Rizaldi, Hilmi Ilyas (2018) Penerapan Particle SWARM Optimization untuk Balancing Ability pada Team Battle Game RPG. Sarjana thesis, Universitas Brawijaya.
Abstract
Pada Game RPG terdapat 3 profesi yang paling umum yaitu Fighter, Mage, dan Cleric. Dari 3 profesi tersebut terdapat perbedaan yang kompleks yang dapat mempengaruhi permainan RPG. Untuk melakukan penelitian mengenai keseimbangan profesi pada Game RPG, percobaan tersebut memakan waktu yang lama dan cost yang tinggi. Maka dari itu sebuah metode yang mengurangi cost untuk melakukan kegiatan testing ability pada profesi-profesi karakter RPG. Maka dari itu, penelitian ini membahas mengenai bagaimana kita menerapkan sebuah algoritma yang secara umum dapat dipakai dengan mudah yaitu Particle swarm optimization(PSO) dalam melakukan testing ability karakter pada Game RPG secara otomatis sehingga mengurangi cost pada development Game. Penelitian ini menghasilkan sebuah Al bot yang dapat meniru perilaku manusia pada umumnya yang sesuai dengan rules pada Game sehingga dapat membantu Game designer dalam menentukan balancing ability pada Game yang mereka buat. Penelitian ini membahas mengenai penggunaan Artificial neural network(ANN) untuk mengontrol sebuah karakter pada game agar dapat mensimulasikan pertandingan sebagai ukuran balance dari sebuah battle. Kontroler ANN tersebut dilatih tanpa diajari atau belajar sendiri untuk mengerti pergerakan musuh mereka dan dievaluasi untuk dijadikan sebagai kontroler utama pada penelitian ini. Metode pembelajaran ANN sendiri menggunakan PSO untuk menentukan kontroler terbaik dalam masa training. Penelitian ini dilakukan pada game turn based — RPG. Hasil dari penelitian ini adalah proses balancing skill set baru beserta konfigurasi PSO yang mempengaruhi penelitian ini.
English Abstract
In RPG Games there are 3 most common professions namely Fighter, Mage, and Cleric. Of the three professions, there are complex differences that can affect the game RPG. To conduct research on the balance of the profession on Game RPG, the experiment takes a long time and high cost. Therefore, a method that reduces the cost of performing the testing ability on the RPG character professions. Therefore, this study discusses how we apply a commonly usable algorithm that is Particle swarm optimization (PSO) in character testing of characters in RPG Games automatically, thereby reducing the cost of game development. This research produces an Al bot that can mimic human behavior in general that matches the rules in the Game so as to help Game designers in determining the balancing ability of the Game they create. This study discusses the use of the Artificial neural network (ANN) to control a character in a game in order to simulate a match as a balanced size of a battle. The ANN controllers were trained without being taught or self-taught to understand their enemy's movements and were evaluated to serve as the primary controllers of the study. ANN own learning method using PSO to determine the best controller in the training. The research was conducted on turn-based games - RPG. The result of this research is a new balancing skill set process along with PSO configuration that influences this research.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/67/051800927 |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 30 May 2018 03:41 |
| Last Modified: | 27 Oct 2021 05:27 |
| URI: | http://repository.ub.ac.id/id/eprint/11223 |
Preview |
Text
BAGIAN DEPAN.pdf Download (2MB) | Preview |
Preview |
Text
DAFTAR PUSTAKA.pdf Download (607kB) | Preview |
Preview |
Text
BAB I.pdf Download (1MB) | Preview |
Preview |
Text
BAB VI.pdf Download (4MB) | Preview |
Preview |
Text
BAB VII.pdf Download (443kB) | Preview |
Preview |
Text
BAB II.pdf Download (2MB) | Preview |
Preview |
Text
BAB III.pdf Download (998kB) | Preview |
Preview |
Text
BAB V.pdf Download (2MB) | Preview |
Preview |
Text
BAB IV.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |