SKRIPSI
KARINA AYESHA
081402051
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Teknologi Informasi
KARINA AYESHA 081402051
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : APLIKASI PERMAINAN CONGKLAK BERBASIS
ANDROID MENGGUNAKAN ALGORITMA MINIMAX
Kategori : SKRIPSI
Nama : KARINA AYESHA
Nomor Induk Mahasiswa : 081402051
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI
Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
(FASILKOMTI) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, 19 Februari 2013
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dra.Elly Rosmaini, M.Si Sajadin Sembiring, S.Si, M.Comp.Sc NIP 196005201985032002
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
PERNYATAAN
APLIKASI PERMAINAN CONGKLAK BERBASIS ANDROID MENGGUNAKAN ALGORITMA MINIMAX
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 19 Februari 2013
PENGHARGAAN
Puji syukur penulis ucapkan kepada Allah SWT yang telah melimpahkan rahmat dan
karunia-Nya sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk
memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi
Departemen Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih penulis sampaikan kepada Sajadin Sembiring, S.Si, M.Comp.Sc
selaku pembimbing pertama dan Dra. Elly Rosmaini, M.Si selaku pembimbing kedua yang
telah banyak meluangkan waktunya dalam memberikan masukan-masukan kepada penulis.
Ucapan terima kasih juga ditujukan kepada Sarah Purnamawati, ST, M.Sc dan Dedy
Arisandi, ST, M.Kom yang telah bersedia menjadi dosen penguji. Ucapan terima kasih juga
ditujukan kepada Ketua dan Sekretaris Departemen Ilmu Komputer dan Teknologi Informasi,
Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas
Sumatera Utara, semua dosen serta pegawai di Program Studi S1 Teknologi Informasi
Departemen Teknologi Informasi FASILKOMTI USU.
Tidak lupa juga penulis ucapkan terima kasih kepada Ayahanda Alfian Anwar, S.E.
dan Ibunda Hj.T.Meisyura yang memberikan dukungan, doa, dan semangat tanpa henti.
Untuk abang penulis, Willy Sahira dan adik penulis, Wiruza Mahesa yang selalu memberikan
dorongan kepada penulis selama menyelesaikan skripsi ini. Terima kasih penulis ucapkan
kepada teman-teman terdekat yang selalu memberikan dukungan, Saysa Mauli Ramadhani,
Ahwania Muchtar, Halida Rahmah, Indriazel Syaputri, Rahmatika, Elfina, Mauza Saputri,
Syahfitri Kartika Lidya, Cahya Rizki, Ishri Ifdhillah, dan Karina Andi serta teman-teman satu
angkatan yang sama-sama berjuang dalam penyusunan skripsi. Sekali lagi penulis
mengucapkan terima kasih kepada semua pihak yang membantu dalam penyelesaian tugas
akhir ini yang tidak dapat disebutkan satu persatu, terima kasih atas ide, saran dan motivasi
ABSTRAK
Congklak merupakan salah satu permainan tradisional yang sudah semakin langka saat ini. Permainan ini dimainkan oleh dua pemain dengan menggunakan sebuah papan congklak dan biji congklak yang berjumlah 14 x 7 buah. Pemain yang berhasil mengumpulkan biji lebih banyak di lumbungnya adalah pemenang dari permainan ini. Kesulitan dari permainan congklak adalah menentukan lubang mana yang merupakan pilihan terbaik sehingga pemain dapat terus melanjutkan permainan. Algoritma Minimax dapat diterapkan pada permainan congklak ini karena mampu menganalisis segala kemungkinan posisi permainan untuk menghasilkan langkah optimum. Untuk mengurangi ruang pencarian sekaligus sebagai optimasi, maka penulis menggunakan algoritma Alpha Beta Pruning. Hasil yang diperoleh dari aplikasi yang dibangun adalah bahwa implementasi algoritma Minimax pada permainan congklak dapat menghasilkan langkah terbaik. Permainan congklak ini dibangun pada sistem operasi Android.
CONGKLAK APPLICATION BASED ON ANDROID USING MINIMAX ALGORITHM
ABSTRACT
Congklak is one of the traditional games which getting rare nowadays. Therefore, the author build a congklak game application based on Android to conserve the game and make the congklak game be more practical and economical. Congklak game application is built by implementing Minimax algorithm because it is able to analyze all the possible positions of the game to generate optimum step. To reduce the search space and also as optimization, the author use Alpha Beta Pruning algorithm. The results obtained from the application which has been built shows that the implementation Minimax algorithm on congklak game can generate the best move.
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak v
1.4Tujuan Penelitian 3
1.5Manfaat Penelitian 3
1.6Metodologi Penelitian 4
1.7Sistematika Penulisan 4
Bab 2 Landasan Teori 6
2.1Kecerdasan Buatan 6
2.1.1 Penggunaan Kecerdasan Buatan di berbagai Bidang 7
2.2Game (Permainan) 9
2.2.1 Teori Game 9
2.2.2 Klasifikasi Game 10
2.3Permainan Congklak 12
2.3.1 Sejarah Permainan Congklak 12
2.3.2 Aturan Permainan Congklak 13
2.4Teknik Pencarian (Searching) 14
2.5Algoritma Depth-First Search (DFS) 15
2.6Algoritma Minimax 16
2.7Algoritma Alpha Beta Pruning 18
2.8Android 19
2.8.1 Arsitektur Android 20
2.8.2 Versi Android 22
2.9Penelitian Sebelumnya 23
Bab 3 Analisis dan Perancangan Aplikasi 25
3.1Analisis Algoritma 25
3.1.1 Analisis Algoritma Permainan Congklak 25
3.1.2 Analisis Algoritma Minimax 29
3.1.3 Analisis Algoritma Alpha Beta Pruning 35
3.2Perancangan Sistem 35
3.2.1.1Use Case Diagram 36
3.2.1.2Activity Diagram 36
3.2.2 Perancangan Aplikasi Permainan 43
3.2.3 Perancangan Antarmuka 44
Bab 4 Implementasi dan Pengujian Aplikasi 50
4.1Implementasi 50
4.1.1 Spesifikasi Perangkat Keras 50
4.1.2 Spesifikasi Perangkat Lunak 50
4.2Tampilan Aplikasi 52
4.2.1 Tampilan Form Menu 52
4.2.2 Tampilan Form Choose Level 52
4.2.3 Tampilan form pilih giliran pemain 53
4.2.4 Tampilan form permainan 53
4.2.5 Tampilan form Rules 56
4.2.6 Tampilan form About 57
4.3Pengujian 57
4.3.1 Pengujian Aplikasi 58
4.3.2 Pengujian Antarmuka Aplikasi 58
4.3.3 Pengujian Penggunaan Aplikasi 61
Bab 5 Kesimpulan dan Saran 64
5.1Kesimpulan 64
5.2Saran 65
Daftar Pustaka 66
DAFTAR TABEL
Halaman
Tabel 2.1 Versi-versi Android 22
Tabel 2.2 Penelitian Sebelumnya 24
Tabel 3.1 Proses Single Player 37
Tabel 3.2 Proses Choose Level 38
Tabel 3.3 Proses Multiplayer 39
Tabel 3.4 Proses Play 39
Tabel 3.5 Proses Rules 41
Tabel 3.6 Proses About 42
Tabel 3.7 Proses Exit 42
Tabel 4.1 Kategori Pemberian Nilai 58
Tabel 4.2 Hasil Kuesioner Antarmuka Aplikasi 59
DAFTAR GAMBAR
Halaman
Gambar 2.1 Papan Congklak 12
Gambar 2.2 Penelusuran pohon permainan dengan DFS 15
Gambar 2.3 Cara kerja algoritma Minimax 17
Gambar 2.4 Cara kerja algoritma Alpha Beta Pruning 19
Gambar 2.5 Komponen utama Arsitektur Android 20
Gambar 3.1 Keadaan papan congklak untuk menemukan langkah free turn 26 Gambar 3.2 Pohon permainan untuk menemukan langkah free turn 27 Gambar 3.3 Keadaan papan congklak untuk menemukan langkah tembak 28 Gambar 3.4 Pohon permainan untuk menemukan langkah tembak 29 Gambar 3.5 Keadaan papan congklak pada simulasi menemukan langkah terbaik 30 Gambar 3.6 Pohon permainan menggunakan algoritma Minimax pada simulasi
menemukan langkah terbaik 31
Gambar 3.7 Keadaan papan congklak setelah lubang B7 menemukan langkah
free turn 32
Gambar 3.8 Pohon permainan menggunakan algoritma Minimax pada simulasi
player (a) 32
Gambar 3.9 Keadaan papan congklak setelah lubang B7 menemukan langkah
