Aksi Penyerangan Non-Player Character (NPC) Menggunakan Metode Naive Bayes pada Shooter Game

Abstract

Aksi penyerangan pada non-player character (NPC) merupakan salah satu substansi penting dalam pembuatan game. Dalam melakukan penyerangan diperlukan strategi khusus agar NPC tidak mudah dikalahkan. Salah satunya adalah adanya variasi serangan terhadap pemain. Salah satu metode yang digunakan untuk mengatur penyerangan NPC adalah rulebase. Metode rulebase dapat memberikan variasi serangan sesuai kondisi NPC, namun metode rulebase bisanya menghasilkan behaviour yang statis dan tidak adaptif jika terdapat kondisi baru. AI seperti ini akan mudah diprediksi dan repetitif sehingga menurunkan tingkat tantangan bermain game. Untuk mengatasi masalah tersebut banyak peneliti yang menggunakan teknik learning. Salah satunya menggunakan metode naïve bayes. Pada penelitian ini dilakukan penerapan metode naïve bayes sebagai strategi penyerangan NPC pada shooter game. Metode naïve bayes digunakan untuk keputusan serangan yang diambil oleh NPC. Adapun parameter yang digunakan untuk keputusan penyerangan adalah nyawa, jarak, jumlah granat, dan jumlah amunisi yang dimiliki NPC. Sedangkan keputusan penyerangan dibagi menjadi serangan tembak, serangan granat, dan serangan pisau. Hasil penelitian menunjukkan penerapan metode naïve bayes membuat NPC mampu melakukan penyerangan secara otonom jika terdapat kondisi baru dengan akurasi 80%. Penerapan metode naïve bayes juga lebih unggul dalam persentase kemenangan NPC dibanding metode rulebase. Tingkat kemenangan NPC menggunakan metode naïve bayes sebesar 60% sedangkan rulebase sebesar 16%. AbstractNon-Player Character’s (NPC) attacks behaviour is one important substance in making games. While NPC attacks needs specific strategy to not get defeated easily. One of the NPC attacks strategy is a variation of offense to player. One of the methods to manage the NPC attack strategy is rulebase. Rulebase method can give variations of the NPC attacks according in conditions, but rulebase method usually producing static behaviour and not adaptive where there is new condition. AI like this would easy too predictive and repetitive so that decrease the challenge of playing games. To overcome these problems, we use naïve bayes method. In this study, naïve bayes method are applied as an NPC’s attack strategy to the shooter game. Naïve bayes method used for attack decisions taken by the NPC. The parameters used for the attack’s decision are health point, distance, number of grenades, and number of ammunitions owned by the NPC. While attacks decision is divided into firing attacks, grenade attacks, and melee attacks. The results showed that the use naïve bayes method can attack autonomously if there are new condition with an accuracy of 80%. The implementation of naïve bayes method at NPC more superior than rulebase method in percentage of NPC winning. The NPC win rate uses the naïve bayes method is 60% while the rulebase is 16%.