IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY.

(1)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA

GAME STRATEGY

ABSTRAK

Fuzzy Logic merupakan salah satu metode untuk membangun kecerdasan buatan pada sebuah sistem. Fuzzy Logic memberikan toleransi pada nilai abu – abu, tidak seperti Crisp Logic yang hanya menerima masukan 1 dan 0. Sehingga Fuzzy Logic lebih fleksibel mulai dari menerima masukan hingga menentukan aturan – aturan yang merupakan representasi dari pakar.

Fuzzy Logic dapat ditanamkan di berbagai objek di dalam sebuah game real time strategy. Mulai dari unit musuh, markas milik player, dan non player character lainnya. Dalam penelitian ini, Fuzzy Logic ditanamkan di unit musuh untuk meningkatkan interaksi antara player dan non-player character. Unit musuh ditanamkan beberapa strategi untuk melawan player yang sudah biasa memainkan game real time strategy.

Berdasarkan hasil penelitian yang dilakukan oleh peneliti, bagi player yang telah memainkan DOTA sebelumnya, game RTS berbasis fuzzy logic ini merupakan game yang musuhnya sulit dihadapi, musuhnya terlihat seperti dimainkan manusia, dan tertantang kembali untuk memainkan kembali dengan realibilitas sebesar 0,52. Selain itu aturan fuzzy memiliki kecocokan sebesar 0,35 yang berarti berada pada skala sedang berdasarkan kriteria pertama, kecocokan sebesar 0,34 yang berarti berada pada skala sedang berdasarkan kriteria kedua , kecocokan 0,5 yang berarti berada pada skala sedang berdasarkan kriteria ketiga

(2)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

(3)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

MAMDANI METHOD BASED FUZZY LOGIC IMPLEMENTATION FOR INTELLIGENT NON-PLAYER CHARACTER DEVELOPMENT IN

STRATEGY GAME

ABSTRACT

Fuzzy Logic is one of method in artificial intelligence to build intelligent system. Fuzzy Logic has ability to tolerance a value from a grey area . It is take an input between 1 and 0. It is different compare to crisp logic that could only accept value 1 and 0. Fuzzy Logic is more flexible from accepting an input from extern system until determining a rule that represented an expert.

Fuzzy Logic could be embedded in any object in real time strategy game. Start from enemy units, players homebases, and other non player character. In this research, fuzzy logic is embedded in enemy units in order to improve interaction between player and non-player character. Enemy units has some strategy to fight with player who are usually play real time strategy game.

Based on this research, for a player who play DOTA before play this game, this fuzzy logic based RTS game is a game that non-player character has difficult to confront, the enemy looks like a human, and player are to take a challenge again after play the game. The result has a reliability in amount 0,52. The fuzzy rule has match value in amount 0,35 for a first criteria, 0,34 match value for a second criteria, and 0,5 match value for a third criteria.

(4)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu DAFTAR ISI

ABSTRAK ... ERROR! BOOKMARK NOT DEFINED. ABSTRACT ... ERROR! BOOKMARK NOT DEFINED. KATA PENGANTAR ... ERROR! BOOKMARK NOT DEFINED. UCAPAN TERIMA KASIH ... ERROR! BOOKMARK NOT DEFINED. DAFTAR ISI ... VI DAFTAR GAMBAR ... IX DAFTAR TABEL ... XI DAFTAR LISTING ... XIII BAB I ... ERROR! BOOKMARK NOT DEFINED. PENDAHULUAN ... ERROR! BOOKMARK NOT DEFINED. 1.1 Latar Belakang ... Error! Bookmark not defined. 1.2 Rumusan Masalah ... Error! Bookmark not defined. 1.3 Tujuan Penelitian... Error! Bookmark not defined. 1.4 Batasan Masalah... Error! Bookmark not defined. 1.5 Sistematika Penulisan ... Error! Bookmark not defined. BAB II ... ERROR! BOOKMARK NOT DEFINED. 2.1 Game dan Video Game ... Error! Bookmark not defined. 2.2 Game Genre dan Real Time Strategy ... Error! Bookmark not defined. 2.3 Non Player Character ... Error! Bookmark not defined.

(5)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

2.4 Reasoning ... Error! Bookmark not defined. 2.5 Fuzzy Logic ... Error! Bookmark not defined. 2.6 Fuzzy Set ... Error! Bookmark not defined. 2.7 Fungsi Keanggotaan ... Error! Bookmark not defined. 2.8 Fuzzy System ... Error! Bookmark not defined. 2.9 Fuzzy Logic Metode Mamdani ... Error! Bookmark not defined. BAB III ... ERROR! BOOKMARK NOT DEFINED. 3.1 Desain penelitian ... Error! Bookmark not defined. 3.2 Alat dan Bahan ... Error! Bookmark not defined. 3.3 Metode Penelitian... Error! Bookmark not defined. 3.3.1 Proses Pengumpulan Data ... Error! Bookmark not defined. 3.3.2 Proses Pembangunan Perangkat Lunak . Error! Bookmark not defined. 3.3.3 Pemodelan Sistem ... Error! Bookmark not defined. BAB IV ... ERROR! BOOKMARK NOT DEFINED. 4.1 Pembahasan Game ... Error! Bookmark not defined. 4.2 Pembahasan Fuzzy Logic Metode Mamdani pada Game ... Error! Bookmark not defined.

4.3 Implementasi Fuzzy Logic Metode Mamdani ke Game ... Error! Bookmark not defined.

4.3.1. Menetapkan Nilai Masukan Jarak dan Darah ... Error! Bookmark not defined.

(6)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

dan Darah ... Error! Bookmark not defined. 4.3.3. Proses Inferensi Aturan Fuzzy Logic Metode Mamdani... Error! Bookmark not defined.

4.3.4. Proses Clipping di Fuzzy Logic Mamdani ... Error! Bookmark not defined.

4.3.5. Menentukan Titik Random untuk Proses Defuzzyfikasi ... Error! Bookmark not defined.

4.3.6. Defuzzyfikasi di Fuzzy Logic Mamdani Error! Bookmark not defined. 4.4 Pengujian Game ... Error! Bookmark not defined. 4.4.1. Pengujian Menggunakan Test Case... Error! Bookmark not defined. 4.4.2. Pengujian Berdasarkan Hasil Bermain Player Terhadap GameFuzzy logic Yang Dibangun ... Error! Bookmark not defined. 4.4.3. Pengujian Subjektif Terhadap Aturan Fuzzy Yang Dibangun ... Error! Bookmark not defined.

4.4.4. Perbandingan Fuzzy Logic Terhadap Boolean Logic yang dibangun Error! Bookmark not defined.

BAB V ... ERROR! BOOKMARK NOT DEFINED. 5.1. Kesimpulan ... Error! Bookmark not defined. 5.2. Saran ... Error! Bookmark not defined. DAFTAR PUSTAKA ... ERROR! BOOKMARK NOT DEFINED. LAMPIRAN ... ERROR! BOOKMARK NOT DEFINED. Lampiran 1 Pertanyaan yang Diajukan untuk Pengujian Game . Error! Bookmark not defined.

(7)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Bookmark not defined.

Lampiran 3 Tangkapan Layar Game RTS berbasis Fuzzy Logic Metode Mamdani

(8)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu DAFTAR GAMBAR

Gambar 1.1 Grafik Kategori Mobile Apps yang paling populer di download

(Schroeder, Stan, 2011). ... Error! Bookmark not defined. Gambar 2.1 Himpunan: MUDA, PAROBAYA, dan TUA (Kusumadewi, Sri. 2003)

... Error! Bookmark not defined. Gambar 2.2 Himpunan fuzzy untuk variabel umur (Kusumadewi, Sri. 2003)Error! Bookmark not defined.

