Pemanfaatan Jaringan Sya rafTir uan sebagai Kecerdasa n Buatan Pada A rtillery Game David Boy Tonara Sekolah linggi Teknik Surabaya Ngagel Jaya Ten gah 73-77, Surabaya
[email protected]
A BSTRAK
Ja ringan syaraf tiruan adalah metode komputasi dengan ststem arsitekrur dan operas;
yang mengacu pada cora kerj a sel syaraf alak manusta. Pada perkembangonnya j oringon syaraf tiruan sering digvnakan untuk keperluan pengenalan pola. Pada studi ini diu/as tentang pemanfaatan j aringan sya rof tiruan sebago; pusat pengerahuan bag; kecerdasan buatan pada artillery game. Jaringan syaraf tiruan dirasa tepa! unrule menjadi pUSGt kecerdasan buatan karena jaringan syaraf tiruan menawarkan kecerdasan buatan yang terus berevolusi menjadi semakin panda; untu k setiap gilirannya. Diharapkan penggunaan jaringan syaraftiruan sebago; Icecerdasan buatan dapa t memberikan "uansa bermain yang menyerupai gam e multiplayer untulc game yang berbasls so litaire. Kata kunci : Jaringan Syaraf Tiruan. Kecerdasan Buatan. Artillery Game.
I. PENDAIIULUAN
sehin gga rnenyebabkan permintaan terhadap
Industri game telah menjadi salah saw
industri game meningkat pesat.
industri teknclogi yang menjanjikan sej ak era
personal
Transformasi
dilepaskan kaitannya dengan perkembangan
peruntukan
teknologi kecerd asan buatan. Ketika di saw
sebagai perangkat bisnis menjadi perangkat
sisi indu stri game multiplayer diminati oleh
personal menyebabkan meningkat pesatnya
sebagian besar penggun a komputer personal
peruntukan
kebutuhan
komputer.
Kemajuan industri game tidak dapat
komputer
akan
dari
hiburan
di
perangkat
maupun
tablet,
di
sisi
lain
teknologi
komputer. Salah satu altematif hiburan pada
kecerda san
perangkat komputer adalah ap likasi berupa
tersend iri bagi para peminat game yang
game.
tahun
bersifat solitaire. Teknol ogi kecerdasan
belakangan ini ketika pabrikan-pabrikan
buatan diharapkan dapat menerapkan gaya
teknologi terkernuka d i dun ia seperti Apple.
berpikir manusia tanpa melakukan fitur-fitur
Terutama
Samsung,
dan
dalam
lima
bahkan
Google
mengembangkan teknologi komputer tablet
buatan
menjadi
daya
tarik
yang tidak dapat dilakukan oleh pemain, pada
game
artillery
fitur-fltur
yang
72 1 TIM
dirn ak sud uduloh scpc rti mclnkukun slmulasi
anileri adalah game yang bcrsifat bergunrinu
gerakan proyekt il dan menggunakan rumus-
urutan {turn-based).
rumus pergerakan proyektil sebelu m morne n
Game
menembak .
komputer
Paper ini akan membahas tentang
artileri
pribadi
"Artillery"
adalah
pertama
yang oleh
untuk
dikembangkan Mike
Forman.
pen ggunaan jaringan syara f tiruan sebagai
diluncurkan
kecerdasan buatan. Jaringan syaraf tiruan
berikutnya adalah "War 3" oleh M.E. Lyon
dirasa tepat untuk menjadi pusat kecerdasan
dan Brian West yang dilun curkan pada
buatan
tiruan
tahun 1977. Kedua game artileri pertama ini
menawarkan kecerdasan buatan yang terus
berbasis teks sehingga segala tampi lan,
bere volu si menjadi semakin pandai untuk
wama, dan suara mutlak bergantung pada
setiap gilirannya. Diharapkan penggunaan
imajinasi pemain (Barton. 2005).
jarmgan
karena
syaraf
jaringan syaraf tiruan sebagai kecerdasan buatan dapat memberikan nuansa bermain yan g menyerupai game mult iplayer untuk game yang berbasis solitaire.
