http://research. pps. dinus. ac. id , 1
KOORDINASI NONPLAYER CHARACTER FOLLOWER
MENGGUNAKAN ALGORITMA POTENTIAL FIELDS BERBASIS
MULTIBEHAVIOUR
Latius Hermawan1, Mochamad Hariadi2, Ruri Suko Basuki3 13Pasca Sarjana Teknik Informatika Universitas Dian Nuswantoro
2Institut Teknologi Sepuluh Nopember (ITS)
ABSTRACT
Games have become popular among the people, as a form of entertainment, social support interaction between them . NPC behavior modeling is an important issue in realizing the intelligence of computer games . In NPC team - mate, AI needed to help regulate the behavior of team - mate who played alongside or under the command of a human player to assist players in achieving the goal. Potential fields is described as the iron particles are moving towards the object through the magnetic field created by the target object . This movement depends on the existing magnetic field , the particles will be drawn towards the goal , or just the opposite of the iron particles will be rejected by the magnetic field at the time met an obstacle . In this study , the data obtained by reading the references relating to the title to find out the problems faced in coordinating the team in the game . From the study , analyzed the needs of the games that will be made to the AI model that will be used for team coordination . Only then designed a game that can resolve the issue . After the game was made , the game will be tested by several methods , so it will look the difference . The expected outcome of this study is to model the NPC behavior Follower and adjust the position of the player in accordance with the AI have been made . So players will not quickly lose the game and can finish coordinate with the NPC Follower followed by adjusting the movement of NPC Follower to the players during the attacks , NPC Follower still within range radius of the player to protect the player .
Keywords : Games, NPC, Potential Fields, AI.
1. PENDAHULUAN 1.1. Latar Belakang
Permainan telah menjadi populer di kalangan masyarakat, sebagai suatu bentuk hiburan, mendukung interaksi sosial antara mereka. Dengan perkembangan ilmu komputer dan platform hardware yang kuat, komputer telah memberikan potensi penuh untuk melakukannya [1]. Pemain game secara rutin menghabiskan ratusan bahkan ribuan jam untuk menguasai keterampilan kompleks dunia digital yang memakan banyak waktu [2]. Variasi game telah banyak berkembang seperti Strategy (RTS) Game,
Role-Player Game (RPG), First-Person Shooter (FPS) Game, Business Game, and Racing Game. Dalam suatu game tertentu seperti First Person Shooter (FPS) terutama untuk serangan jarak dekat (close combat), Non-Player Character harus dibuat sealami mungkin agar gerakan maupun karakternya seperti halnya manusia. Sehingga game tersebut menjadi lebih menarik dan realistis[3]. Pada
Agent-Based Artificial Intelligence, The Non-Player Characters, perilaku dapat ditentukan berdasarkan
keadaan lingkungan atau dari karakter yang berada di dekatnya dan dikendalikan oleh sistem yang ada dalam permainan. Kedua mekanisme tersebut dapat digunakan secara terpisah ataupun digabungkan dalam Game Artificial Intelligence [4].
Non-Player Character memainkan peranan penting dalam banyak permainan, seperti menyajikan story-line, menjadi musuh ataupun teman dan memberikan informasi kepada pengguna yang
berhubungan dengan permainan [5].Banyak permainan memerlukan desain Artificial Intelligence yang baik untuk mengontrol karakter. Sebagai contoh, Non-Player Character harus bisa berperilaku alami dan dapat bergerak untuk mengepung dan menyerang musuh. Penyerangan termasuk menghancurkan
2 http://research. pps. dinus. ac. id markas musuh, mempertahankan daerah, dan meksplorasi daerah yang baru, merupakan kunci dari permainan yang telah didiskusikan pada literatur [6][7][8].
Pada game pertempuran, pola pergerakan Non-Player Character dalam menghadapi lawan atau
target sangatlah penting dan sulit untuk diimplementasikan. Gerakan di sini bisa berupa gerakan menuju target, menghindari serangan musuh, menghindari halangan yang ada dan tabrakan antar- Non- Player Character [9]. Simulasi real-time ini sulit dilakukan karena perilaku yang dipamerkan sangat kompleks
dan pelik. Untuk menyusun pergerakan pasukan dibutuhkan suatu aturan / metode dan skenario tertentu yang mengatur posisi masing-masing Non-Player Character Follower dalam pergerakannya
[10]. Memodelkan perilaku Non-Player Character merupakan hal yang sulit untuk direalisasikan dalam permainan komputer.Sehingga diharapkan bahwa kapanpun dan dimana pun saat Non-Player Character bertemu, permainan bisa menghasilkan perilaku yang sesuai atau membuat pilihan perilaku yang tepat untuk saat itu [11].