Gambar 2.3 Kurva Segitiga (Suyanto. 2011) ... Error! Bookmark not defined. Gambar 2.4 Kurva Trapezoid (Suyanto. 2011) ... Error! Bookmark not defined. Gambar 2.5 Proses Fuzzy (Suyanto. 2011) ... Error! Bookmark not defined. Gambar 2.6 Proses Defuzzifikasi (Kusumadewi, Sri. 2003) Error! Bookmark not defined.

Gambar 3.1 Skema Desain Penelitian ... Error! Bookmark not defined. Gambar 3.2 Grafik Crisp Jarak ... Error! Bookmark not defined. Gambar 3.3 Penentuan Keanggotaan Titik di Grafik Crisp Jarak ... Error! Bookmark not defined.

Gambar 3.4 Penarikan garis pada Titik di Grafik Crisp Jarak . Error! Bookmark not defined.

Gambar 3.5 Grafik Crisp Darah ... Error! Bookmark not defined. Gambar 3.6 Penentuan Keanggotaan Titik di Grafik Crisp Darah ... Error! Bookmark not defined.

Gambar 3.7 Penarikan Garis pada Titik di Grafik Crisp Darah Error! Bookmark not defined.

Gambar 3.8 Grafik Crisp Aksi ... Error! Bookmark not defined. Gambar 3.9 Penentuan Keanggotaan Titik di Grafik Crisp AksiError! Bookmark not defined.

(9)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu not defined.

Gambar 3.11 Proses Rekayasa Model Sekuensial Linier (Pressman, Roger. 2002) ... Error! Bookmark not defined. Gambar 4.1 Grafik Keanggotaan Variabel Fuzzy Jarak ... Error! Bookmark not defined.

Gambar 4.2 Grafik Keanggotaan Variabel Fuzzy Darah... Error! Bookmark not defined.

Gambar 4.3 Grafik Keanggotaan Variabel Fuzzy Aksi ... Error! Bookmark not defined.

Gambar 4.4 Alur Fuzzy Logic Metode Mamdani di Game RTS yang Dibangun

... Error! Bookmark not defined. Gambar 4.4 Proses Perhitungan Keanggotaan Nilai Masukan Jarak di Himpunan Fuzzy Jarak ... Error! Bookmark not defined. Gambar 4.5 Proses Perhitungan Keanggotaan Nilai Masukan Darah di Himpunan Fuzzy Darah ... Error! Bookmark not defined. Gambar 4.6 Proses Pencarian Nilai Proyeksi Y Terhadap X di Himpunan Fuzzy Aksi SERANG ... Error! Bookmark not defined. Gambar 4.7 Proses Pemotongan Batas Maksimum (Clipping) di Himpunan Fuzzy Aksi SERANG ... Error! Bookmark not defined. Gambar 4.8 Proses Pencarian Nilai Proyeksi X atau Titik – Titik Sembarang Terhadap Y di Himpunan Fuzzy Aksi SERANG ... Error! Bookmark not defined. Gambar 4.9 Proses Defuzzyfikasi di Himpunan Fuzzy Aksi . Error! Bookmark not defined.

Gambar 4.10 Contoh Kasus yang Diujikan Kepada Player untuk Mengetahui Kesesuaian Aturan Fuzzy pada Kasus Tersebut... Error! Bookmark not defined.

(10)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu DAFTAR TABEL

Tabel 2.1 Tabel kebenaran AND (Kusumadewi, Sri. 2003) Error! Bookmark not defined.

Tabel 2.2 Operator Fuzzy Logic (Kusumadewi, Sri. 2003) . Error! Bookmark not defined.

Tabel 3.1 Tabel Penentuan Keanggotaan Titik di Grafik Crisp Jarak ... Error! Bookmark not defined.

Tabel 3.2 Tabel Penentuan Keanggotaan Titik di Grafik Crisp Darah ... Error! Bookmark not defined.

Tabel 3.3 Tabel Penentuan Keanggotaan Titik di Grafik Crisp Aksi ... Error! Bookmark not defined.

Tabel 4.1 Aturan Fuzzy pada Game RTS yang dibangun ... Error! Bookmark not defined.

Tabel 4.2 Proyeksi Titik Sembarang Terhadap Sumbu Y... Error! Bookmark not defined.

Tabel 4.3 Pengelompokkan Titik Sembarang Berdasarkan Proyeksi Titik

Sembarang Terhadap Sumbu Y ... Error! Bookmark not defined. Tabel 4.4 Proses Fuzzy Logic Metode Mamdani di Game RTS dari Proses

Perhitungan Keanggotaan Hingga Menentukan Titik Sembarang ... Error! Bookmark not defined.

Tabel 4.5 Proses Fuzzy Logic Metode Mamdani di Game RTS dari Proses Pemeriksaan Titik Sembarang di Semua Himpunan Variabel Fuzzy Aksi Hingga Defuzzyfikasi ... Error! Bookmark not defined. Tabel 4.6 Pertanyaan Yang Diajukan untuk Menguji Game RTS Berbasis Fuzzy Logic Metode Mamdani ... Error! Bookmark not defined. Tabel 4.7 Hasil Kuesioner yang Sudah Dikonversi Sesuai Skor yang Ditetapkan untuk Setiap Jawaban Gamer ... Error! Bookmark not defined. Tabel 4.8 Hasil Dari Perhitungan PEARSON() Dan Validitasnya Berdasarkan Nilai Kriteria R Tabel ... Error! Bookmark not defined. Tabel 4.9 Sisa Pertanyaan yang Valid Dari Pengujian Pertama Beserta Skor Total

(11)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Ganjil dan Skor Total Genap ... Error! Bookmark not defined. Tabel 4.10 Pengujian Validitas Setiap Sisa Soal yang Valid dari Pengujian Pertama ... Error! Bookmark not defined. Tabel 4.11 Hasil Jawaban dari Setiap Contoh Kasus untuk Pengujian Subjektif Terhadap Aturan Fuzzy ... Error! Bookmark not defined. Tabel 4.12 Hasil Aksi dari Setiap Contoh Kasus yang Dihasilkan oleh Aturan

Fuzzy ... Error! Bookmark not defined. Tabel 4.13 Aksi yang Cocok Antara Aturan Fuzzy dengan Persepsi Player yang Bertindak Sebagai Unit Musuh ... Error! Bookmark not defined. Tabel 4.14 Total Aksi Yang Cocok Berdasarkan Penguji Atau Player ... Error! Bookmark not defined.

Tabel 4.15 Total Aksi Yang Cocok Berdasarkan Pertanyaan Atau Kasus ... Error! Bookmark not defined.

Tabel 4.16 Modus Aksi Pada Setiap Kasus ... Error! Bookmark not defined. Tabel 4.17 Pencocokan Modus Aksi Pada Setiap Kasus Dengan Aksi yang

Dihasilkan Atuan Fuzzy ... Error! Bookmark not defined. Tabel 4.18 Jawaban yang akan diujikan untuk pengujian boolean logic ... Error! Bookmark not defined.

Tabel 4.19 Hasil Aksi dari Setiap Contoh Kasus yang Dihasilkan oleh Boolean Logic ... Error! Bookmark not defined. Tabel 4.20 Aksi yang Cocok Antara Boolean Logic dengan Persepsi Player yang Bertindak Sebagai Unit Musuh ... Error! Bookmark not defined. Tabel 4.21 Total Aksi Yang Cocok Berdasarkan Penguji Atau Player ... Error! Bookmark not defined.

Tabel 4.22 Total Aksi Yang Cocok Berdasarkan Pertanyaan Atau Kasus ... Error! Bookmark not defined.

Tabel 4.23 Modus Aksi Pada Setiap Kasus ... Error! Bookmark not defined. Tabel 4.24 Pencocokan Modus Aksi Pada Setiap Kasus Dengan Aksi yang

(12)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu DAFTAR LISTING

Listing 3.1 Crisp Logic untuk Dibandingkan dengan Fuzzy Logic yang akan ibangun ... Error! Bookmark not defined.

