MEMBANGUN GAME “FROM ZERO TO HERO” MENGGUNAKAN
ALGORITMA BRUTE FORCE DAN BAYES
Rachman Yulianto
1*Teknik Informatika, Sekolah Tinggi Ilmu Komputer PGRI, Banyuwangi, Indonesia1* habishujan@yahoo.com
Abstrak - Machine Learning, adalah ilmu yang
bersangkutan dengan pngembangan algoritma dan desain. Tujuan machine learning ini adalah mendesain algoritma yang mengenali pola – pola rumit dan mengambil sebuah keputusan cerdas berdasarkan masukan. Dengan kerumitan dalam mendesain sebuah algoritma tersebut membuat sebagian orang lebih tertarik dan mengerti sebuah pembelajaran melalui sebuah permainan dalam hal ini adalah game edukasi. Game edukasi yang merupakan salah satu contoh dari genre game yang memiliki nilai – nilai edukasi yang terkandung di dalamnya sehingga orang yang memainkan game tersebut akan mendapatkan manfaat edukasi atau pembelajaran.
Dari permasalahan di atas perlu adanya sebuah penelitian tentang pembelajaran machine learning menggunakan sebuah media game edukasi. Game yang sederhana namun dapat membantu dalam penentuan keputusan dan pendesainan algoritma yang tepat adalah game labirin. Game labirin ini bertujuan untuk menemukan jalur pada labirin menggunakan algoritma Brute Force dan Bayes. Dalam alur game ini ada beberapa langkah, pembangkitan labirin masing – masing level, penghitungan masing – masing jalur, penentuan jalur terpendek dan pembelajaran masing – masing rintangan.
Pada pembuatan game edukasi ini menggunakan alur cerita pewayangan gatotkaca, sehingga
diharapkan mampu membantu pemahaman
pembelajaran machine learning dalam penentuan jalur terpendek dari game labirin dengan tampilan yang menarik.
Kata kunci - Game Edukasi, Game gatotkaca, Game
Labirin, Machine Learning.
1. Pendahuluan
Machine Learning, merupakan salah satu disiplin ilmu yang bersangkutan dengan desain dan pengembangan algoritma dengan mengambil masukan data empiris, seperti data dari sensor atau database dan pola – pola tertentu atau prediksi mekanis untuk dijadika sebuah data (http://en.wikipedia.org/wiki/Machine_learning). Dalam difinisi singkat merupakan bidang studi yang memberikan komputer kemampuan untuk belajar tampa pemrogramman yang tereksplisit (Arthur Samuel, 1959).
Game komputer merupakan salah satu aplikasi software yang saat ini banyak dikembangkan. Dengan
jenis yang bermacam – macam dan tampilan yang menarik, game komputer termasuk sofware yang diminati oleh berbagai kalangan.
Sebagian orang akan lebih mudah untuk memahami sebuah konsep, ilmu yang diajarkan dan lebih tertarik pada sebuah pembelajaran adalah dengan permaianan. Apalagi dengan kemajuan teknologi saat ini, sebuah permaianan bisa dilakukan di mana saja melalui sebuah game, khususnya game edukasi. Hanya saja game edukasi yang memberikan pembelajaran tentang Machine Learning masih sedikit, tapi jika ada sebuah aplikasi yang memberikan pembelajaran Machine Learning yang menarik dan mudah dipahami, tentunya akan sangat membantu masyarakat umum, khususnya para pelajar dan mahasiswa untuk membantu pemahaman mereka secara mudah dan menyenangkan tentang machine learning.
2. Tinjuan Pustaka
2.1. Game
Dalam kamus bahasa Indonesia “Game” adalah permainan. Permainan merupakan bagian dari bermain dan bermain juga bagian dari permainan keduanya saling berhubungan. Permainan adalah kegiatan yang kompleks yang didalamnya terdapat peraturan, play dan budaya. Sebuah permainan adalah sebuah sistem dimana pemain terlibat dalam konflik buatan, disini pemain berinteraksi dengan sistem dan konflik dalam permainan merupakan rekayasa atau buatan, dalam permainan terdapat peraturan yang bertujuan untuk membatasi perilaku pemain dan menentukan permainan. Game bertujuan untuk menghibur, biasanya game banyak disukai oleh anak – anak hingga orang dewasa. Game sebenarnya penting untuk perkembangan otak, untuk meningkatkan konsentrasi dan melatih untuk memecahkan masalah dengan tepat dan cepat karena dalam game terdapat berbagai konflik atau masalah yang menuntut kita untuk menyelesaikannya dengan cepat dan tepat. Tetapi game juga bisa merugikan karena apabila kita sudah kecanduan game kita akan lupa waktu dan akan mengganggu kegiatan atau aktifitas yang sedang kita lakukan
(http://www.ummi.ac.id/ti/
detail_jurnal.php?page=ZGV0YWlsX2p1cm5hbHBocA ==&no=VGxFOVBRPT0).
