Simulasi Perilaku Tempur Pada Sekumpulan NPC Berbasis Boid

Transkripsi

1 Simulasi Perilaku Tempur Pada Sekumpulan Berbasis Febrian Bahari Adi 1), Mochammad Hariadi 2), I Ketut Eddy Purnama 3) Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) 1,2,3) Jl. Arief Rahman Hakim, Surabaya febrian.bahariadi@gmail.com 1), mochar@ee.its.ac.id 2), ketutedi@elect-eng.its.ac.id 3) Abstrak Non Player Characters () merupakan bagian penting di dalam sebuah permainan komputer. Pemilihan aksi yang independen mampu membuat permainan menjadi lebih menarik. Namun, perilaku independen tanpa disertai dengan kecerdasan justru dapat mengurangi daya tarik permainan. Di dalam permainan tempur mode Real Time Strategy (RTS) misalnya, tidak adanya kecerdasan di dalam memilih aksi independen menjadikan daya tempur kurang optimal dan mudah dikalahkan. Pergerakan dan perilaku tempur adalah salah satu contoh bentuk aksi independen. Sekelompok tempur dengan kecerdasan buatan untuk mengatur pergerakannya dapat memilih aksi lanjutan sebagai respon dari perubahan real time yang terjadi di dalam lingkungan pertempuran. Pada Tugas Akhir ini disimulasikan perilaku tempur sekumpulan yang berbasis boid. Perilaku boid dipilih karena perilaku individu di dalam kelompok ini memberi gambaran ideal mengenai pergerakan yang dinamis dan responsif terhadap lingkungan. Tiga perilaku dasar boid (alignment, cohesion dan separation) diberikan pada. Hasil dari simulasi adalah dengan perilaku boid mampu merespon lingkungan lokal dan berkontribusi pada pergerakan dinamis keseluruhan kelompok. Dengan aksi yang responsif terhadap lingkungan, dapat memiliki daya tempur yang lebih baik dibandingkan tanpa kecerdasan buatan. Pada akhir simulasi didapatkan rata-rata dengan kecerdasan algoritma boid yang bertahan hidup adalah 3,35 kali dari tanpa kecerdasan boid (84,99% dibanding 25,41%). Kata Kunci boid,, artificial intelligence, game, alignment, separation, cohesion. S I. PENDAHULUAN AAT ini penggunaan Non-Player Characters () dengan perilaku mirip manusia di dalam permainan komputer sudah populer. Hampir semua genre permainan komputer menggunakan kecerdasan buatan untuk nya. Salah satu permainan komputer yang populer dengan yang memiliki kecerdasan buatan adalah Defence of the Ancient (DotA), salah satu pengembangan dari aplikasi permainan War Craft. Untuk mendapatkan perilaku mirip manusia diperlukan aturan-aturan terpadu yang dapat merespon perilaku karakter lain atau kondisi lingkungan sekitarnya. Di dalam skenario pertempuran, perilaku ini menentukan tingkat kesulitan dan daya tarik dari permainan. Untuk memberikan perilaku mirip manusia pada prajurit tempur di Tugas Akhir ini akan diterapkan algoritma boid. Dengan algoritma boid diharapkan dapat bergerak secara cerdas agar tidak terjadi benturan antar kawan dan di saat yang sama tetap menjaga formasi kawanan. Selain itu, diharapkan juga dapat memilih target atau sasaran secara cerdas agar dapat memenangkan pertempuran dengan energi minimum. Riset terkait dengan algoritma boid yang pernah dilakukan di antaranya membahas mengenai steering behavior pada karakter otonom. Saat ini sudah ada riset mengenai kecerdasan buatan atau AI (Atificial Intelligence) pada menggunakan algoritma boid. Riset tersebut ditujukan untuk mendapatkan perilaku kerumunan yang dapat mengkuti leader dan menghindari benturan antar. Pada riset tersebut algoritma boid juga digunakan untuk memampukan agen membentuk formasi tertentu yang menyesuaikan posisi leader. II. DASAR TEORI A. Non-Player Character () Non-Player Characters () atau disebut juga agen adalah suatu entitas dalam game yang tidak dikendalikan secara langsung oleh pemain. dikendalikan secara otomatis oleh komputer. bisa berupa teman, musuh atau netral. diinginkan dapat berperilaku cerdas