Pemilihan perilaku non-playable character menggunakan algoritma naïve bayes dalam game berbasis multi-agent system

INDONESIA:

Non-Playable Characters memiliki peran penting dalam membentuk pengalaman bermain bagi para pemain karena NPC memiliki perilaku yang dirancang untuk menciptakan interaksi yang menarik dan realistis dalam permainan. Dalam game modern AI probailistik seperti Algoritma Naïve Bayes dibutuhkan untuk meningkatkan ketajaman dan realisme pada NPC dalam menentukan perilaku. Sementara untuk menciptakan lingkungan interaksi yang menarik antara pemain dengan NPC atapun NPC diperlukan perancangan permainan yang berbasis Multi-Agent System. Maka dari itu pada penelitian ini akan merancang sebuah permainan dengan Algoritma Naïve Bayes sebagai pemilihan perilaku pada NPC dan Multi-Agent System sebagai sistem perancangannya. Karena penelitian ini menerapkan machine learning diperlukan dataset untuk model pengujiannya. Dataset yang digunakan sebanyak 27 data yang berasal dari perkiraan kemungkinan yang terjadi dan murni dari penulis dengan sedikit referensi dari beberapa rujukan. Pemilihan perilaku yang direncenakan sebanyak 5, yaitu patrol, mengejar, menyerang, makan dan bertahan. Adapun parameter sebagai acuan dalam memilih perilaku, yaitu jarak, nyawa dan jumlah makanan. Dilakukan sebanyak 27 pengujian dari total 27 dataset diperoleh dengan hasil 26 pengujian yang sesuai dengan yang diharapkan dan 1 yang tidak sesuai harapan. Hasil dari pengujian tersebut menggunakan confusion matrix diperoleh untuk perilaku mengejar akurasi = 0.96, presisi = 1, recall = 0.67 dan perilaku makan memiliki akurasi = 0.96, presisi = 0.93, recall = 1 sementara untuk perilaku lainnya masing-masing memiliki akurasi = 1, presisi = 1, recall = 1. Sehingga didapatkan total dari pengujian tersebut memiliki akurasi sebesar 96.3 %.

ENGLISH:

Non-Playable Characters have an important role in shaping the gaming experience for players because NPCs have behaviors designed to create interesting and realistic interactions in the game. In modern games, probabilistic AI such as the Naïve Bayes algorithm is needed to increase the acuity and realism of NPCs in determining behavior. Meanwhile, to create an interesting interaction environment between players and NPCs or NPCs, a game design based on the Multi-Agent System is needed. Therefore, this research will design a game with Naïve Bayes Algorithm as a behavior selection on NPC and Multi-Agent System as its design system. Because this research applies machine learning, a dataset is needed for the testing model. The dataset used is 27 data derived from estimates of possibilities that occur and purely from the author with a little reference from several references. The planned behavior selection is 5, namely patrol, chase, attack, eat and defend. The parameters as a reference in choosing behavior, namely distance, life and amount of food. A total of 27 tests were carried out from a total of 27 datasets obtained with the results of 26 tests that were as expected and 1 that did not meet expectations. The results of these tests using confusion matrix are obtained for chase behavior accuracy = 0.96, precision = 1, recall = 0.67 and eating behavior has accuracy = 0.96, precision = 0.93, recall = 1 while for other behaviors each has accuracy = 1, precision = 1, recall = 1. So that the total obtained from the test has an accuracy of 96.3%.

ARABIC:

لديها سلوكيات مصممة لإنشاء تفاعلات مثيرة للاهتمام وواقعية في اللعبة. في الألعاب الحديثة، هناك حاجة إلى الذكاء الاصطناعي الاحتمالي مثل خوارزمية Naïve Bayes لزيادة دقة وواقعية الشخصيات غير القابلة للعب في تحديد السلوك. وفي الوقت نفسه، لإنشاء بيئة تفاعل مثيرة للاهتمام بين اللاعبين والشخصيات غير القابلة للعب أو الشخصيات غير القابلة للعب، هناك حاجة إلى تصميم لعبة يعتمد على نظام متعدد الوكلاء. لذلك، سيصمم هذا البحث لعبة باستخدام خوارزمية Naïve Bayes كاختيار سلوك للشخصيات غير القابلة للعب ونظام متعدد الوكلاء كنظام تصميم. لأن هذا البحث يطبق التعلم الآلي، هناك حاجة إلى مجموعة بيانات لنموذج الاختبار. مجموعة البيانات المستخدمة هي 27 بيانات تأتي من تقديرات إمكانية الحدوث وهي من المؤلف بحتة مع عدد قليل من المراجع من عدة مراجع. هناك 5 خيارات للسلوك المخطط لها، وهي الدورية والمطاردة والهجوم وتناول الطعام والدفاع. المعلمات كمرجع في اختيار السلوك هي المسافة والحياة وكمية الطعام. تم إجراء 27 اختبارًا من إجمالي 27 مجموعة بيانات، وكانت نتائج 26 اختبارًا كما هو متوقع وواحد لم يكن كما هو متوقع. تم الحصول على نتائج الاختبار باستخدام مصفوفة الارتباك لسلوك المطاردة، الدقة = 0.96، الدقة = 1، الاستدعاء = 0.67 وكان سلوك الأكل دقة = 0.96، الدقة = 0.93، الاستدعاء = 1، بينما كان لكل سلوكيات أخرى دقة = 0.96، الدقة = 0.93، الاستدعاء = 1. 1، الدقة = 1، الاستدعاء = 1. لذا فإن. بحيث تكون دقة المجموع الذي تم الحصول عليه من الاختبار 96.3%.