Pengembangan NPC otomatis berbasis Imitation Learning pada game edukasi pengelolaan sampah

INDONESIA:

Penelitian ini bertujuan mengembangkan Non-Player Character (NPC) otomatis berbasis Imitation Learning pada game edukasi pengelolaan sampah berjudul Trash Tycoon. Game ini dirancang sebagai media pembelajaran mengenai pengelolaan sampah organik, anorganik, dan B3 melalui mekanisme permainan simulasi. Metode Imitation Learning diterapkan menggunakan pendekatan Behavioral Cloning, di mana NPC mempelajari perilaku pemain berdasarkan data demonstrasi berupa pasangan state-action yang direkam selama permainan berlangsung. Implementasi sistem dilakukan menggunakan Unity Engine dan Unity ML-Agents dengan konfigurasi pelatihan berbasis Proximal Policy Optimization (PPO). Hasil pelatihan menunjukkan NPC dapat meniru pola perilaku pemain secara konsisten dalam proses pengelolaan sampah di dalam permainan. Evaluasi agen memperlihatkan kondisi cumulative reward yang stabil, penurunan episode length selama pelatihan, serta perilaku agen yang tetap sesuai dengan data demonstrasi yang diberikan. Pengujian System Usability Scale (SUS) terhadap 20 responden memperoleh skor rata-rata sebesar 88,25 yang termasuk dalam kategori “Good”. Hasil tersebut menunjukkan bahwa keberadaan NPC membantu pemain memahami proses pengelolaan sampah dan memberikan pengalaman bermain yang lebih terarah dalam penyampaian materi edukasi mengenai lingkungan.

ENGLISH:

This study aims to develop an automated Non-Player Character (NPC) based on Imitation Learning for an educational waste management game titled Trash Tycoon. This game is designed as a learning tool for managing organic, inorganic, and hazardous waste through a simulation-based gameplay mechanism. The Imitation Learning method is implemented using the Behavioral Cloning approach, where the NPC learns the player’s behavior based on demonstration data in the form of state-action pairs recorded during gameplay. The system is implemented using the Unity Engine and Unity ML-Agents with a training configuration based on Proximal Policy Optimization (PPO). Training results show that the NPC can consistently mimic the player’s behavioral patterns in the waste management process within the game. Agent evaluation revealed stable cumulative reward, a reduction in episode length during training, and agent behavior that remained consistent with the provided demonstration data. Testing using the System Usability Scale (SUS) on 20 respondents yielded an average score of 88.25, which falls into the “Good” category. These results indicate that the presence of NPCs helps players understand the waste management process and provides a more engaging gaming experience.

ARABIC:

يهدف هذا البحث إلى تطوير شخصية غير لاعبة (NPC) آلية قائمة على التعلم بالتقليد في لعبة تعليمية لإدارة النفايات بعنوان Trash Tycoon. صُممت هذه اللعبة كوسيلة تعليمية حول إدارة النفايات العضوية وغير العضوية والنفايات الخطرة والسامة (B3) من خلال آلية لعبة المحاكاة. تم تطبيق طريقة التعلم بالتقليد باستخدام نهج الاستنساخ السلوكي، حيث تتعلم الشخصية غير اللاعبة سلوك اللاعب اعتمادًا على بيانات العرض التوضيحي في صورة أزواج الحالة والفعل التي يتم تسجيلها أثناء سير اللعبة. تم تنفيذ النظام باستخدام محرك Unity و Unity ML-Agents مع إعداد تدريب قائم على خوارزمية تحسين السياسة القريبة (Proximal Policy Optimization/PPO). أظهرت نتائج التدريب أن الشخصية غير اللاعبة قادرة على تقليد أنماط سلوك اللاعب بصورة متسقة في عملية إدارة النفايات داخل اللعبة. كما أظهرت عملية تقييم الوكيل استقرار قيمة المكافأة التراكمية، وانخفاض طول الحلقة أثناء التدريب، وبقاء سلوك الوكيل متوافقًا مع بيانات العرض التوضيحي المقدمة. وقد حصل اختبار مقياس قابلية استخدام النظام (System Usability Scale/SUS) الذي شمل 20 مستجيبًا على متوسط درجة قدره 88.25، وهو ما يندرج ضمن فئة "جيد". وتشير هذه النتائج إلى أن وجود الشخصية غير اللاعبة يساعد اللاعبين على فهم عملية إدارة النفايات، كما يوفر تجربة لعب أكثر توجيهًا في إيصال المواد التعليمية المتعلقة بالبيئة.