layaknya manusia. Dia bisa mengindera lingkungan, berpikir, memilih aksi lalu bertindak sebagai respon atas perubahan pada lingkungannya. Untuk dapat memperoleh perilaku cerdas dari digunakan kecerdasan buatan atau Artificial Intelligence (AI). Penggunaan AI pada dilakukan dengan pemberian algoritma khusus sesuai dengan perilaku cerdas yang diharapkan. Pada adegan (scene) pertempuran dari permainan computer, prajurit pemain dan prajurit musuh merupakan contoh dari. Perilaku seorang prajurit dalam medan pertempuran bervariasi mulai dari mengikuti pimpinan, menghindari halangan, berlari, berjalan, menjauhi musuh, bertarung, membantu teman, dan lainnya. B. Perilaku Tempur Pertempuran di dalam game dengan mode Real Time Strategy (RTS) bergantung pada perilaku di dalam 1

2 situasi pertempuran. yang tidak dapat merespon dengan baik perubahan di dalam lingkungan pertempuran memiliki kecenderungan untuk lebih mudah dikalahkan. 1) Perilaku Menyerang Serangan di dalam pertempuran digunakan untuk mengalahkan atau menghalau lawan. yang melakukan serangan berpotensi untuk mengurangi health point dari musuh. Gerakan, kekuatan dan strategi serangan berpengaruh terhadap efektivitas daya tempur. Gerakan yang dinamis, kekuatan yang besar dan strategi yang cerdas dapat meningkatkan daya tempur. 2) Perilaku Bertahan Selain menyerang, di dalam pertempuran juga harus dapat bertahan menghadapi serangan lawan. Salah satu bentuk pertahanan adalah dengan menghindari serangan lawan. Bentuk pertahanan yang lain adalah dengan menahan serangan lawan menggunakan serangan balik yang meredam daya rusak serangan lawan. dengan kecerdasan buatan yang mampu bergerak dinamis dan responsif terhadap perubahan lingkungan dapat bertahan lebih baik dibandingkan tanpa kecerdasan buatan. Salah satu contoh gerakan responsif adalah dengan bergerak menjauh dari jangkauan serang lawan yang terindikasi hendak melakukan serangan. 3) Perilaku Mengikuti Pemimpin Apabila di dalam kelompok tempur terdapat satu unit yang berlaku sebagai pemimpin (leader), maka pergerakan dari lain sebagai pengikut (follower) biasanya mengikuti komando dari pemimpin tersebut. pengikut biasanya mempertahankan posisi tetap pada radius tertentu dari pemimpin. Selain dipengaruhi keberadaan lawan, pilihan gerakan pengikut biasanya juga dipengaruhi oleh keberadaan pemimpin. Apabila pengikut berada di luar jangkauan perintah pemimpin, maka pengikut akan meninggalkan aktivitas yang sedang dilakukan dan bergerak menuju posisi pemimpin. 4) Mati Pada saat diserang, nilai kesehatan (health point) dari berkurang. Ketika nilai kesehatan mencapai nilai minimum (nol) maka akan mati. Dalam kondisi mati, daya gerak dan daya serang non-aktif. Biasanya yang mati dihapus dari lingkungan permainan. 1) Separation Kendali perilaku separation memberikan karakter kemampuan untuk mempertahanakn jarak tertentu dari karakter terdekat. Gambar 1. Separation Steering Behavior [2] 2) Alignment Kendali perilaku alignment atau penyelarasan memberi kemampuan kepada karakter untuk menyelaraskan dirinya dengan karakter lain di dekatnya. Maksud dari menyelaraskan pada Tugas Akhir ini adalah menghadap ke arah dan atau kecepatan yang sama. Gambar 2. Alignment Steering Behavior [2] 3) Cohesion Kendali perilaku cohesion memberi karakter kemampuan untuk koheren (mendekati dan membentuk kelompok) dengan karakter-karakter lain di dekatnya. C. Algoritma Kesatuan gerakan sekawanan burung (flock of birds), sekawanan binatang darat (herd of land animals) atau sekawanan ikan (school of fishes) adalah bagian yang alami dan indah dari alam ini. Pergerakan yang rumit ini jarang terdapat pada animasi komputer [1]. Secara umum algoritma boid terinspirasi dari pergerakan kawanan tiga jenis binatang tersebut. Simulasi perilaku kerumunan pertama kali dibuat di komputer oleh Craig Reynolds pada tahun 1986 melalui program yang dia beri nama s [2]. Model flocking dasar terdiri dari tiga kendali (rules) perilaku sederhana: Gambar 3. Cohesion Steering Behavior [2] 2

