DESAIN FUZZY STATE MACHINE UNTUK MENGHASILKAN VARIASI RESPON NPC (NON-PLAYABLE CHARACTER) PADA SEBUAH GAME

Transkripsi

1 DESAIN FUZZY STATE MACHINE UNTUK MENGHASILKAN VARIASI RESPON NPC (NON-PLAYABLE CHARACTER) PADA SEBUAH GAME Surya Adi Wijaya 1, Susi Juniastuti 2, Supen Mardi SN 3, Mch. Hariadi 4 Pasca Sarjana Jurusan Teknik Elektr Jaringan Cerdas Multimedia 1, 3 Jurusan Teknik Elektr - Fakultas Teknlgi Industri 2, 4 Institut Teknlgi Sepuluh Npember, Surabaya ABSTRAK Telah Salah satu pemanfaatan teknlgi infrmasi dan kmputer dalam pendidikan adalah game pedaggi, yang merupakan game pendidikan yang menggabungkan unsur pembelajaran dalam keasyikan dan kesenangan bermain game. Sehingga pemain bisa belajar sesuatu yang bermanfaat melalui dunia virtual dalam game dan pemain merasa asyik dan senang ketika memainkan game tersebut berulangulang. Namun game akan terasa membsankan jika pemain mulai bisa memprediksi respn dari game tersebut karena unsur petualangan baru dalam game tersebut akan hilang. Serang pemain game merasa lebih suka bermain melawan sebuah simulasi kecerdasan buatan yang realistik daripada bermain melawan sebuah sistem yang menyajikan suatu urutan aksi yang mudah di prediksi[1]. NPC (Nn-Playable Character) adalah byek bergerak atau karakter pada dunia game yang dijalankan leh kmputer dan bisa berinteraksi dengan pemain. Penelitian ini mengenai penggunaan Finite State Machine dan Fuzzy State Machine untuk mendapatkan variasi respn NPC dengan pemain pada game. Dengan adanya variasi respn NPC pada game tersebut diharapkan game akan menjadi lebih menarik untuk dimainkan karena respn NPC lebih sulit untuk diprediksi. Kata kunci: Game, pedaggi, fuzzy, state machine PENDAHULUAN Perkembangan dan implementasi teknlgi infrmasi dan kmpuer sudah meluas ke berbagai bidang. Mulai dari implementasi pada bidang pengaturan tmatis, bidang telekmunikasi, iklan, internet, permainan (game), bahkan sampai pada bidang pendidikan. Implementasi pada bidang pendidikan bisa melalui pembuatan mdulmdul pembelajaran yang interaktif maupun melalui game pendidikan atau game pedaggi. Pada umumnya game terdiri dari serangkaian urutan kejadian yang disajikan pada pemain dimana pemain bisa melakukan suatu aksi pada kejadian-kejadian tersebut. Metde yang sering digunakan pada game seperti ini adalah Finite State Machine (FSM). Game seperti ini memiliki respn yang tetap dan jika dimainkan berulang-ulang, pemain bisa menghapal respn game dari permainan sebelumnya sehingga dia bisa memprediksi respn kejadian berikutnya pada game. Jika hal ini terjadi, maka pemain akan lebih cepat bsan ketika sudah memainkannya beberapa kali. Untuk mendapatkan variasi respn NPC bisa menggunakan penggabungan antara FSM dengan randm atau FSM dengan kecerdasan buatan (AI). Penggunaan randm bisa memberikan kesan respn acak pada game, namun tingkat keacakan respn tidak memiliki krelasi dengan parameter lain sehingga tidak memberikan kesan cerdas.

