(0721) 8030188    pusat@itera.ac.id   

PENGEMBANGAN AGENT ARTIFICIAL INTELLIGENCE PADA GAME “STREET FIGHTER II” MENGGUNAKAN METODE DEEP REINFORCEMENT LEARNING


Video games adalah sumber hiburan bagi populasi yang luas dan memiliki efek yang bervariasi. Industri video games saat ini menjadi salah satu industri paling populer dan sukses di dunia. Seperti yang dikutip Grand View Research dalam situs resminya bahwa ukuran pasar global dari video games pada tahun 2019 mencapai 151.06 milliar dollar amerika dan diprediksi akan terus tumbuh sebanyak 12.9% mulai dari tahun 2020 sampai 2027. Free2Play, Massively Multiplayer Online (MMO), dan multiplayer games mempunyai peran yang signifikan dalam membangung popularitas di industri game. Fighting games adalah salah satu genre multiplayer games yang semakin populer pada saat ini. Street Fighter II adalah subseri dari permainan waralaba keluaran Capcom yang berjudul Street Fighter yang pertama kali diluncurkan dalam bentuk permainan arcade dengan genre pertarungan. Fighting games pada dasarnya dapat dimainkan secara single player atau multiplayer menggunakan internet atau dengan tradisional multiplayer melawan non-player character (NPC) yang tersedia. Akan tetapi, terdapat masalah pada dua pendekatan di atas. Pertama, mode single player dianggap terlalu sederhana, ini disebabkan pergerakan NPC pada mode ini mudah sekali untuk ditebak. Kedua, ketika bermain secara multiplayer melawan orang lain bisa lebih menantang dan lebih variatif, namun terkadang hal ini tidak selalu tercapai dengan adanya kendala dalam hal koneksi internet yang tidak stabil atau kendala teknis lainnya. Agent Artificial Intelligence (AI) dapat memberikan solusi untuk kedua masalah ini, memungkinkan strategi bermain kita dipelajari oleh AI dan membuat pengalaman bermain secara single player menjadi lebih baik. Pada penelitian ini akan dilakukan pengembangan Agent AI pada tradisional fighting games yaitu “Street Fighter II” menggunakan dua algoritma Deep RL yaitu Deep Q-Learning dan Actor-Critic kemudian membandingkannya yang bertujuan untuk mencari Agent AI yang paling menantang. Hasil dari penelitian ini menunjukkan bahwa agent yang dilatih menggunakan algoritma actor critic dengan learning rate = 1e-4 dan gamma = 0.4 dan dilatih selama 1000 episode bekerja lebih baik dibandingkan dengan agent yang dilatih menggunakan algoritma deep q learning dengan learning rate = 1e-4 dan gamma = vii 0.4 dan dilatih selama 1000 episode serta agent default game Street Fighter II dengan menghasilkan winrate sebanyak 93.8

Publisher


URI
http://repo.itera.ac.id/depan/submission/SB2109060002

Collection
Teknik Informatika