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
URI
https://repo.itera.ac.id/depan/submission/SB2109060002
Keyword