Dalam Non-Player Character team-mate, Artificial Intelligence dibutuhkan untuk membantu mengatur perilaku tim-pasangan yang bermain bersama atau di bawah komando pemain manusia untuk membantu pemain dalam mencapai tujuan akhir dari suatu permainan yang dijalankan [12]. Seperti tim tentara dalam permainan militer harus tepat waktu dalam melakukan tindakan yang tepat seperti bergerak maju, berdiri, serang, menjauhi musuh ataupun mendekati musuh [13]. Untuk dapat membantu dalam mengatur pergerakan dan perilaku dari Non-Player Character, dibutuhkan suatu metode yang dapat diterapkan pada Player sehingga dapat mengatur posisi pergerakan dan perilaku sesuai dengan kondisi Player saat bermain.
Beberapa metode yang dipakai oleh [14][15] yaitu menggunakan Fuzzy Logic untuk mengontrol masalah formasi sewaktu kecepatan pemimpin tidak tidak bisa dikontrol sesuai dengan desain. Hasil simulasi telah menunjukkan efektivitas dalam pendekatan. [16] menggunakan Virtual Vehicle Approach agar robot dapat bergerak mengikuti pemimpin sesuai dengan lintasan dan skenario yang ada. Hasil telah menunjukkan metode pendekatan yang digunakan efektif. Peneliti [10][17] menggunakan metode
Potential Fields untuk mencari jalan keluar, menghindari halangan, baik itu berupa dinding, Non-Player Character, dll yang menggunakan prinsip potential repulsive. Peneliti [12] menggunakan Gunner and Team-Mate Algorithm untuk menciptakan kesulitan yang bersifat adaptif dengan Non-Player Character
team-mate yang dapat bekerja sama untuk berhadapan juga dengan musuh yang bersifat adaptif dengan
hasil tim dapat saling berkerjasama dalam mencapai tujuan yang terpimpin.
Dibutuhkan metode yang dapat mengatur koordinasi posisi dan perilaku Non-Player Character secara bersamaan saat bermain sesuai dengan kondisi Player yaitu dengan mensimulasikan Non-Player
Character Follower sesuai dengan kondisi dan perilaku yang cocok. Di sini perlu diperhatikan
karakteristik dari masing-masing Non-Player Character untuk dapat menentukan posisinya dalam barisan. Sistem kerja Potential Field adalah dengan memberi nilai yang tinggi pada daerah dekat target dan nilai akan semakin berkurang jika jarak radius nya semakin jauh dari target. Setiap Potential Field mempunyai radius aksi. Diluar dari radius maka tidak ada kekuatan yang akan menarik agen untuk menuju target, hal ini mirip dengan medan magnet. Pada saat agen berada pada jarak radius pengaruh yang dibuat oleh target, maka agen akan mendapat vektor ruang yang disebut action vektor yang merepresentasikan kecepatan dan tujuan dari agen tersebut. Potential Field atraktif adalah Potential
Field yang mengatur bagaimana setiap agen yang ada bergerak mengarah ke tujuan. [9].
Berdasarkan permasalahan yang telah dipaparkan, perlu dibangun suatu koordinasi antara Player dan Non-Player Character Follower agar dapat saling membantu dalam melindungi keselamatan dari
Player, sehingga dapat menyelesaikan suatu misi yang sedang dijalankan secara lebih menarik dan realistis dengan menggunakan metode Potential Fields.
2. TINJAUN PUSTAKA 2.1. Penelitian Terkait
Penelitian yang termasuk bidang kajian dari penelitian ini dapat dilihat pada tabel di bawah ini. Terlihat bahwa beberapa paper telah meneliti tentang Non-Player Character dengan menggunakan algoritma
Potential Fields, Fuzzy Logic, Virtual Vehicle, Gunner and Team Mate Algorithm, FSM, dll. Hasil yang
http://research. pps. dinus. ac. id , 3 pasukan dapat mencapai target yang dituju. Hasil telah menunjukkan metode pendekatan yang digunakan efektif agar follower dapat mengikuti leader dan dapat mengontrol kecepatan sesuai dengan kondisi lingkungan yang ada. Unit dapat mengepung target yang berjumlah 1 ataupun lebih, antar-anggota Tim dapat saling berkerjasama dalam mencapai tujuan yang terpimpin. Hasil simulasi telah menunjukkan efektivitas dalam pendekatan. Dari semua penelitian yang ada masih belum ada yang membahas mengenai koordinasi dan penentuan keputusan antar-Tim yang sesuai dengan kondisi kesehatan Player.