3 III. DESAIN DAN IMPLEMENTASI A. Desain Project Simulasi Simulasi yang dibuat pada Tugas Akhir ini adalah implementasi dari algoritma boid sebagai AI atau kecerdasan buatan pada. Simulasi dibuat menggunakan perangkat lunak Unity 3Dgame engine. Sebagian asset yang digunakan di dalam project simulasi didapatkan dari Asset Store Unity 3D. Output dari project Tugas Akhir ini adalah simulasi yang menunjukkan perbedaan antara perilaku tempur pasukan yang tidak memiliki kecerdasan buatan dengan perilaku tempur pasukan yang memiliki kecerdasan buatan dengan algoritma boid. Perbedaan yang dimaksud adalah pergerakan yang ditampilkan dan juga efektivitas daya tempur dilihat dari jumlah unit yang bertahan setelah jangka waktu pengujian tertentu.. Gambar 5. State Diagram Gambar 4. Desain project simulasi B. Pemilihan Karakter Model 3D karakter dibutuhkan sebagai model agen yang akan disimulasikan. Karena di dalam Tugas Akhir ini akan dibuat simulasi adegan pertempuran antar kelompok dalam jumlah relatif besar, maka dibutuhkan resource yang besar juga. Untuk meminimalisasi kebutuhan resource dan tetap mempertahankan fitur-fitur standar pertempuran, dipilih model 3D sederhana bawaan dari Unity3D. Karakter dimodelkan dengan geometri berbentuk tabung atau silinder dan kapsul. Kedua bentuk tersebut dipilih karena paling sederhana namun tetap representatif untuk melakukan pergerakan karakter di dalam situasi pertempuran. tanpa kecerdasan buatan menggunakan geometri silinder dan diberi warna biru, sedangkan dengan kecerdasan buatan berbasis algoritma boid menggunakan geometri capsule dan diberi warna merah.. C. State dari Masing-masing unit memiliki state sebagai berikut : following leader (FL), chase enemy (CE), die (DIE), attacking enemy (AE), being attacked (BA), win (WIN). D. Implementasi Algoritma Algoritma boid yang digunakan pada Tugas Akhir ini ditujukan untuk meningkatkan daya tempur. Daya tempur yang dimaksud adalah kemampuan untuk menyerang dan mengalahkan musuh secara efektif dan efisien. Di dalam pergerakan kelompok boid terdapat beberapa hal yang diperhitungkan. Yang pertama, agent atau individu boid sebagai satuan entitas di dalam kelompok. Kedua, vektor kecepatan yang merupakan kecepatan agent pada saat tertentu. Ketiga, neighborhood yang merupakan lingkungan dalam radius tertentu dari boid yang menjadi jangkauan pengamatan boid terhadap boid lain [13]. Di dalam pemrograman perilaku boid pada penelitian ini terdapat beberapa variabel yang diatur atau dikomputasi pada. Variabel-variabel tersebut adalah vektor posisi, kecepatan, gaya maksimum dan kecepatan maksimum. 1) Vektor Posisi (Vector Position) Vektor posisi menyatakan koordinat dari unit. Vektor posisi ini bisa berdimensi dua maupun dimensi tiga. Pada Tugas Akhir ini yang digunakan adalah vektor posisi berdimensi tiga. Nilai dari vektor posisi tergantung dari titik acuan atau referensi yang digunakan. Jika menggunakan acuan lokal (local position) terhadap diri sendiri, maka unit selalu berada pada koordinat (0,0,0). Sedangkan untuk acuan global, maka koordinat unit dihitung dari titik referensi global pada game scene Unity 3D. 2) Kecepatan (Velocity) Kecepatan unit menentukan laju pergerakan. Semakin besar kecepatan, maka pergerakan semakin cepat. Di dalam simulasi Tugas Akhir ini kecepatan yang dimiliki oleh unit nilainya tidak statis. Nilai kecepatan unit dipengaruhi oleh besarnya gaya yang diterima dan berubahubah menyesuaikan dengan kondisi lingkungan sekitarnya. Variabel kecepatan ini nilainya berupa vektor. 3) Gaya Maksimum (Maximum Force) Gaya maksimum digunakan untuk membatasi besarnya gaya yang diterima oleh unit. Pembatasan ini dilakukan 3

