i
Rekayasa
USULAN PENELITIAN DISERTASI DOKTOR
KONTROL POSISI KAMERA VIRTUAL PADA GAME BERBASIS MULTI OBJECTIVE OPTIMIZATION MENGGUNAKAN NON-DOMINATED SORTING GENETIC ALGORITHM II (NSGA II)
PENGUSUL AHMAD ZAINUL FANANI, S.SI, M.KOM NIDN : 06087101
UNIVERSITAS DIAN NUSWANTORO APRIL 2014
ii
HALAMAN PENGESAHAN PENELITIAN DISERTASI DOKTOR Judul Penelitian
: Kontrol Posisi Kamera Virtual Pada Game Berbasis Multi Objective Optimization Menggunakan Nondominated Sorting Genetic Algorithm II (NSGA II) : Optimasi Posisi Kamera Virtual Menggunakan Pendekatan Contrained Optimization Berbasis Motion Tracking : -
Judul Disertasi
Kode/Nama Rumpun Ilmu Peneliti a. Nama Lengkap b. NIDN c. Jabatan Fungsional d. Program Studi e. Nomor HP f. Alamat surat (e-mail)
: : : : : :
g. NIM h. Semester ke PT Penyelenggara
: : :
Program Doktor Nama Promotor NIDN Promotor Biaya yang Diusulkan
: : : :
Ahmad Zainul Fanani, S.Si., M.Kom. 0608017101 Lektor Kepala Teknik Informatika 081325006278 Perum Grahawahid Cluster Malibu Blok G No. 3B Semarang, (
[email protected]) 2211 301 006 5 (lima) Institut Teknologi Sepuluh Nopember (ITS) Surabaya Teknik Elektro Mochamad Hariadi, ST., M.Sc., Ph.D. 0009068106 Rp. Semarang, 17 April 2014
Mengetahui, Dekan Fak. Ilmu Komputer Universitas Dian Nuswantoro
Ketua Peneliti,
Dr. Abdul Syukur NPP. 0686.11.1992.017
Ahmad Zainul Fanani, S.Si., M.Kom NPP. 0686.11.1996.101 Menyetujui, Ketua Pusat Penelitian
Juli Ratnawati, SE, M.Si. NPP. 0686.11.2000.193
iii
iv
DAFTAR ISI
DAFTAR ISI ........................................................................................................... I DAFTAR GAMBAR ........................................................................................... VI DAFTAR TABEL ............................................................................................... IX BAB I : PENDAHULUAN................................................................................... 1 1.1 Latar Belakang ............................................................................................ 1 1.2 Rumusan Masalah ....................................................................................... 4 1.3 Tujuan Penelitian ........................................................................................ 5 1.4 Penelitian Terkait ........................................................................................ 5 1.5 Kontribusi Penelitian.................................. Error! Bookmark not defined. BAB II : LANDASAN TEORI ........... ERROR! BOOKMARK NOT DEFINED. 2.1 Game ........................................................................................................... 7 2.2 Kamera ........................................................................................................ 8 2.2.1 Camera Shot .......................................................................................... 9 2.2.2 Camera Angle ....................................................................................... 9 2.2.3 Camera Movement ................................................................................ 9 2.3 Transformasi Proyeksi ............................... Error! Bookmark not defined. 2.4 Transformasi Geometri 3D ........................ Error! Bookmark not defined. 2.4.1 Transformasi Translasi ........................ Error! Bookmark not defined. 2.4.2 Penyekalaan (Scalling) ........................ Error! Bookmark not defined. 2.4.3 Rotasi ................................................... Error! Bookmark not defined. 2.5 Optimasi ...................................................................................................... 9 2.6 Kamera Virtual .......................................................................................... 10 2.6.1 Pendekatan Optimization-based .......... Error! Bookmark not defined. 2.6.2 Pendekatan Constraint-based ............... Error! Bookmark not defined. 2.6.3 Pendekatan Constrained-Optimization Error! Bookmark not defined. 2.7 Algoritma Genetika .................................... Error! Bookmark not defined. 2.7.1 Prosedur Algoritma Genetika .............. Error! Bookmark not defined.
v
2.7.2 Prosedur Algoritma Genetika dalam Pendekatan Penelitian ....... Error! Bookmark not defined. 2.8 Motion Tracking......................................... Error! Bookmark not defined. 2.9 Agen Cerdas (Intelligent Agent) ................ Error! Bookmark not defined. BAB III : METODOLOGI ................................................................................. 13 3.1 Gambaran Umum Sistem Yang Dibuat .................................................... 13 3.2 Road Map Penelitian .................................. Error! Bookmark not defined. 3.3 Metode yang Diusulkan ............................. Error! Bookmark not defined. 3.3.1 Inisialisasi dan Analisis Eksperimen ... Error! Bookmark not defined. 3.3.2 Pemodelan dan Animasi Game ............ Error! Bookmark not defined. 3.3.3 Pemrograman Game ........................................................................... 17 3.3.4 Pengembangan Optimasi Kontrol Kamera Virtual ............................. 17 BAB IV : JADWAL PENELITIAN DAN AKTIVITAS ................................ 58 4.1 Jadwal Penelitian....................................................................................... 58 4.2 Aktivitas .................................................................................................... 60
vi
DAFTAR GAMBAR Gambar 1.1 : Kontrol kamera virtual dalam film The Avengers ......................... 1 Gambar 1.2 : Kontrol kamera virtual dalam game GTA ...................................... 1 Gambar 1.3 : Workflow sistem kamera virtual cerdas .......................................... 6 Gambar 1.4 : Kontrol kamera virtual menggunakan Globe-Constraint Optimization.................................................................................... 7 Gambar 1. 5 : Kemampuan path dalam globe dalam membentuk path baru ......... 8 Gambar 2.1 : Screenshot Mortal Kombat ........................................................... 20 Gambar 2.2 : Screenshot Dungeons & Dragons ................................................. 21 Gambar 2.3 : Screenshot Quake .......................................................................... 22 Gambar 2.4 : Screenshot TheSims ...................................................................... 22 Gambar 2.5 : Screenshot Resident Evil............................................................... 23 Gambar 2.6 : Point of view dari camera shot ...................................................... 25 Gambar 2.7 : Eye level (A), high angle (B), low angle (C), bird’s eye (D) ........ 26 Gambar 2.8 : Model Transformasi ...................................................................... 27 Gambar 2.9 : Transformasi pada Proyeksi Orthogonal ....................................... 28 Gambar 2.10 : Transformasi Perspektif ................................................................ 29 Gambar 2.11 : Transformasi translasi ................................................................... 30 Gambar 2.12 : Transformasi scalling .................................................................... 31 Gambar 2.13 : Trasnsformasi rotasi terhadap sumbu z ......................................... 32 Gambar 2.14 : Model Camera berbasis sudut Euler; tilt( ), pan ( ), dan roll( ) ..................................................................... 35 Gambar 2.15 : Proyeksi menggunakan 2 titik pada layar dari posisi kamera ....... 36 Gambar 2.16 : Contoh satu titik crossover ............................................................ 39 Gambar 2.17 : Mutasi bit terjadi pada bit keempat ............................................... 39 Gambar 2.18 : Siklus algoritma Genetika ............................................................. 39 Gambar 2.19 : Pembuatan populasi awal .............................................................. 41 Gambar 2.20 : Seleksi kamera virtual ................................................................... 41 Gambar 2.21 : Crossover kamera virtual .............................................................. 42
vii