free turn 33
Gambar 3.10 Pohon permainan menggunakan algoritma Minimax pada simulasi
player (b) 33
Gambar 3.11 Pohon penelusuran algoritma Minimax 34
Gambar 3.12 Pohon permainan menggunakan algoritma Alpha Beta Pruning 35
Gambar 3.13 Use Case Diagram 36
Gambar 3.14 Activity diagram Single Player 37
Gambar 3.15 Activity diagram Choose Level 38
Gambar 3.16 Activity diagram Multiplayer 39
Gambar 3.17 Activity diagram Play 40
Gambar 3.18 Activity diagram Rules 41
Gambar 3.19 Activity diagram About 42
Gambar 3.20 Activity diagram Exit 43
Gambar 3.21 Flowchart aplikasi permainan 44
Gambar 3.22 Form Home 45
Gambar 3.23 Form Choose Level 46
Gambar 3.24 Form pilih giliran pemain 47
Gambar 3.25 Form Rules 47
Gambar 3.26 Form About 48
Gambar 3.27 Form Arena Permainan 49
Gambar 4.1 Tampilan form menu 52
Gambar 4.2 Tampilan form Choose Level 53
Gambar 4.3 Tampilan form pilih giliran pemain 53
Gambar 4.6 Tampilan saat permainan sedang berlangsung 55 Gambar 4.7 Tampilan permainan dalam keadaan paused 55
Gambar 4.8 Message dialog 56
Gambar 4.9 Tampilan ketika permainan sudah berakhir 56
Gambar 4.10 Tampilan form Rules 57
ABSTRAK
Congklak merupakan salah satu permainan tradisional yang sudah semakin langka saat ini. Permainan ini dimainkan oleh dua pemain dengan menggunakan sebuah papan congklak dan biji congklak yang berjumlah 14 x 7 buah. Pemain yang berhasil mengumpulkan biji lebih banyak di lumbungnya adalah pemenang dari permainan ini. Kesulitan dari permainan congklak adalah menentukan lubang mana yang merupakan pilihan terbaik sehingga pemain dapat terus melanjutkan permainan. Algoritma Minimax dapat diterapkan pada permainan congklak ini karena mampu menganalisis segala kemungkinan posisi permainan untuk menghasilkan langkah optimum. Untuk mengurangi ruang pencarian sekaligus sebagai optimasi, maka penulis menggunakan algoritma Alpha Beta Pruning. Hasil yang diperoleh dari aplikasi yang dibangun adalah bahwa implementasi algoritma Minimax pada permainan congklak dapat menghasilkan langkah terbaik. Permainan congklak ini dibangun pada sistem operasi Android.
CONGKLAK APPLICATION BASED ON ANDROID USING MINIMAX ALGORITHM
ABSTRACT
Congklak is one of the traditional games which getting rare nowadays. Therefore, the author build a congklak game application based on Android to conserve the game and make the congklak game be more practical and economical. Congklak game application is built by implementing Minimax algorithm because it is able to analyze all the possible positions of the game to generate optimum step. To reduce the search space and also as optimization, the author use Alpha Beta Pruning algorithm. The results obtained from the application which has been built shows that the implementation Minimax algorithm on congklak game can generate the best move.
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Congklak merupakan salah satu permainan tradisional yang sangat diminati oleh
berbagai kalangan, khususnya anak-anak. Congklak adalah permainan yang
dimainkan oleh dua orang pemain menggunakan papan congklak yang terdapat 16
buah lubang yang terdiri atas 14 lubang kecil yang saling berhadapan dan 2 lubang
besar (untuk selanjutnya disebut lumbung) yang berada di sisi kiri paling ujung setiap
pemain (Bakri, 2010). Setiap 7 lubang kecil di sisi pemain dan lubang besar di sisi
kirinya dianggap sebagai milik sang pemain. Lumbung berfungsi untuk menampung
jumlah biji yang didapatkan setiap pemain, tentu saja pemain hanya boleh
menjatuhkan biji congklak ke lumbung miliknya, tujuannya agar lumbungnya terisi
banyak biji. Lubang kecil berfungsi sebagai posisi awal jumlah biji pemain dan
menjadi media gerak pemain untuk memindahkan biji agar berpindah
sebanyak-banyaknya ke lumbung milik sendiri.
Seiring berkembangnya pengetahuan dan teknologi, permainan congklak dapat
diselesaikan oleh komputer dengan mengimplementasikan algoritma. Algoritma
Minimax dapat diterapkan pada aplikasi permainan congklak ini karena mampu
menganalisis segala kemungkinan posisi permainan untuk menghasilkan keputusan
yang terbaik. Untuk mempersingkat waktu pencarian sekaligus sebagai optimasi,
maka penulis menggunakan algoritma Alpha Beta Pruning. Alpha Beta Pruning
merupakan algoritma yang akan mengurangi ruang pencarian Minimax sehingga
Pencarian solusi pada permainan congklak sudah pernah dilakukan dengan
menggunakan beberapa metode, diantaranya Adha (2009) menggunakan algoritma
Greedy untuk membuktikan solusi optimum yang akan dihasilkan. Algoritma Greedy
dapat memecahkan masalah optimum, namun tidak selalu menghasilkan solusi yang
optimum. Selanjutnya yaitu Bakri (2010) menggunakan algoritma Backtracking.
Algoritma ini secara sistematis mencari solusi persoalan diantara semua kemungkinan
solusi yang ada. Namun langkah yang diambil belum tentu merupakan langkah yang
terbaik, sehingga memungkinkan terjadi terlalu banyak backtracking yang harus
dilakukan.
Perkembangan smartphone/tablet pc berbasis Android sangat pesat beberapa
tahun terakhir. Perkembangan tersebut mengakibatkan meningkatnya aplikasi-aplikasi
mobile berbasis Android. Untuk itu penulis tertarik untuk merancang dan membangun
aplikasi permainan congklak di smartphone/tablet pc berbasis Android.
Berdasarkan uraian diatas, diperlukan metode lain dalam membangun aplikasi
permainan congklak untuk menghasilkan solusi optimum. Oleh sebab itu penulis akan
menerapkan algoritma Minimax yang dioptimasi dengan Alpha Beta Pruning untuk
membuat aplikasi permainan congklak pada smartphone/tablet pc berbasis Android.
1.2 Rumusan Masalah
Congklak termasuk jenis permainan matematika. Dalam memainkannnya seorang
pemain dituntut untuk menghitung cepat dengan memperhitungkan hasil yang akan
terjadi sehingga menghasilkan langkah optimum. Kesulitan dari permainan congklak
adalah menentukan lubang mana yang merupakan pilihan terbaik sehingga pemain
dapat terus melanjutkan permainan.
Permasalahan yang dibahas dalam tugas akhir ini adalah diperlukan suatu
teknik pendekatan baru pada permainan congklak untuk menghasilkan langkah
1.3 Batasan Masalah
Dalam perancangan aplikasi ini penulis memberikan batasan-batasan masalah sebagai
berikut:
1. Pada aplikasi yang dibangun, permainan congklak ini dapat dimainkan oleh
satu orang pemain (Single Player) melawan sebuah agen kecerdasan buatan
dan dapat juga dimainkan oleh dua orang pemain (Multiplayer).
2. Arena permainan berjumlah 16 lubang yang terdiri dari 2 lubang besar
(lumbung) dan 14 lubang kecil. Setiap lubang kecil berisi 7 biji congklak.
3. Pada permainan Single Player terdapat tiga tingkat kesulitan yaitu easy,
medium, dan hard.
4. Permainan congklak ini tidak memberikan batasan waktu bagi pemain.
5. Aplikasi yang dibangun menggunakan bahasa pemrograman C++. Kemudian
kode program dikonversi menjadi library untuk dijalankan pada perangkat
lunak Eclipse sehingga program dapat di-compile sebagai mobile aplication
berbasis Android.
6. Platform android yang digunakan adalah minimum Android versi 2.2 (Froyo).
1.4 Tujuan Penelitian
Tujuan penelitian ini adalah membangun aplikasi permainan congklak dengan
mengimplementasikan algoritma Minimax yang dioptimasi dengan Alpha Beta
Pruning untuk menemukan langkah optimum.