2 Penggunaan berbagai kecerdasan buatan bisa jadi merupakan slusi untuk mendapatkan variasi respn NPC. Metde kecedasan yang diteliti disini adalah lgika fuzzy ( fuzzy lgic). Penggabungan antara FSM dengan fuzzy disebut sebagai Fuzzy State Machine (FuSM). Pemdelan sistem fuzzy beserta penggabungannya dengan FSM akan dibahas dan diuji dengan suatu game yang sangat sederhana. Pengujian ini dimaksudkan untuk mengetahui bahwa dengan mengimplementasikan FuSM pada NPC, apakah NPC tersebut akan memiliki respn yang bervariasi dibandingkan jika hanya menggunakan FSM. METODE Desain Game Pengujian Pemdelan sistem FSM dan FuSM tergantung dari skenari game. Skenari game menentukan aturan main ( Rle Play), parameter dan state NPC beserta interaksinya dengan pemain. Skenari game untuk pengujian FSM dan FuSM adalah sebagai berikut: Ada dua tipe NPC yaitu tikus dan kucing. NPC tikus menggunakan sistem FSM NPC kucing menggunakan sistem FuSM Tikus dan kucing memiliki parameter berupa kesehatan (HP) dan kekuatan (Damage). Keduanya dinyatakan mati jika HP= Tikus takut kucing tapi tidak takut tikus lain jika HP > 25% Kucing takut dengan kucing lain jika memiliki HP < 25% dan hanya berani dengan tikus Jika masing-masing saling bersinggungan, maka mereka akan berkelahi. Jika ada yang takut, maka dia akan menjauh menghindari perkelahian. Desain Finite State Machine Dari skenari diatas dibuat sistem FSM untuk NPC tikus dan kucing. Pembuatan sistem FSM diawali dengan membuat daftar kejadian (event), dan aksi yang dilakukan NPC tikus. Kemudian mengglngkan serangkaian aksi ke dalam suatu state dan membuat state diagramnya[1]. Event NPC tikus dan kucing Pergi Bersinggungan Berani Takut Menang Kalah Aksi NPC tikus dan kucing Lahir Berjalan Check HP Berkelahi Kabur AI Kucing ( kusus untuk NPC kucing pakai FuSM) Mati C-15-2

3 State NPC tikus dan kucing Idle (Nrmal) Waspada Bahaya Sedang Berkelahi (NPC tikus menggunakan FSM) Mati Waspada Sedang Berkelahi Lahir Idle Check HP Berani AI Kucing Berjalan Takut Takut Berkelahi Bersinggungan Bahaya Kabur Kalah Menang Mati Mati Gambar 1. Desain State Machine Pada diagram diatas, state direpresentasikan sebagai ktak dengan warna latar belakang yang berbeda untuk masing-masing state. Aksi direpresentasikan dengan elips. Bisa dilihat bahwa suatu state bisa memiliki lebih dari dari satu aksi. Event direpresentasikan sebagai anak panah. Event yang menjadi pemicu pergantian state direpresentasikan sebagai anak panah bergaris putus-putus. AI kucing adalah FuSM yang hanya diimplementasikan pada NPC kucing, jadi untuk NPC tikus aksi ini dilewati. Desain Fuzzy State Machine FuSM digunakan untuk memberi kecerdasan NPC kucing ketika berada pada state sedang berkelahi berdasarkan relasi HP dengan HP lawan. Sehingga NPC kucing bisa memberi respn takut dan menghindar ketika HP nya tinggal sedikit. Dengan demikian NPC kucing bisa menghindar dari kematian dari kekalahan berkelahi. Desain sistem fuzzy terdiri dari 2 input yaitu HP dan HPL dengan event fight sebagai pemicunya dan utputnya adalah berani atau takut. Derajat keanggtaan yang mempengaruhi transisi state bisa diambil dari state maupun event atau gabungan antara event dan state[2][4]. Gambarnya adalah sebagai berikut: Penjelasan masing-masing variabel yang digunakan adalah sebagai berikut: HP(Kabur) = Target HP dimana NPC kabur HP(Lawan) = HP lawan saat ini (current state) ΔHP = HP HP(Kabur) + = Berani - = Takut ΔHPL = HP HP(Lawan) + = Makin Berani - = Makin Takut Output = Berani atau Tetap atau Takut C-15-3

4 Event Fight HP(Kabur) HP(Lawan) Fuzzy Lgic Berani Live Parameter NPC Takut HP Feed Back Gambar 2. Desain Fuzzy State Machine Ntasi dibawah ini digunakan untuk merepresentasikan derajat keanggtaan variabel. N = Negatif ΔHP atau Negatif ΔHPL Z = Zer ΔHP atau Zer ΔHPL P = Psitif ΔHP atau Psitif ΔHPL B = Respn Output Berani - = Respn Output Tetap (NC) T = Respn Output Takut Kemudian digunakan sebanyak 9 aturan fuzzy (fuzzy rule ) untuk kmbinasi input seperti dibawah ini. If ΔHP = N AND ΔHPL = N then utput = T If ΔHP = Z AND ΔHPL = N then utput = B If ΔHP = P AND ΔHPL = N then utput = B If ΔHP = N AND ΔHPL = Z then utput = T If ΔHP = Z AND ΔHPL = Z then utput = NC If ΔHP = P AND ΔHPL = Z then utput = B If ΔHP = N AND ΔHPL = P then utput = T If ΔHP = Z AND ΔHPL = P then utput = T If ΔHP = P AND ΔHPL = P then utput = B Dengan menggunakan fungsi keanggtaan untuk masing-masing input beserta utput yang digambarkan sebagai berikut. C-15-4

