Penerapan Algoritma Greedy dalam permainan Front Mission Evolved

Transkripsi

1 Penapan Algoritma Greedy dalam pmainan Front Mission Evolved Gilang Laksana Laba / Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia gilang.laba@arc.itb.ac.id Abstract Pmainan Front Mission Evolved mupakan pmainan third-pson shooting dimana pada setiap awal stage play dapat memilih parts dan weapon apa saja yang digunakan. Setiap item memiliki spesifikasi yang bbeda, septi bat (weight), daya hancur (damage) dan harga (price). Dalam pemilihan, play dibatasi dengan uang yang dimiliki dan total bat yang bisa ditampung. Tdapat sangat banyak kombinasi yang dapat dipilih oleh play. Tanpa strategi memilih yang jelas, play akan bingung menentukan item apa saja yang harus dipilih. Makalah ini akan membahas tentang penggunaan algoritma greedy sebagai strategi untuk memilih item-item tsebut. Setiap item memiliki spesifikasi yang bbeda. Spesifikasi ini yang akan menjadi ptimbangan dalam memutuskan item mana yang akan dipilih. Contoh dari spesifikasi item adalah bat (weight), daya hancur (damage) dan harga (price). Pemilihan item yang akan digunakan dibatasi dengan uang yang dimiliki play dan total bat yang bisa ditampung. Oleh karena itu, play harus memanfaatkan sebaikan mungkin resource yang dimilikiki untuk mendapat hasil yang maksimal. Index Tms, Front Mission Evolved, Greedy,. I. PENDAHULUAN Front Mission Evolved adalah pmainan third-pson shooting dimana karakt yang digunakan bupa robot (dalam game ini disebut wanz). Mengikuti trend game zaman sekarang, di dalam pmainan ini play dibi keleluasaan dalam memilih item yang digunakan. Pada setiap awal stage, play dapat memilih parts dan weapon yang digunakan untuk stage tsebut. tdiri dari torso, right arm, left arm dan legs. tdiri dari left arm, right arm, left should, right should dan backpack. Tdapat banyak sekali kombinasi yang dapat dipilih us. Gambar 2. Screesnshot pemilihan parts dan weapon Fitur pemilihan item dengan jumlah kombinasi yang banyak ini dapat menjadi kelebihan sekaligus kekurangan pmainan ini. Kelebihannya adalah play dapat memilih sendiri tampilan sta senjata yang digunakan oleh wanz. Namun kekurangannya, di dalam dunia software, semakin bayak pilihan yang bisa dipilih us akan mengurangi tingkat kenyamanan us karena ada kemungkinan fitur ini membuar us bingung dalam menentukan pemilihan. Untuk menangani kekurangn ini, kita harus memiliki strategi pemilihan untuk memaksimalkan hasil. Strategi yang akan dibahas dalam makalah ini menggunakan algoritma greedy. Gambar 1. Screenshot pmainan Front Mission Evolved II. DASAR TEORI A. ALGORITMA GREEDY Algoritma Greedy mupakan algoritma yang paling banyak digunakan untuk memecahkan masalah optimasi. Masalah optimasi ini tbagi menjadi 2 jenis, yaitu

