Skripsi

Aplikasi Procedural Content Generation (PCG) untuk kategorisasi blok tantangan dalam game flappy bird menggunakan algoritma K-Nearest Nighbor (KNN) / Hidayatul Hasanah

Abstrak
RINGKASAN Hasanah Hidayatul. 2019. Aplikasi Procedural Content Generation (PCG) untuk kategorisasi blok tantangan dalam game Flappy Bird menggunakan algoritma K-Nearest Neighbor (KNN). Skripsi Program studi S1 Teknik Informatika Jurusan Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing (I) Harits Ar Rosyid S.T. MT. Ph.D. (II) Muhammad Iqbal Akbar S.ST. M.MT. Keywords Procedural Content Generation Machine Learning Game Flappy Bird K-Nearest Neighbor. Game adalah hiburan yang sangat pesat peerkembangannya dan digemari oleh semua kalangan pada jaman ini. Jenis game yang berkembang beragam salah satu jenisnya adalah endless runner. Contoh game endless runner adalah Flappy Bird. Flappy bird adalah game sederhana yang dapat membuat pemainnya merasa tertantang dan ketagihan untuk bermain. Namun sayangnya game ini memiliki ketimpangan terhadap tantangan dan skor yang diberikan karena tiap tantangannya di-generate secara acak. Sebagai contoh player A dapat menyelesaikan 10 obstacles yang mudah sedangkan player B mendapatkan 10 obstacles dengan tingkat kesulitan yang tinggi. Hal ini menyebabkan pengalaman pemain yang buruk dan share pencapaian ke sosial media akan menjadi kurang fair karena obstacles muncul secara random. Sedangkan game yang baik harus memiliki tingkat kesulitan/game level yang jelas. Ketimpangan tersebut membuat tantangan tersendiri untuk membuat keseimbangan tantangan dan skor pada flappy bird. Untuk mengatasi permasalahan ini procedural content generation (PCG) menawarkan metode pengembangan game secara otomatis ataupun semi-otomatis. Terdapat beberapa teknik yang digunakan untuk mengembangkan game dengan procedural content generation. Teknik tersebut diantaranya adalah search-based procedural content generation experience-driven procedural content generation dan learning-based procedural content generation. Pengembangan PCG pada penelitian ini memanfaatkan gabungan teknik search-based dan learning-based PCG. Search-based digunakan untuk mendefinisikan representasi game sehingga didapatkan parameter tantangan pada flappy bird. Untuk mengevaluasi parameter ini dilakukan uji coba bot. Sedangkan learning based digunakan untuk mengetahui nilai parameter game flappy bird dan menghasilkan dataset content difficulty level pada flappy bird. Untuk membangun model dan mengevaluasi dataset yang telah dihasilkan digunakan algoritma K-Nearest Neighbor (KNN). Dengan algoritma KNN ini didapatkan akurasi yang baik yaitu akurasi 89 06%.

Informasi Detail

DDC

Rs 005.1 HAS a

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2019.

Deskripsi Fisik

xiv, 118 lembar : il., tab. ; 30 cm

Bahasa

Indonesia

No Reg

05644/KI/19

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2019

Subjek

1. ALGORITMA KOMPUTER
2. K-NEAREST NEIGHBOR
3. COMPUTER ALGORITHMS

Pembimbing

1. Harits Ar Rosyid; 2. Muhammad Iqbal Akbar

Lampiran Berkas