Gambar 2.22 : Mutation kamera virtual ................................................................ 42 Gambar 2.23 : Prosedur pencarian kamera virtual dengan posisi terbaik ............. 43 Gambar 2.24 : Penerapan motion tracking pada CCTV ....................................... 44 Gambar 2.25 : Arsitektur agen cerdas untuk mengontrol kamera virtual ............. 45 Gambar 3.1 : Alur kerja sistem kamera virtual cerdas ........................................ 46 Gambar 3.2 : Diagram fishbone sistem kamera cerdas menggunakan globe-constraint optimization........................................................ 47 Gambar 3.3 : Skema inisialisasi dan analisis eksperimen ................................... 48 Gambar 3.4 : Tahap pemodelan karakter ............................................................ 50 Gambar 3.5 : Proses rigging dan skinning .......................................................... 51 Gambar 3.6 : Hasil proses skinning dan pembuatan animasinya ........................ 51 Gambar 3.7 : Proses kerja optimasi posisi kamera virtual .................................. 52 Gambar 3.8 : Prosedur mengidentifikasi bagian tubuh avatar atau NPC ............ 53 Gambar 3.9 : Constraint Approach ..................................................................... 55 Gambar 3.10 : Ukuran globe-constraint yang dinamis dan adaptif ...................... 55 Gambar 3.11: Workflow kontrol kamera virtual................................................... 57
viii
ABSTRAK Peran kamera virtual dalam pembuatan video game sangat penting. Posisi kamera virtual dalam pengambilan dan pemilihan adegan akan menentukan kualitas hasil adegan yang dramatis, dan mampu menunjang penyampaian pesan dalam suatu adegan. Pengambilan objek oleh kamera virtual ini didasarkan atas pergerakan objek, atau objek dengan objek lainnya (baik avatar dan NPC-non player character) atau dengan lingkungannya. Tujuan dari penelitian ini adalah pengaturan kamera virtual untuk menentukan posisi kamera virtual yang tepat. Pemilihan posisi kamera yang tepat ini sangat berhungan dengan optimasi nilainilai kamera virtual, yaitu nilai fitness yang akan menjadi fungsi objective-nya. Nilai fitness diperoleh dari nilai parameter kamera virtual berupa vektor posisi (di mana kamera virtual harus ditempatkan) dan vektor rotasi (ke arah mana kamera virtual harus mengarah). Fungsi objective dari kamera virtual bisa menggunakan single objective, yaitu kamera virtual mengambil adegan hanya berdasarkan pergerakan satu NPC atau avatar. Pada penelitian ini juga akan dikembangkan fungsi objective kamera virtual dengan multi objective optimization (MOO) yaitu suatu permasalahan optimasi dengan lebih dari satu fungsi tujuan, dan diantara fungsi-fungsi tujuan ini sangat mungkin terjadi konflik. Dalam implementasinya, sistem akan mengambil masukan dari dunia virtual berupa vektor posisi avatar dan NPC, vektor rotasi avatar dan NPC. Sistem mengelompokkan setiap vektor posisi dan vektor rotasi NPC menjadi satu fungsi obyektif relatif terhadap vektor posisi dan vektor rotasi avatar, sehingga permasalahan penempatan kamera virtual dapat diselesaikan dengan menggunakan model MOO. Dengan MOO ini, kamera virtual dapat mendeteksi pergerakan objek (NPC/avatar) dengan lingkunganya atau objek lainnya. Hasil dari penelitian ini adalah system kamera cerdas yang dapat menghasilkan kamera virtual yang adaptive termasuk menghindari halangan (obstacles). Metode yang diusulkan dengan pendekatan constrained-optimizatioan, yaitu mengoptimasi fungsi objective dengan constraint-constraint yang ada. Algoritma yang digunakan adalah multi objective genetic algorithm (MOGA) dan mengembangkan dengan algoritma NSGA II (non-dominated sorting genetic algorithm II). NSGA merupakan algoritma penentuan solusi optimum permasalahan multi obyektif dengan menggolongkan solusi sesuai dengan bobot dominasinya. Algorithma ini mencari solusi yang memiliki bentuk solusi ParetoOptimum, yang mencari front solusi untuk setiap fungsi obyektif. Kata Kunci : Kamera Virtual, Multi Objective Optimization, Genetic Algorithm, Constrained-Optimization, Fungsi Objective.
ix
DAFTAR TABEL Tabel 1.1
: Penelitian terkait............................................................................ 11
Tabel 1.2
: Matriks Keterkaitan ....................................................................... 17
Tabel 4.1
: Jadwal penelitian ........................................................................... 58
BAB 1. PENDAHULUAN 1.1. Latar Belakang Penempatan kamera mempunyai peranan yang sangat penting di dalam dunia perfilman dan game. Penempatan kamera berarti menempatkan kamera pada posisi yang tepat sehingga mampu menghasilkan gambar yang dramatis, dan mampu menunjang penyampaian pesan dalam suatu adegan. Film The Avengers merupakan salah satu contoh film yang menggunakan kamera virtual untuk menggabungkan aktor dengan latar belakang lingkungan 3D. Game Grand Theft Auto yang merupakan game 3D mampu menampilkan gambar dengan perspektif yang dramatis melalui kontrol posisi kamera virtualnya. Penempatan kamera juga menentukan pengaturan posisi kamera (kontrol kamera) yang tepat mampu menghasilkan gambar yang baik secara efektif dan efisien. Oleh karena itu, kontrol kamera menjadi salah satu tren dalam dunia penelitian. Bahkan beberapa tahun terakhir ini, dalam industri perfilman dan game, telah dikembangkan teknik produksi Machinema, yaitu proses pembuatan animasi secara real-time dengan memanipulasi aset dan mesin video game [1]. Machinima merupakan terobosan baru yang di dalamnya terdapat lingkungan virtual 3D dengan karakter, dan kejadian yang dapat dikontrol oleh manusia, skrip, maupun kecerdasan buatan, termasuk di dalamnya peran kamera virtual dan kontrolnya. Dalam komputer grafis, kontrol kamera virtual yang meliputi perhitungan sudut pandang, perencanaan gerak dan editing, merupakan komponen dari berbagai macam aplikasi, termasuk visualisasi data, virtual walk-through [2]. Dengan kata lain, kontrol kamera virtual menentukan posisi kamera virtual yang tepat, sehingga kamera virtual dapat memfilmkan adegan yang tepat, pada waktu yang tepat untuk menghasilkan gambar/animasi yang tepat. Pada prinsipnya, kontrol kamera meliputi pengaturan camera shot, camera angle, dan camera movement. Camera shot menentukan jarak antara kamera dengan objek, yang juga menentukan area yang terlihat dalam satu frame disebut dengan camera shot. Camera shot terdiri dari berbagai point of view, antara lain extreme long shot, longshot, fullshot, midshot, close-up, dan extreme close-up. Pengaturan angle kamera digunakan untuk menentukan posisi penonton sehingga mereka dapat memahami hubungan antara karakter. Angle kamera terdiri atas bird's
2
eye, high angle, eye-level angle, low angle, dan dutch angle. Sedangkan pengaturan pergerakan kamera meliputi crane shot, tracking shot, dolly shot, dan panning. Berbagai penelitian kontrol kamera virtual telah dilakukan. Olivier et al. menentukan permasalahan komposisi visual (seperti penentuan posisi kamera statis) sebagai proses optimasi murni menggunakan algoritma genetika. Satu set besar properti yang digunakan termasuk hubungan eksplisit spasial antara obyek, oklusi parsial dan total, dan ukuran [5]. Fungsi fitness merupakan kombinasi linearweighted dari pemenuhan properti pengambilan gambar. Tujuh parameter kamera diberikan kode, populasi kamera didistribusikan secara acak dalam area pencarian.Setiap individu dari populasi ini dievaluasi berdasarkan fungsi objektif. 90% populasi tertinggi bertahan sampai generasi beriktunya, dan seleksi dilakukan menggunakan binary tournament. Sisanya yang 10% di generasi ulang dengan menggunakan random crossover dan/atau mutasi. Ini dilakukan untuk kamera dinamis dengan mengoptimalisasi titik-titik kontrol dari spline kuadrat. Penelitian kontrol kamera virtual menggunakan pendekatan Constraintbased dilakukan oleh Jardillier et all [6]. Mereka menggunakan pendekatan Constraint-based dengan path kamera dibuat dengan mendeklarasikan set properti pada objek yang ingin di-shoot, termasuk vantage angle, frame dan ukuran objek. Jardilier et all. mencapai sejumlah peningkatan, termasuk path Constraint camera yang lebih ekspresif, dan teknik propagation yang terintegrasi dalam proses pemecahan. Path kamera dimodelkan sebagai suatu set pergerakan kamera yang primitive, yang secara sekuen saling terkait. Drucker dan Zeltzer menawarkan sistem CAMDROID, yang mengontrol kamera virtual menggunakan Constrained-optimization. Sistem ini menentukan behavior untuk kamera virtual dalam bentuk fungsi tujuan dan Constraint pada parameter kamera. Mereka menggunakan partisi area viewpoint ke dalam beberapa objek dan menggantikan karakteristik topologi dari polyhedron dengan properti seperti occlusion, sudut pandang relatif, jarak dan lokasi objek relatif. Suatu volume semantik kemudian didefinisikan sebagai volume dari kemungkinan lokasi kamera yang meningkatkan sampai shoot yang setara secara kualitas dengan properti dari sinematografi [7].