Listing 4.1 Potongan Kode Program untuk Implementasi Perhitungan

Keanggotaan Nilai Masukan Jarak di Himpunan Fuzzy Jarak .. Error! Bookmark not defined.

Listing 4.2 Potongan Kode Program untuk Implementasi Perhitungan

Keanggotaan Nilai MasukanDarah di Himpunan Fuzzy DarahError! Bookmark not defined.

Listing 4.3 Potongan Kode Program untuk Implementasi Proses Inferensi Aturan Fuzzy di Game RTS ... Error! Bookmark not defined.

Listing 4.4 Potongan Kode Program untuk Implementasi Proses Mendapatkan Nilai Clipping ... Error! Bookmark not defined.

Listing 4.5 Potongan Kode Program untuk Implementasi Proses Clipping

Himpunan Fuzzy Aksi ... Error! Bookmark not defined.

Listing 4.6 Potongan Kode Program untuk Implementasi Proses Pencarian Nilai Proyeksi X atau Titik – Titik Sembarang Terhadap Y di Himpunan Fuzzy Aksi SERANG ... Error! Bookmark not defined.

Listing 4.7 Potongan Kode Program untuk Implementasi Proses Defuzzyfikasi

... Error! Bookmark not defined.

(13)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB I

PENDAHULUAN

1.1Latar Belakang

Berkembangnya perangkat teknologi informasi dan komunikasi seperti

smartphone dan personal computer (PC) membuat perkembangan game semakin maju. Selain itu tumbuh pesatnya berbagai online application store membuat pertumbuhan game semakin tinggi. Berikut adalah grafik tentang penjualan aplikasi pada smartphone pada quarter kedua 2011.

(14)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Gambar 1.1 Grafik Kategori Mobile Apps yang paling populer di download (Schroeder, Stan, 2011).

(15)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Selain tingkat grafis yang semakin memukau para penggemarnya, game

pun semakin menarik dari sisi cerita dan karakter. Gameplay yang dikembangkan oleh game developer semakin kompleks dan inovatif sehingga membuat para

player lebih nyaman dan tertarik dalam bermain game. Dalam pengembangan sebuah game, tentunya game developer akan membuat non-player character yang akan menjadi teman atau lawan saat bermain game. Non-player character ini memiliki aksi yang bertujuan untuk melakukan interaksi dengan player. Aksi yang dimiliki non-player character ini ada yang bersifat statis, ada yang bersifat acak (random), dan ada pula yang memiliki kecerdasan.

Kecerdasan buatan game bisa membuat kualitas interaksi game menjadi lebih baik (Li, Y., Musilek, P., dan Wyard-Scott, L., 2004). Dengan mengurangi sifat statik dan random pada non- player character, game yang dimainkan bisa lebih menantang jika diberikan kecerdasan buatan. Misal pada game balap, salah satu hal penting dalam game ini adalah menentukan kecepatan optimal di setiap bagian sirkuit oleh suatu kendaraan yang dimainkan oleh komputer. Perhitungan yang salah dapat berakhir pada situasi yang tidak diinginkan misal pada saat mobil bisa berjalan cepat dan mendapatkan waktu lap time yang lebih pendek mobil malah berjalan lebih lambat, atau mobil terlalu cepat dan pada akhirnya tabrakan atau keluar sirkuit. Untuk menyelesaikan masalah manajemen kecepatan yang sesuai pada game balap ini, fuzzy logic digunakan pada kasus ini. Fuzzy controller didesain dengan tujuan menentukan kecepatan mobil yang sesuai di setiap kondisi (Onieva, E., Pelta, D.A., Milanes, V., dan Perez, J., 2011).

Implementasi kecerdasan buatan pada game strategy dapat membuat game

lebih menarik dan interaktif dibandingkan dengan memakai sistem random biasa Dalam sebuah game strategy, player tidak hanya memainkan peran sebagai komando dari pasukan untuk menyerang daerah atau markas lawan. Tapi player

juga harus menjadi manager dari resource yang dimilikinya. Begitupun dengan komputer sebagai musuh player. Komputer harus mampu mengendalikan

(16)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

pemakaian resource yang dia miliki untuk mengatur jumlah pasukan yang dia miliki. Selain itu tiap – tiap pasukan yang dibentuk oleh komputer harus dapat memutuskan sendiri apakah dia harus tetap menyerang atau kembali ke markas untuk bertahan.

Agar membuat computer player menjadi lebih menarik dan fleksibel, banyak developer menggunakan fuzzy logic dibandingkan dengan teknik kecerdasan buatan lainnya. Tidak seperti discrete states yang menggunakan true

atau false sebagai logika normal, fuzzy logic menggunakan angka derajat keanggotaan. Derajat keanggotaan ini mengindikasikan keinginan untuk melakukan sesuatu dan memunculkan beberapa behaviour. Behaviour ini bisa jarak untuk bergerak, kesempatan menyerang lawan, dan lainnya. Dengan tidak menggunakan discrete states, hal ini memungkinkan computer player menerapkan berbagai strategi dalam waktu yang sama (Olofsson, Frederik dan Anderson, Johan W., 2003).

Di beberapa strategy games, penggunaan Fuzzy Logic dapat membantu komandan dari sebuah unit grup, kota, atau negara dengan membuatnya lebih mudah dalam menangani banyaknya informasi dan menghasilkan data yang berguna lebih banyak. Contoh game yang menerapkan Fuzzy Logic adalah

Civilization: Call to Power. Game ini menggunakan Fuzzy Logic untuk menentukan strategi yang dipakai oleh AI-controlled player. Jika AI ragu dengan keputusan yang dihasilkan oleh Fuzzy Logic, maka AI akan mengandalkan Fuzzy State Machine untuk menghasilkan strategi yang lebih cocok. Jika strategi yang dipilih terlalu banyak ketidakselarasan, maka AI akan mengandalkan Fuzzy Logic

untuk menilai strategi yang lebih baik pada saat itu. Penggunaan Fuzzy Logic

yang meningkatkan AI menjadi lebih menantang dan teliti, membuat AI player

mempunyai tingkah laku yang lebih cerdas saat menghadapi lawan dan cekatan dibandingkan seri Civilization sebelumnya (Andersen, K.T., Buch, A., Christensen, D.D., dan Tran, D., 2008).

(17)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

buatan dengan metode fuzzy logic dapat meningkatkan kualitas interaksi, tingkat kesulitan, dan gameplay yang lebih baik pada game strategy

1.2Rumusan Masalah

Rumusan masalah dari penelitian yang akan peneliti lakukan adalah:

1. Bagaimana membangun sebuah game yang memiliki kualitas permainan yang lebih baik dengan adanya lawan (non-player character) yang lebih cerdas dalam menentukan interaksi dan keputusan saat menghadapi lawan pada game tersebut dengan menggunakan fuzzy logic ?

2. Bagaimanakah hasil yang diperoleh ketika game yang telah terintegrasi

fuzzy logic berhasil dibangun dan dimainkan oleh player?

1.3Tujuan Penelitian

Tujuan yang ingin dicapai dalam skripsi ini adalah:

1. Mengimplementasikan fuzzy logic dalam game strategy untuk menciptakan lawan yang lebih cerdas dalam menentukan interaksi dan keputusan saat menghadapi lawan

2. mengetahui tingkat kesuksesan implementasi fuzzy logic pada game strategy yang dibangun selama penelitian ini berlangsung.

1.4Batasan Masalah

(18)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 1. Metode yang dipakai adalah fuzzy logic.