Penelitian yang dilakukan penulis adalah penggunaan Arificial Intelligent dengan Potential Field
Atraktif dan Fuzzy Mamdani untuk membantu Non-Player Character Follower berkoordinasi dengan Player dalam menentukan keputusan yang akan dibuat untuk Non-Player Character Follower dalam
mengikuti Player, menentukan posisi dan perilaku yang cocok terhadap Player yang akan dilakukan sesuai dengan kondisi Player ( Skenario Permainan ).
Penelitian Terkait
No Peneliti Hasil
1 Siswati, Supeno, Moch.Hariadi, 2010, Simulasi
Pergerakan Pasukan Berbasis Potential Fields Untuk Target Dinamis[18]
Dari skenario yang dibuat, pasukan dapat mencapai target yang dituju.
2 Jawhar G, Hasan M, Maarouf S, 2011, Leader-Follower
Based Formation Control of
Nonholonomic Robots Using the Virtual Vehicle Approach[15]
Hasil telah menunjukkan metode pendekatan yang digunakan efektif
3 Hamed R, Farzaneh A, Mohammad B, 2013,
Model-Free Fuzzy Leader-Follower Formation Control of Fixed Wing UAVs
Follower dapat mengikuti leader dan
dapat mengontrol kecepatan dan perilaku
4 Zhai H, Ji Z, Gao J, 2013, Formation Control of
Multiple Robot Fishes Based on Artificial Potential Field and Leader-follower Framework[10]
Robot ikan dapat mengikuti pemimpin sesuai dengan kondisi lingkungan yang ada ( terdapat halangan atau tidak )
5 Chen C, Liao X, Liao C, Ting C, 2012, Pattern
Formation Based on Potential Field in Real-Time Strategy Games[4]
Unit dapat mengepung target yang berjumlah 1 ataupun >1.
6 Aswin T, Kevin M, 2010, AI for Dynamic Team-mate
Adaptation in Games[12]
Tim dapat saling berkerjasama dalam mencapai tujuan yang terpimpin
7 Jawhar G, Hasan M, Maarouf S. 2011, Leader-Follower
Formation Control of Nonholonomic Robots with Fuzzy Logic Based Approach for Obstacle Avoidance.[14]
Hasil simulasi telah menunjukkan efektivitas dalam pendekatan.
2.2. Landasan Teori 2.2.1 Game
Game berasal dari kata Bahasa Inggris yang memiliki arti dasar permainan. Permainan dalam hal ini
merujuk pada pengertian “kelincahan intelektual” (intellectual playability). Game juga bisa diartikan sebagai arena keputusan dan aksi pemainnya. Ada target-target yang ingin dicapai pemainnya. Kelincahan intelektual, pada tingkat tertentu, merupakan ukuran sejauh mana game itu menarik untuk dimainkan secara maksimal [19]. Agen Software adalah [20] Suatu entitas software komputer yang memungkinkan user (pengguna) untuk mendelegasikan tugas kepadanya secara mandiri (autonomously). Permainan atau aplikasi yang dirancang menggunakan agen cerdas sebagai otak untuk melawan manusia. Agen adalah sesuatu yang dapat mengesan lingkungannya melalui sensors dan mengambil indakan terhadap lingkungannya melalui actuators. Agen yang berinteraksi dengan
4 http://research. pps. dinus. ac. id lingkungan melalui actuators. Agen yang berinteraksi dengan lingkungan melalui sensors dan actuators dapat dilihat pada gambar 1.