1.5 Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini adalah mampu memberikan pemahaman
kepada penulis dan pembaca tentang penggunaan algoritma Minimaxyang dioptimasi
dengan Alpha Beta Pruning dalam permainan congklak. Selain itu, aplikasi permainan
dapat melestarikan permainan kebudayaan Indonesia khususnya congklak yang sudah
semakin langka di kalangan masyarakat.
1.6 Metodologi Penelitian
Metode penelitian yang akan digunakan adalah:
1. Studi Literatur
Pada tahap ini dilakukan dengan membaca dan mempelajari buku-buku
referensi atau sumber-sumber yang berkaitan dengan skripsi ini, baik berasal
dari buku, internet. jurnal, dan beberapa referensi lainnya.
2. Analisis dan Merancang Desain Sistem
Pada tahap ini dilakukan analisis bagaimana menerapkan algoritma Minimax
yang dioptimasi oleh Alpha Beta Pruning pada permainan congklak.
3. Implementasi Sistem
Pada tahap ini akan dilakukan pengkodean dan menerapkan perancangan
aplikasi tersebut ke dalam bahasa pemrograman. Pengkodean dilakukan
dengan pemrogramana C++ yang kemudian dikonversi untuk digunakan pada
perangkat lunak Eclipse, sehingga akan dihasilkan sebuah mobile aplication
berbasis Android.
4. Pengujian Sistem
Pada tahap ini akan dilakukan pengujian terhadap aplikasi apakah berjalan
sesuai dengan tujuan penelitian atau tidak.
5. Dokumentasi Sistem
Pada tahap ini akan dilakukan penulisan laporan mengenai aplikasi tersebut
1.7 Sistematika Penulisan
Adapun sistematika penulisan dalam skripsi ini terdiri dari beberapa bagian utama
sebagai berikut :
BAB 1 PENDAHULUAN
Bab ini berisi uraian latar belakang pemilihan judul skripsi “Aplikasi Permainan Congklak Berbasis Android Menggunakan Algoritma Minimax”, rumusan masalah, batasan masalah, tujuan, manfaat, metodologi, serta sistematika penulisan.
BAB 2 LANDASAN TEORI
Pada bab ini dijelaskan mengenai dasar-dasar teori, rujukan dan metode yang
digunakan sebagai dasar dan alat untuk menyelesaikan permasalahan.
BAB 3 ANALISIS DAN PERANCANGAN APLIKASI
Bab ini berisi analisis algoritma Minimax yang dioptimasi dengan Alpha Beta Pruning
dalam permainan congklak dan perancangan aplikasi.
BAB 4 IMPLEMENTASI DAN PENGUJIAN APLIKASI
Bab ini menjelaskan implementasi dari hasil analisis dan perancangan aplikasi serta
pengujian aplikasi.
BAB 5 KESIMPULAN DAN SARAN
Pada bab terakhir akan diuraikan kesimpulan dari seluruh bab-bab sebelumnya dan
hasil penelitian yang diperoleh. Pada bab ini juga memuat saran yang diharapkan
BAB 2
LANDASAN TEORI
2.1 Kecerdasan Buatan
Menurut Rich and Knight (1991) kecerdasan buatan atau Artificial Intelligence
merupakan suatu proses belajar mengenai cara membuat komputer melakukan hal-hal
yang pada saat itu dapat dilakukan lebih baik oleh manusia. Selain itu definisi
kecerdasan buatan menurut Jogiyanto H (2000) didefinisikan sebagai suatu mesin atau
alat pintar (biasanya adalah suatu komputer) yang dapat melakukan suatu tugas yang
bilamana tugas tersebut dilakukan oleh manusia akan dibutuhkan suatu kepintaran
untuk melakukannya.
Menurut Sri Kusumadewi (2003), kecerdasan buatan jika dibandingkan
dengan kecerdasan alami memiliki beberapa keuntungan, antara lain:
a. Kecerdasan buatan lebih bersifat permanen dan konsisten, karena kecerdasan
alami hanya bergantung kepada ingatan manusia, yang mungkin saja menjadi
lupa pada waktu tertentu. Sedangkan kecerdasan buatan bergantung pada
sistem komputer dan program dari aplikasi kecerdasan buatan tersebut,
sehingga selama aplikasi dan sistem komputer tidak berubah maka kecerdasan
buatan tersebut tidak akan berubah.
b. Kecerdasan buatan lebih mudah diduplikasi dan disebarkan karena berupa
sistem, sehingga dengan mudah memindahkan pengetahuan yang ada pada
sistem tersebut dari suatu komputer ke komputer lain. Sedangkan kecerdasan
alami sulit diduplikasi karena menyampaikan pengetahuan dari satu orang ke
orang lain lebih sulit untuk dilakukan. Selain membutuhkan proses yang sangat
tidak semua orang dapat menyampaikan hal yang sama persis dari satu orang
ke orang lain.
c. Kecerdasan buatan lebih murah dan cepat dibandingkan dengan kecerdasan
alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah
dibandingkan harus mendatangkan seseorang untuk mengerjakan sejumlah
pekerjaan dalam jangka waktu yang lama.
d. Kecerdasan buatan dapat didokumentasikan dengan mudah. Keputusan yang
dibuat oleh komputer dapat didokumentasikan lebih mudah dengan cara
melacak setiap aktivitas dari sistem tersebut. Sedangkan kecerdasan alami sulit
didokumentasikan karena manusia selalu berubah dan sulit untuk melacak
setiap aktivitas yang berhubungan dengan kasus yang sedang dikerjakan serta
membutuhkan waktu lama dalam pelacakan tersebut.
Sedangkan kecerdasan alami memiliki keuntungan sebagai berikut:
a. Kecerdasan alami bersifat kreatif yaitu kemampuan untuk kerkreasi yang
melekat pada manusia. Kecerdasan buatan belum mampu berkreasi sendiri.
b. Kecerdasan alami memungkinkan manusia menggunakan pengalaman secara
langsung. Sedangkan kecerdasan buatan bekerja berdasarkan input yang
dimasukkan oleh pengguna dan bentuk dari inputan tersebut berupa kode-kode
tertentu yang telah ditentukan pada awal pembutan sistem.
c. Manusia dapat memanfaatkan kecerdasannya secara luas, tanpa batas.
Sedangkan kecerdasan buatan memiliki batasan.
2.1.1 Penggunaan Kecerdasan Buatan di berbagai Bidang
Kecerdasan buatan merupakan suatu hal yang dikembangkan pada sebuah sistem oleh
para ahli untuk masa depan. Beberapa bidang perkembangan kecerdasan buatan ini
adalah sebagai berikut, yaitu (Kusumadewi, 2003):
1. Expert System (Sistem Pakar)
Sistem pakar (Expert System) adalah program penasehat berbasis komputer
yang mencoba meniru proses berpikir dan pengetahuan dari seorang pakar
pakar menentukan suatu jenis penyakit, sistem pakar untuk bisnis dan
sebagainya.
2. Robotik dan Sistem Sensor
Sistem sensor, seperti sistem vision, sistem tactile, dan sistem pemrosesan
sinyal jika dikombinasikan dengan AI, dapat dikategorikan kedalam suatu
sistem yang luas yang disebut sistem robotik.
3. Permainan (Games)
Game playing (permainan game) merupakan bidang AI yang sangat populer
berupa permainan antara manusia melawan mesin yang memiliki intelektual
untuk berpikir. Bermain dengan komputer memang menarik bahkan sampai
melupakan tugas utama yang lebih penting. Komputer dapat bereaksi dan
menjawab tindakan-tindakan yang diberikan oleh lawan mainnya. Banyak
permainan komputer telah dibuat dan dikembangkan. Sebagai contohnya
adalah permainan catur.
4. Bahasa Ilmiah (Natural Languange)
Suatu teknologi yang memberikan kemampuan kepada komputer untuk
memahami bahasa manusia sehingga pengguna komputer dapat berkomunikasi
dengan komputer dengan menggunakan bahasa sehari-hari. Bahasa computer
yang khusus pada bidang ini adalah LISP, INTERLISP, SAIL, PLANNER,
KRL, PROLOG.