2. Game yang akan dibuat adalah game real time strategy. 3. Game yang dibuat berbasis desktop game.

1.5Sistematika Penulisan

Sistematika penyusunan skripsi ini merupakan gambaran umum dari skripsi yang peneliti susun. Sistematika skripsi ini dibagi menjadi beberapa bagian berikut:

BAB I PENDAHULUAN

Bagian ini merupakan gambaran umum dari penelitian yang meliputi latar belakang, rumusan masalah, tujuan penelitian, batasan masalah, metodologi penelitian, dan sistematika penulisan

BAB II TINJAUAN PUSTAKA

Bagian ini peneliti mempelajari sumber literatur – literatur ilmiah seperti jurnal, textbook, dan paper untuk mendapatkan data dan teori tentang fuzzy logic, game development, dan game design yang akan mendukung penelitian yang akan dilakukan

BAB III METODOLOGI PENELITIAN

Di dalam bagian ini dijelaskan perihal langkah – langkah penelitian, alat dan bahan yang akan dipakai selama penelitian, metode pembangunan perangkat lunak, metodologi penelitian yang dilakukan, dan jadwal penelitian

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

(19)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

perangkat lunak yang dibangun serta mengukur tingkat keberhasilanya dalam menjawab permasalahan yang diangkat.

BAB V KESIMPULAN DAN SARAN

Bagian ini menjelaskan kesimpulan yang merupakan jawaban dari masalah dalam penelitian, serta berisi saran yang dapat menjadi rujukkan untuk penelitian selanjutnya

(20)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB II

TINJAUAN PUSTAKA

2.1Game dan Video Game

Menurut kamus Cambridge Advanced Learner Dictionary, game adalah sebuah aktivitas menghibur dan menyenangkan yang dimainkan oleh anak – anak. Sedangkan video game adalah game yang player-nya mengontrol gambar bergerak dengan menekan tombol pada joystick.

Menurut Pedersen, Roger E. (2003), Sebuah game memiliki beberapa konsep penting seperti:

 game tidak bersifat linier seperti buku dan film  game mempunyai tujuan (goal)

 game harus bisa dimenangkan oleh player

 game memiliki awal (start) dan akhir (ending) 2.2Game Genre dan Real Time Strategy

Sebagaimana dikemukakan oleh Rabin, Steve (2010), banyak dari game

modern bisa dikategorikan kedalam genre tertentu, atau gabungan dari dua atau lebih genre tertentu. Genre ini muncul setelah evolusi pada pengembangan game. Kemudian terdapat sebuah genreReal-Time Strategy pada keragaman genre game.

Genre game ini mempunyai tujuan (goal) agar player mengumpulkan dan mengelola resource, membangun armada perang, dan mengontrol unit yang telah dimiliki untuk menyerang musuh. Action pada game ini sangatlah cepat, dan karena genre ini bersifat kontinyu, keputusan strategis harus dibuat secepat mungkin. Contoh game yang populer dari genre ini antara lain: Command and

(21)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

(22)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 2.3Non Player Character

Umumnya tujuan pengembangan AI pada game adalah menciptakan agen cerdas yang sering juga disebut sebagai nonplayer character (NPC). Agen ini berperilaku sebagai musuh atau kawan, atau dapat sebagai sosok netral di dunia

game. Agen mempunyai tiga komponen penting yang terus diproses dalam sebuah siklus. Komponen tersebut antara lain siklus sense-think-act. Sebagai tambahan, terdapat juga komponen learning dan remembering yang dapat meningkatkan tantangan bermain dan kemenarikan game tersebut.( Rabin, Steve, 2010)

2.4Reasoning

Reasoning adalah teknik penyelesaian masalah dengan cara merepresentasikan masalah ke dalam basis pengetahuan (knowledge base) menggunakan logic atau bahasa formal ( bahasa yang dipahami komputer).

Reasoning mempunyai beberapa contoh logika untuk merepresentasikan pengetahuan dan melakukan penalaran, diantaranya: propositional logic, first order logic atau predicate calculus, dan fuzzy logic. Dua logika pertama digunakan untuk masalah yang memiliki kepastian. Sedangkan fuzzy logic

digunakan untuk menyelesaikan masalah yang memiliki ketidakpastian (Suyanto, 2011).

2.5Fuzzy Logic

Fuzzy logic didefinisikan sebagai suatu jenis logika yang bernilai ganda dan berhubungan dengan ketidakpastian dan kebenaran parsial. Fuzzy logic teknik matematis yang didesain untuk bekerja pada area abu – abu. Tidak seperti

traditional logic yang bekerja pada area “true” dan “false” (Millington, Ian, 2006).

(23)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Pada traditional logic kita menggunakan tabel kebenaran, yang menunjukkan kepada kita seberapa benarkah sebuah pernyataan berdasarkan kemungkinan kebenaran yang ada (Millington, Ian, 2006). Sebagai contoh tabel kebenaran AND dinyatakan sebagai berikut:

Pada fuzzy logic, setiap operator memiliki aturan numerik yang bisa digunakan untuk menghitung derajat kebenaran berdasarkan derajat kebenaran dari setiap input. Fuzzy rule untuk AND adalah:

m(A AND B) = min(mA,mB)

kemudian fuzzy rule untuk OR adalah:

m(A OR B) = max(mA,mB)

sedangkan untuk NOT adalah:

m(NOT A) = 1 – mA

dari contoh diatas bisa kita dapat beberapa operator lain yang terdapat pada fuzzy logic seperti pada tabel berikut:

(24)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 2.6Fuzzy Set

Fuzzy Set adalah cara menentukan seberapa baikah sebuah objek memenuhi deskripsi yang tidak jelas (vague description). Sebagai contoh, terdapat sebuah kalimat “Nate itu tinggi”. Apakah benar jika Nate mempunyai tinggi 5’10”?, Kebanyakan orang akan ragu untuk menjawab “benar” atau “salah” (“true” or “false”), umumnya akan menjawab “kira – kira” atau “sepertinya”. Permasalahannya adalah istilah “tinggi” tidak memenuhi batas yang jelas (sharp demarcation) dari objek tersebut. Fuzzy Set menganggap “tinggi” sebagai fuzzy predicate dan kebenarannya dinyatakan dengan angka antara 0 dan 1, ketimbang sebagai “benar” atau “salah”. Fuzzy Set bisa disebut sebagai himpunan yang tidak memiliki batasan yang jelas (sharp boundaries) (Russel, Stuart dan Norvig, Peter, 2010).

Menurut Kusumadewi, Sri (2003) pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan µA[x], memiliki dua kemungkinan, yaitu:

 satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau

 nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.

Gambar 2.1 Himpunan: MUDA, PAROBAYA, dan TUA (Kusumadewi, Sri. 2003)

(25)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Pada himpunan fuzzy, nilai keanggotaan terletak pada rentang 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy µA[x] = 0, berarti x tidak menjadi anggota himpunan A. Demikian pula jika x memiliki nilai keanggotaan fuzzy

µA[x] = 1, berarti x menjadi anggota himpunan penuh A. Hal ini berbeda dengan derajat keanggotaan himpunan crisp. Pada himpunan crisp nilai keanggotaan hanya ada dua yaitu 0 atau 1.

Himpunan fuzzy memiliki dua atribut, yaitu:

1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti: MUDA, PAROBAYA, TUA.

2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti: 40, 25, 50, dsb.

Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, Gambar 2.2 Himpunan fuzzy untuk variabel umur

(26)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu yaitu:

1. Variabel fuzzy

Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh : umur, temperatur, permintaan, dsb.

2. Himpunan fuzzy

Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.

