Penerapan Adaptive AI pada Game Turn Based RPG Dengan Menggunakan Metode Monte Carlo Tree Search

Abstrak

Banyak metode yang dapat digunakan oleh para game developer untuk diterapkan menjadi Artificial Intelligence (AI) dalam agen musuh atau biasa disebut Non Playable Character (NPC) yang bertujuan agar pemain menjadi semakin tertantang dalam menamatkan game yang dimainkannya. Salah satu algoritme yang biasa dipakai adalah Monte Carlo Tree Search (MCTS). Algoritme MCTS telah terbuksi sukses untuk diterapkan pada permainan board game turn-based, yaitu permainan GO. Pada percobaan tersebut, agen AI yang menggunakan MCTS mendapatkan nilai tertinggi dibandingkan dengan penelitian sebelumnya, sehingga saat diuji coba, AI yang menggunakan algoritme MCTS dapat mengalahkan juara pemain GO internasional. Melihat kesuksesan penerapan MCTS tersebut, penelitian ini akan membahas penerapan MCTS pada agen musuh di permainan turn-based RPG. Pengujian dilakukan untuk memvalidasi decision making yang dipilih agen dan pengaruh loop proses MCTS terhadap skill yang akan dipilih. Untuk validasi decision making, pengujian akan dilakukan dengan cara melihat tingkat efektifitas dan untuk pengujian pengaruh loop proses MCTS terhadap efektifitas dilakukan dengan cara simulasi dengan beberapa skenario yang menggunakan loop MCTS yang berbeda-beda. Tingkat efektifitas diuji dengan cara melihat rasio kemenangan (win ratio) dari tim agen.