3
Penelitian ini difokuskan pada penempatan kamera untuk menentukan posisi kamera virtual yang diimplementasikan dalam game. Pada dasarnya, kamera virtual berfungsi menangkap adegan dalam game. Dalam menangkap adegan, terdapat banyak sekali posisi kamera virtual yang dapat digunakan. Dalam penentuan camera angle, terdapat masing-masing putaran horisontal, vertikal, maupun diagonal sebesar 3600 yang bisa digunakan untuk menentukan posisi kamera virtual. Dalam penentuan camera shot, terdapat banyak nilai jarak antara kamera virtual dengan objek shot yang dapat digunakan untuk menentukan posisi kamera virtual. Dalam penentuan camera movement, terdapat banyak nilai pergerakan, yang meliputi nilai kecepatan, dan percepatan, yang dapat digunakan untuk menentukan posisi kamera virtual. Pengaturan posisi kamera virtual secara otomatis diharapkan dapat menentukan posisi kamera virtual terbaik berdasarkan camera shot, camera angle, dan camera movement, sehingga mampu menghasilkan gambar/adegan yang tepat. Di sisi lain, kebutuhan proses real-time pada saat render sangat mempengaruhi jalannya game. Oleh karena itu diperlukan proses optimasi untuk mampu menentukan posisi kamera virtual secara tepat, dengan tetap menjaga proses realtime pada saat game dimainkan. Pendekatan Constrained-optimization dipilih untuk pengembangan kontrol kamera virtual berbasis agen cerdas. Pendekatan ini dinilai tepat untuk menghasilkan kamera virtual cerdas, karena telah terbukti mampu menghasilkan kontrol kamera deklaratif, seperti yang dibutuhkan dalam pengembangan kamera virtual cerdas dalam penelitian ini. Persyaratan (Constraint) dimodifikasi dengan membentuk globe-Constraint, sebagai lintasan atau path untuk pergerakan sejumlah kamera virtual, yang kemudian akan ditentukan pilihan kamera virtual terbaik berdasarkan posisi yang dapat menangkap adegan dalam game. Algoritma Genetika akan digunakan untuk mengukur fitness dari populasi awal kamera virtual dalam menentukan salah satu kamera virtual yang terbaik. Fungsi dan operator dalam algoritma Genetika yang mengimitasi teori proses evolusi alami dinilai tepatuntuk menyeleksi kamera virtual terbaik dari populasi kamera yang ada dalam globe-Constraint. Adapun pergerakan globe-Constraint dikontrol secara otomatis
4
berdasarkan motion tracking, yang merupakan pergerakan avatar atau Non-Player Character (NPC). Modifikasi constraint dengan bentuk globe didasari oleh fleksibilitas path yang membentuk globe, sehingga mampu mendukung penentuan camera angle berdasarkan constraint-nya (bentuk path). Selain itu, constraint dengan bentuk globe mempunyai kemampuan yang efektif dalam mendukung pembuatan path baru berdasarkan titik-titik registrasi kamera virtual (registrasi posisi kandidat kamera virtual). Gambar 1.5 mengilustrasikan pembentukan path baru dalam constraint berdasarkan titik-titik registrasi kandidat kamera virtual. Titik berwarna merah merepresentasikan registrasi posisi kandidat kamera virtual, garis merah merupakan path yang dibentuk berdasarkan titik-titik registrasi tersebut, dan titik biru mengilustrasikan hasil proses optimisasi yang menghasilkan registrasi posisi yang baru.
Gambar 1.1: Kemampuan path dalam globe dalam membentuk path baru Tantangan dalam penelitian ini adalah pengembangan sistem kamera virtual cerdas yaitu kamera virtual beradaptasi secara otomatis terhadap lingkungan 3D, terkait pergerakan avatar atau NPC, sehingga menentukan posisinya sendiri untuk menangkap adegan dalam game, serta kehandalan sistem dalam menentukan posisi kamera virtual secara real-time. 1.2. Rumusan Masalah Kontrol posisi kamera virtual meliputi, camera shot, camera angle, camera movement. Dalam kontrol kamera virtual, sistem kamera virtual cerdas harus mampu menentukan posisinya secara otomatis dan beradaptasi dengan lingkungan 3D, serta menangkap pergerakan avatar atau NPC. Perkembangan kontrol kamera virtual dalam aplikasi game saat ini masih kurang cerdas, karena tidak bisa menentukan posisi kamera yang tepat saat pengambilan adegan, dan tidak adaptif
5
terhadap lingkungan, bahkan dalam beberapa kasus masih ditemui kamera yang tidak mampu melewati halangan (collision avoidance). Sistem kamera virtual cerdas menggunakan pendekatan multi objective optimization dengan algoritma genetika. Sistem control kamera harus dapat mengoptimasi posisi kamera virtual secara otomatis untuk menangkap adegan dalam game, dan beradaptasi dengan lingkungannya. Sistem dengan model tersebut juga harus mengoptimasi proses kontrol kamera virtual sehingga dapat bekerja secara real-time. 1.3. Tujuan Khusus Penelitian ini bertujuan memecahkan permasalahan diatas, yaitu membuat sistem kontrol kamera virtual yang mampu menentukan posisinya secara otomatis untuk menangkap adegan dalam game. Oleh karena itu pemecahan masalah di atas dapat dirinci sebagai berikut. 1. Sistem kontrol kamera virtual yang mampu menentukan posisi kamera virtual secara otomatis sehingga dapat menangkap adegan dalam game. 2. Sistem kontrol kamera virtual yang mampu beradaptasi dengan lingkungannya, sehingga mampu menghindari atau memecahkan permasalahan halangan dalam pergerakannya. 3. Sistem kontrol kamera virtual yang mampu bekerja secara real-time. 1.4. Keutamaan (Urgensi) Penelitian Manfaat dari penelitian ini, adalah : 1. Manfaat praktis dari penelitian ini yaitu implementasi sistem kontrol kamera virtual pada pengambilan adegan dalam pembuatan video game yang bermanfaat bagi pekerja di industri video game dan film. 2. Manfaat
teoritis
dari
penelitian
ini
adalah
membantu
memecahkan
permasalahan sistem kontrol kamera pada kamera virtual dalam game video. Beberapa permasalahan diantaranya adalah kamera cerdas mampu menentukan posisi yang sesuai adegan, kamera mampu beradaptasi dengan lingkungan, dan kamera mampu bekerja secara real-time. Hasil dari penelitian ini juga sangat bermanfaat untuk penelitian lanjutan dalam penyelesaian disertasi doctor di jurusan Teknik Elektro Institut Teknologi
6
Sepuluh Nopember (ITS) Surabaya. Penelitian ini eksperiment pada tahun ke tiga dari road map disertasi doctor, dimana focus eksperimennya diarahkan untuk permasalahan optimasi multi tujuan pada control kamera dengan menggunakan multi objective genetic algorithm (MOGA) dan non-dominated sorting genetic algorithm II (NSGA II). 1.5. Kontribusi Penelitian Penelitian ini bertujuan mengembangkan sistem control kamera virtual yang mampu menentukan posisi kamera secara otomatis untuk menangkap adegan avatar atau NPC dalam game. Dalam menangkap adegan, sistem dikembangkan berdasarkan pergerakan obyek atau motion tracking (pergerakan avatar, atau NPC). Dalam pengembangan penelitian ini, Constraint dengan bentuk bola dunia (globeConstraint) yang bergerak mengikuti pergerakan avatar atau NPC, digunakan sebagai solusi penentuan path untuk lintasan kamera virtual. Pendekatan Constrained-Optimization ditawarkan oleh peneliti untuk pengembangan sistem control kamera virtual secara otomatis. Globe-Constraint Optimization mengadopsi cara kerja dalam pendekatan Constrained-optimization, dengan menambahkan Constraint
yang
berbentuk
bola
dunia
(globe).