1976. Pengembangan
pada
.,. lit 'U IU' ? J
Dlnnel Itt .1 I TO Z t 1000 DIIUln Ifl . ) Z " J ' Zt04 DllIu Cl t tt . 1 J tD l ' 2)00
'ILaen, tH . /Sle .1 Of I ' SOt ULaClU IH. /SU. I af J ' J:54 lIu nl 'lLaClU IfT. /UC. : OJ J ' , ot
" 'ULI IIUUL(
2. LA NDASAN T EORI
" UO
2.1 Game Artileri Salah satu tipe game yang hingga saat ini masih menjadi kegemaran banyak pencinta game ada lah game anileri. Game artileri standart menampilkan dua penemba k
I
'lafll 1 SMG.' JI' at' J 'JIIII atlll' t' l OU OI.[I$KOt If '41 .' "
'I [t.
' lJ T(' Z SKO OTII' at ' J ' 111.' '.'Lll ,t YOU UIDllSKO l I'
' (11.
't' ."J
'laTEI J INaaTI., J" I "ilt' a. ' Ll' '0 .5 10U UMDt ISIOf" ", •• t 1 ' [El .
dengan tujuan saling menembak satu sarna lain. Game arti lcri standart memiJiki fitur untuk mcrubah arah {berupa sudut) dan kekuatan
tembckan.
perkembmgannya game menambahkan kekuatan
angin,
konstanta
M.E. Lyon da n Brian West ( 1977)
Dalam Seperti terJihat pada gambar I. game
artileri modem arah
pergerakan
angin,
penembak,
multi-character. dan bahkan jenis senjata yang berbeda-beda. Sebagian besar game 73 I T I M
Gambar I : User Interface "War 3" o leh
dimuJai
dengan
pemain,
paSISI
tembakan
menginputkan pemein,
dan
masing-masing
jumlah kekuatan pemain.
Beriku tnya untuk setiap gili rannya masing-
masing
pemain
penembakan
menentukan
sudut
secara bergantian
dengan
Game anileri generasi berikutnya, mulai memperkenalkan gambar dan animasi memu askan
artileri
generasi
penggunanya.
adalah
user interface "Artillery"
untuk
Apple II, (b) adalah user interface "Artillery
tujuan menghancurkan pemain lainnya.
untuk
Pada gambar 2 masing-masing (a)
for Co mmodo re Pet", dan (c) adalah user interface "Smithereens!". Game
Game
modem
artileri
mulai
dengan
memperkenalkan sensasi bennain melawan
"Artill ery" untuk Apple II yang dilun curkan
kecerdasan buatan di samping tentu saja
pada tahun 1980, "Artillery for Commodore
bennain melawan pemain lain. Perubahan
Pet" yang diluncurkan pada tahun 1981, dan
beser
"Smithereens!" yang diluncurkan pada tahun
diperkenalkannya mult i-character dan ragam
1982.
game
senjata oleh "Scorched Earth" oleh Wendell
developer "The Magnafox Odyssey2" juga
Hicken (199 1) yang disempurnakan dan
menandai d imulainya era
dipopulerkan
tm
"Smithereens!"
dimulai
buatan
gam e artileri
yang
seisi n
terj adi
oleh
itu
" Wonns"
adalah
besutan
Tea m 17, sudut pandang orang pertama dan
komersial.
tampilan tiga dimensi seperti d itampilkan oleh "Scorched Earth 3D" dan " w orms 3D", juga sepe ni
sensasi yang
game
artileri
ditawarkan
petualangan
oleh
keluarga
"Angry Bird" besutan Rovio. Seri "Angry Bird" sendiri telah menjadi salah satu fenomena game terbaru. .
.
oJ ,
Gambar 2: User Interface Game Anileri Generasi Kedua
Ga mbar 3: User Interface Angry Birds 74 1 TI M
Perkembangan game artile ri sampai
berdasarkan cara bennain lawan, dan tidak.
hari ini menunjukkan bahwa jenis game
mengakomodasi
tersebut adalah game dengan peminatan
Sedangkan
yang besar.
deterministic adalah kecerdasan buatan yang
Hal ini juga menunjukkan
belajar.
kernampuan
kecerdasan
buatan
kemampuan
non-
bahwa pengembungan dari game artileri
mengakomodasi
belajar,
masih rnenawarkan prospek yang besar.
sehingga game dapat berjalan tidak terduga.