2 maksimasi dan minimasi. Maksimasi artinya bagaimana caranya agar hasil yang kita poleh menjadi semaksimal mungkin. Contohnya adalah psoalan knapsack. Sedangkan minimasi artinya bagaimana caranya agar solusi kita menjadi seminimal mungkin. Contohnya adalah pemilihan mata uang koin untuk ditukar dengan nilai mata uang ttentu. Pmasalahan greedy adalah pmasalahan yang diselesaikan denga bebapa langkah. Prinsip greedy adalah take what you can get now. Artinya dalam setiap langkah, algoritma ini mencari solusi yang paling optimal tanpa memikirkan langkah selanjutnya. Solusi optimal ini disebut sebagai solusi optimum lokal. Harapannya adalah rangkaian dari solusi optimal lokal ini akan membentuk solusi optimum global. Namun, pada realitanya tidak semua rangkaian solusi optimum lokal akan membentuk solusi optimum secara global. Algoritma Greedy tdiri dari 5 elemen, yaitu : 1. Himpunan Kandidat, C. Himpunan kandidat bisi entitas-entitas yang bisa kita pilih untuk menyelesaikan pmasalahan. 2. Himpunan Solusi, S. Himpunan solusi adalah kumpulan entitas yang akan menjadi solusi dalam pmasalahan. Dalam membentuk himpunan solusi, kita membutuhkan fungsi seleksi sta fungsi kelayakan. 3. Fungsi Seleksi Fungsi seleksi adalah fungsi yang menjelaskan bagaimana cara kita memilih solusi optimum lengkap. Contoh : Pilih weapon dengan damage paling tinggi. 4. Fungsi Kelayakan Fungsi kelayakan adalah psyaratan apakah solusi yang kita ambil layak untuk dimasukkan ke dalam himpunan solusi. Contohnya adalah jika kita mengambil weapon A, apakah uang kita mencukupi? Jika mencukupi, masukkan weapon A ke dalam himpunan solusi. Jika tidak, maka cari solusi lain. 5. Fungsi Obyektif Fungsi obyektif adalah fungsi yang menjelaskan kondisi agar solusi tsebut dikatakan optimum. B. PERMASALAHAN KNAPSACK Pmasalahan knapsack mupakan salah satu masalah klasik yang dapat diselesaikan dengan algoritma greedy. Tdapat bebapa objek yang memiliki bat ttentu dan nilai ttentu. Kita ingin memasukkan objek-objek tsebut ke dalam knapsack dengan kapasitas ttentu. Yang menjadi pmasalahan adalah bagaimana kita memilih objek agar nilai yang kita poleh bisa maksimal. Gambar 3. Ilustrasi Knapsack Untuk menyelesaikan masalah ini, kita dapat menggunakan greedy bdasarkan profit atau greedy bdasarkan bat. a) Greedy bdasar profit Pada setiap langkah, pilih objek yang memiliki nilai tbesar. Tujuan kita adalah mengambil objek yang dapat membikan nilai tbesar lebih dulu. b) Greedy bdasar weight Pada setiap langkah, pilih objek dengan bat paling ringan. Tujuan kita adalah mempoleh sebanyak mungkin objek yang dapat kita masukkan dengan harapan mendapat nilai maksimum. III. ANALISIS PERMASALAHAN Pmasalahan pada pmainan Front Mission Evolved sebenarnya sama dengan pmasalahan pada knapsack dimana kita memilih item dengan tujuan mendapat hasil yang maksimal. Dalam konteks pmasalah ini, kita akan mencari kombinasi yang dapat membuat wanz kita btahan paling lama dari sangan musuh. Ada 2 pendekatan yang bisa kita lakukan, ptama dengan memaksimalkan ptahanan (pada pemilihan parts) dan yang kedua dengan memaksimalkan sangan (pada pemilihan weapon). a. Memaksimalkan parts Tdapat 2 pendekatan untuk memaksimalkan parts yang kita gunakan. Ptama adalah kita mengambil parts dengan armor paling besar. Nilai armor menunjukkan nilai ketahanan objek tsebut.