Gambar 1. Agen yang Bernteraksi dengan Lingkungan Melalui Sensors dan Actuators
Definisi agen rasional adalah untuk setiap deretan persepsi yang mungkin,sebuah agen rasional hendaklah memilih satu tindakan yang diharapkan memaksimalkan ukuran perfomance-nya dengan adanya bukti yang di berikan oleh deretan presepso apapun pengetahuan terpasang yang dimiliki agen itu. Empat agen dasar yaitu simple reflex agents,model-based reflex agents,goal-based agents dan
unity-based agents. [21]
2.2.2 Potential Fields
Sistem kerja Potential Field adalah dengan memberi nilai yang tinggi pada daerah dekat target dan nilai akan semakin berkurang jika jarak radius nya semakin jauh dari target. Setiap Potential Field mempunyai radius aksi. Di luar dari radius maka tidak ada kekuatan yang akan menarik agen untuk menuju target, hal ini mirip dengan medan magnet. Pada saat agen berada pada jarak radius pengaruh yang dibuat oleh target, maka agen akan mendapat vektor ruang yang disebut action vektor yang merepresentasikan kecepatan dan tujuan dari agen tersebut [9].
d = ( − )+ ( − ) (1)
Potential Field atraktif adalah Potential Field yang mengatur setiap agen yang ada bergerak
mengarah ke tujuan, seperti yang diperlihatkan dalam gambar di bawah.
Gambar 2. Potential Field Aktraktif
Perhitungan nilai Potential Field tujuan, didapatkan dari konsep Potential Field dari elektrostatika, yaitu [21]
Uxd (x) =
kp (( − )+ ( − ) )2 (2)
Keterangan :
Uxd = Potential Field atraktif yang dibuat oleh nilai tujuan d = Jarak antara agen dan tujuan
Kp = Konstanta pada Potential Field atraktif
Persamaan (2) dapat digunakan untuk menentukan nilai Potential Field aktraktif dengan memanfaatkan puncak gundukan. Dalam artian, semua partikel yang berada di bawah nilai puncak gundukan tersebut akan tertarik ke puncak gundukan (yang mempunyai nilai tertinggi). Jadi dapat diibaratkan puncak gundukan adalah target yang akan dituju. Potential Field repulsif adalah Potential
http://research. pps. dinus. ac. id , 5
Field yang mengatur setiap agen agar dapat menghindari halangan (obstacle) yang ada, seperti yang
diperlihatkan dalam gambar di bawah.
Potential Field repulsif adalah Potential Field yang mengatur bagaimana setiap agen dapat
menghindari halangan (obstacle) yang ada, seperti yang diperlihatkan dalam gambar di bawah.
Gambar 3. Potential Field Repulsif
Perhitungan nilai Potential Field repulsif, didapatkan dari konsep Potential Field dari elektrostatika, dengan menggunakan Persamaan [21]
Uo (x) = ῂ ῤ− ῤ ῤ ≤ ῤ 0 ῤ > ῤ (3) Keterangan:
Uₒ(x) = Repulsif Potential Field dari halangan eta(η) = Konstanta pada Potential Field repulsif ρ = Jarak radius terdekat ke halangan
Persamaan (3) jika dimanfaatkan untuk menghitung nilai potential repulsif, maka partikel tidak akan tertarik ke puncak gundukan. Namun sebaliknya, partikel akan menolak dan berlari menuju nilai yang lebih tinggi. Jadi dapat diibaratkan garis yang membentuk fungsi eksponensial itu, harus dijauhi atau dalam artian halangan harus dihindari.
2.3. Koordinasi Nonplayer Character Follower Menggunakan Algoritma Potential Fields Berbasis Multibehaviour
Kerangka pemikiran penelitian ini berawal dari penelitian sebelumnya yang berkaitan dengan koordinasi
Non-Player Character Follower yang telah diteliti oleh peneliti sebelumnya. Penelitian ini bertujuan
untuk mengatur beberapa Non-Player Character Follower pada suatu game yang berbasis pada
permainan tim. Non-Player Character Follower harus mengontrol posisi dan perilaku sesuai dengan
kondisi Player saat terjadi penyerangan dan tetap di dalam radius jangkauan Player dan dapat mengikuti kemanapun Player bergerak, sehingga Non-Player Character Follower dapat membantu dan menolong Player dengan mengatur posisi dan perilaku yang cocok untuk Player agar tidak cepat mati. Berikut
merupakan konsep pemikiran penelitian ini.
Secara lebih spesifik, game yang digunakan adalah game simulasi, pemain memainkan permainan dan mengambil peran sebagai Player. Kemanapun Player berjalan maka teman yang lain akan mengikuti
Player dengan jarak yang sesuai dengan kondisi Player (Skenario Permainan). Jika Player terserang,
Non-Player Character Follower akan dapat mengubah posisi untuk lebih mendekat ke Player dan
mengambil keputusan yang cocok untuk membantu Player saat itu. Dengan menerapkan metode yang ada, diharapkan Non-Player Character Follower dapat membantu Player agar tidak cepat mati dan
dapat menghasilkan perilaku yang cocok. Secara singkat dijabarkan pada gambar berikut ini. Penelitian ini diharapkan bisa menghasilkan suatu simulasi pergerakan Non-Player Character
Follower dalam menghadapi musuh di samping juga harus melindungi Player.