2.2. Sejarah Perkembangan Game
Pada tahun 1947 adalah tahun pertama di mana game didesain untuk dimainkan dengan layar CRT (cathode ray tube). Game sederhana ini dirancang oleh Thomas
T. Goldsmith Jr. dan Estle Ray Mann. Aplikasi ini dipatenkan pada tanggal 14 Desember 1948. Sistem yang dibuatnya terdiri dari 8 vacum tubes dan mensimulasikan peluru ditembakkan pada target, ide ini berasal dari display radar pada Perang Dunia II. Beberapa knop disediakan untuk mengatur kurva dan kecepatan titik yang mewakili peluru. Karena pada waktu itu grafik belum bisa dibuat, target penembakan digambarkan pada sebuah lapisan yang kemudian ditempelkan pada CRT. Hal ini adalah sistem pertama yang secara spesifik didesain untuk game pada layar CRT.
Banyak yang menyebutkan bahwa penemu video game adalah William Higinbotham. Pada tahun 1952, A.S. Douglas membuat OXO, game grafis noughts and crosses atau nol dan silang, di University of Cambridge untuk mendemonstrasikan tesisnya tentang interaksi komputer dan manusia. Permainan ini bekerja pada komputer besar yang menggunakan CRT display. Perangkat game portable genggam yang pertama dibuat adalah Tic Tac Toe di tahun 1972 oleh
Waco Company.
Tahun 1958 menciptakan game Tennis for Two pada osiloskop. Game ini menampilkan lapangan tenis sederhana dipandang dari samping. Bola seakan dipengaruhi oleh gravitasi dan harus melewati net/jaring. Dengan dua kontrol yang masing-masing dilengkapi knop untuk mengarahkan bola dan sebuah tombol untuk memukul bola sampai melewati net. Tahun 1972 dirilis perangkat video game pertama untuk pasar rumahan, Magnavox Odyssey, dihubungkan dengan televisi. Meski tidak sukses besar, perusahaan lain dengan produk yang sama harus membayar lisensi. tetapi, kesuksesan menjemput sejak Atari meluncurkan Pong sebuah video game ping-pong pada 29 November 1972. Berangkat dari sini, video dan komputer game menjadi populer dan hobi baru di saat PC baru saja mulai dikenal dan dipakai secara luas. Mistery House, rancangan ibu rumah tangga, Roberta Williams dipercaya sebagai game petualangan pertama dengan grafis pada Apple II. Meski interface untuk input perintah masih berupa teks, ilustrasi grafik hitam putih sebuah rumah bergaya viktoria merupakan gebrakan baru di masa itu. Game ini begitu populer dan mendorong Roberta Williams mendirikan Sierra On-Line bersama suaminya dan terus memproduksi game khususnya petualangan.
Pada awal tahun 1980-an ditandai oleh Nintendo, Kesuksesan LCD genggam ini menciptakan banyak pengikut untuk membuat yang sama dengan mengadopsi game-game popular, awal tahun 1980-an juga ditandai dengan hadirnya media penyimpan CD-ROM yang dalam waktu singkat menjadi populer. Era game 3 dimensi (3D) dengan perspektif orang pertama dan multiplayer game mulai muncul di era ini. Suara dan musik semakin berkembang di pertengahan 1980-an seiring deng1980-an hadirnya produk sound card. Jadi, memang terasa bahwa pasar game komputer semakin berkembang sejalan dengan perkembangan teknologi pendukungnya
(http://www.ummi.ac.id/ti/detail_jurnal.php?page= ZGV0YWlsX2p1cm5hbHBocA==&no=VGxFOVBRPT0 ).