Saleh satu pengembangan yang menarik
Kelebihan
umuk dilakukan ndalah dari sisi kccerdasan
deterministic
buatannya.
kecerdasan buatan
buatan
kecerdasan
dibandingkan
nondcngan
deterministic terletak
pada kemampuan belajar dan kecerdasen
2.2 Kecerda san Duatan
buatan
Kecerdasan buatan adalah salah satu cabang ilmu komputer yang bertujuan untuk membuat komputer dapat mensimulasikan kegiatan dan pemikiran sama rasional nya dengan manusia (Scwab, 2009). Dalam game,
kecerdasan
diimplementasikan
buatan untuk
nuansa multi-player untuk pemain game yang sedang bennain sendi rian, atau sebagai basis untuk karak ter-karakter non-player. Kecerdasan buatan telah diimplementasikan dalam banyak game, mulai dari game klasik seperti
'Pacman"
hingga game
terkini
seperti "Unreal Tournament" (Bourg & Seeman, 2004). Secara
kecerdasan
buatan
untuk game dlbagi menjadi dua, yaitu
deterministic
atau
non-deterministic.
Kecerdasan
buaten
kecerdasan
buatan yang
deterministik bersifat
adalah tetap,
dikondisikan untuk mengikuti daftar reaksi 751 T IM
non-deterministic
mampu
memberikan
perasaan
bennain
yang
bennain
melawan
manusia
sarna
dengan
(Bourg
&
Seeman, 2004). Hingga saat ini, kecerdasan buatan deterministic pada
game
maupun yang
d iimplementasikan
non-deterministic paling
adalah
banyak kecerdasan
buatan yang curan g. Kecerd asan buatan ini didesain untuk dapat mengakses fitur-fitur yang tidak dapat diakses oleh pemain. Sebaga i contoh, pada game artileri sering kecerdasan buatan melakukan perhitungan balik
teknis
Kemampuan
belajar ini menyebabkan kecerdasan buatan
senng
membe rikan
non-deterministic.
dan
posisi
pemnin · sehingga
didapatkan parameter-parameter yang tepat. Hal ini con tobnya diimplementasikan pada game " Worm" yang menyebabkan tembakan dan kecerdasan buatan nyaris tidak pemah gagal. Penggunaan metode sernacam ini
pada game seringkali digun akan karena
berbasis perhitungan kompu -asi lebih mudah
metode ini ada lah metode tennudah yang
untuk disimulasikan.
dapat diimplementasikan sebagai kecerdasan
Secara
umum
struktur
jan ngan
buatan walaupun metode ini dapat berakibat
syaraf tiruan terdiri dan tiga lapisan, yaitu
buruk
lapisan input, lapisan tersembunyi yang
membuat
pemain
kehilangan
ketertarikan pad a game tersebut.
biasa disebut dengan hidden layer, dan
Ada banyak algoritma yang dapat diimplementasikan
sebagai
lapisan output. Ketiga lapisan jaringan ini
kecerdasan
terh ubung dengan vektor satu arah yang
buatan pada game . Algoritma yang umum
mengandung nilai beban (weight) berbeda
digunakan sebagai kecerdasan buatan adalah
untuk men ghasilkan nila i output yang sesuai
Finite State Machine, Game Playing, Fuzzy
sepe rti dap at dil ihat pada gambar 4. Untuk
Logic, Pathfinding. A ·
Algorithm, dan
hidden layer dapat terdiri dan lebih dari saru
Neural Network. Neura l Netwo rk sering
lapisan neuron atau bahkan sebuah struktur
j uga disebut jaringan syaraf timan adalah
j aringan syaraf tiruan dapat juga tidak
algoritma yan g dipilih untuk menjad i fokus
mengandung hidden layer sarna sekali.
dari pene litian ini.