Pengujian dilakukan untuk menguji metode yang digunakan berjalan sesuai dengan tujuan penelitian yaitu dengan menggunakan uji skenario dan finishing time dalam menyelesaikan suatu skenario yang telah ditentukan berdasarkan gameplay yang telah dibuat. Pengujian skenario dilakukan untuk menguji game yang telah dibuat dapat berjalan sesuai dengan gameplay dari permainan, sedangkan finishing time dilakukan untuk menguji apakah dengan adanya metode yang dipakai akan dapat membuat pemain memenangkan permainan lebih cepat dan dapat terkoordinasi dengan baik
6 http://research. pps. dinus. ac. id dibandingkan dengan metode lainnya? Jadi pada pengujian finishing time akan terlihat grafik yang berisi hasil perhitungan waktu antara yang memakai metode potential field atraktif, fuzzy, dan random sehingga keefektifan dari metode yang digunakan dapat terlihat perbedaannya.
Gambar 4. Kerangka Pemikiran Penelitian 3. METODE PENELITIAN
Perangkat keras dan perangkat lunak yang digunakan untuk melakukan implementasi dan pengujian
game adalah sebagai berikut:
a. Perangkat keras
Perangkat keras yang digunakan untuk pembangunan game adalah sebagai berikut : 1) Prosesor yang setara dengan kecepatan 2.4 GHz.
2) RAM 4 GB.
3) Harddisk dengan ruang kosong 166 GB. 4) VGA Card 4099 MB.
5) Monitor dengan resolusi 1366 x 768 pixels. 6) Speaker.
7) Keyboard dan mouse. b. Perangkat lunak
Perangkat lunak yang digunakan untuk mengimplementasikan game adalah sebagai berikut : 1) Sistem Operasi Microsoft Windows 7
2) Game engine Unity 3D, dengan bahasa pemrograman berupa Javascript dan C#.
3) Rendering gambar 3D diambil dari mixamo.com, dan gambar 2D menggunakan Adobe Photoshop CS3.
4) DirectX 11.
Sistem operasi harus sudah terpasang pada komputer, agar game yang dibangun dapat dijalankan pada komputer tersebut. Jika pengguna ingin membuka project-nya maka terlebih dahulu harus memasangkan Unity 3D dan komponen-komponen yang mendukungnya.
Metode penelitian yang digunakan dalam penelitian ini adalah penelitian eksperimen. Paper [22] Berpendapat bahwa metode pengembangan multimedia terdiri dari 5 tahapan, yaitu concept, design,
http://research. pps. dinus. ac. id , 7 Gambar 5. Alur Proses Penelitian
3.1. Concept
Proses pengumpulan kebutuhan diintensifkan ke perangkat lunak yang berbentuk game simulasi. Pada tahapan ini dilakukan analisis dari Non-Player Character Follower dan Player untuk mendapatkan data karakteristik dari karakter seperti perilaku dan perubahan posisi yang nantinya akan dilakukan sesuai dengan storyboard. Pembuatan game juga harus memperhatikan intelegent system dari agen agen yang terikat , sehingga game simulasi dapat sesuai dengan kebutuhan serta menghasilkan game yang menarik dan realistis.
3.2. Design
Proses desain mengubah kebutuhan-kebutuhan menjadi bentuk karakteristik yang dimengerti perangkat lunak sebelum dimulai penulisan program. Pada tahapan ini dimulai dengan menentukan,
a. Tujuan yang akan dicapai.
b. Memilih sistem operasi, software apa yang digunakan serta perangkat kerasnya c. Perancangan storyboard dan Finite State Machine
d. Perancangan model game (Terrain, Agent, Environtment) 3.3. Material Collecting and Implementation
Pada tahapan ini game dibuat dengan menggunakan Unity 3D v4.0.1f2. Pada tahap ini akan dikembangkan modul-modul program untuk program utama serta program untuk masing-masing
agent yang akan digunakan dalam game sesuai dengan kondisi Player berdasarkan algoritma yang
dipakai. 3.4. Testing
Setelah kode program selesai dibuat, dan program dapat berjalan, testing dapat dimulai. Testing difokuskan pada logika internal dari perangkat lunak, fungsi eksternal, dan mencari segala kemungkinan kesalahan. Pada tahap ini dilakukan review dan evaluasi terhadap game simulasi yang dikembangkan, apakah sudah sesuai dengan rancangan atau belum. Jika terjadi hal-hal yang tidak sesuai atau tidak diharapkan, kemudian dilakukan revisi atau perbaikan supaya produk tersebut dapat dioperasikan dengan baik dan siap untuk diimplementasikan serta diharapkan dapat memberi solusi terhadap masalah yang ada.
