DDA PADA MUSUH BERBASIS SKOR MENGGUNAKAN LOGIKA FUZZY
Abstract
Pada saat ini, banyak orang telah bermain game. Terdapat beberapa faktor dalam permainan yang membuat orang dapat menikmati permainan seperti graphics interface, latar belakang cerita, perangkat input permainan, dan game balancing. Dalam sebuah permainan dengan perhitungan skor yang bersifat statik atau berdasarkan rule-rule yang bersifat tegas mengakibatkan tingkat kesulitan dari sebuah permainan monoton atau tidak imbang antara pemain. Dimana tingkat kesulitan permainan untuk pemain pemula dan berpengalaman sama. Hal ini menyebabkan pemain pemula akan merasa frustasi karena permainan terlalu susah, sedangkan pemain berpengalaman akan merasa bosan karena permainan tersebut terlalu mudah untuk dimainkan. Pada penelitian ini dihasilkan suatu sistem penilaian skor yang dinamik menggunakan logika fuzzy untuk menentukan tingkat kesulitan pada musuh dalam permainan. Dimana penentuan tingkat kesulitan dalam permainan disesuaikan dengan kemampuan pemain. Kemampuan pemain didapat dari suatu sistem penilaian skor menggunakan logika fuzzy. Sistem penilaian skor permainan ini dibuat berdasarkan beberapa kriteria yaitu seberapa sering pemain terluka, item yang didapatkan pemain, berapa banyak musuh yang dibunuh, berapa kali pemain mengulang permainan dan waktu yang dibutuhkan untuk menyelesaikan satu stage permainan. Dalam penelitian ini dilakukan perbandingan dua metode yaitu metode tsukamoto dan sugeno,dimana hasil penilaian skor menggunakan sugeno lebih baik dari tsukamoto
Full Text:
PDF (Bahasa Indonesia)References
Gustavo Andrade and others, ‘Dynamic Game Balancing: An Evaluation of User Satisfaction’, Proceedings of the Second Artificial Intelligence and Interactive Digital Entertainment Conference, 2006, 3–8.
Shmups, Professor Jim Whitehead, Game Genres, January 29, 2007. June 17, 2008.
"Cap. O'Rourke to the rescue". New Straits Times Malaysia. 1988-09-01. 2009-07-06.
Valery Sklyarov and Iouliia Skliarova, ‘Design and Implementation of Parallel Hierarchical Finite State Machines.’
Sklyarov and Skliarova, ‘Synthesis of Parallel Hierarchical Finite State Machines.’
Dave Mount, ‘Artificial Intelligence for Games: Decision Making’, 2013, 1–6.
Luc Pons, Carole Bernon and Pierre Glize, ‘Scenario Control for (Serious) Games Using Self-Organizing Multi-Agent Systems (regular Paper)’, International Conference on Complex Systems (ICCS), Agadir, Morocco, 05/11/2012-06/11/2012, 2013, (electronic medium).
Gustavo Andrade, Geber Ramalho, Hugo Santana, and others, ‘Challenge-Sensitive Action Selection: An Application to Game Balancing’, Proceedings - 2005 IEEE/WIC/ACM International Conference on Intelligent Agent Technology, IAT’05, 2005 (2005), 194–200 .
I. Nyoman Sukajaya and others, ‘Multi-Parameter Dynamic Difficulty Game’s Scenario Using Box-Muller of Gaussian Distribution’, ICCSE 2012 - Proceedings of 2012 7th International Conference on Computer Science and Education, 2012, 1666–71 .
D.Mount, (2013), Artificial Intelligence for Games, Lecture handout: Decision Making, CMSC
a. Graf, ‘Fuzzy Logic Approach for Modelling Multiplayer Game Scoring System’, Proceedings of the 8th International Conference on Telecommunications, 2005. ConTEL 2005., 2 (2005), 347–52 .
Yunifa Miftachul Arif and others, ‘Integrasi Hierarchy Finite State Machine dan Logika Fuzzy untuk Desain Strategi NPC Game.’
Fajar Hariadi, Supeno Mardi and Susiki Moch, ‘NPC Scoring Based On User-NPC Interaction Using Fuzzy Logic’, 1–5.
Sri Kusumadewi,(2010), Aplikasi Logika Fuzzy untuk pendukung keputusan, Edisi 2, Graha Ilmu, Yogyakarta.
Rodrigo Vicencio-moreira, Regan L Mandryk and Carl Gutwin, ‘Now You Can Compete With Anyone : Balancing Players of Different Skill Levels in a First-Person Shooter Game’, Chi, 2015, 2255–64.
Alex Fernandes da V. Machado, ' Dynamic Difficulty Balancing of Strategy Games through Player Adaptation using Top Culling'
Alexander E. Zook, 'A Temporal Data-Driven Player Model for Dynamic Difficulty Adjustment'
Refbacks
- There are currently no refbacks.