Optimasi pemilihan karakter dalam game menggunakan metode Ant Colony Optimization

INDONESIA

Pemilihan karakter yang tepat dalam sebuah permainan digital (game) memegang peranan krusial dalam menentukan keberhasilan pemain menyelesaikan tantangan. Namun, ketidakseimbangan antara kemampuan pemain dan tingkat kesulitan game sering kali menyebabkan kebosanan (boredom) atau frustrasi (frustration). Penelitian ini bertujuan untuk mengoptimalkan pemilihan karakter menggunakan algoritma Ant Colony Optimization (ACO) serta mengintegrasikan sistem Dynamic Difficulty Adjustment (DDA) guna menyesuaikan tingkat kesulitan permainan secara dinamis. Algoritma ACO digunakan untuk memberikan rekomendasi karakter terbaik berdasarkan parameter performa pemain, sementara DDA mendistribusikan penyesuaian status musuh secara adaptif. Pengujian sistem dilakukan melalui analisis performa gameplay pada dua tingkatan (Stage 1 dan Stage 2). Berdasarkan analisis data permainan, rekomendasi karakter berbasis ACO berhasil diikuti oleh pemain sebanyak 60,58% (103 kali) dengan rata-rata nilai eta rekomendasi sebesar 0,64 pada Stage 1 dan 0,63 pada Stage 2. Sistem DDA secara efektif menyesuaikan permainan dengan rincian 53,5% pemain menerima penurunan kesulitan (Rule R-01), 40,5% mempertahankan kesulitan (Rule R-02), dan 5,8% mengalami peningkatan kesulitan (Rule R-03). Selain itu, terdapat peningkatan tantangan yang dinamis dengan rata-rata waktu penyelesaian (clear time) dari 56,33 detik pada Stage 1 menjadi 72,69 detik pada Stage 2. Penelitian ini menyimpulkan bahwa kombinasi ACO dan DDA berhasil mengoptimalkan pemilihan karakter dan menghadirkan pengalaman bermain yang lebih adaptif dan proporsional bagi pemain.

ENGLISH

Proper character selection in a digital game plays a crucial role in determining a player's success in completing challenges. However, the imbalance between player skills and game difficulty often leads to boredom or frustration. This study aims to optimize character selection using the Ant Colony Optimization (ACO) algorithm and integrate a Dynamic Difficulty Adjustment (DDA) system to dynamically scale the game's difficulty level. The ACO algorithm is utilized to provide the best character recommendations based on player performance parameters, while the DDA adaptively modulates enemy stats. System testing was conducted through gameplay performance analysis across two levels (Stage 1 and Stage 2). Based on gameplay data analysis, ACO-based character recommendations were followed by players 60.58% of the time (103 times), with an average recommendation eta value of 0.64 in Stage 1 and 0.63 in Stage 2. The DDA system effectively adjusted the game environment, where 53.5% of players received a difficulty decrease (Rule R-01), 40.5% maintained difficulty (Rule R-02), and 5.8% experienced a difficulty increase (Rule R-03). Furthermore, a dynamic progression of challenges was observed, with the average clear time increasing from 56.33 seconds in Stage 1 to 72.69 seconds in Stage 2. This study concludes that the combination of ACO and DDA successfully optimizes character selection and delivers a more adaptive and balanced gaming experience for players.

ARAB

يلعب الاختيار الصحيح للشخصيات في الألعاب الرقمية (game) دوراً حاسماً في تحديد نجاح اللاعب في إكمال التحديات. ومع ذلك، فإن عدم التوازن بين قدرة اللاعب ومستوى صعوبة اللعبة غالباً ما يؤدي إلى الشعور بالملل (boredom) أو الإحباط (frustration). يهدف هذا البحث إلى تحسين عملية اختيار الشخصيات باستخدام خوارزمية تحسين مستعمرة النمل (ACO) بالإضافة إلى دمج نظام التعديل الديناميكي للصعوبة (DDA) لضبط مستوى صعوبة اللعبة بشكل ديناميكي. تُستخدم خوارزمية ACO لتقديم أفضل التوصيات للشخصيات بناءً على معايير أداء اللاعب، بينما يقوم نظام DDA بتوزيع التعديلات على حالة الأعداء بشكل تكيفي. تم إجراء اختبار النظام من خلال تحليل أداء أسلوب اللعب على مستويين (المرحلة 1 والمرحلة 2). وبناءً على تحليل بيانات اللعبة، تم إتباع التوصيات الخاصة بالشخصيات القائمة على ACO بنجاح من قبل اللاعبين بنسبة 60.58% (103 مرات) بمتوسط قيمة "إيتا" (eta) للتوصية يبلغ 0.64 في المرحلة الأولى و 0.63 في المرحلة الثانية. قام نظام DDA بتعديل اللعبة بشكل فعال حيث تلقى 53.5% من اللاعبين انخفاضاً في مستوى الصعوبة (القاعدة R-01)، وحافظ 40.5% على نفس مستوى الصعوبة (القاعدة R-02)، وشهد 5.8% زيادة في الصعوبة (القاعدة R-03). بالإضافة إلى ذلك، كانت هناك زيادة ديناميكية في التحدي مع ارتفاع متوسط وقت الإكمال (clear time) من 56.33 ثانية في المرحلة الأولى إلى 72.69 ثانية في المرحلة الثانية. يخلص هذا البحث إلى أن الجمع بين ACO و DDA قد نجح في تحسين عملية اختيار الشخصيات وتقديم تجربة لعب أكثر تكيفاً وتناسباً للاعبين.