III. METODOLOGI. Gambar 9. Flow diagram proses mengoper. Dari sini dapat dilihat proses mengoper dilakukan dengan inisialisasi arah passing

Transkripsi

1 31 III. METODOLOGI 3.1. Kerangka Pikir Proses algoritma sebelumnya (Kyrylov, Ball Passing: Balancing Rewards, Risks, Costs, and Real-Time Constraints, 2006)dapat digambarkan pada gambar 9. Gambar 9. Flow diagram proses mengoper Dari sini dapat dilihat proses mengoper dilakukan dengan inisialisasi arah passing terlebih dahulu yaitu salah satu dari 12 arah terhadap sudut -180 s/d 180, jadi setiap arah tersebut mempunyai sudut sebesar 30. Gambar 10. Arah operan Kemudian setiap arahnya dilakukan pengecekan terhadap kriteria sebagai berikut:

2 32 1. Posisi kawan terdekat terhadap pengoper dengan menggunakan proses dan perhitungan yang sama seperti pada menghitung posisi lawan. Nilai kawan terdekat ditambahkan ke variabel risk. 2. Posisi lawan terdekat terhadap pengoperdenganmenghitung waktu tempuh jarak tersebut terhadap kecepatan maksimal bola dapat bergulir, proses ini dilakukan berulang-ulang sampai semua lawan yang berada dalam arah tersebut sudah dihitung semua. Nilai yang diambil adalah yang memiliki nilai terkecil. 3. Arah yang lebih baik dihadap pengoper adalah arah yang menghadap area lawan. Nilai ini akan dikurangi dengan risk risk = risk * ( ( Math.abs(pass_dir))/180 ) Semua proses tersebut akan diulangi sampai semua 12 arahnya sudah dilakukan pengecekan, jadi setiap arah memiliki nilai risk masing-masing dimanarisk setiapnya didapat dari membandingkan semua titik-titik risk yang berada dalam arah tersebut dan proses terakhir adalah membandingkan semua risk sehingga arah yang memiliki nilai risk paling kecil akan menjadi pilihan optimal untuk mengoper bola. Dari ketiga kriteria diatas, kriteria nomor 3 menjadi perhatian dari penelitian inidimana dari kriteria nomor 3 tersebut akandicek sudut arah menghadap operan dengan menetapkan weight sebesar 1000, apabila nilai pass_dir pada 0-90 yaitu dimana menghadap area lawan, maka nilai 1000akan menjadi negatif yang berdampak pada mengurangi resiko, apabila pass_dir antara yaitu dimana posisi menghadap area pemain, maka nilai 1000 menjadi positif yang berdampak menambah resiko. Jadi disini bisa disimpulkan rumus

3 33 tersebut bermaksud memberi nilai risk yang lebih kecil apabila pengoper menghadap area lawan. Kriteria ini akan memiliki kelemahan yaitu berakibat pemain akan mengoper ke area kosong tanpa kawan namun arah tersebut dianggap memiliki minimum risk dikarenakan menghadap area lawan, hal ini dapat mengakibatkan kehilangan kesempatan untuk melakukan serangan. Dalam menambahkan semua kriteria tersebut kedalam risk, pada program sebelumnya, masing-masing kriteria memiliki rentang nilainya masing-masing, hal ini dapat menyebabkan kondisi dimana ada satu kriteria memiliki rentang nilai yang terlalu tinggi sementara yang lain memiliki rentang kecil, kemudian semua kriteria tersebut ditotalkan ke risk, hal ini dapat menyebabkan pengambilan keputusan dengan melihat nilai risk yang tidak merata dikarenakan nilai risk ini menjadi besar hanya oleh satu kriteria yang rentang nilainya berbanding jauh dengan lainnyasehingga membuat satu kriteria mendominasi kriteria lainnya, maka keputusan tidak dianggap pareto optimal. Jadi usulan dari penelitian ini adalah mengganti kriteria nomor 3 tersebut yaitu dengan melihat kondisi kawan yang terdekat dengan gawang akan memberikan kesempatan menyerang yang lebih baik. Ini akan memperbaiki keputusan dalam mengoper bola sehingga bola dapat dioper ke arah kawan yang memiliki potensial tinggi untuk menyerang. Ketika pemain memiliki banyak titik operan, setiap titik yang dipilih harus memenuhi syarat pareto. Untuk menyelesaikan masalah pareto, digunakan metode NNC yang akan mengecek apakah titik-titik tersebut berada dala utopialineatau tidak. Optimisasi dilakukan dengan menghitung setiap titik operan dengan diformulasikan dengan objective

4 34 functiondan NNC digunakan untuk membentuk pareto set,dari sini pareto set/pareto frontier dipilih dari utopia line Desain Metode yang Diusulkan Desain dimulai dari menjabarkan criteria factors yang telah diperbaharui dan kemudian disusun diagram alurnya untuk menjadi pedoman pembuatan algoritma coding program Criteria Factors yang Diusulkan Untuk membuat pertimbangan mengoper yang lebih baik maka perlu diperhatikan juga pemain kawan yang berada dalam arah yang dihadap oleh pengoper. Apabila pemain yang dihadap oleh pengoper tersebut lebih dekat dengan gawang lawan maka posisinya potensial untuk melakukan serangan dan tekanan ke gawang lawan. Oleh karena itu, kriteria akan diperbaiki menjadi sebagai berikut: 1. Posisi operan tersebut haruslah lebih dekat dengan kawan. f 1 =d(p i -P kawan ) 2. Posisi operan tersebut haruslah lebih jauh dengan lawan. f 2 =d(p i -P lawan ) 3. Posisi operan harus terbuka terhadap jalur ke gawang. Pemain penerima operan yang lebih dekat ke gawang lawan memiliki potensial lebih tinggi untuk menyerang. f 3 =d(p i p kawan,p gawang ) Masing-masing kriteria diatas akan dianggap optimal apabila masih dalam utopia line. Jadi bisa dinotasikan masalah yang ingin kita pecahkan adalah:, 3

