Penerapan Non-deterministic Finite Automata (NFA) dan Decision Making Menggunakan Algoritma Monte Carlo Tree Search (MCTS) Menentukan Perilaku Non-player Character (NPC) pada Game the Last Hope

Abstract

Perkembangan game juga berkembang pesat di Indonesia, banyak game baru yang tersebar di industri game. Para desainer game berlomba-lomba membuat game-game terbaru karena melihat peluang yang dihadirkan oleh banyaknya pengguna ponsel yang terbiasa bermain game. Dalam pembuatan game, Non-Player Character (NPC) merupakan salah satu keseruan dalam memainkan sebuah game, oleh karena itu, pengembangan NPC yang cerdas dan memiliki perilaku yang menarik menjadi fokus utama pada pembuatan game. Bedasarkan permasalahan itu peneliti ingin menerapkan Non-deterministic Finite Automata (NFA) pada NPC untuk mengatur pergerakannya sehingga permainan akan semakin menantang dan menggunakan algoritma Monte Carlo Tree Search (MCTS) yang sering digunakan pada game turn-base sebagai inputan perilaku pada game yang real-time dengan genre roguelike. Pembuatan ini dilakukan menggunakan software Unity 2D, menggunakan bahasa C# (C Sharp) dan berjalan di android. Penelitian berfokus pada NPC Boss yang nantinya akan menjadi musuh terakhir pada game ini sekaligus menjadi akhir pada permainan. Dalam game ini pemain akan menyelesai sebuah stage dimana di dalam stage terdapat beberapa musuh, Ketika selesai menyelesaikan satu stage, stage berikut nya akan muncul Kembali dengan musuh yang lebih banyak hingga stage terakhir, sebelum memasuki stage terakhir pemain akan mendapatkan buff yang dapat meningkatkan status pada pemain. untuk menambahkan keseruan di stage terakhir terdapat Boss untuk dikalahkan. Uji coba dilakukan memakai metode blackbox dan mendapatkan hasil bahwa penerapan algoritma Monte Carlo Tree Search berhasil dilakukan pada game “The Last Hope” dengan melihat uji coba yang dilakukan. Tindakan yang dilakukan pada NPC Boss didasarkan oleh permodelan dari NFA tersebut yang kemudian di simulasikan dan dipilih Tindakan yang mana yang terbaik untuk dilakukan.