Contoh:

 Variabel umur, terbagi menjadi tiga himpunan fuzzy, yaitu: MUDA, PAROBAYA, dan TUA

 Variabel temperatur, terbagi menjadi 5 himpunan fuzzy, yaitu: DINGIN, SEJUK, NORMAL, HANGAT, dan PANAS

3. Semesta Pembicaraan

Semesta pembiacaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya.Contoh:

 Semesta pembicaraan variabel umur: [0 +tak hingga]  Semesta pembicaraan untuk variabel temperatur: [0 40] 4. Domain

Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan

fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif. Contoh domain himpunan fuzzy:

(27)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu  PAROBAYA = [35 55]

 TUA = [45 tak hingga]  DINGIN = [0 20]  SEJUK = [15 25]  NORMAL = [20 30]  HANGAT = [25 35]  PANAS = [30 40] 2.7Fungsi Keanggotaan

Di dalam fuzzy system, fungsi keanggotaan digunakan untuk merepresentasikan masalah dan menghasilkan keputusan yang akurat. Terdapat banyak sekali fungsi keanggotaan yang bisa digunakan (Suyanto, 2011). Beberapa fungsi keanggotaan yang sering digunakan, antara lain:

1. Fungsi Segitiga

Pada fungsi ini terdapat nilai x yang memiliki derajat keanggotaan sama dengan 1, yaitu ketika x = b. Tetapi, nilai – nilai di sekitar b memiliki derajat keanggotaan yang turun cukup tajam. Grafik dan notasi matematika dari fungsi ini terlihat pada gambar dibawah ini:

(28)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 2. Fungsi Trapesium

Pada fungsi in terdapat beberapa nilai x yang memiliki derajat keanggotaan sama dengan 1, yaitu ketika b <= x <= c. Tetapi, derajat keanggotaan untuk a < x < b dan c < x <= d memiliki karakteristik yang sama dengan fungsi segitiga. Grafik dan notasi matematika dari fungsi trapesium adalah sebagai berikut:

2.8Fuzzy System

Suatu sistem berbasis aturan fuzzy yang lengkap terdiri dari tiga komponen utama:

fuzzification, inference, dan defuzzification. Coba lihat gambar dibawah ini. Gambar 2.6 Kurva Trapesium (Suyanto. 2011)

(29)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Fuzzification mengubah masukan – masukan yang nilai kebenarannya bersifat pasti (crisp input) ke dalam bentuk fuzzy input, yang berupa nilai linguistik yang semantiknya ditentukan berdasarkan fungsi keanggotaan tertentu. Inference

melakukan penalaran menggunakan fuzzy input dan fuzzy rule yang telah ditentukan sehingga menghasilkan fuzzy output. Sedangkan defuzzification

mengubah fuzzy output menjadi crisp value berdasarkan fungsi keanggotaan yang telah ditentukan (Suyanto, 2011).

2.9Fuzzy Logic Metode Mamdani

Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan

(30)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

output, diperlukan 4 tahapan: (1) Pembentukan himpunan fuzzy; (2) Aplikasi fungsi implikasi (aturan); (3) Komposisi aturan; (4) Penegasan (deffuzy) (Kusumadewi, Sri, 2003).

1. Pembentukan himpunan fuzzy

Pada Metode Mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.

2. Aplikasi fungsi implikasi

Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min. 3. Komposisi Aturan

Tidak seperti penalaran monoton, apabila sistem terdiri-dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu: max, additive dan probabilistik OR (probor).

a) Metode Max (Maximum)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR (union). Jika semua proposisi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan kontribusi dari tiap-tiap proposisi. Secara umum dapat dituliskan:

µ_sf[xi]  max(µ_sf[xi], µ_kf [xi]) dengan:

µ_sf [xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i; µ_kf [xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i;

(31)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu b) Metode Additive (Sum)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum terhadap semua output daerah fuzzy. Secara umum dituliskan:

µ_sf[xi]  min(1, µ_sf[xi]+ µ_kf [xi]) dengan:

µ_sf [xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i; µ_kf [xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i; c) Metode Probabilistik OR (probor)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan product terhadap semua output daerah fuzzy. Secara umum dituliskan:

µ_sf[xi]  ( µ_sf [xi]+ µ_kf [xi]) – (µ_sf[xi] * µ_kf[xi]) dengan:

µ_sf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i; µ_kf[xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i; 4. Penegasan (defuzzy)

Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crsip tertentu sebagai output seperti terlihat pada

(32)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu gambar berikut.

Ada beberapa metode defuzzifikasi pada komposisi aturan MAMDANI (Kusumadewi, Sri, 2003), antara lain:

1. Metode Centroid (Composite Moment)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat (z*) daerah fuzzy. Secara umum dirumuskan:

2. Metode Bisektor

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai pada domain fuzzy yang memiliki nilai keanggotaan separuh dari jumlah total nilai keanggotaan pada daerah fuzzy. Secara umum dituliskan:

3. Metode Mean of Maximum (MOM)

(33)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum.

4. Metode Largest of Maximum (LOM)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terbesar dari domain yang memiliki nilai keanggotaan maksimum. 5. Metode Smallest of Maximum (SOM)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terkecil dari domain yang memiliki nilai keanggotaan maksimum.

(34)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB III

METODE PENELITIAN

3.1Desain penelitian

Studi Literatur

Data Penelitian

Pembangunan Perangkat

Lunak

Dokumentasi Desain Sistem Fuzzy Mamdani

Pengujian Seminar Tahap Analisis

Tahap Perancangan

Tahap

Pengembangan

Tahap Pengujian

(35)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Gambar 3.1 Skema Desain Penelitian

(36)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Berdasarkan skema desain penelitian pada gambar 3.1 diatas, Tahapan penelitian yang akan dilakukan meliputi langkah – langkah berikut:

1. Studi literatur di Tahap Analisis, mencari teori pendukung penelitian dan ilmu – ilmu dasar yang akan digunakan untuk memahami dan mengembangkan game dan sistem fuzzy logic metode mamdani

2. Data penelitian di Tahap Analisis, data yang didapat dari studi literatur akan dipertimbangkan untuk melakukan perancangan dan pembangunan perangkat lunak, penentuan fuzzy set, penentuan fuzzy rule, dan penentuan kriteria dan spesifikasi game. Selain mendapatkan data dari 19ip roses19, didapat juga data tentang kemampuan sebuah unit dalam berbagai permainan real time strategy dari website yang mengeluarkan walkthrough

untuk game tersebut

3. Desain Sistem Fuzzy Mamdani di Tahap Perancangan, setelah mendapatkan data penelitian yang sudah dirangkum dan spesifikasi dari sistem, dirancanglah sistem fuzzy logic metode mamdani yang akan diimplementasikan kedalam game real time strategy yang dibangun. Metode yang dipilih untuk komposisi aturan adalah metode Max. Sedangkan untuk metode penegasan (defuzzyfication) menggunakan metode centroid of gravity

4. Pembangunan perangkat lunak di Tahap Pengembangan, pada tahapan ini sistem akan dibangun dengan menggunakan metode sekuensial linear dan memakai tahap dasar pembangunan perangkat lunak seperti analisis, desain, coding, dan pengujian

5. Pengujian Seminar di Tahap Pengujian, pada tahapan ini perangkat lunak dan dokumentasi awal akan diuji, kemudian akan mendapatkan revisi dari penguji untuk pembuatan dokumentasi tahap akhir

6. Dokumentasi di Tahap Akhir, hasil penelitian akan didokumentasikan dalam skripsi dan dokumen teknis perangkat lunak

(37)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 3.2Alat dan Bahan

Pada penelitian ini, peneliti akan menggunakan perangkat keras dan perangkat lunak sebagai berikut:

Perangkat Keras:

a) Processor Intel Core i3 Quad Core b) SRAM 2 GB

c) Harddisk kosong 10 GB d) Monitor beresolusi e) Mouse dan keyboard

Perangkat Lunak:

a) Geany Text Editor

b) Bahasa Pemrograman Python c) Game Framework PyGame d) Inkscape dan GIMP

e) Spritelib f) StarUML

Bahan penelitian yang digunakan adalah paper, textbook, tutorial, artikel majalah, dan dokumentasi lainnya yang didapat melalui observasi di perpustakaan dan World Wide Web.