2.3. Game Edukasi
Game Edukasi merupakan salah satu contoh genre game yang memiliki nilai – nilai edukasi yang terkandung di dalamnya sehingga orang yang memainkan game tersebut akan mendapatkan manfaat edukasi atau pembelajaran. Biasanya game edukasi ini memakai tampilan Graphic User Interface (GUI) yang tidak terlalu kompleks seperti genre – genre game lain yang lebih menekankan tampilan, action, controller, ataupun yang lainnya. Tampilannya yang menyenangkan (fun), menu – menu yang mudah digunaka, perpaduan warna – warna dipakai serta animasi – animasi lucu yang ada tentunya akan menjadi daya tarik tersendiri bagi genre game ini. Anak muda dan orang dewasa tentunya akan senang apabila mendapatkan suatu pembelajaran melalui sebuah game. Tidak dapat dipungkiri bahwa otak manusia lebih cepat menerima pembelajaran melalui tampilan visual atau gambar – gambar. Setiap orang diharapkan akan lebih semangat belajar melalui game daripada melalui buku – buku pembelajaran yang hanya terdiri dari tulisan – tulisan dan dianggap sangatlah membosankan (Muqtadiroh, Feby Artwodini, Imam Kuswardayana, 2011).
2.4. Algoritma Brute Force
Brute Force merupakan algoritma yang mudah (straightforward) untuk memecahakn sebuah masalah, biasanya didasarkan pada pernyataan masalah (problem statement) dan definisi konsep yang dilibatkan. Algoritma ini memecahkan masalah dengan sangat sederhana, langsung dan dengan cara yang jelas (obvious way) (Tom M. Mitchell, 1997).
Karakteristik Algoritma Brute Force
a) Algoritma brute force umumnya tidak “cerdas” dan tidak mangkus, karena ia membutuhkan jumlah langkah yang besar dalam penyelesaiannya. Kadang-kadang algoritma brute force disebut juga algoritma naif (naïve algorithm).
b) Algoritma brute force seringkali merupakan pilihan yang kurang disukai karena ketidakmangkusannya itu, tetapi dengan mencari pola-pola yang mendasar, keteraturan , atau trik-trik khusus, biasanya akan membantu kita menemukan algoritma yang lebih cerdas dan lebih mangkus.
c) Untuk masalah yang ukurannya kecil, kesederhanaan brute force biasanya lebih diperhitungkan daripada ketidakmangkusannya. Algoritma brute force sering digunakan sebagai basis bila membandingkan beberapa alternatif algoritma yang mangkus.
d) Meskipun brute force bukan merupakan teknik pemecahan masalah yang mangkus, namun teknik brute force dapat diterapkan pada sebagian besar masalah. Agak sukar menunjukkan masalah yang tidak dapat dipecahkan dengan teknik brute force. Bahkan ada masalah yang hanya dapat dipecahkan secara brute force.
Beberapa pekerjaan mendasar di dalam komputer dilakukan secara brute force, seperti menghitung jumlah dari n buah bilangan, mencari elemen terbesar di dalam tabel, dan sebagainya.
Selain itu, algoritma brute force seringkali lebih mudah diimplementasikan daripada algoritma yang lebih canggih, dan karena kesederhanaannya, kadang-kadang algoritma brute force dapat lebih mangkus (ditinjau dari segi implementasi).
2.5. Algoritma Bayes
Algoritma Bayes atau Naïve Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik yang dikemukakan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya sehingga dikenal sebagai teorema Bayes. Teorema tersebut dikombinasikan dengan ”naive” dimana diasumsikan kondisi antar atribut saling bebas [1]. Pada sebuah dataset, setiap baris/dokumen I diasumsikan sebagai vector dari nilai-nilai atribut <x1,x2,…,x3> dimana tiap nilai-nilai menjadi peninjauan atribut Xi (iЄ[1,n])). Setiap baris mempunyai label kelas
ci Є {c1,c2,…,ck} sebagai nilai variabel kelas C,
sehingga untuk melakukan klasifikasi dapat dihitung nilai probabilitas p(C=ci|X=xj) , dikarenakan pada Naïve Bayes diasumsikan setiap atribut saling bebas, maka persamaan yang didapat adalah sebagai berikut :
a) Peluang p(C=ci|X=xj) menunjukkan peluang bersyarat atribut Xi dengan nilai xi diberikan kelas c, dimana dalam Naïve Bayes, kelas C bertipe kualitatif sedangkan atribut Xi dapat bertipe kualitatif ataupun kuantitatif.