5 35 Dimana dicari nilai minimum dari setiap arah yang juga memenuhi semuamulti criteria factors tersebut Menentukan Utopia Line Masing-masing dari criteria functions dicari titik solusi terbaiknya (anchor point), lalu kemudian membentuk garis diantara anchor points dengan increment.detail pembentukannya adalah sebagai berikut (Messac, Yahaya, & Mattson, 2003): 1. Membentuk Utopia Line, adalah selisih dari anchor points yang sudah dinormalisasi. 2. Menentukan normalized increment, untuk membentuk garis dari vektor utopia line, dilakukan penambahan sebesar: nilai pembagi yang sudah ditentukan sebelumnya. dimana m 1 adalah 3. Generate titik-titik dari Utopia Line, dimana 1 Jadi semua titik-titik dari criteria functions akan dianggap pareto optimal apabila masih termasuk anggota utopia line Algoritma Optimalisasi Secara garis besar dapat digambarkan diagram alur untuk proses optimalisasi yang baru pada gambar 11.

6 36 Gambar 11. Diagram alur optimalisasi Setelah dilakukan normalisasi, nilai-nilai risk untuk setiap titik akan dicek apakah termasuk dalam utopia line, titik yang tidak termasuk dalam utopia line akan dibuang sehingga proses pembandingan risk nantinya tidak perlu membandingkan kesemua titik yang ada. Dengan begitu algoritma untuk optimalisasinya adalah sebagaiberikut: Algorithm WhereToPass Input: All passing directory Output: Best passing directory public int u1[n], u2[n], u3[n]; {utopia point for each criterion} function getdirectionvalue ForTeam(Vector player, double dir):float; {this method evaluates passing direction 'dir' with respect to a team of 'players', returns a heuristic estimate of the goodness of this direction } function getgoaldistance(vector player, Vector goalpos, double dir):float; {this method evaluates nearest player to the goal within dir, returns distance of players against goal} function checkutopian(double pos1, double pos2, double pos3):boolean; {this method check wether the point are utopia member or not} function Normalized(double def_val):float {this method normalized the previous value} for each item in the pass_dir do our_value getdirectionvalueforteam( teammates, pass_dir ) their_value getdirectionvalueforteam( opponents, pass_dir ) goal_value getgoaldistance( teammates, OppGoal, pass_dir) if checkutopian(our_value, their_value, goal_value) risk risk + Normalized(our_value) + Normalized(their_value) + Normalized(goal_value) Endif Endfor return best_pass_dir if risk < min_risk then min_risk risk best_pass_dir pass_dir Endif

7 Analisa Environment Simulasi Berikutnya dilakukan analisa terhadap software simulasi yang akan digunakan untuk bisa menentukan ruang lingkup kerja dari penelitian ini. Secara garis besar, tao of soccer menjadi media untuk melakukan simulasi sepakbola dimana sudah tersedia modul-modul untuk dipakai sebagai environment coding dasar dalam menciptakan agen pemainnya. Jaditao of soccer menyediakan lapangan dan aturannya, para peneliti robosoccer tinggal membuat agen cerdas untuk bermain di lapangan tersebut. Tao of soccer mensimulasikan multi agennya secara bersamaan dengan menggunakan fitur multithread yang terdapat pada Java. Setiap agen memiliki role masing-masing dengan behavior dan goal masingmasing, untuk mencegah konflik antara itu, maka diperlukan komunikasi antara agen. Gambar 12. TOS workflow diagram (Zhang, Multi Agent Systems: The Tao of Soccer, 2005)

8 38 Tao of Soccer memiliki 5 kelas utama, 1. SoccerWorld:Modul yang merepresentasikan status dari lingkungan TOS yaitu lapangan sepakbola, dua tim pemain, dan bola sepak. 2. Host:Thread yang menampung koneksi dan action dari agen. 3. HeartofWorld: Thread yang menghitung dan memberi informasi untuk setiap agen, juga mengupdatesoccerworld setiap langkah simulasi. 4. SoccerRules: Modul yang mensimulasikan dan mengkalkulasi peraturan dalam sepakbola, seperti offside, goal kick, dsb. 5. SoccerPhysics:Modul yang mensimulasikan gerakan pemain dan bola. Karena penelitian ini berfokus pada menciptakan agen yang lebih baik dalam mengoper bola, maka perlu dianalisa terlebih dahulu struktur kerja dari agen itu sendiriyang dapat dilihat pada gambar 13.

9 39 Gambar 13. Default AI soccer team (Zhang, Multi Agent Systems: The Tao of Soccer, 2005) Berikut adalah gambaran secara default dalam agen sepakbola yaitu terdapat beberapa kelas: AIPlayers: kelas utama yang berperan mengatur thread dari tim, setiap thread mengontrol masing-masing agen pemain. Robot: kelas yang terdapat tiga method untuk mengontrol gerakan agen TOS, yaitu sense, plan, dan execute. WorldModel: kelas yang menyimpan status internal dari agen sepakbola. Formation: kelas yang mendefinisikan formasi yang digunakan tim.

10 40 Penelitian ini berfokus pada menciptakan agen yang dapat mengoper lebih baik terutama pada saat kondisi offense jadi di sini akan dianalisa lebih jauh terhadap class AIPlayer terutama pada proses melakukan operan (shouldipass).