Penerapan Particle Swarm Optimization Untuk Balancing Ability Pada Team Battle Game RPG

Abstrak

Pada Game RPG terdapat 3 profesi yang paling umum yaitu Fighter, Mage, dan Cleric. Dari 3 profesi tersebut terdapat perbedaan yang kompleks yang dapat mempengaruhi permainan RPG. Untuk melakukan penelitian mengenai keseimbangan profesi pada Game RPG, percobaan tersebut memakan waktu yang lama dan cost yang tinggi. Maka dari itu sebuah metode yang mengurangi cost untuk melakukan kegiatan testing ability pada profesi-profesi karakter RPG. Maka dari itu, penelitian ini membahas mengenai bagaimana kita menerapkan sebuah algoritme yang secara umum dapat dipakai dengan mudah yaitu Particle swarm optimization(PSO) dalam melakukan testing ability karakter pada Game RPG secara otomatis sehingga mengurangi cost pada development Game. Penelitian ini menghasilkan sebuah AI bot yang dapat meniru perilaku manusia pada umumnya yang sesuai dengan rules pada Game sehingga dapat membantu Game designer dalam menentukan balancing ability pada Game yang mereka buat. Penelitian ini membahas mengenai penggunaan Artificial neural network(ANN) untuk mengontrol sebuah karakter pada game agar dapat mensimulasikan pertandingan sebagai ukuran balance dari sebuah battle. Kontroler ANN tersebut dilatih tanpa diajari atau belajar sendiri untuk mengerti pergerakan musuh mereka dan dievaluasi untuk dijadikan sebagai kontroler utama pada penelitian ini. Metode pembelajaran ANN sendiri menggunakan PSO untuk menentukan kontroler terbaik dalam masa training. Penelitian ini dilakukan pada game turn based - RPG. Hasil dari penelitian ini adalah proses balancing skill set baru beserta konfigurasi PSO yang mempengaruhi penelitian ini.