5. Pemodelan Kinerja (Performance) Manusia
Pemodelan kinerja manusia telah terbukti merupakan alat yang sangat
bermanfaat dalam merumuskan dan menguji teori-teori penerapan inderawi
2.2 Game (Permainan)
Game merupakan aktivitas terstruktur yang biasanya bertujuan dalam mendapatkan
kesenangan dan bahkan digunakan sebagai suatu edukasi. Menurut Salen &
Zimmerman (2003) game merupakan suatu sistem yang memiliki aturan-aturan
tertentu dimana pemain akan terlibat di dalam suatu permasalahan sehingga dapat
menghasilkan suatu hasil yang dapat diukur yaitu menang atau kalah. Game umumnya
melibatkan stimulasi mental atau fisik, dan terkadang kedua-duanya. Banyak game
membantu mengembangkan keterampilan praktis, berfungsi sebagai bentuk latihan,
atau melakukan peran pendidikan, simulational, atau psikologis.
2.2.1 Teori Game
Teori permainan adalah suatu cara belajar yang digunakan dalam menganalisa
interaksi antara sejumlah pemain maupun perorangan yang menunjukkan
strategi-strategi rasional (Leyton-Brown & Shoham, 2008).
Teori permainan dapat diklasifikasikan kedalam beberapa bagian, yaitu:
a. Number of Players
Hampir semua jenis permainan papan yang memiliki sistem pencarian langkah
berbasis algoritma pada AI hanya memiliki dua pemain. Sebagian besar bentuk
dasar dari algoritma-algoritma tersebut hanya terbatas untuk dua pemain.
b. Plies, Move and Turns
Suatu hal umum dalam teori permainan adalah giliran (turns) seorang pemain
sebagai suatu lapisan (ply) didalam suatu permainan dan pemain yang
melakukan gilirannya dalam satu putaran disebut langkah (move).
c. The Goal of the Game
Tujuan umum permainan berbasis strategi adalah untuk menang. Sebagai
pemain, pemain menang jika semua lawan pemain kalah. Hal ini dikenal
sebagai permainan zero-sum, yaitu kemenangan pemain adalah kekalahan
dengan mencetak -1 poin untuk kalah. Untuk kasus permainan non-zero-sum,
semua bisa menang atau semua bisa kalah, pemain hanya akan fokus pada
kemenangan.
d. Information
Dalam permainan papan seperti catur, Checkers, Go, dan Reversi, kedua
pemain mengetahui segala sesuatu tentang kondisi dalam permainan. Pemain
mengetahui hasil dari setiap gerakan yang dilakukan dan pilihan yang akan
dilakukan pemain untuk langkah berikutnya. Pemain mengetahui semua ini
dari awal permainan. Jenis permainan ini disebut "informasi yang sempurna".
Sedangkan dalam sebuah permainan seperti Backgammon, terdapat unsur acak
di dalamnya. Pemain sebelumnya tidak mengetahui langkah yang dapat diambil oleh
pemain karena langkah tersebut bergantung pada nilai dadu yang dimainkan pemain.
Pemain juga tidak dapat mengetahui langkah yang dapat diambil oleh lawan, karena
pemain tidak dapat memprediksi nilai dadu lawan. Jenis permainan ini disebut “informasi yang tidak sempurna”.
Kebanyakan permainan berbasis strategi merupakan “informasi yang tidak sempurna”, karena terdapat beberapa unsur acak dalam melakukan suatu tindakan. Permainan dengan “informasi yang sempurna” akan lebih mudah untuk dianalisa. Banyak algoritma dan teknik untuk permainan berbasis AI berasumsi bahwa
terdapat informasi yang sempurna yang dapat disesuaikan untuk jenis permainan lain,
tetapi biasanya hasil yang diperoleh akan menjadi lebih buruk (Millington & Funge,
2009).
2.2.2 Klasifikasi Game
Gameplay merupakan alat dan aturan-aturan yang mendefinisikan konteks
keseluruhan permainan sehingga pada saat gilirannya, menghasilkan keterampilan,
strategi, dan kesempatan (Bakri, 2010).
1. Board Games
Board games merupakan permainan yang menggunakan sebuah media papan
sebagai alat atau tempat untuk berinteraksi dan melakukan sebuah permainan .
Biasanya permainan ini dilakukan dengan menggunakan strategi untuk
memenangi permainan tersebut. Contohnya: Catur, Congklak, dll.
2. Card Games
Card games merupakan permainan yang menggunakan satu set kartu sebagai
alat utama permainan. Permainan ini biasanya diawali dengan pengacakan
kartu sehingga membutuhkan kesempatan dan keberuntungan untuk
memenangi permainan ini. Contohnya: permainan kartu Uno, permainan
Poker, permainan Spider Solitare dan sebagainya.
3. Dice Games
Dice games merupakan permainan dadu sebagai elemen utama permainan.
Permainan dilakukan dengan cara mengacak angka dadu kemudian angka dadu
inilah yang menjadi dampak kemungkinan besar kemenangan permainan ini.
Contohnya: Ludo, dadu Poker dan sebagainya.
4. Domino and Tile Games
Domino and tile games merupakan permainan yang menggunakan kartu
berbentuk ubin sebagai alat permainannya. Permainan ini mirip dengan
permainan kartu. Contohnya: Domino dan Mahjong.
5. Pencil and Paper Games
Pencil and paper games merupakan suatu permainan yang memerlukan media
kertas untuk menggambar arena permainan dan pensil untuk menulis langkah
2.3 Permainan Congklak
Congklak merupakan suatu permainan tradisional dari Indonesia yang dimainkan oleh
dua orang pemain. Permainan ini dimainkan dengan menggunakan sebuah papan yang
disebut papan congklak dan 98 (14 x 7) buah biji yang dinamakan biji congklak.
Papan congklak terdiri dari 14 lubang kecil dan dua lubang besar (lumbung) yang
terdapat di masing-masing ujung papan.
Gambar 2.1 Papan Congklak
2.3.1 Sejarah Permainan Congklak
Congklak adalah permainan tradisional Indonesia yang berasal dari Arab. Permainan
ini dibawa oleh orang-orang Arab ketika mereka berkunjung ke Indonesia untuk
berdagang beberapa abad yang lalu. Mereka membawa kebudayaaan, agama, bahasa,
makanan, tekstil, permainan, dan lain-lain untuk Indonesia (Pribadi, 2011). Congklak
memiliki banyak nama di setiap wilayah di Indonesia. Nama-nama yang diberikan
sesuai dengan kebudayaan masing-masing daerah. Nama yang paling umum adalah
congklak. Permainan ini disebut Congkak di Sumatera. Di Jawa, permainan ini
dikenal sebagai Congklak, Dakon, Dhakon atau Dhakonan. Di Lampung, permainan
ini disebut Dentuman lamban. Dan untuk orang Sulawesi, permainan ini disebut
Mokaotan, Maggaleceng, Aggacalang dan Nogarata.
Sejarah permainan congklak berawal dari permainan yang dimainkan oleh
berhubungan dekat dengan kelas atas kemudian memperkenalkan congklak kepada
mereka. Dengan berjalannya waktu, popularitas congklak tumbuh sampai sekarang
dan banyak dimainkan oleh kalangan umum juga (Pribadi, 2011).
Terdapat beragam versi dari permainan tradisional congklak. Di Malaysia
congklak terkenal dengan nama congkak, sedangkan orang Afrika, Arab, Jepang, dan
Inggris lebih mengenal jenis permainan ini dengan nama Mancala. Inti permainan
congklak di berbagai negara memiliki kesamaan satu sama lain, yaitu memindahkan
sebanyak-banyaknya biji milik sendiri dan milik lawan untuk dimasukkan ke dalam
lubang besar (lumbung) milik sendiri. Tentunya pemain yang mengumpulkan biji
terbanyak pada lumbung miliknya akan memenangkan permainan. Hal yang
membedakan congklak di setiap negara adalah peraturan permainan, jumlah biji, dan
jumlah lubang yang digunakan.
2.3.2 Aturan Permainan Congklak
Secara umum, aturan permainan congklak tidak jauh berbeda dengan permainan
Mancala. Kedua permainan ini menggunakan media yang sama. Tetapi terdapat
sedikit perbedaan dari kedua jenis permainan ini yaitu arah pergerakan permainan.
Pada permainan congklak, arah pergerakan permainan dilakukan mengikuti arah
jarum jam sedangkan Mancala berlawanan arah jarum jam. Selain itu, pada permainan
congklak apabila biji yang ditangan telah habis dan jatuh pada lubang kecil yang
berisi biji lainnya, maka giliran pemain tersebut dapat dilanjutkan sedangkan pada
Mancala tidak. Untuk lebih jelasnya, peraturan permainan congklak adalah sebagai
berikut (Bakri, 2010):
1. Papan congklak terdiri dari 2 lubang besar (lumbung) dan 14 lubang kecil.
2. Pada awal permainan, setiap lubang kecil diisi dengan tujuh buah biji
congklak.