4 agar pergerakan unit dapat selaras dengan unit lain disekitarnya. Nilai gaya maksimum berupa besaran skalar. 4) Kecepatan Maksimum (Maximum Velocity) Sebagaimana nilai kecepatan yang dipengaruhi oleh besarnya gaya yang diterima, maka besarnya kecepatan maksimum dipengaruhi oleh besarnya gaya maksimum yang dapat diterima. Implementasi algoritma boid atau flocking boid melibatkan tiga perilaku sederhana : alignment, cohesion dan separation. Tiga perilaku tersebut dipengaruhi oleh lingkungan di mana unit berada, dalam hal ini kawanan kawan dan lawan. Lingkungan tersebut disebut juga neighborhood, yaitu suatu area di sekitar unit yang digunakan untuk mencari unit lain dan mengambil nilai variabel-variabelnya. Variabel-variabel tersebut nantinya akan dikomputasi untuk menghasilkan tiga perilaku boid tersebut. Implementasi algoritma boid atau flocking boid melibatkan tiga perilaku sederhana : alignment, separation dan cohesion. Tiga perilaku tersebut dipengaruhi oleh lingkungan di mana unit berada, dalam hal ini kawanan kawan dan lawan. Lingkungan tersebut disebut juga neighborhood, yaitu suatu area di sekitar unit yang digunakan untuk mencari unit lain dan mengambil nilai variabel-variabelnya. 1) Alignment Perilaku alignment dipengaruhi oleh kecepatan dari agent boid dengan other boid. Gaya yang digunakan untuk bergerak menyesuaikan pergerakan lingkungan dihitung dengan mengambil rata-rata kecepatan other boid. Rata-rata ini kemudian dinormalisasi dan dikalikan dengan kecepatan maksimum boid. Hasil perkalian tersebut adalah kecepatan dari perilaku alignment yang besar dan arahnya selaras antara satu boid dengan boid yang lain. Perilaku alignment ini dihitung ketika posisi boid berada di antara threshold untuk separation dan threshold untuk cohesion. Pseudocode dari perilaku alignment diberikan oleh code berikut [14]. PROCEDURE alignment(boid bj) Vector pvj FOR EACH BOID b IF b!= bj THEN pvj = pvj + b.velocity END pvj = pvj / N-1 RETURN (pvj - bj.velocity) / 8 END PROCEDURE di mana : bj = boid yang melakukan perhitungan alignment pvj = kecepatan dari boid-boid lain (bj tidak termasuk) di dalam lingkungan lokal bj b = boid lain yang berada di dalam lingkungan lokal bj konstanta 8 = faktor penambahan kecepatan untuk menghasilkan pergerakan 1/8 dari kecepatan boid saat ini menuju kecepatan yang selaras dengan lingkungan lokalnya. 2) Separation Perilaku separation dihitung berdasarkan posisi dari agent boid dengan other boid yang ada di sekitarnya. Pertama dihitung selisih dari posisi agent boid dengan other boid. Kemudian semua selisih tersebut dijumlahkan. Hasil penjumlahan tersebut dibagi dengan jumlah other boid untuk mendapatkan nilai rata-ratanya. Nilai rata-rata yang didapatkan kemudian dinormalisasi dan dikalikan dengan kecepatan maksimal dari boid. Hasil akhir dari perhitungan ini merupakan kecepatan separation yang mengatur agar boid bergerak saling menjauh ketika berada pada posisi yang terlalu dekat satu sama lain. Pseudocode dari perilaku separation diberikan oleh code berikut [14]. PROCEDURE separation(boid bj) Vector c = 0; FOR EACH BOID b IF b!= bj THEN IF b.position - bj.position < 100 THEN c = c - (b.position - bj.position) END RETURN c END PROCEDURE di mana : bj = boid yang melakukan perhitungan separation c = pusat massa dari seluruh boid di dalam lingkungan lokal bj b = boid lain yang berada di dalam lingkungan lokal bj konstanta 100 = radius lingkungan lokal bj 3) Cohesion Sama halnya dengan perilaku separation, perilaku cohesion dihitung berdasarkan posisi dari agent boid dengan other boid yang ada di sekitarnya. Yang berbeda adalah arah dari gerak boid. Arah gerak dari perilaku cohesion boid berlawanan