2.3 Jaringan SyarafTiruan (JST) l arin gan
syars f
tiruan
adalah
algoritma pembentuk kecerdasan buatan yang terin spira si dati struktur otak manusia. Cara
kerja
jaringan
syaraf pada
otak
manusia dengan cara menyalurkan inforrnasi dad satu neuron ke neuron lain inilah yang diadopsi oleh algoritma jaringan syaraf tiruan . Jaringan syaraf tiruan dipilih sebagai algoriuna pembentuk kecerdasan buatan untuk game artileri karen a jaringan syaraf tiruan menawarkan basis pengetahuan yang semakin "pandai" untuk setiap gilirannya. Selain
itu jaringan syaraf tiruan
yang
Gambar 4: Struktur Jaringan SyarafTiruan 76 I T I M
Salah
satu
contoh
penggunaan
melakukan
penyerangan
melalui
udara,
jarin gan syaraf tiruan sebagai kecerdasan
penyerangan melalu i darat, penyerangan
buatan
melalui
pada
strategi.
game
Game
adalah
strategl
paca
game
membutuhkan
darat
melakukan
dan
udara.
penyerangan.
atau
tidak:
Tujuan
dari
janngan syaraf tiruan sebagai pembentuk
struktur j an ngan syaraf tiruan rru dapat
kecerdasan
diamati
buatan
untuk
menentukan
dari
nilai-nilai
yang
keputusan yang akan diam bil. Selain itu
direprescntasikan oleh lapisan o utput (output
penggunaan jaringan syaraf tiruan sebagai
layer). Lapisan input adalah daftar nilai
pembentuk kecerd asan buatan adalah supaya
yang
jumlah kond isi yang diinputkan ke dalam
perhitungan jaringan syaraf timan untuk
sistem tidak terlalu banyak, dan karena
menentukan nilai masing-masing neuron
meman g jumlah kondisi memungkinkan
pada laplsan output. yaitu: jumlah pasukan
yang sangat banyak tersebut tidak dapat
darat,
seluruhnva dike taoui oleh pembuat game.
pasukan darat yang sedang bergerak, j umlah
Contoh
pasukan
struktur jaringan
syaraf tiruan
perlu
diketahui
jumlah
udara
sebagai
pasukan
yang
udara,
sedang
dasar
jumlah
bergerak.,
sebagai pembentuk kecerdasan buatan pada
jangkauan ke pasukan darat musuh, dan
game stratcgi dapat dilihat pada gambar 5.
jangkauan
.. 0----. .... . ......
Sedangkan lapisan
'
\ , , ~,
""
l",..
,.,'
....
0----. - 0 .,... 0- -0 "" ..... 0-0 .. , '.
,~
..
h'~
..... ',. ~ " " , l.~ ,,·
~
.... . ' ,-t.".,
~
-0
,.
-..
udara
musuh.
tersembunyi " (hidden
untuk mcmberikan akurasi pada jaringan syaraf tiruan.
", .....ror...'
'" "', ' ,"
pasukan
layer) adalah lapisan yang ditambahkan
",_""1.0;, ,
,.
ke
.
'
Ada tiga rase yang tcrjadi dalam sebuah jaringan syaraf riruan. Fase-fase tersebut adalah fase preprocessing, fase training dan fase testing. Fase preprocessing
Gambar 5: Struktur Kecerdasan Buatan
adalah fase awal dari sebuah jaringan syaraf
untuk Game Strategi berbasis JST
tiruan•. Fase ini adalah tahap di mana rerjadi normalisasi nilai dati neuron input. Fase
Pada
gambar
5
bahwa
preprocessing ini waj ib dilakukan karena
struktur untuk
misal, sebuah neuron input memiliki varian
menent ukan apakah kecerdasan buatan akan
nilai antara 0-200 sedangkan neuron input
struktur tersebut adalah
77 IT I M
terlihat
yang lain memiliki varian nilai antara 0-
testing adalah fase untuk mengaplikasikan
2000. Perbedangan vanan nilai ini dapat
nilai-nilai neuron input yang dihadapi oleh
menyebabkan j aringan syaraf timan yang
kecerdasan buatan kepada struktur jaringan
dibuat menjad i tidak akurat. Pada umumnya
syaraf timan yang
varian nilai untuk neuron input dan output
mendapatk an niJai dari neuron-neuron pada
dibuat menjadi 0-100 atau 0-1. Hal ini juga
layer output.
berlaku untuk neuron input/output yang
lstilah
lain
terbentuk
yang
sehingga
terdapat
pada
mengandung tire dmanya adaJah boolean.
jari ngan syaraf timan adalah fungsi aktifasi
Nilai true dan f alse tidak dapat dimasukkan
dan bias. Fungsi aktifasi adalah fungsi yang
ke dalam struktur jaringan syaraf timan
digunakan untuk
sebagai nilai boolean namun hams diubah
menjadi input sebuah neuron menjadi nilai
bentuknya menjadi range nilai yang telah
output dari neuron tersebut. Fungsi aktifasi
ditentukan sebelumnya, misal 0 untuk false
yang sering digunakan pada sebuah jaringan
dan 100 untuk true.
syaraf tim an adalah fungsi sigmoid (gambar
Fase training adalah fase di mana dilakukan
pengenalan
pola.