Di dalam penelitian ini akan digunakan variable fuzzy yang mengadopsi dari Muhammad, Irsyad Arif, Imam Kuwardayan, Rully Soelaiman. (2011) yang akan digunakan oleh unit musuh. Variabel fuzzy tersebutantara lain :

(38)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

1. Variabel jarak (range), merupakan variabel fuzzy yang meninjau seberapa jauh unit musuh bisa dijangkau oleh unit player. Terdiri dari tiga himpunan

fuzzy untuk variabel jarak, yaitu : DEKAT, SEDANG, dan JAUH

2. Variabel darah (health), merupakan variabel fuzzy yang meninjau keadaan kesehatan unit musuh untuk menentukan suatu aksi. Terdiri dari lima himpunan fuzzy untuk variabel darah, yaitu : SANGAT_RENDAH, RENDAH, SEDANG, TINGGI, dan SANGAT_TINGGI

3. Variabel aksi (action), merupakan variabel fuzzy yang menentukan tindakan unit musuh terhadap unit player yang dihadapinya selama permainan. Terdiri dari tiga himpunan fuzzy untuk variabel aksi, yaitu : KEMBALI_KE_MARKAS, JALAN, dan SERANG

Untuk mendapatkan grafik keanggotaan fuzzy, kita harus mengetahui grafik logika Boolean yang akan diubah ke grafik keanggotaan fuzzy. Dalam menentukan grafik keanggotaan fuzzy dapat digunakan metode intuisi yang dijelaskan Ross, Timothy J. (2010). Metode intuisi adalah kemampuan seseorang untuk mengembangkan grafik keanggotaan fuzzy berdasarkan pemahaman dan kecerdasan mereka.

Kita awali dengan menentukan grafik keanggotaan fuzzy untuk variabel fuzzy

(39)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Setelah mengetahui grafik logika Boolean, dapat ditentukan sejumlah titik secara acak yang terdapat pada rentang terendah sampai maksimum. Rentang yang terdapat pada grafik Boolean jarak adalah 0 – 500. Ditentukan titik – titik berikut : 0, 50, 100, 150, 200, 230, 250, 270, 300, 330, 350, 380, 400, 430, 450, dan 500. Titik – titik tersebut akan menentukan pembentukan grafik keanggotaan

fuzzy.

Titik tersebut akan ditentukan nilai keanggotaannya di masing – masing himpunan grafik Boolean. Nilai keanggotaannya terdiri dari rentang 0 hingga 1. Hasil penentuan nilai keanggotaan titik – titik diatas pada himpunan grafik Boolean jarak terdapat pada tabel berikut ini:

Gambar 3.2 Grafik Crisp Jarak

(40)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

No Poin Intuisi

Dekat Sedang Jauh

1 0 1 0 0

2 50 0,8 0 0

3 100 0,6 0 0

4 150 0,4 0 0

5 200 0,2 0 0

6 230 0,08 0,3 0

7 250 0 0,5 0

8 270 0 0,7 0

9 300 0 0,1 0

10 330 0 0,7 0

11 350 0 0,5 0

12 380 0 0,2 0,2

13 400 0 0 0,3

14 430 0 0 0,53

15 450 0 0 0,67

16 500 0 0 1

Kemudian titik – titik diatas beserta nilai hasil intuisinya, dipetakan kedalam grafik Boolean jarak. Hasil pemetaannya dapat dilihat pada grafik berikut:

(41)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Setelah memetakan titik – titik yang ditentukan ke grafik Boolean jarak, sekarang tarik garis yang melewati titik – titik tersebut:

Berikutnya akan ditentukan grafik keanggotaan fuzzy untuk variabel fuzzy

darah. Diketahui grafik logika Boolean atau crisp dari darah berikut:

Setelah mengetahui grafik logika Boolean dari darah, dapat ditentukan sejumlah titik secara acak yang terdapat pada rentang terendah sampai maksimum. Rentang yang terdapat pada grafik Boolean darah adalah 0 – 120. Ditentukan titik – titik berikut : 0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, dan 120. Titik – titik tersebut akan menentukan pembentukan grafik keanggotaan fuzzy.

Titik tersebut akan ditentukan nilai keanggotaannya di masing – masing himpunan grafik Boolean darah. Nilai keanggotaannya terdiri dari rentang 0 hingga 1. Hasil penentuan nilai keanggotaan titik – titik diatas pada himpunan

Gambar 3.3 Penentuan Keanggotaan Titik di Grafik Crisp Jarak

Gambar 3.4 Penarikan garis pada Titik di Grafik Crisp Jarak

(42)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu grafik Boolean darah terdapat pada tabel berikut ini:

No Poin

Intuisi Sangat

Rendah

Rendah Sedang

Tinggi Sangat Tinggi

1 0 1 0 0 0 0

2 10 0,5 0 0 0 0

3 20 0 0,5 0 0 0

4 30 0 1 0 0 0

5 40 0 0,5 0 0 0

6 50 0 0 0,5 0 0

7 60 0 0 1 0 0

8 70 0 0 0,5 0 0

9 80 0 0 0 0,5 0

10 90 0 0 0 0,1 0

11 100 0 0 0 0,5 0

12 110 0 0 0 0 0,5

13 120 0 0 0 0 1

Kemudian titik – titik diatas beserta nilai hasil intuisinya, dipetakan kedalam grafik Boolean darah. Hasil pemetaannya dapat dilihat pada grafik

(43)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu berikut:

Setelah memetakan titik – titik yang ditentukan ke grafik Boolean darah, sekarang tarik garis yang melewati titik – titik tersebut:

Berikutnya akan ditentukan grafik keanggotaan fuzzy untuk variabel fuzzy

aksi. Diketahui grafik logika Boolean atau crisp dari aksi berikut:

(44)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Setelah mengetahui grafik logika Boolean dari aksi, dapat ditentukan sejumlah titik secara acak yang terdapat pada rentang terendah sampai maksimum. Rentang yang terdapat pada grafik Boolean aksi adalah 0 – 100. Ditentukan titik – titik berikut : 0, 10, 20, 30, 40, 50, 60, 70, 80, 90, dan 100. Titik – titik tersebut akan menentukan pembentukan grafik keanggotaan fuzzy.

Titik tersebut akan ditentukan nilai keanggotaannya di masing – masing himpunan grafik Boolean aksi. Nilai keanggotaannya terdiri dari rentang 0 hingga 1. Hasil penentuan nilai keanggotaan titik – titik diatas pada himpunan grafik Boolean aksi terdapat pada tabel berikut ini:

No Poin Intuisi

Mundur Jalan Serang

1 0 1 0 0

2 10 0,75 0 0

3 20 0,5 0 0

4 30 0,25 0,3 0

5 40 0,2 0,67 0

6 50 0 1 0

7 60 0 0,67 0

8 70 0 0,3 0

9 80 0 0 0,3

10 90 0 0 0,67

11 100 0 0 1

Gambar 3.8 Grafik Crisp Aksi

(45)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Kemudian titik – titik diatas beserta nilai hasil intuisinya, dipetakan kedalam grafik Boolean aksi. Hasil pemetaannya dapat dilihat pada grafik berikut:

Setelah memetakan titik – titik yang ditentukan ke grafik Boolean aksi, sekarang tarik garis yang melewati titik – titik tersebut:

(46)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Dengan demikian berdasarkan gambar x, y, dan z, domain himpunan fuzzy

dari variabel diatas ditentukan seperti berikut ini :

1. Variabel jarak : DEKAT = [0, 250], SEDANG = [200, 400], JAUH = [350, 500]

2. Variabel darah : SANGAT_RENDAH = [0, 20], RENDAH = [10, 50], SEDANG = [40, 80], TINGGI = [70, 110], SANGAT_TINGGI = [100, 120]