3. Permainan dimulai dengan suit untuk menentukan giliran pertama.
4. Pemain yang mendapat giliran pertama dapat memilih lubang yang akan
dijalankan. Kemudian menjatuhkan biji congklak satu per satu ke setiap
5. Giliran pemain akan tetap berlanjut jika memenuhi kondisi berikut:
a. Apabila biji congklak di tangan habis di lumbung miliknya maka ia dapat
melanjutkan dengan memilih lubang kecil di sisinya.
b. Apabila biji congklak di tangan habis di lubang kecil yang berisi biji
lainnya, ia dapat melanjutkan permainan.
6. Giliran pemain akan berakhir apabila biji habis di lubang kecil yang kosong
pada daerah permainan sendiri atau lawan. Jika biji jatuh di daerah permainan
sendiri dan di hadapannya terdapat lubang berisi biji, maka ia dapat
mengambil seluruh biji di lubang tersebut (biji sisi lawan). Proses ini
dinamakan “tembak”.
7. Permainan selesai apabila sudah tidak ada biji lagi yang dapat diambil atau
salah satu arena pada lubang kecil tidak berisi biji lagi. Apabila biji di salah
satu arena sudah habis, maka biji yang tersisa di arena lainnya di masukkan
seluruhnya ke lumbung miliknya.
8. Pemain yang memiliki biji lebih banyak pada lumbung miliknya akan keluar
sebagai pemenang.
2.4 Teknik Pencarian (Searching)
Pencarian merupakan suatu proses menemukan solusi yang tepat dari suatu
permasalahan (Russell & Norvig, 2010).
Evaluasi strategi pencarian memiliki empat kriteria:
1. Completeness: Apakah strategi tersebut menjamin menemukan solusi jika
solusinya memang ada?
2. Time complexity: Berapa lama waktu yang diperlukan untuk menemukan
solusi?
3. Space complexity: Berapa banyak memori yang diperlukan untuk melakukan
pencarian?
4. Optimality: Apakah strategi tersebut menemukan solusi yang paling baik jika
Di dalam kecerdasan buatan, metode pencarian sangat menentukan tingkat
keberhasilan sistem cerdas tersebut. Teknik pencarian ini terbagi atas 2, yaitu
pencarian buta (blind search) dan pencarian heuristik (heuristic search). Pencarian
buta merupakan pencarian yang penelusurannya dimulai dengan tidak ada informasi
awal yang digunakan dalam proses pencarian. Contohnya adalah
Breadth-First-Search (BFS) dan Depth-First-Search (DFS). Sedangkan pencarian heuristik
merupakan pencarian yang penelusurannya dimulai dengan adanya informasi awal
yang digunakan dalam proses pencarian. Contohnya adalah Hill Climbing, Tabu
Search, Genetic Algorithm, Ant Algorithm dan Simulated Annealing (Kusumadewi &
Purnomo, 2005).
2.5 Algoritma Depth-First Search (DFS)
Depth-First Search (DFS) merupakan algoritma pencarian yang paling umum
digunakan. DFS akan melakukan pencarian pada sebuah pohon dengan cara
menelusuri satu cabang sebuah pohon sampai menemukan solusi. Pencarian dilakukan
pada satu node dalam setiap level dari yang paling kiri. Jika pada level yang paling
dalam, solusi belum ditemukan, maka pencarian dilanjutkan pada node sebelah kanan.
Node yang kiri dapat dihapus dari memori. Jika pada level yang paling dalam tidak
ditemukan solusi, maka pencarian dilanjutkan pada level sebelumnya. Demikian
seterusnya sampai ditemukan solusi. Jika solusi ditemukan maka tidak diperlukan
proses backtracking yaitu penelusuran balik untuk mendapatkan jalur yang diinginkan
(Cormen et al., 2009).
Pada Gambar 2.2 dapat diketahui bahwa proses penelusuran DFS dimulai dari
A-B-D-G-D-H-D-B-A-C-E-I-E-J. A merupakan root yang menandakan keadaan
belum diambil, lalu ditelusuri hingga kedalaman yang paling dalam sebelah kiri yaitu
G, lalu melakukan proses backtrack ke D lalu lanjut lagi ke H. Proses tersebut
berhenti karena telah mencapai goal state yaitu leaf node J.
Langkah-langkah cara kerja algoritma DFS adalah sebagai berikut:
1. Masukkan root ke dalam struktur data tumpukan (stack).
2. Ambil simpul dari tumpukan teratas, dan diperiksa apakah simpul merupakan
solusi.
3. Jika simpul merupakan solusi, maka pencarian selesai dan hasil dikembalikan.
4. Jika simpul bukan solusi, masukkan seluruh simpul yang bertetangga dengan
simpul tersebut ke dalam tumpukan.
5. Jika tumpukan kosong dan setiap simpul sudah ditelusuri, pencarian selesai
dan solusi tidak ditemukan.
6. Ulangi pencarian dari poin kedua.
2.6 Algoritma Minimax
Algoritma Minimax ialah suatu metode yang sangat bermanfaat untuk permainan dua
pemain sederhana. Metode ini digunakan untuk memilih langkah terbaik yang
diberikan, dimana kedua pemain saling berusaha untuk memenangkan permainan.
Setiap pemain mengetahui langkah-langkah yang mungkin diberikan pada situasi
permainan saat ini. Sehingga untuk setiap langkah dan semua langkah selanjutnya
akan dapat diketahui (M. Tim Jones, 2008). Minimax merupakan algoritma yang
digunakan untuk menentukan pilihan agar memperkecil kemungkinan kehilangan nilai
maksimal.
Algortima Minimax dapat menghasilkan pilihan langkah yang baik dengan
mengasumsikan bahwa pemain lawan akan selalu memilih langkah terbaik untuk
dirinya dan langkah terburuk bagi komputer. Prinsip dasar pada algoritma Minimax
node) yang akan menghasilkan nilai maksimum di jalur tersebut, dan saat lawan yang
akan bermain akan meminimalkan (min node) nilai komputer. Jadi, komputer
bertujuan untuk memaksimalkan kemungkinan nilai paling rendah yang akan
diperoleh komputer.
Jika pemain memilih suatu langkah, maka pemain akan memilih langkah yang
akan menghasilkan suatu posisi yang bagus. Kita dapat menganggap bahwa pemain
akan memilih langkah yang akan menuntunnya pada posisi terbaik. Dengan kata lain,
ketika pemain mendapat giliran bermain maka pemain akan mencoba memaksimalkan
nilainya. Ketika lawan mendapat giliran bermain, pemain akan mengganggap bahwa
lawan akan memilih langkah yang akan memberikan pemain posisi terburuk yang
tersedia. Lawan sedang berusaha meminimalkan nilai dari pemain. Untuk proses dan
cara kerja algoritma Minimax yang lebih jelas, dapat dilihat pada gambar berikut:
Level 0
Level 1
Level 2
Gambar 2.3 Cara kerja algoritma Minimax (Coppin, 2004)
Langkah-langkah cara kerja algoritma Minimax adalah sebagai berikut:
1. Hampiri node pertama pada leaf dengan nilai 5, naik ke parent pada level 2
(MAX) masukkan nilai 5, hampiri 2. Karena 2<5 maka nilai parent tidak perlu
diganti.
2. Setelah kedua leaf pertama dihampiri, naik lebih tinggi lagi ke level 1 (MIN)
masukkan nilai 5.
3. Hampiri node ketiga pada leaf dengan nilai 1, naik ke parent pada level 2
(MAX) masukkan nilai 1. Kemudian hampiri leaf keempat dengan nilai 3.
Karena 3>1 maka ganti parent pada level 2 (MAX) dengan nilai 3.
5. Setelah keempat leaf pertama dihampiri, naik lebih tinggi lagi ke level 0
(MAX) masukkan nilai 3.
6. Begitu seterusnya hingga kita dapatkan hasil akhir dari tree di atas adalah 6.
2.7 Algoritma Alpha Beta Pruning
Pada dasarnya, algoritma Minimax sangat handal untuk menyelesaikan segala masalah
dalam pencarian langkah untuk permainan komputer dengan jumlah kemungkinan
penyelesaian yang kecil. Tetapi, jika algoritma Minimax digunakan pada permainan
dengan jumlah kemungkinan penyelesaian yang besar, algoritma Minimax ini
memerlukan waktu yang sangat lama untuk membangun pohon penyelesaian.