Melakukan pengetesan terhadap program yang telah selesai dibuat sebelum diimplementasikan dengan menggunakan teknik pengujian perangkat lunak yang telah ada diantaranya :
a. Pengujian terhadap interface game simulasi.
b. Pengujian kompleksitas waktu yang dibutuhkan untuk setiap skenario. c. Pengujian skenario yang dibuat sesuai dengan metode yang dipakai.
1.Concept 2.Design 3Material Collecting 4.Implementatio 5.Testing 6.Distributio
8 http://research. pps. dinus. ac. id
3.5. Distribution
Distribusi merupakan tahapan penentuan aplikasi disimpan dalam suatu media penyimpanan. Pada tahap ini jika media penyimpanan tidak cukup untuk menampung aplikasinya, maka dilakukan kompresi terhadap aplikasi tersebut.
.
4. HASIL DAN PEMBAHASAN
Kondisi yang dialami saat penyerangan yang dilakukan oleh zombie terhadap follower dan player maupun pasukan terhadap zombie akan menyebabkan health dari keduanya pun akan berkurang, begitu juga sebaliknya. Zombie akan mencari pasukan dan player, jika sudah ketemu maka zombie akan mengejar pasukan dan menyerangnya hingga pasukan mati. Pemain dan follower juga akan mencari keberadaan zombie, dan ketika zombie sudah masuk kedalam radius, maka follower akan menyerang
zombie. Berikut merupakan skrip penyerangan zombie terhadap pemain.
Gambar 6. Kejadian Saat Zombie Menyerang
Gambar 7. Pasukan Menyerang Zombie
Setelah proses penyerangan yang dilakukan pasukan dan player terhadap zombie, akan menyebabkan kurangnya health dari player juga. Karena player merupakan hal yang paling penting dalam permainan ini. Jika player mati sedangkan pasukan belum, maka permainan akan selesai yang disebabkan peminpin sudah mati. Jika pasukan mati, permainan akan tetap berjalan walaupun player hanya sendirian. Zombie akan menyerang secara acak siapa yang akan diserang terlebih dahulu oleh
zombie.
Keputusan perilaku yang baik sangat dibutuhkan untuk menjaga player agar tidak mati terlebih dahulu, sehingga permainan dapat dilanjutkan hingga misi diselesaikan. Follower penyerang akan selalu bertugas untuk menyerang musuh hingga mati, sedangkan follower pelindung harus menentukan keputusan kapan ia akan memberikan bantuan kepada player. Jika berhasil membantu maka layar akan berwarna kuning sesaat.
http://research. pps. dinus. ac. id , 9 Gambar 8. Keputusan Follower Saat Akan Membantu Player
Gambar 9. Follower Pelindung Memberikan Bantuan
Pada saat player mengalami penyerangan oleh zombie yang menyebabkan berkurangnya health
player, maka secara otomatis AI follower akan mendekat ke player dengan memperhitungkan vektor
dan posisi yang sesuai dengan kondisi. Follower juga harus bisa mengikuti pergerakan player kemanapun saat follower sudah berada pada ujung batas radius yang ada tanpa harus ketinggalan ataupun kehilangan jejak dengan menggunakan metode potential field. Sehingga follower dapat selalu menjaga kondisi player agar tidak cepat mati saat terjadi penyerangan oleh zombie.
Setelah kode program selesai dibuat, dan program dapat berjalan, testing dapat dimulai. Testing difokuskan pada logika internal dari perangkat lunak, fungsi eksternal, mencari segala kemungkinan kesalahan beserta metode yang digunakan. Pada tahap ini dilakukan review dan evaluasi terhadap game simulasi yang dikembangkan, apakah sudah sesuai dengan rancangan atau belum? Jika terjadi hal-hal yang tidak sesuai atau tidak diharapkan, kemudian dilakukan revisi atau perbaikan supaya produk tersebut dapat dioperasikan dengan baik dan siap untuk diimplementasikan serta diharapkan dapat memberi solusi terhadap masalah yang ada.