b) Ketika atribut Xi bertipe kuantitatif maka peluang p(X=xi|C=cj) akan sangat kecil sehingga membuat persamaan peluang tersebut tidak dapat diandalkan untuk permasalahan atribut bertipe kuantitatif. Maka untuk menangani atribut kuantitatif, ada beberapa pendekatan yang dapat digunakan seperti distribusi normal (Gaussian) :
Ataupun kernel density estimation (KDE) :
Selain dua pendekatan distribusi tersebut, ada mekanisme lain untuk menangani atribut kuantitatif (numerik) yaitu Diskritisasi. Proses diskritisasi sendiri terjadi saat proses persiapan data atau saat data preprocessing, dimana atribut numerik X diubah menjadi atribut nominal X*. Performansi klasifikasi Naive Bayes akan lebih baik ketika atribut numerik didiskritisasi daripada diasumsikan dengan pend ekatan distribusi seperti di atas [Dougherty]. Nilai-nilai numerik akan dipetakan ke nilai nominal dalambentuk interval yang tetap memperhatikan kelas dari tiap-tiap
nilai numerik yang dipetakan, penggambaran perhitungan Naive Bayesnya seperti berikut :
ket :
p(I=ij|C=ci) : peluang interval i ke-j untuk kelas ci p(C=ci|I=ij) : peluang kelas ci pada interval i ke-j p(I=ij) : peluang sebuah interval ke-j pada semua interval yang terbentuk
p(C=ci) : peluang sebuah kelas ke-i untuk semua kelas yang ada di dataset
2.6. Machine Learning
Machine Learning, salah satu cabang kecerdasan buatan, yang merupakan disiplin ilmu yang bersangkutan dengan desain dan pengembangan algoritma yang mengambil input data empiris, seperti input dari sensor atau database, dan hasil pola atau prediksi merupakan hasil dari mekanisme yang mendasari dihasilkannya sebuah data. seorang pelajar dapat mengambil keuntungan dari contoh data tersebut untuk digunakan kepentingan distribusi probabilitas yang diketahui dasarnya. Data dapat dilihat sebagai contoh dari hubungan yang mungkin antara variabel yang diamati. Fokus utama penelitian machine learning adalah mendesain algoritma yang merupakan algoritma yang mengenali pola – pola rumit dan membuat keputusan cerdas berdasarkan data masukan. Salah satu kesulitan mendasar adalah bahwa himpunan semua perilaku yang mungkin diberikan semua masukan yang mungkin terlalu besar untuk dimasukkan dalam kumpulan yang diamati (data training). Oleh karena itu pelajar harus men-generalisasi dari contoh – contoh yang diberikan dalam rangka menghasilkan output yang berguna untuk kasus baru (Tom M. Mitchell, 1997).
Pada tahun 1959, Arthur Samuel mendefinisikan machine learning sebagai “Bidang studi yang memberikan komputer kemampuan untuk belajar tanpa pemrograman yang tereksplisit”. Adapun algoritma machine learning dapat dibedakan berdasarkan taksonomi sebagai berikut :
a) Supervised Learning : menghasilkan fungsi yang memetakan input ke output yang diinginkan (label). b) Unsepervised Learning : model satu set input. c) Semi-Supervised Learning : menggabungkan
kedua contoh label dan non-label untuk menghasilkan suatu fungsi yang sesuai dengan klas yang diinginkan.
d) Reinforcment Learning : belajar bagaimana bertindak sebagai pengamat duia. Setiap tindakan akan berpengaruh pada lingkungan, dan lingkungan memberikan feedback untuk dijadikan acuan sebagai algoritma pembelajaran.
e) Transduction : memperediksi keluaran baru dari spesifikasi kasus yang diamati.
f) Learning to Learn : belajar memperediksi berdasarkan pengalaman – pengalamannya sendiri.
3. Desain Sistem
Dalam pengembangan game edukasi ini, menggunakan game play dari game labirin dan dua algoritma, diantaranya algoritma Brute Force dan Bayes.
3.1. Deskripsi Game
Gatotkaca yang merupakan putra Bimasena dari keluarga pandawa yang lahir dari seorang raksasa perempuan bernama Arimbi, dikisahkan melakukan perjalanan yang diutus oleh ayahandanya sendiri yang dimaksudkan untuk memperoleh kesaktiannya untuk menolong negeri ini. Gatotkaca pun melakukan perjalanannya dan setiap rintangan yang ia lewati sang guru akan menurunkan ilmunya satu persatu hingga ia menjadi seorang pahlawan dengan kesaktian.
Game ini menceritakan perjalanan Gatotkaca di dalam sebuah labirin (maze) untuk menemukan jalan keluar, setiap maze yang dia lewati akan mendapatkan point yang ditukarkan untuk mempelajari kesaktiannya, karena setiap maze memiliki rintangan yang berbeda – beda sehingga kesaktiannya akan membuatnya lebih muda melewati rintangan rintangan – rintangan didalam maze.