Oleh karena itu, beberapa metode lanjutan dari algoritma Minimax telah
dikembangkan untuk membatasi melonjaknya jumlah simpul dalam pembangunan
pohon penyelesaian. Berbagai jenis metode telah ditemukan untuk meningkatkan
kinerja algoritma Minimax, salah satunya adalah Alpha Beta Pruning. Dengan
menggunakan metode ini maka diharapkan sistem dapat bekerja lebih baik. Untuk
proses dan cara kerja algoritma Alpha Beta Pruning yang lebih jelas, dapat dilihat
pada gambar berikut:
Level 0
Level 1
Level 2
Langkah-langkah cara kerja algoritma Alpha Beta Pruning adalah sebagai berikut:
1. Hampiri node pertama pada leaf dengan nilai 4, naik ke parent pada level 2
(MAX) masukkan nilai 4, hampiri 1. Karena 1<4 maka nilai parent tidak
diganti.
2. Setelah kedua leaf pertama dihampiri, naik lebih tinggi lagi ke level 1 (MIN)
masukkan nilai 4.
3. Hampiri node ketiga pada leaf dengan nilai 8, naik ke parent pada level 2
(MAX) masukkan nilai 8. Jika kita menghampiri leaf berikutnya, kita mencari
nilai yang lebih tinggi dari 8, sementara pada level 1 (MIN) kita mencari yang
lebih kecil dari 4. Maka leaf keempat (5) kita potong (tidak kita hampiri).
4. Setelah keempat leaf pertama dihampiri, naik lebih tinggi lagi ke level 0
(MAX) masukkan nilai 4.
5. Begitu seterusnya hingga kita dapatkan hasil akhir dari tree di atas adalah 4.
2.8 Android
Menurut Ed Burnette (2009), Android adalah sistem operasi untuk Mobile atau
telepon seluler yang berbasis Linux. Androidmenyediakan platform terbuka bagi para
pengembang buat menciptakan aplikasi mereka sendiri untuk digunakan oleh
bermacam perangkat Mobile. Awalnya, Google Inc. membeli Android Inc. Pada saat
perilisan perdana Android pada tanggal 5 November 2007, Android bersama Open
Handset Alliance menyatakan mendukung pengembangan standar terbuka pada
perangkat seluler. Di lain pihak, Google merilis kode-kode Android di bawah lisensi
Apache, sebuah lisensi perangkat lunak dan standar terbuka perangkat seluler.
Untuk bergerak cepat dalam persaingan perangkat generasi berikut, Google
melakukan investasi dengan mengadakan kompetisi aplikasi Mobile terbaik.
Kompetisi diadakan selama dua tahap yang tiap tahapnya dipilih 50 aplikasi terbaik.
Dengan semakin berkembangnya dan semakin bertambahnya jumlah handset
Android, semakin banyak pihak ketiga yang berminat untuk menyalurkan aplikasi
sistem operasi Android adalah Shazam, Backgrounds, dan WeatherBug. Sistem
operasi Android dalam situs internet juga dianggap penting untuk menciptakan
aplikasi Android asli, contohnya MySpace dan Facebook.
2.8.1 Arsitektur Android
Secara garis besar, Arsitektur Android terbagi menjadi 5 komponen utama, yaitu
Application and Widgets, ApplicationFramework, Libaries, Android Runtime, dan
Linux Kernel.
Gambar 2.5 Komponen utama Arsitektur Android (Hoog, 2011)
Diagram arsitektur pada Gambar 2.5 menunjukkan bahwa komponen utama arsitektur
Android dibagi menjadi lima bagian, yaitu:
1. Applications and Widgets
adalah layer di mana kita berhubungan dengan aplikasi saja, di mana biasanya kita
download aplikasi kemudian kita lakukan instalasi dan jalankan aplikasi tersebut.
Pada layer tersebut terdapat aplikasi inti seperti email, SMS, kalender, peta, browser,
kontak, dan lain sebagainya. Widgets terdiri dari layer-layer seperti EditText, Spinner,
Button, TextView, dan lain-lain.
2. Applications Frameworks
Android merupakan platform yang terbuka, artinya Android menawarkan serta
memberikan kemampuan kepada para pengembangnya untuk membangun aplikasi
yang bagus dan inovatif. Tiap pengembang bebas untuk mengakses perangkat keras,
akses informasi resources, menjalankan service background, mengatur alarm, dan
lain-lain. Pengembang memiliki akses penuh ke API Framework seperti yang
dilakukan oleh aplikasi inti. Arsitektur aplikasi dirancang agar kita dengan mudah
dapat menggunakan kembali komponen yang sudah digunakan (reusable).
Komponen pada Applications Frameworks Android adalah sebagai berikut:
a. Views
b. Content Provider
c. Resource Manager
d. Notification Manager
e. Activity Manager
3. Libraries
Merupakan layer di mana fitur-fitur Android berada, biasanya para pengembang
aplikasi mengakses libraries untuk menjalankan aplikasinya. Berjalan di atas kernel,
layer ini meliputi berbagai library C/C++ inti seperti Lib-C dan SSL, serta:
- Libraries media untuk pemutaran media audio dan video
- Libraries untuk manajemen tampilan
- Libraries Graphics mencakup SGL dan OpenGL untuk grafis 2Ddan 3D
- Libraries SQLite untuk dukungan database
- Libraries SSL dan WebKit terintegrasi dengan web browser dan security
- Libraries LiveWebcore mencakup modern web browser dengan engine embeded
web view
- Libraries 3D yang mencakup implementasi API OpenGL ES 1.0
4. Android Runtime
Merupakan layer yang membuat aplikasi Android dapat dijalankan di mana dalam
prosesnya menggunakan implementasi Linux. Dalvik Virtual Machine (DVM)
merupakan mesin yang membentuk dasar kerangka aplikasi Android. Di dalam
- Core Libraries: Aplikasi Android dibangun dalam bahasa Java,sementara Dalvik
sebagai mesin virtualnya, bukan JVM (Java Virtual Machine). Sehingga
dibutuhkan sebuah libraries yang berfungsi untuk menerjemahkan bahasa Java/C
yang ditangani oleh Core Libraries ini.
- Dalvik Virtual Machin: Virtual mesin yang berbasis register yang dioptimalkan
untuk menjalankan fungsi-fungsi secara efisien, di mana merupakan
pengembangan yang mampu membuat Linux kernel untuk melakukan threading
dan manajemen tingkat rendah
5. Linux Kernel
Adalah layer dimana inti dari sistem operasi Android itu berada. Berisi file-file sistem
yang mengatur pemrosesan sistem, memory, resource, drivers, dan sistem-sistem
operasi Android lainnya. Linux kernel yang digunakan Android adalah Linux kernel
rilis 2.6
2.8.2 Versi Android
Adapun versi-versi Android yang pernah dirilis adalah sebagai berikut:
Tabel 2.1 Versi-versi Android
Platform Nama Kode Tanggal Rilis Level API
Android 1.0 Apple Pie 23 September 2008 1
Android 1.1 Banana
Bread 9 Februari 2009 2
Android 1.5 Cupcake 30 April 2009 3
Android 1.6 Donut 15 September 2009 4
Android 2.0
Eclair
26 Oktober 2009 5
Android 2.0.1 3 Desember 2009 6
Android 2.1 12 Januari 2010 7
Android 2.2 Froyo 20 May 2010 8
Android 2.3 –
Andoroid 2.3.2 Gingerbread 6 December 2010 9
Android 2.3.3 – Android 2.3.7
Platform Nama Kode Tanggal Rilis Level API
Android 3.0 22 February 2011 11
Android 3.1 Honeycomb 12
Android 3.2 13
Android 4.0 –
Android 4.0.2 Ice Cream Sandwich 19 October 2011 14
Andorid 4.0.3 15
Android 4.0.4 28 Maret 2012 15
Android 4.1 Jelly Bean 27 Juni 2012 16
Dari Tabel 2.1 dapat dilihat pada setiap perubahan versi android terdapat
perubahan API Level. API Level adalah nilai yang menunjukkan revisi framework
pada platform Android. Nomor versi android yang terus berubah dikarenakan
perubahan API Level. Setiap versi android mendukung tepat satu API Level, namun
tetap mendukung API Level sebelumnya. API Level akan menentukan apakah suatu
aplikasi bisa dijalankan pada suatu platform Android atau tidak.