Pada
fase
mengubah
nilai yang
6(a)), fungsl step (gambar 6(b)), dan fungsi hyperbolic tangent (gambtr 6(c)).
training diken al istilah data training. data training terdiri dari beberapa set contoh data
,, ~,
. - '-
benar. Data benar yang dimaksud di sini
.
adalah memiliki nilai input dan nilai output sesuai
dengan
yang
diinginkan.
Data
training ditentukan dan dijadikan
input
untuk sebuah struktur jaringan syaraf timan.
I "·
d .. "
... . ., ,... . _-
yang tepat untuk mencapai nilai dari tiap
. .." '
"
"
~
.,. .. .,. '. . . . .,".. . . . . " "
~
sehingga dapat diketahui nilai beban-beban
.....
{',"
'"
,• •
neuron output. Fase berikutnya adalah fase testing yang
terjadi
ketika
semua
konfigurasi
beban-beban pada struktur jaringan syaraf timan diketahui nilainya berdasarkan fase training yang
terjadi sebelumnya. Fase
• Gambar 6: Fungsi Aktifasi 78 1 Tt M
3. Tergolong
susah
diimplementasikan
Sedangkan bias adalah neuron tamb ahan
karena banyak mengandung nilai atau
pada setiap Japisan neuron kecuali lapisan
sistem yang tidak pasti namun akan
neuron output bcmilai selalu 1 atau - I .
mempcngaruhi ukurasi sistern, misalnya
Kelebihan dan penggunaan jaringan
jumlah lapisan pada hidden laye r, nilai
syaraf tiruan sebagai kecerdasan buatan
bias, dan jenis fungsi aktifasi yang
adalah:
digunakan.
I. Dapat
diaplik asikan
pada
fungsi
DESAIN
matemarika yang sanga t rumit dengan
J.
penggunaan
daya
TIRUAN
daripada
pengapl ikasian
yang
lebih
kecil fungsi
sangat
rurnit
KECERDASAN
Pada paper ini game artileri yang
2. Dapat menggeneralisasi hubungan antar yang
SEBAGAI
SYARAF
BUATAN PADA GAME ARTILERI
matematika yang sebenamya.
data
JARINGAN
sehingga
mustahil dilakukan oleh manusia bahkan
dimaksud ada lah game artileri sederhana dengan spesifikasi sebagai berikut: I. Terdiri dari dua pemain yang salah
satunya adalah kecerdasan buatan.
yang sangat mahir sekalipun.
3. Fase training yang menghabiskan daya
2. Untuk melakukan tembekan, pemain
paling besar, hanya dilakukan di awal
harus menentukan terlebih dahulu sudut
sistem .
dan kckuatan tem bakan.
Sedangkan kekurangan dari
penggunaan
3. Faktor eksternal yang ikut berpengaruh
jaringan syaraf tiruan sebagai kecerdasan
adalah arab dar- kecepatan angin yang
buatan adalah:
dapat berubah untuk setiap gilirannya
I. Semua neuron input wajib berupa angka
namun diinfonnasikan kepada setiap
sehingga jcringan syaraf tiruan tidak dapat diaplikasikan untuk semua jenis
permasalahan. 2. Dapat
terjadi
sehingga
4. Karakter pemain tidak dapat berpindah
tempat. over-training
ak ibar
penambahan data training yang tidak tepat
pemain.
mengurangi
sistem secara kese1uruhan .