3.2. Feature Game
Dalam game ini terdapat beberapa feature yang disediakan diantaranya :
a) Petualangan maze : Gatotkaca dapat melakukan perjalanan dalam maze. Untuk gerakan ini player, hanya perlu menekan tombol keyboard atas, bawah, kanan, kiri.
b) Analisa Maze : Gatotkaca dapat menentukan rute terpendek tanpa harus digerakkan oleh player, dengan cara explore seluruh maze dan menemukan rutenya sendiri, hanya poin yang didapat berkurang 50%. Untuk melakukan gerakan ini player hanya menunggu tabung analisa penuh dan menekan tombol analisa. c) Upgrade Skill : Gatotkaca dapat melewati
rintangan dalam maze dengan cara meng-upgrade kekuatannya. Untuk melakukan ini, player hanya perlu mengumpulkan poin – poin dan memilih kekuatan mana yang akan di upgrade.
3.3. Tingkatan / Level
Dalam game ini disediakan beberapa rintangan dalam level yang berbeda, diantaranya sebagai berikut :
a) Level 1 (tutorial) : player akan dikenalkan gerak pada gatotkaca dengan cara menekan tombol panah pada keyboard.
b) Level 2 (tutorial) : player akan dikenalkan rintangan yang akan dihadapi.
c) Level 3 (tutorial) : player akan dikenalkan Feature Analisa Maze.
d) Level 4 – 5 : player mendapatkan 1 jenis rintangna dalam setiap labirin.
e) Level 6 – 10 : player mendapatkan 2 jenis rintangan dalam setiap labirin.
f) Level 11 – 15 : player mendapatkan 3 jenis rintangan dalam setiap labirin.
3.4. Feature Game
Dalam game ini terdapat beberapa feature yang disediakan diantaranya :
d) Petualangan maze : Gatotkaca dapat melakukan perjalanan dalam maze. Untuk gerakan ini player, hanya perlu menekan tombol keyboard atas, bawah, kanan, kiri.
e) Analisa Maze : Gatotkaca dapat menentukan rute terpendek tanpa harus digerakkan oleh player, dengan cara explore seluruh maze dan menemukan rutenya sendiri, hanya poin yang didapat berkurang 50%. Untuk melakukan gerakan ini player hanya menunggu tabung analisa penuh dan menekan tombol analisa. f) Upgrade Skill : Gatotkaca dapat melewati
rintangan dalam maze dengan cara meng-upgrade kekuatannya. Untuk melakukan ini, player hanya perlu mengumpulkan poin – poin dan memilih kekuatan mana yang akan di upgrade.
3.5. Algoritma Brute Force
Dalam feature analisa maze menggunakan algoritma brute force atau yang disebut explorasi, adapun rule – rulenya sebagai berikut :
a) Arah ke kanan (langkahKanan)
1. IF tembokKanan = True THEN langkahBawah 2. IF tembokKanan = True AND tembokBawah =
True THEN langkahAtas
3. IF tembokKanan = True AND tembokBawah = True THEN AND tembokAtas = True THEN langkahKiri
b) Arah ke bawah (langkahBawah)
1. IF tembokBawah = True THEN langkahKiri 2. IF tembokBawah = True AND tembokKiri =
True THEN langkahKanan
3. IF tembokBawah = True AND tembokKiri = True THEN AND tembokKanan = True THEN langkahAtas
c) Arah ke kiri (langkahKiri)
1. IF tembokKiri = True THEN langkahAtas 2. IF tembokKiri = True AND tembokAtas = True
THEN langkahBawah
3. IF tembokKiri = True AND tembokAtas = True THEN AND tembokBawah = True THEN langkahKanan
d) Arah ke atas (langkahAtas)
1. IF tembokAtas = True THEN langkahKanan 2. IF tembokAtas = True AND tembokKanan =
True THEN langkahKiri
3. IF tembokAtas = True AND tembokKanan = True THEN AND tembokKiri = True THEN langkahBawah
3.6. Desain Sistem Game
Adapun desain class diagram dari Flow Game “From Zero to Hero” adalah sebagai berikut :
Screen Screen Story Screen Credit
Screen Main menu
Screen Stage Selection
Screen Option Screen Game Play Screen Game
result
Game Data Stage
Generate Input Manager
Save Load Manager
Player
Gambar 3.1 Class Diagram
Terdapat 1 screen utama sebagai penampung dari screen yang lain. Screen pendukung diantaranya screen story, credit, game result, main menu, stage selection, option dan game play. Adapun class yang lain sebagai berikut :
Game Data : merupakan tempat penyimpanan data keseluruhan game.