Globe-Constraint
dapat
memudahkan pergerakan kamera virtual dalam menentukan posisinya yang terbaik terhadap avatar atau NPC dalam game untuk menangkap adegannya. Penelitian ini sangat erat hubungannya dengan optimasi multi tujuan (multi objective optimization) karena objek yang dideteksi tidak hanya pergerakan objek saja tetapi juga adanya oklusi dalam behaviournya. Sehingga system control kamera yang dikembangkan bersifat adaptif. Metode yang diusulkan dalam penelitian ini adalah algoritma genetika untuk optimasi multi objective, yaitu MOGA dan NSGA II. Sedangkan pada penelitian sebelumnya hanya menggunakan simple genetic algorithm. Hasil penelitian ini dapat digunakan sebagai prototype dalam kontrol kamera virtual untuk game, bahkan untuk dunia perfilman. Hal ini tentunya dapat menjadi kontribusi positif bagi pengembangan industri kreatif di Indonesia.
7
BAB 2. TINJAUAN PUSTAKA 2.1. Penelitian yang Relevan Pengaturan kamera merupakan komponen penting dalam menangkap adegan pada game. Teknik control camera dalam virtual word, baik secara otomatis dan semi-otomatis telah menjadi perhatian dalam lima belas tahun terakhir seperti penelitian yang dilakukan Burelli[2][8][20][21], Christie[3][18], Wenfeng Hu[9], Edirlei E.[11], Ali M.[19], Ting-Chieh Lin[23], Owen[25]. Dalam teknik semi-automatic camera control, Christie [3] mengusulkan pendekatan, yaitu: reactive approaches. Sedangkan teknik automatic camera control mengusulkan beberapa pendekatan, yaitu: optimization approaches, constraint approaches dan constrained-optimization approaches. Salah satu cara yang bisa dilakukan agar kamera dapat bergerak mengikuti obyek adalah dengan menggunakan Constraint [3][19][25]. Penggunaan constraint seperti jarak, ketinggian dan orientasi relatif terhadap obyek dapat dikenakan pada kamera dan ketika obyek bergerak di scene maka constraint tersebut akan mempengaruhi. Pada pendekatan constraint, penelitian yang dilakukan Owen[25] menghasilkan teknik kontrol kamera untuk Interactive Digital Entertainment (IDE) yang memungkinkan penggunaan real-time dari sistem kamera meskipun hasil komposisinya masih kurang optimal. Kelebihan system ini adalah efisiensi komputasi dan kemampuan untuk memperluas kemampuan kamera dengan cara yang sederhana dan efektif. Sedangkan penelitian Ali M.[19] menggunakan pendekatan constraint untuk mengembangkan system control kamera pada game 3D dengan termasuk kemampuan menangani oklusi ketika kamera mengikuti actor. Pada pendekatan constrained-optimization, selain Christie [3][18] juga dikembangkan
oleh
Bureli
[2][8][20][21].
Bureli
dalam
penelitian
[8],
mengkombinasikan pecarian local untuk dioptimasi menggunakan metode artificial potential field (APF) dengan evolutionary algorithm (EA) yaitu genetic algorithm untuk mengoptimasi globalnya. Kemudian Bureli mengembangkan dalam penelitian selanjutnya [20], membuat control kamera virtual dalam game yang adaptive dengan menggunakan algoritma artificial neural network (ANN) untuk memprediksi behavior dalam game.
8
Permasalahan dalam control kamera tidak hanya berhubungan mendeteksi objek yang bergerak saja (berhubungan dengan single objective optimization), tetapi juga adanya oklusi yang terdapat pada behavior seperti objek yang terhalang oleh tembok dan oklusi dalam bentuk object bergerak lainnya seperti NPC atau avatar lainnya (berhungan dengan multi objective optimization). Penelitian yang terkait dengan penanganan oklusi diantaranya adalah adalah Bureli [2][8], TingChieh Lin[23], dan Owen[25]. Beberapa metode yang bisa diterapkan untuk permasalahan multi objective optimization diatanya adalah algoritma genetika baik menggunakan VEGA, multi objective genetic algorithm (MOGA) maupun nondominated Sorting genetic algorithm II (NSGA II), algoritma artificial neural network (ANN) dan algoritma particle swarm optimization (PSO). 2.2. Game Dempsey et al dalam Gibson et al [27] mendefinisikan game sebagai format instruksional atau pembelajaran yang melibatkan kompetisi dan aturan.Dewasa ini game telah menjadi industri hiburan yang berkembang sangat pesat, sehingga berbagai genre game pun telah beredar. Chandler dan Chandler [28] membedakan genre game ke dalam kategori: adventure games, fighting games, music games,platformers games, puzzle games, Role-playing games (RPG), serious games, shooter games, simulation game, strategy games, survival horror games. Perkembangan rekayasa dan sains komputer yang mendemonstrasikan game dengan kemampuan yang luar biasa (game video) memerlukan pendekatan yang lebih manusiawi dari pada pendekatan brute force. Oleh karena itu game AI video, seperti, seperti 3D car racing, atau first-person shooter pada Unreal Tournament, atau game strategi seperti DefCon, atau bahkan agent software Ms Pc-Man, membutuhkan pendekatan yang mampu mengaplikasikan pernyataan yang dinamis, berkembang, dan berkesinambungan. Pada game AI video, AI dapat diterapkan pada hampir semua aspek dalam pengembangan dan desain game, termasuk kreasi otomatis, animasi dengan prosedur, pencahayaan adaptif, kontrol kamera cerdas[29]. 2.3. Kamera
9
Pada prinsipnya, kontrol posisi kamera meliputi pengaturan camera shot, camera angle, dan camera movement. Camera shot menentukan jarak antara kamera dengan obyek, yang juga menentukan area yang terlihat dalam satu frame disebut dengan camera shot, angle kamera terdiri atas bird's eye, high angle, eyelevel angle, low angle, dan dutch angle, dan camera movementatau pergerakan kamera. 2.3.1. Camera Shot Camera shot merupakan perekaman suatu aksi dari satu sudut pandang dalam satu waktu, yang menampilkan suatu unit fotografi dengan karakteristik tertentu yang mencakup orang, tempat, atau gambar gerak dari jarak dan sudut tertentu [30]. Camera shot terdiri dari berbagai point of view, antara lain: extreme close-up (ECU/XCU), big close-up (BCU), close-up (CU), medium close-up (MCU), medium shot (MS), medium long shot (MLS), long shot (LS/WS), very long shot (VLS/WLS), extreme long shot (ELS/XLS/EWS/XWS), 2.3.2. Camera Angle Camera angle merupakan pengaturan sudut kamera terhadap subyek, di antaranya [31]: eye-level, high angle, low angle,bird's eye. 2.3.3. Camera Movement Dalam pergerakan kamera, panning merujuk pada poros horisontal kamera, kiri melawan kanan, sedangkan tilting merujuk pada poros vertikal kamera, atas melawan bawah. Pergerakan kamera dari kanan ke kiri disebut dengan pan left, sedangkan dari kiri ke kanan disebut dengan pan right. Selain panning dan tilting, terdapat teknik pergerakan kamera lainnya, yang juga dapat dipadukan dengan panning dan tilting, di antaranya [32]: dolly (tracking shot / crabbing / trucking / trackingleft / right), Push in/push out (truck in / truck out), boom, crane, steady cam. 2.4. Optimasi Santoso dan Willy [34] menjelaskan bahwa optimasi adalah proses memaksimasi atau meminimasi suatu fungsi tujuan dengan tetap memperhatikan
10
pembatas yang ada. Lebih lanjut mereka membagi permasalahan optimasi menjadi beberapa kategori:
Optimasi tanpa pembatas (unconstrained optimization): Jika suatu fungsi f berlaku untuk S = R, maka fungsi kita adalah fungsi suatu variable tanpa pembatas.