3. Variabel aksi : KEMBALI_KE_MARKAS = [0, 40], JALAN = [20, 80], SERANG = [70, 100]

Fungsi keanggotaan yang digunakan untuk membangun sistem fuzzy yang akan diintegrasikan pada game yang akan dibangun adalah fungsi segitiga. Fungsi segitiga dipilih karena kemudahannya dalam menghitung keanggotaan sebuah nilai pada himpunan fuzzy. Untuk proses defuzzyfikasi, digunakan metode

centroid (Composite Moment) atau nama lainnya adalah metode center of gravity. Sebagai pembanding terhadap fuzzy logic yang akan dibangun. Dibawah ini terdapat crisp logic yang akan menjadi tolak ukur untuk menguji kinerja fuzzy logic yang akan dibangun. Berikut adalah kode program dari crisp logic yang akan dibangun:

def rulebasedrts(jarak=0, darah=0): print "jarak : ", jarak

print "darah : ", darah

Listing 3.1 Crisp Logic untuk Dibandingkan dengan Fuzzy Logic yang akan ibangun

(47)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu if jarak >=0 and jarak <=200:

if darah >=0 and darah <= 20: print "fallback"

elif darah > 20 and darah <= 40: print "fallback"

elif darah > 40 and darah <= 70: print "walk"

elif darah > 70 and darah <= 100: print "walk"

elif darah > 100 and darah <= 120: print "attack"

elif jarak > 200 and jarak <=350: if darah >=0 and darah <= 20: print "fallback"

elif darah > 20 and darah <= 40: print "walk"

elif darah > 40 and darah <= 70: print "attack"

elif darah > 70 and darah <= 100: print "attack"

elif darah > 100 and darah <= 120: print "attack"

elif jarak > 350 and jarak <=500: if darah >=0 and darah <= 20: print "fallback"

elif darah > 20 and darah <= 40: print "walk"

elif darah > 40 and darah <= 70: print "attack"

elif darah > 70 and darah <= 100: print "attack"

elif darah > 100 and darah <= 120: print "attack"

(48)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 3.3Metode Penelitian

3.3.1 Proses Pengumpulan Data

Pada penelitian ini, penulis mengumpulkan data dan informasi yang akurat dan terkini yang dapat mendukung proses penelitian. Berikut adalah metode pengumpulan data yang penulis lakukan:

a. Studi Literatur

Studi literatur dilakukan untuk mempelajari metode fuzzy logic,

game development, dan game design melalui literatur – literatur seperti jurnal, textbook, tutorial, karya ilmiah, paper, dan sumber ilmiah lainnya yang didapat dari internet dan perpustakaan.

b. Observasi

Pada tahap ini, pengumpulan data dilakukan dengan cara meneliti langsung terhadap topik permasalahan yang diambil guna melengkapi data – data yang diperlukan selama penelitian berlangsung.

3.3.2 Proses Pembangunan Perangkat Lunak

Di dalam proses pembangunan perangkat lunak digunakan model sekuensial linier (Pressman, Roger, 2002). Berikut adalah tahapan – tahapan dari rekayasa sistem dengan model sekuensial linier:

Gambar 3.11 Proses Rekayasa Model Sekuensial Linier (Pressman, Roger. 2002)

(49)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu a. Analysis

Seluruh kebutuhan software harus sudah terkumpul di fase ini. Selain itu kegunaan dan batasan software pun harus didapatkan pada fase ini.Informasi yang digunakan untuk menentukan kebutuhan software ini biasanya didapat dari wawancara, survey, atau diskusi. Informasi yang didapat akan diubah menjadi sebuah software requierement specification. Pada tahap ini, untuk memodelkan sistem digunakan Unified Modeling Language (UML).

b. Design

Tahap ini dilakukan sebelum melakukan coding. Tahap ini bertujuan untuk memberikan gambaran apa yang harus dikerjakan pada saat coding nanti. Selain itu di fase ini kita menentukan interface dari perangkat lunak yang telah dirancang, kebutuhan hardware yang akan digunakan untuk jalannya sistem, serta kebutuhan data yang direpresentasikan dalam file dan

database. c. Coding

Dalam tahap ini mulai dilakukan tahap coding. Pembuatan software

dipecah menjadi modul – modul khusus dan spesifik sesuai dengan kebutuhan pada fase sebelumnya. Kemudian setelah modul – modul tersebut beres akan diperiksa apakah sudah memenuhi kebutuhan dan fungsional yang diinginkan atau belum

(50)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Pada tahap ini modul – modul yang dibuat sudah digabung dan dilakukan pengunjian untuk mengetahui apakah program yang dibuat telah sesuai desain atau masih terdapat ketidaksesuaian dengan spesifikasi yang telah ditentukan. Metode blackbox akan digunakan untuk pengujian sistem.

3.3.3 Pemodelan Sistem

Unified Modelling Language (UML) adalah sebuah bahasa yang telah menjadi standard dalam 33ip rose untuk visualisasi, merancang dan mendokumentasikan perangkat lunak. UML menawarkan standar untuk merancang sebuah model sistem.

Dengan menggunakan UML kita dapat membuat model untuk semua jenis aplikasi perangkat lunak, dimana aplikasi tersebut dapat berjalan pada piranti keras, sistem operasi dan jaringan apapun, serta ditulis dalam bahasa pemrograman apapun yang mendukung pemrograman berorientasi objek.

Untuk membuat suatu model, UML memiki diagram grafis sebagai berikut: 1. Use CaseDiagram

2. Class Diagram

3. Statechart Diagram

4. Activity Diagram

5. Sequence Diagram

6. Collaboration Diagram

7. Component Diagram

8. Deployment Diagram

UML memiliki beberapa notasi yang akan digunakan ketika melakukan pemodelan sistem. Berikut adalah tabel yang berisi notasi, deskripsi dan simbiol notasi yang digunakan dalamUML.

(51)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

untuk menambah gambaran dari gameplay yang akan diciptakan pada perangkat lunak yang akan dibangun.

(52)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB V

KESIMPULAN DAN SARAN

5.1.Kesimpulan

Kesimpulan yang dapat ditarik dari penelitian ini adalah:

1. Untuk membangun sebuah game yang non-player character-nya memiliki

intelligent lebih, fuzzy logic dapat diterapkan dengan menganalisa kemampuan player yang sudah mahir, kemudian memodelkannya kedalam grafik keanggotaan fuzzy dan menentukan metode untuk defuzzyfikasi. Kemudian fuzzy logic tersebut dapat ditanamkan di setiap non-player character yang diciptakan selama game

2. Dengan dilakukannya wawancara kepada 19 responden yang memainkan

game berbasis fuzzy logic yang dikembangkan. Didapatkan nilai realibilitas sebesar 0,67. Jika dibandingkan dengan nilai R Tabel 0,456, maka nilai tersebut masuk dalam kategori tinggi. Dengan demikian implementasi fuzzy logic metode mamdani pada pengembangan intelligent non-player character pada game strategy mempunyai pengaruh yang tinggi

5.2.Saran

Untuk saat ini game masih berupa prototype yang hanya menampilkan

game play dasar seperti langsung memulai game dan mendapatkan hasil setelah

game berakhir. Untuk pengembangan selanjutnya, diharapkan game ini dapat memiliki fitur – fitur berikut:

1. Dengan diperolehnya nilai realibilitas sebesar 0,67 maka fuzzy logic

yang ditanamkan pada unit musuh harus diperbaiki lagi aturannya agar permainan semakin menarik

(53)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

2. Dengan diperolehnya nilai kecocokan aturan fuzzy sebesar 0,35 untuk kriteria pertama, 0,35 untuk kriteria kedua, dan 0,5 untuk kriteria

(54)

3. ketiga. Diperlukan perbaikan pada fungsi keanggotaan fuzzy yang telah dibentuk untuk meningkatkan kecocokan aturan fuzzy dengan perilaku player yang lebih mahir. Sehingga kemiripan kemampuan unit musuh terhadap player yang sudah mahir dapat diperoleh.

