Skripsi
Kategorisasi non-player character hantu pada game “jiva akcaya” dengan metode fit and proper test / Muhammad \'Adzim Al Islami
Abstrak
Dalam game AI digunakan untuk mengembangkan karakter Non-Player Character (NPC) yang dapat berinteraksi dengan pemain secara lebih cerdas dan dinamis. NPC yang lebih beragam dan mampu beradaptasi dengan perilaku pemain dapat memberikan tantangan yang sesuai dengan kemampuan pemain sehingga meningkatkan kepuasan dan pengalaman bermain mereka. Game Jiva Akcaya sebuah game horor berbasis Virtual Reality menghadapi tantangan pada NPC musuh yang hanya bergerak dalam pola tertentu dan tidak konsisten dalam tingkat kesulitan. Salah satu cara untuk melakukan penempatan model NPC agar sesuai dengan tingkat kesulitan adalah dengan melakukan kategorisasi pada model NPC. Kategorisasi NPC dapat dilakukan dengan melalui metode Fit and Proper Test yang akan membagi karakter hantu ke dalam tingkat kesulitan yang sesuai dengan kemampuan mereka untuk merespons skenario dalam game menyesuaikan diri terhadap gaya bermain pemain dan mempertahankan tingkat kesulitan yang optimal. NPC juga memiliki kemampuan karakteristik dan kecenderungan tersendiri yang dapat menjadi tolak ukur penilaian bagi NPC. Penelitian ini bertujuan untuk mengoptimalisasikan AI karakter Non-Player Character (NPC) hantu dalam game horor berbasis Virtual Reality Jiva Akcaya menggunakan Unity ML-Agents dan metode Fit and Proper Test untuk menentukan kategorisasi tingkat kesulitan NPC. Metode penelitian melibatkan beberapa tahapan inisiasi pelatihan agents dan Fit and Proper Test. NPC yang dikembangkan diharapkan mampu beradaptasi dengan perilaku pemain sehingga memberikan pengalaman bermain yang lebih menantang dan memuaskan. Hasil pengujian menunjukkan bahwa AI yang dikembangkan dapat memberikan performa yang baik dengan NPC pocong dikategorikan sebagai musuh dengan tingkat kesulitan mudah (skor 6 06 dari 10) kuntilanak dengan tingkat kesulitan sedang (skor 7 69 dari 10) dan tuyul dengan tingkat kesulitan tinggi (skor 8 39 dari 10). Penelitian ini menyimpulkan bahwa penggunaan Unity ML-Agents dan Fit and Proper Test efektif dalam mengembangkan dan mengkategorikan NPC berdasarkan tingkat kesulitan serta dapat memberikan kontribusi signifikan dalam pengembangan AI yang lebih canggih dan realistis untuk meningkatkan pengalaman bermain bagi pemain.