Optimasi dengan pembatas (constrained optimization): kalau S adalah subset dari R, maka kita mempunyai fungsi yang didefinisikan dalam daerah yang terbatas atau constrained region. Banyak pendekatan yang digunakan dalam pencarian nilai optimal, seperti
tabu search (Hansen, 1997), simulated annealing (Suppapitnarm et al., 2000), Algoritma Koloni Semut (Dorigo, 1999), Fuzzy logic (Rao et al., 1992), neural networks (NN) (Balicki, 1998), dan algoritma-algoritma evolusioner seperti evolution strategies (Knowles dan Corne, 1999), dan algoritma Genetika (GAS) (Deb, 2001) telah dikembangkan karena memecahkan masalah pengoptimuman. Algoritma Genetik – disusun berdasar pada mekanisme-mekanisme evolusi biologi dan teori seleksi alam (Goldberg, 1989) – sudah dapat diterima dan dipertimbangkan untuk menyelesaikan suatu persoalan single and multi-objective untuk desain optimal [35]. 2.5. Kamera Virtual Kamera virtual merupakan representasi kamera nyata dalam lingkungan 3D.Terdapat 3 metode dalam pengaturan kamera virtual, yaitu manual, semiotomatis, dan otomatis [3]. Pengaturan kamera virtual secara manual dilakukan dengan menggunakan perangkat seperti keyboard, atau mouse untuk menggerakkan kamera. Kendala dalam pengaturan kamera virtual secara manual adalah kamera yang mungkin bergoyang/bergetar pada saat digerakkan, atau bergerak tidak sesuai dengan path, seperti dalam film Tales of the Past 3, dan The Avangers. Pengaturan kamera virtual secara semi-otomatis dilakukan dengan menuliskan skrip menggunakan algoritma tertentu, dan memungkinkan parameterisasi dalam algoritma pengontrol kamera virtual tersebut.Metode ini memungkinkan sutradara melakukan pengaturan parameter dalam mengontrol kamera untuk mendapatkan gambar/animasi sesuai keinginannya.Pengaturan kamera virtual secara otomatis dilakukan dengan menuliskan skrip menggunakan algoritma tertentu untuk
11
mengontrol dan menggerakkan kamera. Metode ini menyerahkan kontrol kamera sepenuhnya pada algoritma yang digunakan untuk memproduksi gambar/animasi. Kamera di komputer grafis dimodelkan menggunakan parameter ekstrinsik
( x ', y ', z ') , tiga derajat kebebasan untu koordinat Cartesian ( xc , yc , zc ) , tiga Eulersudut c, c, c , dan satu parameter intrinsik ( c) , bidang pandang seperti terlihat pada Gambar 2.14.
Gambar 2.1: Model Camera berbasis sudut Euler; tilt( ), pan( ), dan roll( .) Selanjutnya dari model kamera diatas dapat dikembangkan dengan memodelkan hubungan antara obyek dalam adegan 3D dan proyeksi pada layar 2D sangat non-linier. Secara matematis, model tersebut dapat dibuat dengan menggunakan persamaan Euler, sebagai berikut:
x y x' y ' P( c).T xc, yc, zc .R c, c, c . z t Dimana
x y H q . z t
P( c) adalah matriks proyeksi kamera, T xc, yc, zc adalah matriks translasi, R c, c, c adalah matriks rotasi,
Dan
q xc, yc, zc, c, c, c, c adalahparameter yang digunakan T
dalam perhitungan proyeksi kamera. 2.7. Studi Pendahuluan dan Hasil Sementara a. Tahun pertama: mempelajari teori dasar, menentukan orisinalitas dan kontribusi penelitian. Aktivitas yang dilakukan pada tahun pertama adalah studi yang
12
terkait dengan penelitian yang akan dilakukan diantaranya motion tracking, pendekatan constrained-optimization. Studi dilakukan dengan mengikuti perkuliahan teori secara classical dan akhirnya dapat menentukan roadmap penelitian,
membuat
research
mapping,
menentukan
orisinalitas
dan
konribusipenelitian serta melakukan percobaan terkait camera pada motion tracking. Pencapaian sementara yang telah dipublikasikan tentang deteksi pergerakan object dengan kamera adalah :
International
Conference
of
Technology
Informatics
Management
Engineering and Environment (TIME-E) joined with IEEE, Juli 2013 dengan judul : Secondary Camera Movement in Machinema using Path Finding.
Sidang Kandidasi Doktor yang dilaksanakan pada tanggal 9 Januari 2014 (SK Kandidasi No. …….)
b. Tahun kedua: Menganalisis metode, experiment penelitian, submit paper pada jurnal nasional atau internasional. Aktifitas yang dilakukan pada tahun kedua : menganalisis dan experiment terhadap metode yang digunakan dalam menentukan posisi kamera, yaitu menggunakan Globe Constraint. Pada tahun kedua ini akan membuat progress berupa paper yang akan dipublikasikan pada jurnal national atau international. Rencana judul paper adalah Deteksi Object Movement pada kamera virtual menggunakan Globe Constraint Optimization (GTO).
13
BAB 3. METODE PENELITIAN 3.1. Road Map Penelitian Roadmap penelitian optimasi kontrol posisi kamera virtual seperti yang diilustrasikan dalam diagram fishbone pada gambar 3.1 menunjukkan alur dan langkah-langkah penelitian disertasi yang dirancang selama 3 tahun.
Gambar 3.1: Diagram fishbone untuk penelitian disertasi Penelitian hibah disertasi doktor ini merupakan bagian dari penelitian disertasi doktor, dimana penelitian ini ditekankan pada eksperimen pada tahun ketiga, yaitu: a. Mengembangkan system kamera control di tahun kedua yang ditekankan pada single objective optimization kepada system kamera control yang multi objective optimization. b. Mengembangkan metode algoritma genetika dengan algoritma yang lebih komplek, yaitu multi objective optimization genetic algorithm (MOGA) atau non-dominated sorting genetic algorithm II (NSGA II). c. System kamera control yang adaptif terhadap lingkungan. 3.2. Gambaran Umum Sistem Yang Dibuat Penelitian ini membahas tentang penentuan posisi kamera virtual untuk pengembangan sistem kontrol kamera virtual cerdas (selanjutnya: sistem) menggunakan pendekatan Non-Dominated Sorting Genetic Algorithm II yang
14
diaplikasikan dalam lingkungan virtual seperti game. Secara garis besar, alur kerja sistem ini dapat dilihat pada bagan Gambar 3.1:
Gambar 3.2: Alur kerja sistem kamera virtual cerdas Dalam implementasinya, sistem akan mengambil input dari dunia virtual berupa vektor posisi avatar, vektor rotasi avatar , posisi NPC, dan vektor rotasi NPC. Sistem mengelompokkan setiap vektor posisi dan vektor rotasi NPC menjadi satu fungsi obyektif relatif terhadap vektor posisi dan vektor rotasi avatar, sehingga permasalahan penempatan kamera virtual dapat diselesaikan dengan menggunakan model Multi Objectives Optimization (MOO). Dengan menggunakan prinsip-prinsip sinematografi, sistem mencari solusi optimum untuk permasalahan. Karena permasalahan berbentuk MOO, solusi yang dicari memiliki bentuk solusi Pareto-Optimum, yang mencari front solusi untuk setiap fungsi obyektif. Pencarian solusi ini dilakukan dengan menggunakan NSGA (non-dominated sorting genetic algorithm). Hasil dari sistem adalah nilai parameter kamera virtual berupa vektor posisi (di mana kamera virtual harus ditempatkan) dan vektor rotasi (ke arah mana kamera virtual harus mengarah). NSGA merupakan algoritma penentuan solusi optimum permasalahan multi
15
obyektif dengan menggolongkan solusi sesuai dengan bobot dominasinya. Operasi NSGA dapat dilihat pada Gambar 3.3.
