IMPLEMENTASI MACHNE SELF LEARNING PADA GAME ENDLESS RUN DENGAN MENGGUNAKAN ALGORITMA NEUROEVOLUTION OF AUGMENTING TOPOLOGIES (NEAT)

Ramadhani, Ahmad Arif (2019) IMPLEMENTASI MACHNE SELF LEARNING PADA GAME ENDLESS RUN DENGAN MENGGUNAKAN ALGORITMA NEUROEVOLUTION OF AUGMENTING TOPOLOGIES (NEAT). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER-ABSTRAK.pdf Download (2MB)
	Text (BAB I) BAB I.pdf Download (1MB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (3MB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (4MB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text (BAB V) BAB V.pdf Download (379kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (524kB)

Abstract

Game game yang sudah ada saat ini, umumnya dirancang agar dapat dimainkan oleh manusia, pada penelitian ini, game akan dimainkan oleh kecerdasan buatan (agen) yang akan diimplementasikan pada gameplay game yang ber-genre Endless Running. Metode yang akan digunakan adalah menggunakan sub-metode dari Neuroevolution yaitu Neuroevolution of Augmenting Topologies (NEAT). Dengan metode ini memungkinkan agen dapat melatih diri untuk memainkan permainan game dengan mempelajari ruang lingkup dari lingkungan game melalui proses evolusi yang mengkombinasikan Artificial Neural Network (ANN) dan juga algoritma genetika. Hasil penelitian yang telah dilakukan, metode NEAT berhasil diimplemetasikan kedalam game yang ber-genre Endless Running, yang mampu menyelesaikan permainan dengan maksimal skor 999 di generasi ke-40 dan tetap stabil di generasi ke-50 dengan training data generasi sebanyak 100 generasi dengan populasi sebanyak 150 populasi. Agen yang dilatih dengan metode NEATA mampu menyelesaikan keseluruhan permainan hingga skor maksimal 999 dengan threshold spesiasi sebesar 0.8.

Actions (login required)

View Item