan masalah. Kemenangan dapat dicapai salah satunya jika ada kompetisi. Manusia adalah makhluk yang kompetitif, dan kompetisi menyediakan tantangan yang natural dalam game [2]. Hal tersebut yang kadang membedakan antara game online dan offline. Pada game online, pemain akan berkompetisi dengan pemain lain sedangkan pada game offline pemain biasanya akan berkompetisi dengan agen cerdas. Agen cerdas kompetitif adalah agen cerdas yang bertujuan untuk berkompetisi dengan pemain dalam mencapai suatu reward tertentu dalam game. Metode finite state machine dapat digunakan untuk membangun perilaku agen cerdas kompetitif. Perilaku agen cerdas akan didasarkan pada pilihan-pilihan kondisi dan perilaku dari anak sebagai pemain game. Perumusan Masalah Perumusan masalah yang muncul di dalam penelitian ini adalah sebagai berikut : 1. Kondisi-kondisi dalam lingkungan game yang disebabkan oleh aksi pemain. 2. Aksi kompetitif dari agen cerdas untuk merespon kondisi-kondisi tersebut. 3. Metode Finite State Machine untuk membentuk perilaku agen cerdas.
Agen Cerdas Kompetitif (Haryanto)
55
Tujuan Penelitian Tujuan penelitian ini adalah untuk merancang agen cerdas kompetitif menggunakan metode Finite State Machine dalam game pembelajaran untuk anak. Manfaat Penelitian Penelitian ini dapat memberikan kontribusi pada pembuatan agen cerdas dalam game yang dapat diterapkan untuk pengembangan game pembelajaran untuk siswa sekolah.
LANDASAN TEORI Agen Cerdas Dalam kecerdasan buatan, agen cerdas adalah objek autonomous yang mengamati dan bertindak sesuai dengan lingkungannya [4]. Perilaku agen cerdas mengarah pada pencapaian tujuan dari agen cerdas tersebut. Agen cerdas dapat belajar dan menggunakan pengetahuan yang dimilikinya untuk mencapai tujuannya.
Gambar 2. Agen Cerdas [4] Dari gambar di atas, kita lihat bahwa agen cerdas menerima masukan dari lingkungannya dengan sensor yang dimilikinya. Kemudian agen cerdas mendefinisikan keadaan lingkungannya saat itu. Kemudian melalui metode
56
Techno.Com, Vol. 9 No. 2, Mei 2010
inferensi yang sudah dipunyainya, agen cerdas akan menentukan aksi atau tindakan apa yang harus diambil. Setelah diputuskan maka tindakan akan dieksekusi ke lingkungannya. Agen cerdas juga dapat belajar untuk menyesuaikan dengan lingkungan yang baru. Arsitektur agen cerdas yang dapat belajar agak berbeda dengan arsitektur agen cerdas yang sederhana. Arsitektur agen cerdas yang dapat belajar dapat dilihat pada gambar di bawah.
Gambar 3. Agen Cerdas yang Dapat Belajar [4]
Pada gambar di atas, kita lihat bahwa ada bagian dari agen cerdas yang berfungsi untuk melakukan pembelajaran berdasarkan pengalaman-pengalaman yang didapatkan oleh agen cerdas. Hasil pembelajaran tersebut disimpan sebagai basis pengetahuan untuk kemudian digunakan untuk dasar memilih tindakan yang akan dilakukan. Finite State Machine Finite State Machine adalah suatu mesin abstrak yang dapat berada dalam satu dari beberapa state yang berbeda dan sudah didefinisikan sebelumnya [3]. Finite State Machine juga dapat mendefinisikan beberapa kondisi yang menentukan kapan state harus berubah.
Agen Cerdas Kompetitif (Haryanto)
57
Gambar 4. Diagram FSM [3]
Pada gambar 4 di atas, tiap state diilustrasikan dengan gambar lingkaran. Pada gambar di atas terdapat empat state (Si, S1, S2 dan S3). Transisi diilustrasikan sebagai tanda panah (t1, t2, t3, t4 dan t5). FSM dimulai dari Si sebagai state inisial atau state awal. Jika ada kondisi t1, state Si akan berpindah ke state S1. Dengan demikian setiap kondisi (t1, t2, t3, t4 dan t5) menyebabkan perpindahan state. Pada state Si hanya t5 yang dapat menyebabkan perpindahan state. Pada S2 dan S3 terdapat dua kondisi yang dapat menyebabkan perpindahan state. Role Playing Game Role Playing Game (RPG) adalah sebuah jenis game dimana pemain memainkan peran dari karakter fiksi dalam game. Dalam RPG, pemain dapat memainkan berbagai jenis karakter, seperti ninja, penyihir, atau prajurit. Pemain menyelesaikan misi dan meningkatkan kemampuan dari karakternya (seperti ketahanan, kecepatan, dll) di dalam sebuah dunia virtual [8]. Gambar 5 berikut adalah contoh game RPG berjudul Golden Sun yang dirilis untuk konsol Game Boy Advance.
58
Techno.Com, Vol. 9 No. 2, Mei 2010
Gambar 5. Contoh Game RPG
Pembelajaran Berbasis Game Pembelajaran berbasis game [6] adalah metode pembelajaran yang menggunakan aplikasi permainan/game yang telah dirancang khusus untuk membantu dalam proses pembelajaran. Dengan menggunakan pembelajaran berbasis game kita dapat memberikan stimulus pada tiga bagian penting dalam pembelajaran yaitu emosi, kecerdasan, dan psikomotorik. Pembelajaran berbasis game adalah salah satu metode pembelajaran yang dirasa cocok dengan kondisi dari generasi digital sekarang ini karena tiga alasan berikut ini : 1. Menciptakan lingkungan belajar yang menyenangkan dan menambah motivasi siswa untuk belajar. 2. Kompetisi dan kerjasama tim dalam menyelesaikan misi yang ada dalam aplikasi game juga dapat menambahkan komponen motivasi pada siswa. 3. Umpan balik yang cepat dan spesifik memberikan kemudahan bagi siswa untuk memikirkan cara lain yang tepat untuk menyelesaikan penugasannya. Secara garis besar pembelajaran berbasis game adalah salah satu metode yang bisa digunakan dalam pembelajaran dan tentunya ini harus dilakukan secara seimbang antara metode pembelajaran konvensional dengan pembelajaran berbasis game.