Gambar 3.3 : Alur NSGA 3.3. Rancangan Algoritma Genetika 3.3.1. Representasi Kromosom Satu kromosom memiliki panjang tiga variabel, masing-masing memiliki korelasi dengan satu parameter kamera dalam koordinat spherical relatif terhadap avatar. Nilai bilangan natural digunakan sebagai nilai gen contoh kromosom adalah sebagai berikut. Jarak (R)
Azimuth (θ)
Polar (φ)
5
30º
45º
3.3.2. Initialization of population Pada awalnya, setiap individu dihasilkan dengan kromosom acak. Untuk gen Jarak, nilai acak yang dipilih berada pada jangkauan [1 , 𝑅𝑚𝑎𝑥 ], dengan 𝑅𝑚𝑎𝑥
16
adalah batas jarak maksimum antara kamera dengan avatar. Untuk Azimuth dan Polar, nilai acak dipilih dari jangkauan {𝜃, −𝜋 ≥ 𝜃 ≥ 𝜋}. Operator mutasi juga mengambil nilai dalam jangkauan yang sesuai dengan parameter. 3.3.3. Pemodelan dan Animasi Game Pada tahap pemodelan dan animasi game, proses pemodelan karakter 3D sebagai aktor, dan lingkungan 3D dilakukan. Tim desainer bekerja membuat model avatar dan NPC, serta lingkungan 3D. Selain itu tim desainer juga membuat animasi avatar dan NPC untuk keperluan game, seperti berlari, melompat, menyerang, dan yang lainnya. Tahap pemodelan dibagi menjadi 3 proses, yaitu pemodelan avatar, NPC, dan lingkungan 3D, texturing, rigging, dan skinning. Gambar 3.4 memperlihatkan ilustrasi pemodelan karakter avatar yang telah ditekstur. Proses rigging, adalah pembuatan tulang untuk model avatar. Tulang-tulang tersebutlah yang nantinya akan diidentifikasi oleh kamera untuk membedakan bagian tubuhnya. Setelah proses rigging, selanjutnya adalah proses skinning, yaitu mengoneksikan tulang dengan model. Setelah itu, model akan diberi animasi sesuai kebutuhan dalam game. Gambar 3.6 memperlihatkan hasil proses skinning, dan contoh penerapan animasi pada model avatar.
17
Gambar 3.1: Tahap pemodelan karakter dan rigging dan skinning 3.3.4. Pemrograman Game Pada tahap pemrograman game, tim pemrograman bekerja membuat prototype game berdasarkan skenario. Unreal Development Kit (UDK) akan digunakan sebagai game engine untuk pengembangan program. Pemilihan UDK sebagai game engine didasari oleh fiturnya yang mendukung pembuatan sistem kamera virtual cerdas menggunakan pendekatan NSGA, dan program ini merupakan versi program bebas (freeware) dari Unreal Engine. 3.3.5. Pengembangan Optimasi Kontrol Posisi Kamera Virtual Pada tahap eksperimen kontrol kamera virtual berbasis motion tracking, tim pemrograman memulai pemasangan kamera virtual dengan penerapan algoritma penelitian. Dalam pengambilan gambar avatar atau NPC, kamera virtual harus mampu mengidentifikasi bagian/tulang, dan pergerakannya. Identifikasi avatar atau NPC dilakukan menggunakan marker (penanda) dalam avatar atau NPC, yang berupa label dari setiap tulangnya, sehingga kamera dapat menentukan posisi avatar atau NPC, dan bagian-bagian tubuh aktor, untuk kemudian posisi kamera dapat ditentukan, serta spherical-constraint (bidang cari untuk NSGA) yang mengikuti pergerakan avatar. Gambar 3.5 memperlihatkan skema proses optimasi kontrol kamera virtual.
18
INPUT
PROSES
OUTPUT
Posisi dan rotasi
Optimasi posisi
avatar dan
kamera virtual:
sejumlah NPC Sistem kamera Deteksi
virtual cerdas
lingkungan virtual
menggunakan
3D
Camera shot Camera angle Camera Direction
MOGA atau NSGA II
Sinematografi dan user preference
Gambar 3.1
Proses kerja optimasi posisi kamera virtual
Gambar 3.2 dan Gambar 3.3 memperlihatkan ilustrasi kasus yang terjadi dalam lingkungan virtual. Sistem menggolongkan setiap NPC dengan avatar menjadi satu fungsi obyektif, di mana makin tinggi nilai fitness dari salah satu NPC (makin besar bagian tubuh NPC tersebut tertangkap kamera) akan menurunkan nilai fitness NPC lainnya.
Gambar 3.2
Ilustrasi dunia virtual
19
Gambar 3.3
Ilustrasi sistem mencari posisi kamera optimum
Dengan menggunakan NSGA, sistem mampu mencari posisi kamera yang paling optimal dengan sejumlah NPC. Posisi kamera optimal tersebut memungkinkan sebanyak mungkin NPC dapat ditampilkan pada layar. Terkait proses realtime yang harus dipertimbangkan dalam optimasi posisi kamera virtual, proses pengacakan untuk menentukan posisi kamera virtual yang tepat akan dibatasi dalam durasi. Proses generation dalam algoritma Genetika dibatasi selama n detik. Jika dalam kurun durasi yang ditentukan, sistem tidak mampu men-generate posisi kamera virtual terbaik, maka proses dinyatakan gagal. Pada kasus proses yang gagal, kamera virtual standar (ketentuan standar, meliputi jarak, angle, pergerakan ditentukan pada saat proses eksperimen). Penggunaan kamera virtual standar diberlakukan pada awal permainan, agar pada saat pertama kali game dimainkan, algoritma Genetika dapat memproses posisi kamera virtual terbaik. 3.4. Evaluasi dan Validasi Hasil Teknik evaluasi dan validasi hasil yang digunakan pada penelitian ini yaitu dengan performace evaluation, yaitu dengan mengukur kinerja (performance measurement) kamera pada experiment dengan studi kasus aplikasi game. Pada percobaan, sistem kontrol posisi kamera virtual diintruksikan untuk mengikuti dan
20
menjaga target yang terlihat saat bergerak di sekitar lingkungan virtual. Parameter yang dimasukkan dalam pengukuran kontrol posisi kamera yaitu :
Object Visibility, tetapkan apakah suatu objek harus terlihat dalam frame. Object Visibility adalah properti yang terdiri mempengaruhi baik posisi kamera untuk menghindari oklusi dan kamera orientasi untuk memasukkan objek dalam frame. Object yang terlihat penuh pada tampilam frame akan diberi bobot nilai penuh, yaitu 1.0.
Object Projection Size, mendefinisikan ukuran obyek dalam frame, ukuran didefinisikan sebagai hasil bagi antara tinggi bingkai atau lebar dan sisi relatif terpanjang dalam frame diproyeksikan objek. Objek yang sesuai dengan ukuran proyeksi dan sesuai dengan nilai kepentingan akan diberi bobot nilai penuh, yaitu 1.0.
Object View Angle, mendefinisikan sudut dari mana kamera harus melihat objek. Sudut pandang didefinisikan menggunakan koordinat bola (spherical coordinates). Objek dengan sudut pandang yang sesuai yang diharapkan yaitu sudut terhadap koordinat horizontal dan vertical sama dengan 0 derajat, akan diberi bobot nilai penuh yaitu 1.0.