2.9 Penelitian Sebelumnya
Pencarian solusi pada permainan congklak sudah pernah dilakukan dengan
menggunakan beberapa metode, diantaranya Implementasi Algoritma Greedy Pada
Permainan Congklak (Adha, 2009) dan Analisis dan Implementasi Algoritma
Backtracking Pada Permainan Congklak (Bakri, 2010). Algoritma Minimax juga
sudah pernah diimplementasikan untuk menyelesaikan permainan, diantaranya
Analisis dan Implementasi Kecerdasan Buatan Pada Permainan Checker
Menggunakan Algoritma Minimax Dengan Negascout (Akbar, 2011) dan Algoritma
Minimax Dalam Pengambilan Keputusan Pada Permainan Tic-Tac-Toe (Akbar,
Tabel 2.2 Penelitian Sebelumnya
No Judul Pengarang Tahun Keterangan
1
2009 Algoritma Greedy dapat memecahkan masalah optimum, namun tidak selalu menghasilkan solusi yang optimum.
2
2010 Algoritma ini secara sistematis mencari solusi persoalan diantara semua kemungkinan solusi yang ada. Namun langkah yang diambil belum tentu merupakan langkah yang terbaik, sehingga memungkinkan terjadi terlalu banyak backtracking yang harus dilakukan.
2011 Algoritma Minimax kurang efesien apabila digunakan secara tunggal sehingga perlu dilakukan pemotongan dengan Negascout. Pemotongan pada Negascout dapat meminimalkan waktu yang diperlukan sistem dalam melakukan pencarian.
BAB 3
ANALISIS DAN PERANCANGAN APLIKASI
Kecerdasan buatan atau Artificial Intelligence (AI) merupakan bagian dari ilmu
pengetahuan yang penting dalam bidang komputer. Banyak permainan komputer yang
memanfaatkan kecerdasan buatan untuk membuat permainan tersebut bertindak cerdas
dengan memilih langkah terbaik pada permainan. Tetapi banyak orang yang
memainkan permainan tersebut tidak mengerti cara kerja dari kecerdasan buatan itu
sendiri. Oleh karena itu, penulis mencoba membuat suatu aplikasi permainan congklak
yang memiliki kecerdasan buatan yaitu dengan menggunakan algoritma Minimax
yang dioptimasi oleh Alpha Beta Pruning dan menjelaskan cara kerja algoritma
tersebut pada permainan congklak.
3.1 Analisis Algoritma
Pada bab sebelumnya telah dijelaskan tentang algoritma Minimax dan cara kerjanya
secara umum. Pada bab ini, penulis akan menjelaskan tentang penerapan algoritma
Minimax yang dioptimasi dengan Alpha Beta Pruning pada permainan congklak yang
akan dirancang. Tetapi sebelum membahas analisis algoritma Minimax dan Alpha
Beta Pruning penulis akan membahas analisis algoritma permainan congklak terlebih
dahulu.
3.1.1 Analisis Algoritma Permainan Congklak
Permainan congklak adalah permainan dengan 2 orang pemain, menggunakan biji
dengan arena permainan umumnya memiliki 16 buah lubang tempat biji diletakkan,
dimana 2 lubang merupakan lumbung (lubang penyimpanan) milik masing-masing
sebanyak-banyaknya di lumbung milik sendiri. Dalam bermain congklak terdapat 2 kriteria yang
diutamakan. Adapun kriteria yang dimaksud adalah sebagai berikut:
1. Pemilihan langkah free turn.
Langkah free turn merupakan langkah dimana pemain dapat melakukan
langkah selanjutnya karena telah memasukkan biji terakhir yang berada di tangan ke
dalam lumbung. Langkah ini diutamakan dalam permainan congklak karena pemain
dapat terus melanjutkan permainan. Berikut ini adalah contoh gambar keadaan papan
congklak untuk menemukan langkah free turn.
B7 B6 B5 B4 B3 B2 B1
7 7 7 7 7 7 7
L1 L2
0 0
7 7 7 7 7 7 7
A1 A2 A3 A4 A5 A6 A7
Gambar 3.1 Keadaan papan congklak untuk menemukan langkah free turn
Dari gambar di atas, hasil dari penelusuran pohon permainanadalah memilih
lubang B7. Karena jika biji pada lubang B7 dijalankan akan berhenti pada lumbung
dan dapat melakukan langkah selanjutnya (free turn). Berikut ini adalah gambar
Gambar 3.2 Pohon permainan untuk menemukan langkah free turn
Keterangan:
A1-A7 : merupakan daerah permainan Player 1
B1-B7 : merupakan daerah permainan Player 2. Pada permainan Single Player yang
bertindak sebagai Player 2 adalah AI (komputer)
L1 : daerah lumbung Player 1. Lumbung ini hanya dapat diisi oleh Player 1
L2 : daerah lumbung Player 2. Lumbung ini hanya dapat diisi oleh Player 2
(x,y) : x merupakan jumlah biji yang berada di lumbung. y merupakan jumlah biji
yang berada pada lubang yang dipilih oleh pemain
T (z) : T merupakan langkah tembak yang dilakukan pemain dan z merupakan
jumlah biji yang ditembak
2. Pemilihan langkah melakukan tembak.
Langkah ini dipilih jika tidak tersedia pilihan langkah free turn. Langkah
tembak terjadi apabila biji terakhir yang berada di tangan jatuh di lubang kosong di
arena permainan sendiri dan di hadapannya terdapat lubang lawan yang berisi biji
(biji>0). Atau pemain juga dapat memilih langkah tembak ini pada arena permainan
sendiri jika langkah ini dianggap lebih menguntungkan dibanding menjalalankan biji
B1 B2 B3 B4 B5 B6 B7
B2
B1 B3 B4 B5 B6
A1 A2 A3 A4 A5 A6
L2 L2 L2 L2 L2 L2
L2
(0,7) (0,7) (0,7) (0,7) (0,7) (0,7)
(1,8) (1,8) (1,8) (1,8) (1,8)
(7)
(10) (10) (10) (10) (10)
T(9) (1,0) T(9) (1,0) T(9) (1,0) T(9) (1,0) T(9) (1,0) T(9)
(0,7)
(1,8)
(10)
pada lubang lain. Berikut ini adalah contoh gambar keadaan papan congklak untuk
menemukan langkah tembak:
B7 B6 B5 B4 B3 B2 B1
2 3 0 1 9 5 0
L1 L2
23 20
0 11 8 0 4 12 0
A1 A2 A3 A4 A5 A6 A7
Gambar 3.3 Keadaan papan congklak untuk menemukan langkah tembak
Dari gambar di atas, hasil dari penelusuran pohon permainan adalah memilih
lubang B2. Karena jika biji pada lubang B2 dijalankan akan berhenti pada lubang
yang dapat melakukan tembak. Dan langkah B2 juga menghasilkan poin tertinggi
dibandingkan langkah lubang yang lainnya. Berikut ini adalah gambar pohon
Gambar 3.4 Pohon permainan untuk menemukan langkah tembak
3.1.2 Analisis Algoritma Minimax
Pada permainan congklak ini algoritma Minimax hanya digunakan pada level Hard.
Algoritma Minimax diterapkan pada simulasi untuk mendapatkan langkah free turn.
Langkah simulasi ini dipilih jika tidak tersedia pilihan langkah free turn dan
langkah tembak. Simulasi dilakukan sampai AI menemukan langkah free turn. Berikut
ini adalah contoh gambar keadaan papan congklak pada simulasi menemukan langkah
terbaik:
B7 B6 B5 B4 B3 B2 B1
6 2 3 1 16 0 4
L1 L2
48 4
6 2 1 1 0 0 4
A1 A2 A3 A4 A5 A6 A7
Gambar 3.5 Keadaan papan congklak pada simulasi menemukan langkah terbaik
Dari gambar di atas, hasil dari penelusuran algoritma Minimaxadalah memilih
lubang B7. Dalam kondisi ini terdapat dua nilai (free turn) yang sama yaitu 6 pada
Gambar 3.6 Pohon permainan menggunakan algoritma Minimax pada simulasi menemukan langkah terbaik
Karena terdapat dua nilai yang sama yaitu pada lubang B7 dan B3 maka
algoritma Minimax melakukan simulasi pada player dengan tujuan mengetahui nilai
maksimum yang akan diperoleh oleh player.