4. Banyaknya responden mempengaruhi hasil pengujian aturan fuzzy

terhadap boolean logic. Sebaiknya menambah jumlah responden untuk penelitian selanjutnya dengan jumlah responden lebih dari 30 orang

(55)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu LAMPIRAN

Lampiran 1 Pertanyaan yang Diajukan untuk Pengujian Game

(56)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Lampiran 2 Pertanyaan yang Diajukan untuk Menguji Aturan Fuzzy

Uji Aturan Fuzzy Logic Metode Mamdani dengan

Pengalaman Player DOTA

Tujuan dari pengujian ini:

 Membandingkan aturan fuzzy yang dibangun penulis dan telah diimplementasikan ke dalam game dengan pengalaman bermain para

player DOTA

 Melihat ketepatan aturan fuzzy dalam merepresentasikan player yang bermain realtime strategy game seperti DOTA

 Menambahkan nilai reputasi untuk pengujian game yang menggunakan kuesioner yang telah dilakukan sebelumnya

Aturan Teknis:

1. Anda pernah memainkan game berbasis fuzzy logic ini sebelumnya 2. Anda pernah bermain DOTA atau mahir bermain DOTA

3. Pengujian akan diberikan dengan memperlihatkan kasus dalam berupa grafik.

4. Unit musuh dan unit player akan direpresentasikan sebagai titik di dalam grafik. Unit musuh direpresentasikan dengan titik biru, sedangkan unit

player direpresentasikan dengan titik hijau

5. Parameter yang diketahui adalah darah dari unit musuh, dan selisih jarak antara unit musuh dengan unit player

6. Disini Anda akan bertindak sebagai unit musuh yang sedang menghadapi unit player

Cara menjawab pengujian:

1. Anda akan disuguhkan contoh kasus sesuai aturan teknis diatas

2. Akan ada pilihan ganda untuk menjawab aksi apa yang akan dilakukan oleh Anda. Diasumsikan Anda adalah unit musuh

3. Aksi terdiri dari KEMBALI_KE_MARKAS, JALAN, dan SERANG 4. Simpan jawaban Anda dalam sebuah file txt dengan nama :

(57)

xvi

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

5. Contoh cara menjawab kasus – kasus yang akan dihadapkan kepada Anda: 1. kasus – 1 aksi : A

2. kasus – 2 aksi : A 3. kasus – 3 aksi : B 4. kasus – 4 aksi : C 5. kasus – 5 aksi : A

–

10

Diasumsikan Anda adalah unit musuh. Unit musuh adalah titik berwarna biru. Dengan darah tersisa sebanyak 30 dan jarak terhadap unit player sebesar 360. Apakah yang akan Anda lakukan jika Anda adalah unit musuh:

A. SERANG

B. JALAN

(68)

xxvii

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

(69)

xxviii

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Lampiran 3 Tangkapan Layar Game RTS berbasis Fuzzy Logic Metode Mamdani

Berikut terdapat hasil tangkapan layar dari game yang dibangun. Tangkapan dilakukan untuk melihat sejauh mana game dibangun serta menjadi rujukan bagi penelitian selanjutnya. Tangkapan dapat digunakan juga sebagai referensi untuk penelitian di topik yang sama. Berrikut adalah tangkapan layarr ketika game dimulai. Terdapat unit player yang siap digunakan.

Berikut ini terdapat tangkapan layar yang menunjukkan cara melihat darah pada sebuah unit player ataupun unit musuh:

(70)

xxix

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Untuk menggerakkan unit player digunakan klik kanan untuk memindahkannya ke tempat tertentu. Berikut tangkapan layarnrya:

Tangkapan Layar 2 Melihat Sisa Darah Unit Perang

(71)

xxx

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Unit musuh dapat menembak unit player jika unit player memasuki kawasan tembak unit musuh. Begitu pula sebaliknya. Di bawah ini merupakan tangkapan layar ketika kedua unit saling baku tembak:

(72)

xxxi

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Ketika akan memindahkan unit player atau menembaki unit musuh oleh beberapa unit player. Player dapat melakukan multi selecting unit untuk mengatur unit mana sajakah yang akan melakukan aksi. Berikut adalah tangkapan layar untuk proses multi selecting unit:

(73)

xxxii

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Berikut adalah tangkapan layar ketika player memenangkan game:

Tangkapan Layar 5 Memilih Banyak Unit

(74)

xxxiii

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Berikut adalah tangkapan layar ketika player kalah dari musuh:

(1)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Unit musuh dapat menembak unit player jika unit player memasuki kawasan tembak unit musuh. Begitu pula sebaliknya. Di bawah ini merupakan tangkapan layar ketika kedua unit saling baku tembak:

(2)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Ketika akan memindahkan unit player atau menembaki unit musuh oleh beberapa unit player. Player dapat melakukan multi selecting unit untuk mengatur unit mana sajakah yang akan melakukan aksi. Berikut adalah tangkapan layar untuk proses multi selecting unit:

(3)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Berikut adalah tangkapan layar ketika player memenangkan game: Tangkapan Layar 5 Memilih Banyak Unit

(4)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Berikut adalah tangkapan layar ketika player kalah dari musuh:

(5)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Curriculum Vitae



General Information

◦ Name : Ridwan Fadjar Septian

◦ Place and Date of Birth : Bandung, 29 September 1990 ◦ Gender : Laki – Laki

◦ Religion : Islam

◦ Address : Bojong Manjah RT 01 / RW 06, Kelurahan Cisaranteun Kidul, Kecamatan

Gedebage, Kota Bandung, 40295

◦ Phone : 0857-5921-1894

◦ E – Mail : ridwanbejo@gmail.com

◦ Blog : http://ridwanbejo.wordpress.com

◦ Twitter : @ridwanbejo



Education History

◦ TK Patal Cipadung, ( 1995 - 1996 ). ◦ SDN Cisaranteun Kidul 3, ( 1996 - 2002 ). ◦ SMPN 13 Bandung, (2002 - 2005).

(6)

Ridwan Fadjar Septian, 2014

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ◦ SMAN 25 Bandung, (2005 – 2008).

◦ Bachelor of Computer Science, Indonesia University of Education, (2009 – 2014)

IMPLEMENTASI FUZZY LOGIC METODE MAMDANI UNTUK PENGEMBANGAN INTELLIGENT NON-PLAYER CHARACTER PADA GAME STRATEGY.

Uji Aturan Fuzzy Logic Metode Mamdani dengan

Pengalaman Player DOTA

Kasus

–

1

Kasus

–

2

Kasus

–

3

Kasus

–

4

Kasus

–

5

Kasus

–

6

Kasus

–

7

Kasus

–

8

Kasus

–

9

Kasus

–

10

Curriculum Vitae

General Information



Education History

Parts

Dokumen yang terkait

Penggunaan Metode Fuzzy Mamdani Untuk Mengukur Kecerdasan Emosi Anak Usia Dini

Penerapan Metode N-Gram untuk Non Player Character Prediksi Formasi agar Menggunakan Formasi Bertahan yang Tepat pada Game Futsal

Implementasi Algoritma Fuzzy Logic Pada Game Peranan Jaksa Penuntut

PENERAPAN FUZZY LOGIC DENGAN MENGGUNAKAN METODE MAMDANI UNTUK MEMPREDIKSI KUALITAS KOPI

Pengembangan Function Point Complexity Weight dengan Fuzzy Logic Metode Mamdani IMG 20151207 0003

TAPPDF.COM PDF DOWNLOAD IMPLEMENTASI NON PLAYER CHARACTER PADA GAME ... FTI UAJY

Implementation Of Fuzzy Logic Mamdani On Fishing Game Simulaton

Implementasi Metode Fuzzy Logic Dengan Algoritma Mamdani Untuk Sistem Kendali Air Conditioner Berbasis Mikrokontroler Arduino Uno Rev 3

PENERAPAN AI PADA GAME TOWER DEFENSE MENGGUNAKAN ALGORITMA FUZZY LOGIC MAMDANI

EVOLUSI DINAMIS PERILAKU NON-PLAYER CHARACTER PADA GAME SPACE SHOOTER MENGGUNAKAN NSGA-II

Dokumen yang Anda mencari sudah siap untuk unduhkan