5 Degree f Membership 1, ΔHP Gambar 3. Fungsi Keanggtaan HP Degree f Membership 1, ΔHPL Gambar 4. Fungsi Keanggtaan HPL Degree f Membership 1, Persen Output (-1 sampai = Takut, sampai 1 = Berani) Gambar 5. Fungsi Keanggtaan Output Output = (neg_cent x neg_strength + zer_cent x zer_strength + ps_center x ps Stregnth ) (neg_strength + zer_strength + ps Stregnth ) HASIL DAN DISKUSI Fuzzy sistem dengan mdel diatas disimulasikan menggunakan mathlab untuk menguji variasi utput yang terjadi jika diberikan kmbinasi input yang berbervariasi. Game dibuat menggunakan bahasa C++ dengan mengimplementasikan metde C-15-5

6 pemrgraman berrientasi byek (OOP) dim ana masing-masing NPC merupakan instance dari kelas turunan dari byek Thread. Dengan menggunakan thread untuk tiap NPC, maka kde prgram bisa lebih sedikit dan masing-masing NPC bisa menjalankan statenya sendiri-sendiri secara independen. Implementasi OOP bisa membuat implementasi dan pemeliharaan jadi fleksibel[3]. Gambar 6. Pengujian pada Game Sederhana Dari hasil percbaan pada game yang dibuat didapatkan sifat berikut ini untuk masingmasing NPC. Tikus NPC tikus akan menjadi penakut ketika HP nya kurang dari 25% Hal ini diindikasikan dengan menghindarnya NPC tikus ketika bersinggungan dengan NPC tikus lain maupun NPC kucing. Ketika HP > 25 dan bersinggungan dengan NPC tikus lain (state berkelahi) maka tikus akan berkelahi sampai menang atau mati. Kucing NPC kucing akan takut dengan NPC kucing lain jika HP nya kurang dari 25 %. Namun masih berani dengan NPC tikus. Ketika HP > 25 dan bersinggungan dengan NPC kucing lain maka NPC akan berkelahi. Namun ketika hampir mati, NPC kucing akan menghindar sehingga tidak sampai mati. Tingkat keberanian kucing dipengaruhi leh besar HP dirinya dan HP lawan. Hal ini juga terlihat pada hasil simulasi utput fuzzy pada mdel yang digunakan pada penelitian ini. Dari hasil percbaan pada game sederhana ini sudah bisa didapatkan perbedaan respn antara implementasi FSM dengan FuSM. Tingkat keberanian NPC tikus dengan NPC kucing merupakan respn FSM yang mudah ditebak Tingkat keberanian NPC kucing akan berbeda ketika berhadapan dengan NPC kucing lain yang memiliki jumlah HP yang berbeda karena HP kucing lain merupakan parameter input sistem fuzzy. Inilah kelebihan penggunaan FuSM pada NPC kucing. Sehingga tingkat ketakutan NPC kucing tidak mudah diprediksi pemain. Jika dibandingkan dengan respn NPC tikus yang sekedar jadi penakut ketika HP < 25%. C-15-6

7 Untuk mendapatkan NPC kucing yang tidak mudah mati diperlukan prses uji cba variasi nilai derajat keanggtaan masing-masing input dan utput. Pengembangan berikutnya bisa dilakukan dengan memberi variasi nilai pada ΔHP(kabur), menambahkan variabel input, maupun menjadikan mdel fuzzy menjadi adaptif sehingga variasi respn NPC jadi lebih banyak lagi. KESIMPULAN Dari hasil percbaan dan analisa pada game yang sudah dibuat bisa didapatkan kesimpulan sebagai berikut: FSM bisa digunakan untuk mendapatkan respn NPC namun variasinya terbatas FuSM bisa menghasilkan variasi respn NPC yang lebih banyak. Variasi respn tersebut bisa berbeda ketika berinteraksi dengan byek lain Implementasi sistem yang adaptif mungkin bisa diterapkan pada NPC DAFTAR PUSTAKA JASON BROWNLEE, Finite State Machine Basic and Implementatin. DAVID I. BRUBAKER, Phd., Fuzzy State Machine, Hautingtn Technical Brief NOV 199. YACOUB, S., AND H. AMMAR, "A Pattern Language f Statechart", in the Prceedings f Fifth Annual Cnference n the Pattern Languages f Prgrams, PLP'98, Allertn Park, Illinis, August 1998 J. GRANTNER, M. PATYRA, Synthesis and analysis f fuzzy lgic finite state machine mdels, WCCI 94, Prcedings the FUZZ-IEEE 94, Vl. I, pp , Orland, FL, June 26-29,1994 DOUGHERTY, EDWARD R., Prbability and Statistics fr the Engineering, Cmputing and Physical Sciences, Prentice Hall Inc., New Jersey, 199. C-15-7