3.1 Fasc Preprocessing Nonnalisasi wajib dilakukan untuk
akurasi desain
[a-ingan
syaraf
tiruan
sebagai
kecerdasan buatan pada game anileri. Hal 791 T I M
ini terk ait dengan perbedaan jangkauan nilai untuk setiap
neuron
I. Jika target berada di depan karakter
inputnya. Neuron-
pema in (nilai x dari target lebih besar
neuron yang menjadi input untuk slstem ini
daripada nilai x dari pemain) maka nila i
adalah xpemain, ypemain, xtarget, ytarget,
SUdUI sebe lum dinonnalisasi adalah nilai
arah angin, dan kekuatan angin. Xpemain
rand om antara 9oo - j 80 ''. Jika target
dan Ypemain adalah posisi dari karakter
berada di belakang karaktcr pemain
pemain, sedangkan Xtarget dan Ytarget
maka nilai sudut sebe lum dinorm ali sasi
adalah posisi dari karakter musuh yang
ada lah nila i random antara 0 ° _90 °.
haru s dihancurkan. Neuron output untuk
posisi pemain leb ih besar dan Yi layar,
sistem ini adalah sudut dan kekuatan . Pada paper ini nonnalisasi dilakukan sehingga berada
nilai-nilai pada
ypemain.
batas
xtarget,
dari
ytarget
maka nllai kekuatan ada lah nilai random
neuron
antara 50- 100. Sedangkan jika jarak
Xpemain,
antara posisi target dengan posisi pemain
dilakukan
lebih kec il dan \I) layer, maka nilai
setia p
0-100.
2. Jika jarak anta ra posisi target dengan
nonnalisasi 0-100 berdasarkan ukuran layar.
kekuatan ada lah nilai random an tara
Arah angin dinonnalisasi dengan nilai 0 jika
50.
O~
angin mengarah ke belakang, dan 100 jika
Pada giliran-giliran selanjutnya fase
angin mengarah ke depan . Besar sudut
training akan mel akukan konfiguras i nilai
dinormalisasi 0-100 berdasarkan pergerakan
beban berdasark an nilai-nilai pada giliran
tembakan maksimum dan minimum, dapat
sebelumnya. Misa l nilai- nilai neuron input
berupa 1800 atau 3600, pada paper ini
giliran
digunakan pennisalan ISOO. Kekuatan angin
xpemain, ypemain, xtarget, ytarget, arah
dan kekuatan tembakan dinormalisasi antara
angin , dan kek uatan angin adalah 10, 20, 80,
0- 100.
20, 100, 50. Nilai rand om sudut dan
pertama
berturut-rurut
untuk
kekuatan tem bakan be rturu t-turut adalah 77
3.2 Fase Trat nlng
dan SO dan mengh asilkan tembakan yang
Untuk giliran pertama nilai sudut dan kekuatan akan random. bennain
men ggunakan nilai
hasil
Supaya lebih menyerupai pola manu sia
bisa
ketentuan-ketentuan seperti:
ditambahkan
mengarah pada 100, 20. Mak a data training ya ng digunakan pada giliran kedua I fase train ing pertam a berturut-turut
untuk
xpemain,
ypemain,
xtarget, ytarget, arah angin, da n kekuatan 80
I T IM
angm,
besar
SUdU l,
kekuatan ternbakan
sepenl
ini
yang
membuat
perilaku
adalah 10, 20, 100, 20, 100, 50, 77, 80.
kecerdasan buatan rnenyerupai manusia dan
Perhatikan bahwa data training adalah data
menyebabkan
benar, sehingga nilai xtarget dan ytarget
kecerdasan buatan berbas is jaringan syaraf
yang digunakan scbagui dmu training adalab
buutan mcngalami nvcnsa bcnnain scpcrt i
nilai xproyektil dan yproyektil (100, 20)
bermain melawan manusia lain.
pemain
yang
melawan
bukan nilai xtarget dan ytarget sebenamya
3.3 Fase Testing
(80. 20).