3 Dengan mengambil objek parts dengan armor paling besar, diharapkan kita akan mendapatkan nilai ptahanan yang maksimal. Jadi, kita memilih parts dengan armor tbesar lebih dulu lalu membeli senjata. Untuk selanjutnya, kita akan menyebut pendekatan ini dengan Greedy by armor. Pendekatan kedua adalah dengan memilih weapon dengan harga yang paling murah. Pendekatan ini btujuan agar uang yang kita punya bisa dialokasikan lebih banyak untuk membeli parts dengan harapan semakin banyak uang yang kita alokasikan untuk parts semakin tinggi juga kualitas parts yang akan kita poleh. Jadi, kita membeli weapon dengan harga murah tlebih dahulu kemudian membeli parts. Untuk selanjutanya, pendekaran ini akan kita sebut dengan Greedy by weapon price. b. Memaksimalkan weapon Dalam memaksimalkan sangan weapon, tdapat 2 pendekatan juga yang bisa kita lakukan. Yang ptama adalah dengan memilih weapon dengan damage paling besar. Damage mupakan daya hancur yang dimiliki oleh weapon.tujuannya adalah agar sangan yang kita miliki bisa menjadi maksimal. Jadi, kita memilih weapon dengan damage tbesar dulu, baru memilih parts. Untuk selanjutnya, kita akan menyebut pendekatan ini dengan Greedy by weapon. Pendekatan kedua adalah dengan membeli parts dengan harga tmurah. Tujuannya adalah agar uang yang kita punya bisa dialokasikan lebih banyak ke weapon dengan harapan semakin banyak uang yang kita alokasikan semakin tinggi juga kualitas weapon yang kita poleh. Jadi, kita membeli parts dengan harga murah tlebih dahulu kemudian membeli weapon. Untuk selanjutanya, pendekaran ini akan kita sebut dengan Greedy by parts price. Pada weapon, kita bisa memilih senjata bagian lef arm, right arm, left should dan right should. Secara garis besar, weapon tbagi 2, yaitu melee (jarak dekat) dan ranged weapon (jarak jauh). Kita harus membeli minimal 1 ranged weapon.pada parts, kita bisa memilih bagian torso, right arm, left arm dan legs.variable yang membatasi pemilihan parts dan weapon adalah jumlah uang dan bat yang BISA ditampung. Pemilihan parts dan weapon tidak boleh melebihi nilai kedua variabel tsebut. Sebenarnya masih ada bebapa pendekatan lain yang bisa kita lakukan, septi greedy by weight. Namun dalam makalah ini penulis membatasi dengan pendekatan yang telah disebutkan diatas. IV. IMPLEMENTASI Pada implementasi ini, tidak akan ditulis bagaimana pemilihan objek secara detail karena yang menjadi fokus utama penulis adalah pbandingan antar greedy. Pcobaan dilakukan dengan cara dimainkan sesuai kombinasi yang ditulis. a) Greedy by armor Pada greedy by armor, kita memilih parts dengan nilai armor tbesar. Urutan pemilihan parts dimulai dari torso right arm left arm legs. Uang yang tsisa akan dialokasikan ke weapon dengan damage tbesar. Seluruh objek dalam part torso, right arm, left arm dan legs. Ambil parts dengan nilai armor paling besar Piksa apakah uang yang tsedia lebih banyak dari harga parts yang diambil dan bat objek tsebut tidak melebihi bat yang bisa ditampung wanz. Piksa apakah kombinasi tsebut membuat wanz btahan paling lama dari sangan musuh. Bagian Nama or Weight Price Torso Visk Calm C Calm C Legs Visk Bagian Nama Damage Weight Price Catstray 40x MK-3 RockJack 130x Celece 85x Xe