PEMBAHASAN Rancangan Game
Agen Cerdas Kompetitif (Haryanto)
59
Gambar 6. Rancangan Game
Gambar 6 di atas menunjukkan rancangan game secara garis besar dengan penjelasan sebagai berikut :
User / Pemain melakukan sebuah aksi. Aksi yang dilakukan oleh pemain menimbulkan suatu kondisi tertentu dalam lingkungan game. Ada beberapa kondisi yang dapat muncul. Kondisi-kondisi tersebut akan mengakibatkan perpindahan state pada FSM. State pada FSM menentukan perilaku dari agen cerdas.
Rancangan Fsm Untuk Agen Cerdas
Techno.Com, Vol. 9 No. 2, Mei 2010
60
Gambar 7. Rancangan FSM Agen Cerdas Gambar 7 menunjukkan bahwa setiap kondisi yang ada di dalam lingkungan game, yang dihasilkan dari aksi pemain, akan menyebabkan perpindahan state dalam FSM. State-state pada FSM akan menentukan aksi apa yang dilakukan oleh agen cerdas. State awal adalah Aksi 1, akan berpindah ke state Aksi 2 jika kondisi 2 terjadi dalam game. Jika terjadi kondisi 3 maka state Aksi 1 akan berpindah ke state Aksi 3. Dari state Aksi 2 akan berpindah kembali ke state Aksi 1 bila kondisi 1 terjadi dalam game dan akan berpindah ke state Aksi 3 jika terjadi kondisi 3 dalam game. State Aksi 3 akan kembali ke state Aksi 1 jika ada kondisi 1 dan akan berpindah ke state Aksi 2 bila kondisi 2 terjadi dalam game. Game Pembelajaran Dengan Agen Cerdas Kompetitif Game pembelajaran yang dibuat bertipe Role Playing Game (RPG), dimana pemain akan berperan sebagai seorang / sekelompok karakter utama dalam game.
Gambar 8. Alur Permainan
Agen Cerdas Kompetitif (Haryanto)
61
Gambar 8 menunjukkan alur permainan secara garis besar. Cerita/misi yang ada berisi materi pembelajaran. Level yang ada menentukan seberapa sulit misi yang akan diselesaikan. Pemain akan berusaha menyelesaikan misi dengan berkompetisi dengan agen cerdas yang juga akan berusaha menyelesaikan misi yang sama. Reward akan diberikan kepada pemenangnya, dengan memperhatikan kondisi pencapaian misi yang telah dijalani. Misi/cerita yang ada menuntut pemahaman pemain dalam materi pembelajaran sehingga pemain secara tidak sadar harus belajar untuk dapat menang melawan agen cerdas.
KESIMPULAN Pembelajaran berbasis game diperlukan sebagai cara alternatif dalam proses belajar mengajar pada saat sekarang ini [1]. Kompetisi adalah faktor yang penting dalam game untuk menjaga supaya game tetap dimainkan. Karena itu agen cerdas kompetitif diperlukan sebagai salah satu cara supaya anak tidak bosan bermain game, sehingga dapat lebih memahami materi pelajaran yang ada. Dalam artikel ini, kami telah merancang agen cerdas kompetitif berbasis Finite State Machine (FSM) untuk game pembelajaran untuk anak. Pemain menyelesaikan misi/cerita dalam game Role Playing Game (RPG) yang berisi materi pembelajaran. Dengan menggunakan Finite State Machine, perilaku agen cerdas dalam game dirancang agar menyesuaikan kondisi-kondisi yang dipilih oleh pemain.
DAFTAR PUSTAKA [1] [2] [3] [4] [5] [6]
[7] [8]
Chee, Yam San, 2007, Embodiment, Embeddedness, and Experience: Game-Based Learning And The Construction of Identity, Research and Practice in Technology Enhanced Learning, Vol. 2 (1). Fullerton, T., Swain, Christopher dan Hoffman, Steven, 2004, Game Design Workshop : Designing, Prototyping, and Playtesting Games, CMP Books, San Fransisco. M. Bourg, David dan Seeman, Glenn, 2002, AI For Game Developers, O’Reilly Media, Inc., Sebastopol. Russell, Stuart J. dan Norvig, Peter, 2003, Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2, http://aima.cs.berkeley.edu/ , chpt. 2 Sim, G., MacFarlane, S. dan Read, Jannet, 2006, All Work And No Play : Measuring Fun, Usability, and Learning In Software for Children, Computers & Education 46, pp. 235-248 Adhie, Lucky dan Nugraheni, Cecilia, Pembelajaran Pemrograman Dengan Pendekatan Game-Based Learning, Makalah Aptikom Universitas Katolik Parahyangan, http://home.unpar.ac.id/~fmipa/aptikom/MakalahAptikom.doc, 26 Januari 2009. Ermi, Laura dan Mayra, Frans, 2005, Fundamental Components of The Gameplay Experience: Analysing Immersion, Digital Game Research Association’s Second International Conference, pp. 15-27. E. Laird, John dan van Lent, Michael, 2000, Human-level AI’s Killer Application: Interactive Computer Games, American Association for Artificial Intelligence.