Gambar 10. Hasil Pengujian antara Metode dan Waktu Penyelesaian Permainan
0 100 200 300 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
Waktu Penyelesaian
10 http://research. pps. dinus. ac. id Formula = 600 - Finishing Time / 60, if FT = 0 OR HP Player = 0 then FT = 0
Sedangkan rumus akurasi,
Akurasi = ! "#$ $
% & ! x 100%
Data tersebut didapat dengan menguji penggunaan metode pada level 1. Waktu yang diberikan untuk menyelesaikan permainan sebanyak 10 menit atau 600 detik. Setelah dilakukan pengujian sebanyak 30 kali pada setiap percobaan didapat hasil seperti yang berada di atas. Jika grafik menuju 0 berarti pemain gagal atau waktu yang telah habis dalam menyelesaikan misi, sehingga waktu akan berubah menjadi 0. Keberhasilan pemain dan tim dengan menggunakan metode potential field atraktif dengan percobaan 30x dengan musuh berjumlah 30 mencapai 90% karena pemain dan tim dapat bekerja sama dan membantu pemain jika kondisi pemain sudah lemah, sedangan fuzzy mencapai 80% disebabkan tim pasukan tidak dapat membantu pemain karena tidak dapat mendekat ke posisi player dan hanya bisa mengikuti arah pergerakan pemain, dan random mencapai 73% disebabkan seluruh tim dan pemain bergerak secara individual sehingga akan menghabiskan banyak waktu dan pemain lebih cepat mati.
5. KESIMPULAN DAN SARAN Kesimpulan
Dari hasil penelitian game yang dibuat dan dikembangkan, maka dapat disimpulkan sebagai berikut : a. Game Zombie Attack dapat membuat pemain tertarik karena adanya tantangan untuk
menyelesaikan misi game. Dengan dilengkapi beberapa AI yang diterapkan di setiap agen player dan enemy semakin membuat para pemain tertarik karena adanya feedback dari game.
b. Khusus penelitian ini yang fokus pada koordinasi NPC Follower terhadap Pemain, dan metode
Potential Field Atraktif dapat diterapkan dengan baik. Sehingga NPC Follower dan Pemain dapat
saling bekerjasama dan membantu pemain untuk menyelesaikan permainan.
c. Keberhasilan pemain dan tim dengan menggunakan metode potential field atraktif dengan percobaan 30x mencapai 90%.
d. Berdasarkan hasil testing, ada beberapa pengujian yang digunakan dalam game ini yaitu Pengujian interface yang menguji fungsi – fungsi game secara interface ke pemain berhasil diterima dengan baik. Kemudian ada pengujian skenario dari 30 kali percobaan game dapat melakukan skenario yang diujikan menggunakan metode potential field atraktif, sedangkan dengan metode fuzzy dan random memiliki beberapa hal yang tidak bisa dilakukan sesuai dengan harapan.
Saran
Pada perkembangan selanjutnya jika ada penambahan yang dilakukan, maka disarankan beberapa hal berikut :
a. Environment game dapat dikembangkan lagi dengan menambahkan berapa effect sehingga game
lebih menarik para pemain.
b. Jenis game dapat diubah menjadi Third Person Shooter sehingga game yang dimainkan lebih realistis.
c. Alur cerita game dapat dikembangkan sehingga dapat memperbanyak level game yang semakin menantang.
PERNYATAAN ORIGINALITAS
“Saya menyatakan dan bertanggung jawab dengan sebenarnya bahwa artikel ini adalah hasil karya saya sendiri kecuali cuplikan dan ringkasan yang masing-masing telah saya jelaskan sumbernya” [Latius Hermawan – P31.2012.01237]
http://research. pps. dinus. ac. id , 11 DAFTAR PUSTAKA
[1] Alan Graf,” Fuzzy Logic Approach for Modelling MultiPlayer Game Scoring System,”IEEE 8th International Conference on Telecommunications – ConTEL, pp.347-352, 2005.
[2] Kil-Sang Yoo, Won-Hyung Lee,” An Intelligent Non-Player Character based on BDI Agent,” IEEE Fourth International Conference on Networked Computing and Advanced Information Management, pp.214-219, 2005.