dengan arah gerak dari perilaku separation boid. Karena itu langkah pertama dibuat berkebalikan. Pertama dihitung selisih dari posisi other boid dengan agent boid. Kemudian semua selisih tersebut dijumlahkan. Hasil penjumlahan tersebut dibagi dengan jumlah other boid untuk mendapatkan nilai rata-ratanya. Nilai rata-rata yang didapatkan kemudian dinormalisasi dan dikalikan dengan kecepatan maksimal dari boid. Hasil akhir dari perhitungan ini merupakan kecepatan cohesion yang mengatur agar boid bergerak saling mendekat ketika berada pada posisi yang terlalu jauh satu sama lain. Untuk menentukan kapan berlaku separation dan kapan berlaku cohesion digunakan threshold atau ambang batas jarak untuk masing-masing perilaku. Threshold untuk cohesion nilainya lebih besar dari pada threshold separation. Perilaku cohesion dimulai ketika posisi boid lebih dari threshold cohesion. Perilaku separation dimulai ketika posisi boid kurang dari threshold separation. Pseudocode dari perilaku cohesion diberikan oleh code berikut [14]. PROCEDURE cohesion(boid bj) Vector pcj 4

5 FOR EACH BOID b IF b!= bj THEN pcj = pcj + b.position END pcj = pcj / N-1 RETURN (pcj - bj.position) / 100 END PROCEDURE 2) jumlah yang masih bertahan ketika durasi simulasi habis 3) health point B. Pengujian Simulasi Berbasis Waktu di mana : bj = boid yang melakukan perhitungan cohesion pcj = pusat massa dari boid lain (bj tidak termasuk) di dalam lingkungan lokal bj b = boid lain yang berada di dalam lingkungan lokal bj konstanta 100 = faktor pergeseran untuk menghasilkan pergerakan 1% menuju pusat massa IV. PENGUJIAN DAN ANALISA A. Spesifikasi Pengujian Pengujian dilakukan dengan menjalankan simulasi yang dibuat menggunakan komputer dengan spesifikasi sebagai berikut : 1) Processor : Intel(R) Atom(TM) CPU 1.66GHz 1.67GHz 2) Installed Memory (RAM) : 2,00 GB 3) Display Adapter : Intel(R) Graphics Media Accelerator ) Operating System : Windows 7 Home Premium 32-bit Operating System, Service Pack 1 Komputer yang digunakan di dalam pengujian berpengaruh terhadap performa simulasi. Terutama terkait dengan kemampuan komputer menangani render model 3D dan scripting behavior untuk sejumlah besar unit. Pada penelitian ini komputer yang digunakan cukup untuk dipakai melakukan pengujian simulasi. Meskipun beberapa kali terjadi lagging, namun hanya berpengaruh pada visualisasi gerakan dan tidak berdampak signifikan terhadap perilaku. Pengujian dilakukan dengan melakukan simulasi tempur kelompok tanpa AI melawan kelompok dengan AI Algoritma boid. Pengujian dilakukan berbasis waktu dan jumlah unit yang bertempur. Pengujian pertama dilakukan dengan menetapkan durasi tertentu dan ragam jumlah setiap kelompok untuk simulasi pertempuran. Pada pengujian ini data yang diambil adalah jumlah yang bertahan dan pemenang pertempuran ditetapkan berdasarkan jumlah bertahan paling banyak dalam satu kelompok. Pengujian berikutnya simulasi dilakukan dengan sejumlah tertentu bertempur dengan variasi waktu pertempuran. Pada pengujian ini data yang diambil adalah jumlah yang bertahan dan pemenang pertempuran ditetapkan berdasarkan jumlah bertahan paling banyak dalam satu kelompok. Parameter-parameter yang akan diamati di dalam pengujian dari perilaku tempur di dalam simulasi adalah : 1) durasi simulasi Gambar. 6. Simulasi perilaku tempur kumpulan dengan algoritma boid Berikut ini tabel data yang dihasilkan dari simulasi perilaku tempur berbasis boid dengan waktu uji 2 menit dan jumlah agen bervariasi. Tabel 1. Simulasi Perilaku Berbasis dengan Variasi Agen non- Sisa Sisa non- Menang (Y / N) Y Y Y Y Y Y Y Y Y Berdasarkan tabel 1 terlihat bahwa jumlah dengan kecerdasan buatan algoritma boid lebih mampu bertahan di hingga akhir simulasi. dengan kecerdasan buatan berbasis algoritma boid selalu memenangkan pertempuran dengan durasi 2 menit. Hal ini menunjukkan bahwa algoritma boid efektif untuk meningkatkan daya tempur baik untuk kelompok dalam jumlah yang kecil maupun jumlah yang besar untuk durasi waktu yang telah ditetapkan. Rata-rata persentase unit dengan kecerdasan berbasis algoritma boid yang dapat bertahan hidup pada akhir simulasi adalah 87,09%. Rata-rata persentase unit tanpa kecerdasan algoritma boid yang dapat bertahan hidup pada akhir simulasi adalah 35,81%. Perbandingan persentase 5

