Pembuatan Playful Game dengan Perilaku Lawan Berbasis Deep Q-Network

Tanoto, Malverick Jocce (2026) Pembuatan Playful Game dengan Perilaku Lawan Berbasis Deep Q-Network. [Undergraduate thesis]

[thumbnail of Abstrak_LKTI-1649.pdf] PDF
Abstrak_LKTI-1649.pdf

Download (94kB)
Official URL / DOI: http://digilib.ubaya.ac.id/pustaka.php/276661

Abstract

Perilaku musuh dalam game Role-Playing Game (RPG) umumnya masih bersifat statis dan mudah diprediksi karena menggunakan pola atau aturan yang telah ditentukan sebelumnya. Kondisi tersebut dapat menurunkan tingkat tantangan serta mengurangi pengalaman bermain pemain dalam jangka panjang. Oleh karena itu, diperlukan pendekatan kecerdasan buatan yang mampu menghasilkan musuh yang memilih aksi terbaik selama pertarungan. Penelitian ini bertujuan untuk merancang dan membangun sebuah playful game RPG turn-based dengan perilaku musuh berbasis Deep Q-Network (DQN). Metode yang digunakan meliputi studi literatur, analisis kebutuhan sistem, perancangan game, serta implementasi dan pelatihan model DQN menggunakan Unity ML-Agents. Model DQN dilatih berdasarkan state pertarungan yang mencakup kondisi pemain dan musuh, serta memilih aksi seperti menyerang, bertahan, menggunakan skill, atau melakukan pemulihan. Hasil implementasi menunjukkan bahwa musuh mampu menampilkan pemilihan aksi terbaik berdasarkan state pertarungan yang diamati. Evaluasi kuantitatif menunjukkan bahwa penggunaan AI berbasis DQN mampu menurunkan tingkat kemenangan pemain dari 80% pada Script-Based AI menjadi 20%, sehingga terjadi penurunan peluang kemenangan pemain sebesar 60%. Selain itu, hasil evaluasi melalui pengujian dan kuesioner menunjukkan bahwa sistem AI yang diterapkan mampu meningkatkan tantangan dan membuat gameplay terasa lebih dinamis. Dengan demikian, penerapan Deep Q-Network pada perilaku musuh dapat disimpulkan efektif dalam meningkatkan kualitas pengalaman bermain pada game RPG turn-based.

Item Type: Undergraduate thesis
Uncontrolled Keywords: Role-Playing Game, kecerdasan buatan, Deep Reinforcement Learning, Deep Q-Network, game turn-based
Subjects: Q Science > QA Mathematics > QA76 Computer software
Divisions: Faculty of Engineering > Department of Informatic
Depositing User: KARYONO - 196022
Date Deposited: 25 Jun 2026 01:51
Last Modified: 25 Jun 2026 01:51
URI: http://repository.ubaya.ac.id/id/eprint/50612

Actions (login required)

View Item View Item