Berikut ini adalah gambar keadaan papan congklak setelah lubang B7
menemukan langkah free turn dan pohon permainan menggunakan algoritma
Minimax untuk mengetahui nilai maksimum yang akan diperoleh player (a):
B7 B6 B5 B4 B3 B2 B1
Gambar 3.7 Keadaan papan congklak setelah lubang B7 menemukan langkah
free turn
Gambar 3.8 Pohon permainan menggunakan algoritma Minimax pada simulasi
Berikut ini adalah gambar keadaan papan congklak setelah lubang B3
menemukan langkah free turn dan dan pohon permainan menggunakan algoritma
Minimax untuk mengetahui nilai maksimum yang akan diperoleh player (b):
B7 B6 B5 B4 B3 B2 B1
Gambar 3.9 Keadaan papan congklak setelah lubang B3 menemukan langkah
free turn
Gambar 3.10 Pohon permainan menggunakan algoritma Minimax pada simulasi player
Dari dua simulasi yang telah dilakukan pada player maka didapatkan hasil
berikut ini:
Gambar 3.11 Pohon penelusuran algoritma Minimax
Berdasarkan gambar di atas dapat dilihat bahwa nilai maksimum yang
diperoleh player jika AI memilih lubang B7 adalah 53 dan nilai maksimum yang
diperoleh player jika AI memilih lubang B3 adalah 58. Oleh sebab itu algoritma
Minimax memilih lubang B7 untuk menghindari kerugian maksimum yang akan
diperoleh AI. Untuk lebih jelasnya penerapan algoritma Minimax pada aplikasi
permainan congklak ini dapat lihat pada pseudocode berikut:
pencarian minimax
if(bestmovevalue <= Aivalue && Aivalue > 0)
if(bestmovevalue < AIvalue)
bestmovevalue ← AIvalue
bestmove ← i
else if(bestmovevalue == Aivalue)
int val ← getMinPlayer(tmpBoard) * -1
if(val > minval)
minval ← val
bestmovevalue ← AIvalue
bestmove ← i
endif endif
else if(bestmovevalue > Aivalue)
bestmovevalue ← bestmove
bestmove ← i
endif
return bestmove }
3.1.3 Analisis Algoritma Alpha Beta Pruning
Seperti yang telah dibahas pada bab sebelumnya, penulis menggunakan
algoritma Alpha Beta Pruning untuk mempersingkat waktu pencarian sekaligus
sebagai optimasi algoritma Minimax. Algoritma Alpha Beta Pruning akan mengurangi
ruang pencarian Minimax sehingga waktu eksekusi untuk algoritma ini akan lebih
efisien. Berikut ini adalah contoh pohon permainan yang dianalisis dengan algoritma
Alpha Beta Pruning:
Gambar 3.12 Pohon permainan menggunakan algoritma Alpha Beta Pruning
3.2 Perancangan Sistem
Perancangan sistem yang akan dibahas meliputi perancangan pemodelan visual
menggunakan UML, perancangan aplikasi permainan, dan perancangan antarmuka.
3.2.1 Perancangan Pemodelan Visual Menggunakan UML
Penulis juga menggunakan UML untuk merancang aplikasi permainan congklak ini.
UML yang digunakan adalah use case diagram dan activity diagram.
B7
53 58
48 52 49
49 53 53 49 49 49 53 49 58 51
B7 B3
3.2.1.1 Use Case Diagram
Use case diagram adalah teknik untuk mendeskripsikan interaksi antara user dan
aplikasi dalam sebuah sistem. Use case diagram mempresentasikan kegunaan atau
fungsi-fungsi sistem dari perspektif pengguna.
Pemain
Single Player
Multiplayer
Rules
About
Exit
Choose Level
Playing Game
<<Include>>
<<Include>>
Gambar 3.13 Use Case Diagram
3.2.1.2 Activity Diagram
Activity diagram adalah teknik untuk menggambarkan logika procedural, proses bisnis
dan aplikasi kerja (Fowler, 2005). Activity diagram sebenarnya mirip dengan
flowchart namun diperluas dengan menunjukkan aliran kendali dari satu aktivitas ke
aktivitas lain. Berikut ini adalah tabel proses dan activity diagram aplikasi permainan
congklak.
1) Single Player
Tabel 3.1 Proses Single Player
Use Case Single Player
Actors Pemain
Brief Description Use case ini mendeskripsikan proses memulai permainan baru untuk
1 orang pemain
Pre-condition Sudah masuk ke form home
Flow of events Kegiatan Pemain Respon Sistem
1.Klik menu “Single Player”
3. Pilih tingkat kesulitan permainan
2.Tampilkan form“Choose
Level”
4.Tampilkan form permainan congklak sesuai dengan tingkat kesulitan yang dipilih pemain
Post-condition Tampilan form permainan congklak sesuai tingkat kesulitan yang
dipilih
Limitation Tidak ada
Penulis mendeskripsikan activity diagram Single Player yang dapat dilihat pada
gambar berikut ini:
Pemain Sistem
Klik menu Single Player Tampilkan form Choose Level
Pilih level
Tampilkan form permainan sesuai dengan level yang dipilih
Gambar 3.14 Activity diagram Single Player
2) Choose Level
Tabel 3.2 Proses Choose Level
Use Case Choose Level
Actors Pemain
Brief Description Use case ini mendeskripsikan proses memilih tingkat kesulitan
permainan
Pre-condition Sudah masuk ke form choose level
Flow of events Kegiatan Pemain Respon Sistem
1.Pilih tingkat kesulitan (level) yang ingin dimainkan, yaitu
easy, medium, atau hard.
2.Tampilkan form permainan congklak sesuai dengan tingkat kesulitan yang dipilih
Post-condition Pemain bermain sesuai dengan tingkat kesulitan yang dipilih
Limitation Tidak ada
Penulis mendeskripsikan activity diagram Choose Level yang dapat dilihat pada
gambar berikut ini:
Sistem Pemain
Pilih Level Tampilkan form permainan sesuai dengan level yang dipilih
Gambar 3.15 Activity diagram Choose Level
3) Multiplayer
Penjelasan proses Multiplayer dapat dilihat pada tabel berikut ini.
Tabel 3.3 Proses Multiplayer
Use Case Multiplayer
Actors Pemain
Brief Description Use case ini mendeskripsikan proses memulai permainan baru untuk
2 orang pemain
Pre-condition Sudah masuk ke form home
Flow of events Kegiatan Pemain Respon Sistem
1.Klik menu “Multiplayer”
3. Pilih giliran pemain
4. Tampilkan form permainan congklak untuk 2 orang pemain
Post-condition Tampilan form permainan congklak untuk 2 orang pemain
Limitation Tidak ada
Penulis mendeskripsikan activity diagramMultiplayer yang dapat dilihat pada gambar
berikut ini:
Sistem Pemain
Klik menu Multiplayer
Tampilkan form permainan untuk 2 orang pemain Tampilkan form pilih giliran pemain
Pilih giliran pemain
Gambar 3.16 Activity Diagram Multiplayer
4) Play
Penjelasan proses Play dapat dilihat pada tabel berikut ini.
Tabel 3.4 Proses Play
Use Case Play
Actors Pemain
Brief Description Use case ini mendeskripsikan proses menjalankan permainan
Pre-condition Sudah masuk ke form permainan congklak
Flow of events Kegiatan Pemain Respon Sistem
1.Player 1 memulai permainan
terlebih dahulu dan memilih lubang yang akan dijalankan
2. Update papan congkak sesuai
dengan perpindahan biji congkak
3. Mengevaluasi nilai biji
4. Perpindahan biji congkak AI ditampilkan. Jumlah biji congkak sudah ter-update
5. Jika permainan berakhir maka sistem akan menampilkan
message dialogue menang,
kalah, atau seri.
Post-condition Tampilan message dialogue
Limitation Tidak ada
Penulis mendeskripsikan activity diagram Play yang dapat dilihat pada gambar
berikut ini:
Sistem Pemain
Player 1 memilih lubang yang akan dijalankan
Update jumlah biji congkak
Tampilan perpindahan biji congkak player 2
Tampilan message dialogue menang, seri, atau kalah
Evaluasi nilai biji congkak
Generate langkah AI
Ya Tidak
End Game?
Gambar 3.17 Activity diagram Play
5) Rules
Penjelasan proses Rules dapat dilihat pada tabel berikut ini.
Tabel 3.5 Proses Rules
Use Case Rules
