ANALISIS PENERAPAN ALGORITMA MINIMAX DAN ALPHA-BETA PRUNING PADA NPC GAME TICTACTOE BERBASIS MOBILE

Ramadhan, Faizal Nur (2025) ANALISIS PENERAPAN ALGORITMA MINIMAX DAN ALPHA-BETA PRUNING PADA NPC GAME TICTACTOE BERBASIS MOBILE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (184kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (529kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (361kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (536kB)
	Text (BAB V) BAB V.pdf Download (79kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (621kB)
	Archive (SOURCE CODE) Sourcecode - 21.12.2117.zip Restricted to Repository staff only Download (27MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Masuknya AI ke dalam industri game telah membawa revolusi baru, di mana AI digunakan untuk menciptakan non player character yang lebih realistis dan adaptif. Pada board game seperti tictactoe, telah dikembangkan algoritma minimax dan apha-beta pruning yang bekerja dengan mengevaluasi keadaan permainan pada setiap langkah dan menggunakan struktur pohon untuk merepresentasikan semua kemungkinan langkah yang dapat diambil. Namun, pada pengaplikasiannya, algoritma minimax sering kali menghadapi masalah efisiensi kecepatan pengambilan langkah. Karena harus mengevaluasi setiap kemungkinan langkah hingga kedalaman tertentu. Dalam penelitian ini dilakuakan dilakukan analisis komparatif pada dua algoritma berbeda yang sudah di terapkan pada non player character(NPC) game tictactoe berbasis mobile, algoritma yang digunakan adalah algoritma minimax dan algoritma alpha-beta pruning. Pengujian dilakukan dengan bermain sebanyak 30 kali, player bermain game tictactoe pada 2 scene sekaligus dengan algoritma berbeda setiap scenenya dengan langkah identik. Data yang didapat dari setiap kemenangan dan node duration setiap langkah akan dilakukan analisis perbandingan. Hasil dari penelitian menunjukkan bahwa kedua algoritma memiliki kualitas keputusan yang setara dengan persentase kemenangan (winrate) sebesar 66,67% dari 30 permainan. Kesamaan hasil ini disebabkan oleh sifat dasar dari algoritma alpha-beta pruning, yang pada dasarnya merupakan optimalisasi dari algoritma minimax. Namun dalam efisiensi waktu alpha-beta pruning lebih unggul dengan rata-rata waktu pengambilan keputusan sebesar 0,1461 detik, dibandingkan minimx dengan waktu 0,1695 detik, Selisih ini memperkuat bukti bahwa mekanisme pruning berhasil mempercepat proses pencarian. Harapannya penelitian ini dapat membantu komunitas pengembang game dalam penerapan algoritma paling efisien pada non player character.

Actions (login required)

View Item