BAB 4. BIAYA DAN JADWAL PENELITIAN 4.1. Anggaran Biaya Berikut ini merupakan pembiayaan penelitian secara garis besar, sedangkan rincian pembiayaan diberikan dalam lampiran. Tabel 1: Usulan Anggaran Penelitian Hibah Disertasi Doktor No
Jenis Pengeluaran
1
Honor Tim Peneliti
2
Peralatan: Sewa
3
Bahan Habis Pakai
4
Perjalanan
5
Lain- lain : publikasi,
Biaya (Rp) 9.000.000 14.860.000 3.950.000 10.700.000 7.200.000
seminar, laporan Total Anggaran
49.450.000
4.2. Jadwal Penelitian (belum) Penelitian ini akan dilaksanakan selama dua tahun dengan pembagian jadwal penelitian sebagai berikut : Tabel 3. Jadwal penelitian tahun pertama NO 1 2 3 4 5 6 7 8 9
KEGIATAN
1
2
BULAN KE 4 5 6 7 8
3 x x
x x
x x
x x x
x x x
x x x #
22
DAFTAR PUSTAKA [1] [2]
[3] [4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
www.machinima.com, diakses tanggal 21 Desember 2013. Paolo Burelli, Gergios N. Yannakakis, “Toward Adaptive Virtual Camera Control in Computer Games”, SG 2011, LNCS 6815, Springer-Verlag Berlin Heidelberg 2011. Marc Christie, Patrick Olivier, Jean-Marie Normand, “Camera Control in Computer Graphics”, COMPUTER GRAPHICS forum volume 27, Juli 2008. Bares W., Thainimit S,. Mc Dermott S., Boudreaux C. , “A model for constraint-based camera planning”, Smart Graphics AAAI Spring Symposium, Stanford, California, Maret 2000. Olivier P., Halper N., Pickering J., Luna P., “Visual Composition as Optimisation”, AISB Symposium onAI and Creativity in Entertainment and Visual Art, 1999. Jardillier F., Langu’enou E., “Screen-space constraints for camera movements: the virtual cameraman”, Proceedings of the Eurographics Conference (EG 98), vol. 17, Blackwell Publishers, 1998. Drucker S. M., Galyean T. A., Zeltzer D., “Cinema: A system for procedural camera movements”, Proceedingsof the 1992 symposium on Interactive 3D graphics, ACM Press, New York, 1992. Burelli, Paolo, “Combining Local and Global Optimisation for Virtual Camera Control”, IEEE Conference on Computational Intelligence and Games (CIG'10), 2010. Wenfeng Hu, Xin Zhang, “A Semiautomatic Control Technique for Machinima Virtual Camera”, International Conference on Computer Science and Electronics Engineering, 2012. Dennis Nieuwenhuisen, Mark H. Overmars, “Motion Planning for Camera Movement”, Proceeding of the 2004 IEEE International Conference on Robotica & Automation New Orleana. LA April 2004. Edirlei E. Soares de Lima, Cesar T. P., Marcos C. d’Ornellas, Angelo E. M. Ciarlini, Bruno Feijo, “Support Vector Machines for Cinematography RealTime Camera Control in Storytelling Environments”, Brazilian Symposium on Games and Digital Entertainment, IEEE Computer Society, 2009. Arnav Jhala, R. Michael Young, “Cinematic Visual Discourse: Representation, Generation, and Evaluation”, IEEE Transactions on Computational Intellegence and AI in Game Vol. 2, No. 2, June 2010. Tsai-Yen Li, Tzong-Ham Yu, “Planning Tracking Motions for an Intelligent Virtual Camera”, Proceedings of the 1999 EEE International Conference on Robotics &Automation Detroit, Michigan May 1999. Zheng Wu, Nickolay I. Hristov, Thomas H. Kunz, Margrit Betke1, “TrackingReconstruction or Reconstruction-Tracking? Comparison of Two Multiple Hypothesis Tracking Approaches to Interpret 3D Object Motion from Several Camera Views”, IEEE, 2009. Jung-Jae Yu, Jae-Hean Kim, “Camera Motion Tracking in a Dynamic Scene”, IEEE International Symposium on Mixed and Augmented Reality 2010, Science and Technolgy Proceedings 13 -16 Oktober, Seoul, Korea, 2010. Eric Marchand, Nicolas Courty, “Image-Based Virtual Camera Motion Strategies”, Proc. of Graphics Interface Conference, GI’2000, Montr´eal, Qc, Canada, Mei 2000.
23
[17] Hansung Kim, Ryuuki Sakamoto, Itaru Kitahara, Tomoji Toriyama, and Kiyoshi Kogure, “Virtual Camera Control System For Cinematographic 3D Video Rendering”, IEEE, 2007. [18] Marc Christie and Jean-Marie Normand.,“A semantic space partitioning approach to virtual camera composition”. Computer Graphics Forum, 2005. [19] Ali M. L., Goodwin S. D., “Applications of CSP Solving in Camera Control”, IEEE Communications Society, IEEE CCNC 2008. [20] Paolo Burelli and Arnav Jhala.“Dynamic artificial potential fields for autonomous camera control”. In Artificial Intelligence and Interactive Digital Entertainment, 2009. [21] Paolo Burelli and Georgios N. Yannakakis.“Global search for occlusion minimization in virtual camera control”.In Proceedings of the Congress on Evolutionary Computation, WCCI 2010. [22] Steffi Beckhaus, Felix Ritter, and Thomas Strothotte.“Cubicalpath - dynamic potential fields for guided exploration in virtual environments”.In PG ’00.IEEE Computer Society, 2000. [23] Ting-Chieh Lin, Zen-Chung Shih, Yu-Ting Tsai,“Cinematic Camera Control in 3D Computer Games”, WSCG SHORT Communication papers proceedings WSCG’2004, February 2-6, Plzen, Czech Republic. UNION Agency – Science Press, 2004. [24] Nick Halper and Patrick Olivier. Camplan: “A camera planning agent”. In Smart Graphics 2000 AAAI Spring Symposium, 2000. [25] Owen Bourne, Abdul Sattar, and Scott Goodwin.“A constraint-based autonomous 3d camera system. Constraints”, 2008. [26] Fanani Ahmad Zainul, Delta Ardy Prima, Bela Bima F. J., Edward S., M. Hariadi, I Ketut E. P., “Secondary Camera Movement in Machinema using Path Finding”, International Conference of Technology Informatics Management Engineering and Environment (TIME-E) joined with IEEE, Bandung 2013. [27] DavidGibson, ClarkAldrich, dan MarcPrensky, “Games and Simulations in Online Learning”, Information Science Publishing, Pennsylvania, 2007 [28] Heather M. Chandler, Rafael Chandler, “Fundamental of Game Development”, John & Barlett Learning, Massachusetts, 2011 [29] Simon M. Lucas, “Computational Intelligence and AI In Games: A New Ieee Transactions”, IEEE Transactions On Computational Intelligence And AI In Games, Vol. 1, No. 1, March 2009 [30] Christopher J. Bowen, dan Roy Thompson, “Grammar of the Shot”, Focal Press, Burlington, 2013 [32] Anson Jew, “Professional Storyboarding: Rules of Thumb”, Focal Press, Burlington, 2013 [34] Budi Santoso, Paul Willy, “Metoda Metaheurstik: Konsep dan Implementasi”, Guna Widya, Surabaya, 2011 [35] Intan Berlianty, Miftahol Arifin, “Teknik-Teknik Optimasi Heuristik”, Graha Ilmu, Yogyakarta, 2010 [36] David A Coley, “An Introduction to Genetic Algorithms for Scientist and Engineers”, World Scientific Publishing, Singapore, 2003 [37] K. F. Man, K. S. Tang, dan S. Kwong, “Genetic Algorithms: Concepts and Designs”, Springer, London, 2001
