Personalisasi penyeimbang kesulitan dan skenario berbasis profil pemain pada game edukasi bencana gunung meletus menggunakan metode feedforward neural network

ABSTRAK:

Game agar dapat digemari oleh pemain harus memiliki sebuah daya tarik tersendiri agar pemain tidak cepat merasa bosan. Salah satu cara agar game tidak terkesan monoton adalah dengan memberikannya fitur personalisasi. Personalisasi adalah sebuah proses atau perbuatan yang mengubah atau memodifikasi sesuatu agar menunjukkan sebuah ciri tertentu. Personalisasi akan berpengaruh pada pembangunan tingkat kesulitan setiap pemain sehingga apabila pemain merasa terlalu sulit, maka tingkat kesulitan akan otomatis turun begitu pula sebaliknya. Pada game, penggunaan personalisasi dapat memberikan sebuah manfaat pembelajaran karena setiap pemain mendapatkan pengalaman yang berbeda saat bermain. Terdapat banyak metode yang dapat diterapkan untuk membangun sebuah personalisasi pada game salah satunya ada metode Feedforward Neural Network. Perancangan game edukasi ini melewati beberapa tahapan yaitu pengumpulan data, perancangan sistem game, perancangan skenario, implementasi penyeimbang kesulitan disertai neural network, dan pengujian hasil. Pengujian menggunakan skenario 80 : 20 dan 70 : 30. Skenario 80 : 20 mendapatkan nilai akurasi 90% sedangkan skenario 70 : 30 mendapatkan akurasi sebesar 77%.

ABSTRACT:

In order for the game to be liked by players, it must have a special attraction so that players don't get bored quickly. One way to make the game not seem monotonous is to give it a personalization feature. Personalization is a process or action that changes or modifies something to show a certain characteristic. Personalization will affect the development of the difficulty level of each player so that if the player finds it too difficult, the difficulty level will automatically decrease and vice versa. In games, the use of personalization can provide a learning benefit because each player gets a different experience while playing. There are many methods that can be applied to build a personalization in games, one of which is the Feedforward Neural Network method. The design of this educational game went through several stages, namely data collection, game system design, scenario design, implementation of difficulty balancing with neural networks, and testing results. The test uses a scenario of 80: 20 and 70: 30. The 80: 20 scenario gets an accuracy value of 90% while the 70: 30 scenario gets an accuracy of 77%.

مستخلص البحث:

يجب أن يكون للألعاب من أجل أن يفضلها اللاعبون الجاذبية الخاصة حتى لا يشعر اللاعبون سرعة بالملل. إحدى الطرق للحفاظ على اللعبة من أن تبدو مملا هي منحها ميزة التخصيص. التخصيص هو عملية أو إجراء يغير أو يعدل شيئا ما لإظهار خاصية معينة. سيؤثر التخصيص على بناء مستوى صعوبة كل لاعب بحيث إذا وجد اللاعب صعوبة كبيرة، فسينخفض مستوى الصعوبة تلقائيا وعكسها. في الألعاب، يمكن أن يوفر استخدام التخصيص فائدة تعليمية لأن كل لاعب يحصل على تجربة مختلفة أثناء اللعب. هناك العديد من الطرق التي يمكن تطبيقها لبناء التخصيص في الألعاب، واحدة منها هي طريقة تغذية الشبكة العصبية. يمر تصميم هذه اللعبة التعليمية بعدة مراحل، وهي جمع البيانات، وتصميم نظام اللعبة، وتصميم السيناريو، وتنفيذ موازنة الصعوبة المصحوبة بالشبكات العصبية، ونتائج الاختبار. استخدم الاختبار سيناريوهات ٨٠ : ٢٠ و ٧٠ : ٣٠. السيناريو ٨٠ : ٢٠ يحصل على قيمة دقة ٩٠٪ بينما السيناريو ٧٠ : ٣٠ يحصل على دقة ٧٧٪.