Fase
Begitu pula pada fase tra ining-fase training berikutnyu, misal berdasarkan nilai weight yang didapatkan dan fase training pertama dan data testing kedua mendapatkan nilai sudut dan kekuatan tembakan berturutturut adalah (88, 60) dengan arah angin dan kekuatan angin berturut-turut adalah ( 100, 30) . Sedangkan setelah tembakan dilakukan
proyektil tembakan ja tuh di (70, 60). Maka data train ing yang digunakan pada giliran ketiga I fase training kedua berturut turut untuk xpemai n.ypemain. xtarget, ytarget, arah angin, dan kekuatan angin, besar sudut,
kekua tan tembakan adalah 10, 20, 100, 20, 100, 50, 77, 80 dan 10, 20. 70, 60, 100, 30, 88, 60. Di sinilah kekuatan dari jaringan syaraf bua-an
terllhat,
d i mana
basis
pengetahuan dati kecerdasan buatan yang menggunakan
jaringan
syaraf
buatan
semakin banyak untuk setiap gilirannya. Jaringan
syaraf
buatan
"belajar"
dari
pengal eman dan kesalahan yang telah terjadi sebelumnya. Pendekatan kecerdasan buatan
testing
pengaplikasian did apatkan
adalah
nilai-nilai
pada
rase
beban
training
yang kepada
kondisi pennainan. Pada contoh kasus di alas
kondisi
pennainan
yang
mungkin
berubah hanya lah arab angin dan kekuatan angin. Pada dasam ya tidak ada perubahan besa r yang terjadi pada basis pengetahuan kece rdasan
buatan
jika
permainan
mengakomodasi peru bahan posisi pemain. Perubahan
yang
terjadi
hanyalab
penambahan Finite State Machine pada sebelum proses jaringan syaraf tiruan supaya karakter kecerdasan
buatan dap at pula
berpindah pos isi. Setelah nilai dan besar sudut dan kekuatan tembakan d idapatkan
p~da
akhir
fase testing maka akan dilakukan tembakan sesuai nilai-nilai tersebut. Hal ini. sangat berbeda
dengan
basis
pengetahuan
kecerdasan buatan untuk game artileri yang ada saat ini di mana nilai sudut dan kekuatan
tembakan
didapalkan
berdasarkan
perhitungan balik dari game engine. 81 1 TIM
rase
Ada dua pemodelan neuron output yan g dapat d iguna kan untuk jaringan syaraf
kecerdasan buatan ya ng terus belejar untuk setia p gilirannya.
tiruan sebagai kecerdasan buatan game artileri
yaitu
pemod elan
Sebuah fitur yang menarik unruk
neuron output
menjad i sifa t dan kecerdasan buatan pada
dengan nilai bertipe data "real" untu k besar
game art ileri dan dapat diakomodasi oleh
sudu t
dan
jaringan syaraf tiruan adalah kemampuan
nilai
untuk 'Iupa" . Jaringan syaraf timan dapat
bertipe data "boolean" . Pem ode lan neuron
dibuat seolah-oJah lupa dengan menentukan
output "boo lean" untuk. besar sudut dapat
betas dari jumJah data training . Jika j umlah
dinyatakan dalam 10", 20", 30",40",50" dan
data training melebihi dan jum!ah data
seterusnya. Sedangkan pemodelan neuron
maksimum maka
output untuk kekuatan
tembakan dapat
dihilangkan dan daftar data training. Konsep
berupa 10"/" 20"/" 30"10, 40"10, 50% , dan
semacam ini dapat menyebabkan kecerdasan
seterusnya. Kedua pemodelan ini dapat
buatan mem iJiki sifat yang lebih manusiawi
dilakukan
berd ampingan
dan kesalahan yang terjed i adalah kesalahan
membedakan
tingkat
dan
pem odelan
kekuatan
tembakan
neuron output
dengan
dengan
kecerdasan
dari
kecerdasan buatan.
yang dapat ditoleransi oleh pemain. Pads game
artileri
kecerdasan
3.4 lI al Penting ya ng Harus Diperhetikan Kecerdasan buatan yang diharapkan pada game artileri
bukanJah kecerrlasan
buatan yan g tidak pemah salah seperti
data tra ining pertama
semakin
buata n
tidak
pintar
sebuah
berarti
nilai
kecerdasan buatan tersebu t di mara pemain semakin tinggi melainkan
malah
dapat
mem buat pemain kehiJangan gairah untuk memainkan game artileri tersebut.
kecerdasan buatan pada catur misa lnya,
Pada kecerdasan buatan untuk game
namun kecerdasan buatan yang diharapkan
artileri
pada game artileri ada lah kecerdasan buatan
digunakan betas waktu untuk menghentikan
yang memilik i gaya bennain mirip manusia .
proses pada rase training. Perlu diperhatikan
Pema in
memiliki
bahwa proses berpikir -pada kecerdasan
kesalahan namun tidak
buatan untu k game artile ri- hams dibatas i
memi liki toleransi terhadap kesalahan yang
lebih sediki t darip ada waktu maksimum
bell1lang..