24
LAMPIRAN 1 I. Pembiayaan A. Usulan Anggaran 1. Honor Tim Peneliti No 1
Pelaksana
Jumlah
Waktu/bulan
1
12
Ketua
Satuan
Biaya/Rp
750.000
9.000.000
Total Biaya Gaji dan Upah
9.000.000
2. Biaya Peralatan Sewa No Nama Jumlah Spesifikasi/Ukuran
Waktu Satuan
Biaya(Rp)
Alat 1
Personal
1
Computer
Intel QuadCore
12
850.000
10.300.000
12
80.000
960.000
12
300.000
3.600.000
Memory 4GB OS Windows Prof
2
Kamera
1
Video 3
Printer
1
Inkjet
Total Biaya Peralatan Sewa
3. Bahan Habis Pakai No Nama Bahan
14.860.000
Volume
Satuan
Biaya(Rp)
1
Kertas HVS
15 rim
40.000
600.000
2
DVD
2 box
200.000
400.000
3
FlashDisk
3 buah
100.000
300.000
4
Buku Agenda
3 buah
50.000
150.000
5
Tinta Printer
5 tubes
500.000
2.500.000
Total Biaya Bahan Habis Pakai
4. Perjalanan No
Lokasi
3.950.000
Volume
Pelaksana
Satuan
Biaya(Rp)
25
1
Kampus – Production
3
3
1.000.000
3.000.000
5
3
500.000
7.500.000
500.000
1.000.000
2.000.000
4.000.000
House di Bandung 2
Penginapan selama pengambilan data
3
Hotel dan konsumsi
2 dinner x
selama international
@2orang
conference 4
Transportasi
1
2
international conference Total Biaya Perjalanan
5. Lain- lain No Uraian Kegiatan
5.900.000
Volume
1
Pengadaan laporan
10 examplar
2
Publikasi international
1 artikel
Harga Satuan
Biaya (Rp)
150.000
1.500.000
6.000.000
6.000.000
conference 3
Pengiriman materi
2
50.000
100.000
4
Typing filing
100 jam
30.000
3.000.000
Total Biaya lain- lain
10.600.000
Total Biayan Anggaran Tahun I (2013)
= Rp 47.350.000,-
LAMPIRAN 2 A. Identitas Diri 1
Nama Lengkap (dengan gelar)
Ahmad Zainul Fanani, S.Si, M.Kom
2
Jenis Kelamin
Laki-Laki
3
Jabatan Fungsional
Lektor Kepala
4
NIP/NIK/Identitas lainnya
0686.11.1996.101
5
NIDN
0608017101
6
Tempat dan Tanggal Lahir
Ponorogo, 30 Januari 1971
26
7
Nomor Telepon/Faks/ HP
081325006278
8
Alamat Kantor
Jl. Nakula I No. 5-11 Semarang
9
Nomor Telepon/Faks
0243569196
10 Alamat e-mail
[email protected]
11 Lulusan yang Telah Dihasilkan
S-1= 87 orang; S-2= 5 orang; S-3= ...... orang 1. Animasi I 2. Video Editing I
12 Mata Kuliah yg Diampu
3. Pengantar Multimedia 4. Pemrograman Animasi dan Multimedia 5. Sistem Basis Data
B. Riwayat Pendidikan S-1
S-2
S-3
Sekolah Tinggi Teknologi
Nama Perguruan
Institut Teknologi Sepuluh
Tinggi
Nopember (ITS) Surabaya
Bidang Ilmu
Matematika – Informatika
Teknik Informatika
-
Tahun Masuk-Lulus
1990-1995
1999-2001
-
JudulSkripsi/Thesis/Di sertasi Nama Pembimbing/Promotor
Benarif Indonesia (STTBI)
-
Jakarta
Perancangan Sistem Basis Data Terpadu Sekolah
-
Tinggi Yogyakarta Prof. Dr. Kudang
-
27
C. Pengalaman Penelitian Dalam 5 Tahun Terakhir (Bukan Skripsi, Tesis, maupun Disertasi)
No.
Tahun
Pendanaan
Judul Penelitian
Sumber*
Jml (Juta Rp)
*Tuliskan sumber pendanaan: PDM, SKW, Pemula, Fundamental, Hibah Bersaing, Hibah Pekerti, Hibah Pascasarjana, Hikom, Stranas, Kerjasama Luar Negeri dan Publikasi Internasional, RAPID, Unggulan Stranas, atau sumber lainnya. D. Pengalaman Pengabdian Kepada Masyarakat Dalam 5 Tahun Terakhir
No.
Tahun
Judul Pengabdian Kepada Masyarakat
Pendanaan Sumber*
Jml (Juta Rp)
* Tuliskan sumber pendanaan: Penerapan IPTEKS-SOSBUD, Vucer, Vucer Multitahun, UJI, Sibermas, atau sumber lainnya. E. Pengalaman Penulisan Artikel Ilmiah Dalam Jurnal Dalam 5 Tahun Terakhir No.
Judul Artikel Ilmiah
Volume/
Nama Jurnal
Nomor/Tahun
F. Pengalaman Penyampaian Makalah Secara Oral Pada Pertemuan / Seminar Ilmiah Dalam 5 Tahun Terakhir
No 1
Nama Pertemuan
Judul Artikel Ilmiah
Ilmiah / Seminar Pelatihan
Waktu dan Tempat
Produksi Multimedia
2007, Departemen Pendidkan
Pembelajaran On-Line Tingkat
Nasional – Pusat Teknologi
Dasar
Informasi dan Komunikasi Pendidikan – Balai Pengembangan Multimedia (BPM) Semarang
28
2
Pelatihan
Pembuatan Multimedia Interaktif
2008, Balai Pengembangan
untuk guru-guru
Multimedia Semarang
G. Pengalaman Penulisan Buku dalam 5 Tahun Terakhir No
Judul Buku
Tahun
Jumlah
Penerbit
Halaman 1
Tip dan Trik Macromedia Flash
2005
155 hal
(menyingkap rahasia teknik animasi) 2
Panduan Praktis Mengedit Video
Yogyakarta 2006
162 hal
Menggunakan Adobe Premiere Pro 1.5 3
Digital Imaging Menggunakan
Pemodelan Animasi 3 Dimensi dengan
2006
123 hal
Membuat Presentasi Multimedia
2007
342 hal
Bermain Logika ActionScript
2007
178 hal
Creating Character Motion & Camera
2008
321 hal
Membuat Game Arithmatika
2008
198 hal
Membuat Mini Games Seru dengan
2008
214 hal
Membuat Mobile Application dengan
2009
176 hal
7 Project Crazy Videos Adobe Premiere
Penerbit Andi, Yogyakarta
2010
186 hal
Adobe Flash CS 4 11
Penerbit ElexMedia Komputindo, Jakarta
Flash 10
Penerbit ElexMedia Komputindo, Jakarta
menggunakan Flash 9
Penerbit ElexMedia Komputindo, Jakarta
Move With Flash 8
Penerbit ElexMedia Komputindo, Jakarta
Macromedia Flash Pro 8 7
Penerbit ElexMedia Komputindo, Jakarta
Menggunakan Macromedia Flash Pro 6
Penerbit ElexMedia Komputindo, Jakarta
3D Studio Max 5
Penerbit ElexMedia Komputindo, Jakarta
Photoshop 4
Penerbit Graha Ilmu,
Penerbit Andi, Yogyakarta
2011
180 hal
Pro H. Pengalaman Perolehan HKI Dalam 5 – 10 Tahun Terakhir
Penerbit Andi, Yogyakarta
29
No.
Judul/Tema HKI
Tahun
Jenis
Nomor P/ID
I. Pengalaman Merumuskan Kebijakan Publik/Rekayasa Sosial Lainnya Dalam 5 Tahun Terakhir
No.
Judul/Tema/Jenis Rekayasa Sosial Lainnya yang Telah Diterapkan
Tahun
Tempat Penerapan
Respons Masyarakat
J. Penghargaan yang Pernah Diraih dalam 10 tahun Terakhir (dari pemerintah, asosiasi atau institusi lainnya) Institusi Pemberi No.
Jenis Penghargaan
Penghargaan
1
Finalis pada lomba Game-Tech dan Animasi
ITS dan Departemen
oleh Depdiknas bersama ITS untuk kategori
Pendidikan Nasional
Tahun 2007
Umum dalam bidang Game Edukasi 2
Juara “Special-Mention” pada lomba Game-
INAICTA (Indonesia ICT
Technologi dan Animasi dengan judul produk
Award) dan Depkominfo
: “Marathon Matematika” oleh Departement
(Departemen Komunikasi
Pendidikan Nasional di Jakarta Confention
dan Informasi)
2008
Center (JCC) untuk bidang Edu-Game 3
Wakil Indonesia pada ajang APICTA (Asia
APICTA (Asia Pacific
Pacific ICT Award) untuk kategori e-learning
ICT Award)
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidak-sesuaian dengan kenyataan, saya sanggup menerima risikonya. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan Hibah Penelitian Hibah Bersaing.
2008
30
Semarang, 17 April 2014 Pengusul,
Ahmad Zainul Fanani, S.Si, M.Kom