6 keduanya adalah 2,43. Jadi, rata-rata jumlah dengan kecerdasan buatan berbasis algoritma boid yang bertahan hidup pada akhir simulasi adalah 2,43 kali dari rata-rata tanpa kecerdasan buatan berbasis algoritma boid yang mampu bertahan hingga akhir simulasi. C. Hasil Simulasi dengan Variasi Waktu Uji (Waktu Tempur) Berikut ini tabel data yang dihasilkan dari simulasi perilaku tempur berbasis boid dengan jumlah agen 100 dan waktu uji bervariasi. Tabel 2. Simulasi Perilaku Berbasis dengan Variasi Waktu Uji Waktu Uji (menit) non- Sisa Sisa non- Menang (Y / N) Y Y Y Y Y Y Y Y Y Berdasarkan tabel 2 terlihat bahwa jumlah dengan kecerdasan buatan algoritma boid lebih mampu bertahan di hingga akhir simulasi. dengan kecerdasan boid selalu memenangkan pertempuran dengan variasi durasi tempur. Hal ini menunjukkan bahwa algoritma boid efektif untuk meningkatkan daya tempur baik untuk durasi tempur yang singkat maupun untuk durasi tempur yang lama. Rata-rata persentase unit dengan kecerdasan berbasis algoritma boid yang dapat bertahan hidup pada akhir simulasi adalah 82,88%. Rata-rata persentase unit tanpa kecerdasan algoritma boid yang dapat bertahan hidup pada akhir simulasi adalah 15%. Perbandingan persentase keduanya adalah 5,52. Jadi, rata-rata jumlah dengan kecerdasan buatan berbasis algoritma boid yang bertahan hidup pada akhir simulasi adalah 5,52 kali dari rata-rata tanpa kecerdasan buatan berbasis algoritma boid yang mampu bertahan hingga akhir simulasi. buatan berbasis algoritma boid. DAFTAR PUSTAKA [1] Reynolds, C. W., Flocks, Herds, and Schools: A Distributed Behavioral Model, Computer Graphics, 21(4) (SIGGRAPH '87 Conference Proceedings) halaman 25-34, 1987 <URL: [2] Reynolds, C. W., s : Background and Update. <URL: Update terbaru: September 6, [3] Rae, Alastair., Quelea Flock. <URL: / > [4] Wikipedia.org. Red-billed Quelea <URL: > [5] Hutto R., Foraging Behavior Patterns Suggest a Possible Cost Associated with Participation in Mixed-Species Bird Flocks. Oikos 51(1): [6] Raman, T. R. Shankar. Wildebeest herding and following a few leading zebra in the Masai Mara, Kenya. Koleksi pribadi. <URL: [7] Biermen, Ed., A Tornado of Fish. <URL: [8] National Geographic. Bluefin Tuna Eat Bait Ball <URL: [9] Pitcher, T.; Magurran, A.; Winfield, I., Fish in larger shoals find food faster. Behav. Ecol. and Sociobiology 10 (2): [10] Reynolds, C. W., Steering Behaviors For Autonomous Characters, Game Developers Conference 1999, San Jose, California. Miller Freeman Game Group, San Francisco, California, halaman , <URL: [11] Bevilacqua, Fernando., Understanding Steering Behaviors: Seek. <URL: > [12] Bevilacqua, Fernando., Understanding Steering Behaviors: Flee and Arrival. <URL: > [13] Pemmaraju, Vijay., The Three Simple Rules of Flocking Behaviors: Alignment, Cohesion, and Separation. <URL: >. Januari, 2013 [14] Parker, Conrad., s Pseudocode. <URL: > V. KESIMPULAN Berdasarkan proses dan hasil pengerjaan Tugas Akhir ini dapat disimpulkan : 1) tempur dengan kecerdasan buatan menggunakan algoritma boid dapat merespon lingkungan tempur lebih baik dibandingkan tanpa kecerdasan buatan 2) Rata-rata jumlah dengan kecerdasan buatan berbasis algoritma boid yang bertahan hidup pada akhir simulasi sebanyak 3,35 kali dari rata-rata tanpa kecerdasan 6