Kecerdasan
buatan
yang
gili ran. Tuj uan dari pembatasan ini adalah
diharapkan
pada
artileri
adalah
supaya kecerdasan buatan tidak terkesan
pada
game
toleransi untuk
art ileri
ga me
selain
error-rete
dapat
pula
f2 1 rIM
bodoh, dan supaya pemain tid ak menu nggu
Jaringan syaraf tiruan adalah basis
terlalu lama untuk melakukan gilirannya.
pengetahuan yang tepat digunakan pada
Selain ltu pcnting pula memberikan waktu
game artileri, karena:
minimum bagi kecerdasan buatan supaya
I. Nilai -nilai
kecerdas an bu 1180 tidak terkesen terla lu
pada
game
artileri dapat
disimbolkan dalam nilai -nilai numerikal.
2. Game artileri adalah game yang bersifat
pintar. Jum lah neuron pada hidden layer
akan sangat berpcngaruh terhadap akurasi kecerdasan
buatan
dan
daya
yang
dlbutuhkan pada CPU dan memory. Jumlah
bergiliran (tum-based ). 3. Game artileri membutuhkan kecerd asan buatan yang semakin pintar untuk setiap gilirannya.
neuron pada hidden layer yang terlalu banyak
padahal
sistem
hanya
men gakomodasi daya CPU dan memory yang kecil akan men gakibatkan akura si kecerdasan buatan menjadi buruk. Hal ini disebabkan nilai weight yang diaplikasikan pada jaringan syaraf tiruan adalah nilai weight yang terba tasi oIeh waktu proses, bukan o leh error rate. Sebaliknya jumlah neuron pada hidden layer yang terlalu kecil akan
membu at akurasi dari
kecerd asan
4.2 Sa ra n Saran
untuk
pengemban gan
kecerdasan buatan berbasi s jaringan syaraf buatan ini anta ra lain: I. Jarin gan syara f buatan dapat d ipadukan deng an fi nite
stale
machine
untuk
menghasilkan kecerd asan buatan yang dapat beradaptasi pada gam e artileri modem. Finite state machine digunak an
untuk menentukan langkah yang harus diambil olch kecerd asan buatan antara
buatan berkuran g.
berpindah posisi, menentukan senjata 4. KES IM PU LAN DAN SA RAN
yang digun akan , dan menembak.
4.1 Kesimpulan
dapat
2. Penambahan data testing yang sesuar
Kecerd asan buatan untuk game artileri
dapat membuat [aringan .syaraf buatan
dibuat dengan
dapat beradaptasi terhadap lebih dan
pengetahuan
menggunakan basis
jaringan
syaraf
tiruan .
Penggunaan jaringan syaraf tiruan pada kasus
satu target pada game artileri. 3. Tingkat
kecerdasan
buatan
dapat
ini menawarkan kecerd asan buatan yang terus
dibedakan berdasarkan nilai error rate
"belajar"
yang dapat ditoleransi pada fase training
gilirannya. 831 TI M
dari
kesalahan
pada
setiap
atau bates waktu untuk pemrosesan nilai
weight dan jaringan syaraf tiruan . Selain
berkebalikan (simetris) maka kecerdasan
itu tingkat kecerdasan buatan dapat pula
buatan dapat dua kali lipat lebih pintar
ditentukan
dengan earn. menam bahkan data training
dari
prosentase
akura si
neuron output
dengan data berdasarkan tembakan dari
4. Pada kondisi game di mana posis i pemain
dan
target
adalah
target
persis
6. DAFTAR PUSTAKA
[1]
Barton, M. 2005. Scorched Parabolas: A History o f the Artillery Game, Armcha irarcade.
retrieved from hnp jllwww.annthairarcade .com/aamai n/conten t.php?anicle.5 l . [2J Bourg, D. M. & Seeman. G. 2004. Alfor Game Develope" , O'Reilly Med ia. Sebastopol, CA, USA.
[3]
Lyon, M. E. and West, B. in David. H. 1980. More BASIC Computer Games, Workman Publishing. New York.
[4]
Schwab. B. 2009. AI Game Engine Programming, Course Technology, Boston