4 Hasil Pengujian : Play mati dalam waktu : ± 93s HP musuh tsisa : ± 65 % b) Greedy by weapon price Pada greedy by weapon price, kita memilih weapon dengan harga tmurah Urutan pemilihan parts dimulai dari left arm right arm left should right should. Uang yang tsisa akan dialokasikan ke parts dengan harga tmahal. Seluruh objek dalam weapon di left arm, right arm, left should dan right should. Ambil weapon dengan harga paling murah Piksa apakah uang yang tsedia lebih banyak dari harga parts yang diambil dan bat objek tsebut tidak melebihi bat yang bisa ditampung wanz. Piksa apakah kombinasi tsebut membuat wanz btahan paling lama dari sangan musuh. Bagian Nama or Weight Price Torso Visk Visk Visk Legs Visk Bagian Nama Damage Weigh Price t Blacks 11.3.x tone Rockja 60x ck Sieg 250x Hasil Pengujian : Play mati dalam waktu : ± 153s HP musuh tsisa : ± 45 % c) Greedy by damage Pada greedy by damage, kita memilih weapon dengan nilai armor tbesar. Urutan pemilihan parts dimulai dari left arm right arm left should right should. Uang yang tsisa akan dialokasikan ke parts dengan nilai armor tbesar. Seluruh objek dalam weapon di left arm, right arm, left should dan right should. Ambil weapon dengan nilai damage paling besar Piksa apakah uang yang tsedia lebih banyak dari harga parts yang diambil dan bat objek tsebut tidak melebihi bat yang bisa ditampung wanz. Piksa apakah kombinasi tsebut membuat wanz btahan paling lama dari sangan musuh. Bagian Nama or Weight Price Torso Visk Cappl e Calm C Legs Enyo Hov Bagian Nama Damage Weigh t Price Catstra y mk- III 40x Kirishi 27,5x ma III Thund 115x bolt B

5 Hasil Pengujian : Play mati dalam waktu : ± 48s HP musuh tsisa : ± 95 % Hasil Pengujian : Play mati dalam waktu : ± 40s HP musuh tsisa : ± 90 % d) Greedy by parts price Pada greedy by parts price, kita memilih parts dengan harga tmurah. Urutan pemilihan parts dimulai dari torso right arm left arm legs. Uang yang tsisa akan dialokasikan ke weapon dengan harga tmahal. Seluruh objek dalam part torso, right arm, left arm dan legs. Ambil parts dengan nilai armor paling besar Piksa apakah uang yang tsedia lebih banyak dari harga parts yang diambil dan bat objek tsebut tidak melebihi bat yang bisa ditampung wanz. Piksa apakah kombinasi tsebut membuat wanz btahan paling lama dari sangan musuh. Bagian Nama or Weight Price Torso Calm C Calm C Calm C Legs Calm 200-C Bagian Nama Damage Weigh t Price Catstra y mk- III 40x Catstra 40x y mk- III Tabel Pbandingan seluruh algoritma Greedy: Greedy by Waktu mati HP enemy (s) (%) or price Damage price V. KESIMPULAN Dari data yang dipoleh, tlihat bahwa solusi paling efektif menggunakan algoritma greedy by weapon price. Play baru mati setelah detik ke 153. Selain itu, HP enemy pun bkurang cukup banyak. Algoritma greedy by parts price dan damage menjadi tidak efektif karena weapon yang tspilih adalah Catstray mk-iii. jenis tsebut memiliki damage yang cukup tinggi tetapi fire rate yang sangat lambat sehingga hanya mengurangi sedikit HP enemy. Ditambah dengan pemilihan part yang alakadarnya, kedua algoritma tsebut tidak menghasilkan solusi yang baik. Kesimpulannya adalah lebih efektif menggunakan algoritma yang mengutamakan ptahanan karena meskipun sangan kuat, jika ptahanan sangat lemah, play hanya akan memiliki waktu sedikit untuk mengurangi HP musuh. Namun penulis sendiri mengakui bahwa kesimpulan tsebut tidak sepenuhnya akurat karena tlalu banyak faktor yang diabaikan, septi akurasi, kecepatan tembak dan sebagainya. PUSTAKA [1] Munir, Rinaldi, Diktat Kuliah IF3051 Strategi Algoritma,Bandung : Institut Teknologi Bandung. [2] [3] evolved-walkthrough01.txt

6 PERNYATAAN Dengan ini saya menyatakan bahwa makalah yang saya tulis ini adalah tulisan saya sendiri, bukan saduran, atau tjemahan dari makalah orang lain, dan bukan plagiasi. Bandung, 21 Desemb 2011 Gilang Laksana Laba