[3] Yunifa M, Mochamad H dan Supeno Mardi S.N. “Strategi Menyerang pada Game FPS
Menggunakan Hierarchy Finite Machine dan Logika Fuzzy”.
[4] Chen C, Liao X, Liao C, Ting C, “Pattern Formation Based on Potential Field in Real-Time
Strategy Games”, IEEE Conference on Technologies and Applications of Artificial Intelligence,
pp.332-337, 2012.
[5] Jafar Al-Gharaibeh, Clinton Jeffery, “Portable Non-Player Character Tutors with Quest
Activities”, IEEE Virtual Reality pp.253-354, 2010.
[6] S. Priesterjahn, O. Kramer, A. Weimer, and A. Goebels, “Evolution of human-competitive agents
in modern computer games,” IEEE Congress on Evolutionary Computation (CEC2006), pp. 777–
784, 2006,.
[7] J. Hagelbäck and S. J. Johansson, “The rise of potential fields in realtime strategy bots”, Fourth Artificial Intelligenceand Interactive Digital Entertainment Conference (AIIDE), pp.42–47, 2008. [8] P. Avery, S. Louis, and B. Avery, “Evolving coordinated spatial tactics for autonomous entities
using influence maps”, IEEE Symposium on Computational Intelligence and Games (CIG2009),
pp. 341–348, 2009.
[9] Luwo J, Su W, Wang D, “The Improvement Of The Artificial Potential Field Robot Path Planning
Based-On 3D Space”, IEEE, pp.2128-2131, 2012.
[10] Zhai H, Ji Z, Gao J, “Formation Control of Multiple Robot Fishes Based on ArtificialPotential
Field and Leader-follower Framework”, IEEE Chinese Control and Decision Conference
(CCDC), pp.2616-2620, 2013.
[11] Shu F, Narendra S. Chaudhari, “A Chaotic Behavior Decision Algorithm Based on
Self-Generating Neural Network for Computer Games” , IEEE, pp.1912-1915, 2008.
[12] Aswin T, Kevin M, “AI for Dynamic Team-mate Adaptation in Games”,IEEE Conference on Computational Intelligence and Games, pp. 419-426, 2010.
[13] O. Khatib. “Real-time obstacle avoidance for manipulators and mobile robots”, The International Journal of Robotics Research, pp.90–98, 1986.
[14] Jawhar G, Hasan M, Maarouf S, “Leader-Follower Formation Control of Nonholonomic Robots
with Fuzzy Logic Based Approach for Obstacle Avoidance”, IEEE/RSJ International Conference
on Intelligent Robots and Systems, 2011.
[15] Jawhar G, Hasan M, Maarouf S, “Leader-Follower Formation Control of Nonholonomic Robots
withFuzzy Logic Based Approach for Obstacle Avoidance”, IEEE/RSJ International Conference
on Intelligent Robots and System, 2011.
[16] Jawhar G, Hasan M, Maarouf S, “Leader-Follower Based Formation Control of Nonholonomic
Robots Using the Virtual Vehicle Approach”. Proceedings of the 2011 IEEE International
Conference on Mechatronics, 2011.
[17] Arik, Supeno, Moch.Hariadi, “Simulasi Pergerakan Pengunjung Mall Menggunakan Potential
Fields”. Pascasarjana Jaringan Cerdas Multimedia (Game Teknologi), Jurusan Teknik Elektro,
ITS Jurnal Ilmiah Kursor pp.186-196, 2010.
[18] Siswati, Supeno, Moch.Hariadi, “Simulasi Potential Fields Untuk Target Dinamis”. Pascasarjana Jaringan Cerdas Multimedia (Game Teknologi) Teknik Elektro,Teknologi Industri ITS, 2010.
[19] Missyamel, 2010, Pengertian Teknologi Game,
http://joeyamel.blogspot.com/2010/04/pengertian-teknologi-game.html, diakses pada tanggal 11 Agustus 2013 pukul 14:34.
[20] A. Caglayan, Colin H, Alper C, and Colin G, “Agent Sourcebook: A Complete Guide to Desktop,
Internet, and Intranet Agents”, JohnWiley & Sons Inc., January 1997.
[21] Stuart, Russel and Peter Norvig.,“ Artifical Inteligence A Modern Approach.“,2 Edition.United States Of America Prentice Hall, 2005
12 http://research. pps. dinus. ac. id [22] Sutopo, Ariesto Hadi, “Multimedia Interaktif dengan Flash”. Graha Ilmu. Yogyakarta, 2003.
