Penerapan Naive Bayes untuk NPC Braking Decision pada Racing Game

Abstrak

Racing game merupakan salah satu game yang masih populer hingga saat ini. Pada perkembangannya selalu tidak lepas dari dibutuhkannya NPC (Non-Player Character). NPC yang hadir sebagai lawan main dari pemain selalu dihadapkan dengan permasalahan bagaimana membuat NPC yang cerdas. Salah satu permasalahannya adalah braking decision yaitu kapan NPC harus mengurangi kecepatannya dengan menggunakan rem. Salah satu metode yang umum digunakan adalah Brake Zone, namun metode tersebut kurang efektif karena harus memasang zone secara manual di setiap tikungan yang dibutuhkan. Solusi lain seperti Smart AI System pada Racing Game Starter Kit (RGSK) kurang efektif karena diperlukan konfigurasi yang tepat untuk memperoleh hasil yang optimal. Untuk mengatasi masalah tersebut peneliti menerapkan metode machine learning yaitu Naive Bayes dalam braking decision. Naive Bayes menggunakan tiga fitur untuk masukan dan dua kelas keluaran yang data latihnya diperoleh dari pemain. Hasil pengujian menunjukkan bahwa hasil braking decision dari Naive Bayes mampu membuat kendaraan tidak menabrak pembatas di luar lintasan tanpa menurunkan FPS (Frames per Second) dari game. Perolehan waktu setiap lap dari Naive Bayes mampu mengikuti waktu pemain dengan rata-rata 52,5 detik selama 10 lap.