Input Manager : sebagai pengatur control pada keseluruhan game.
Save Load Manager : sebagai penyimpanan dan pemuat data dari data yang tersimpan.
Stage Generate : sebagai pemuat level yang telah tersimpan.
Player : sebagai penyimpan user account.
3.7. Algoritma Bayes
Penyajian algoritma Bayes dalam bentuk pseudocode sebagai berikut :
{ i 1; x 2; c0 0,5;
pc = (c0 DIV i) * (c1 DIV i); p = (pc * i) DIV x
}
Keterangan :
i = nilai class/nilai masing - masing jalur
x = jumlah class yang digunakan c0 = nilai interval awal
c1 = nilai interval yang telah berubah pc = total peluang interval
p = total peluang class
4. Hasil Uji Coba
Adapun hasil uji coba dari game tersebut sebagai berikut :
Gambar 3.2 Menu Utama
Pada gambar 3.2 diatas menu utama, dimana terdapat beberapa fitur mulai dari new game, continue, option, credit, exit dan change user.
Gambar 3.3 Level Select Screen
Pada gambar 3.3 diatas Level Select Screen atau pemilihan level pada game.
Gambar 3.4 Screen In Game
Pada gambar 3.4 merupakan tampilan permainan atau In Game. Pada gambar diatas terlihat sesuai dengan game play yang telah di desainkan pada desain sistem dan merupakan hasil uji coba pada level 1.
5. Penutup 5.1. Kesimpulan
Pada penelitian ini dapat dihasilkan beberapa kesimpulan, diantaranya :
a. Algoritma brute force sangat membantu dalam pencarian jalan dengan cara menjelajahi semua jalan.
b. Penggunaan algoritma bayes sangat membantu dalam pencarian jalan terpendek pada player dengan menggunakan feature analaysa.
c. Penggunaan desain sistem yang berbasis UML sangat membantu dalam proses pembuatan game ini.
5.2. Saran
Pada penelitian ini masih dibutuhkan pengembangan yang lebih, sehingga penulis memberikan beberapa saran yang diharapkan dapat membantu dalam pengembangan penelitian game ini, diantaranya : a. Penggunaan algoritma brute force dalam
pencarian jalan dan nilai dirasa kurang bisa optimal dikarenakan memerlukan waktu yang cukup lama untuk mencari semua jalan jika labirin tersebut sudah mulai kompleks.
b. Penggunaan algoritma bayes dalam penentuan jalan terpendek kurang memiliki tingkat keefisienan.
c. Penggunaan karakter pada game yang kurang halus, sehingga membutuhkan penekanaan pada gambar yang mampu untuk memberikan kesan hidup pada game tersebut.
Daftar Pustaka
[1]. (2012). Computer Festival-Mobile Game Developer War IV. Jakarta :Universitas Indonesia.
[2]. Wells, Martin J. (2004). J2ME Game Programming.Boston : Course Technology.
[3]. http://en.wikipedia.org/wiki/Machine_learning. Diakses tanggal 14 September 2012
[4]. http://www.ummi.ac.id/ti/detail_jurnal.php?page=ZGV0Y WlsX2p1cm5hbHBocA==&no=VGxFOVBRPT0. Diakses tanggal 13 september 2012
[5]. Mitchell, Tom M. (1997). Machine Learning. Singapura. ISBN 0-07-115467-1
[6]. Muqtadiroh, Feby Artwodini, Imam Kuswardayana. (2011). Pembelajaran Sejarah Palagan Ambarawa Melalui Game Edukasi Berbasis FPS. Surabaya : SESINDO. ISBN 978-979-18985-4-6. 208-213. [7]. Salen, Katie, Eric Zimmerman. Rules of Play: Game
Design Fundamentals.
[8]. Teneng, Joko Purwadi, Erick Kurniawan. (2010).
Penerapan Algoritma Backtracking Pada Permainan Math Maze. Jurnal Informatika. Vol. 6 No. 1. 56-67. [9]. Nugroho, Adi. (2009). Algoritma Struktur Data Dengan
C#. Yogyakarta : C.V. Andi Offset
[10]. Widodo, Puji Agustian A., Rudi Hartono. (2011). Aplikasi Absensi Berbasis Client Server Dengan Dot.net Framework. JIKOM. Vol 1 No. 1. 55-60
