Kamis, 30 November 2017

Board Game

Image result for logo gunadarma
Nama : Dimas Bayu Gumelar
NPM : 11115924
Kelas: 3KA10

Dosen : ESSY MALAYS SARI SAKTI
1.1 Game Theory
Teori permainan adalah disiplin matematika yang berkaitan dengan studi tentang ideologi yang disarikan. Ini hanya aplikasi yang sangat lemah untuk game komputer real-time, namun terminologi yang digunakan dalam game berbasis giliran berasal darinya. Bagian ini akan memperkenalkan teori permainan yang cukup untuk memungkinkan Anda memahami dan menerapkan AI berbasis giliran, tanpa terjebak dalam poin matematika yang cerdas.

Types Of Game
Teori permainan mengklasifikasikan permainan sesuai dengan jumlah pemain, jenis sasaran yang dimiliki pemain tersebut, dan informasi yang dimiliki setiap pemain tentang permainan tersebut.
1.Number Of Players
Permainan papan yang mengilhami algoritma AI berbasis giliran hampir semuanya memiliki dua pemain. Sebagian besar algoritma populer dibatasi oleh dua pemain dalam bentuknya yang paling dasar. Mereka dapat disesuaikan untuk digunakan dengan jumlah yang lebih besar, namun jarang menemukan deskripsi tentang algoritma untuk hal lain selain dua pemain.
2.The Goal of the Game
Dalam kebanyakan game strategi, tujuannya adalah untuk menang. Sebagai pemain, Anda menang jika semua lawan Anda kalah. Ini dikenal sebagai permainan zero-sum: kemenangan Anda adalah kehilangan lawan. Jika Anda mencetak 1 poin untuk menang, maka akan sama dengan skor-1 karena kalah. Ini tidak akan terjadi, misalnya, dalam permainan kasino, saat Anda semua bisa keluar lebih buruk.
Dalam permainan zero-sum tidak masalah jika Anda mencoba untuk menang atau jika Anda mencoba membuat lawan kalah; thecomeisthesame.Foranon-zero-sumgame, di mana Anda bisa menemukan semua yang Anda inginkan, Anda ingin melakukan fokus pada kemenangan Anda, mengumpulkankan semua hasil akhir (kecuali jika Anda ada orang lain)
Untuk game dengan lebih dari dua pemain, semuanya lebih kompleks. Bahkan dalam permainan zero-sum, strategi terbaik tidak selalu membuat lawan masing-masing kalah. Mungkin lebih baik untuk mengeroyok lawan terkuat, memberi keuntungan pada lawan yang lebih lemah dan berharap bisa menjemput mereka nanti.
3.Information
Dalam game seperti Chess, Drafts, Go, dan Reversi, kedua pemain mengetahui segala hal yang perlu diketahui tentang kemungkinan terjadinya hal tersebut. Mereka mengetahui berapa banyak yang harus dilakukan pada setiap kesempatan dan kesempatan untuk melakukan langkah selanjutnya. Mereka tahu semua ini sejak awal permainan. Game semacam ini disebut "informasi yang sempurna." Meskipun Anda tidak tahu mana yang akan dipilih lawan Anda, Anda memiliki pengetahuan lengkap tentang setiap gerakan yang mungkin bisa dilakukan lawan dan efek yang dimilikinya.
4. Applying Algorithms
Algoritma yang paling dikenal dan paling maju untuk game berbasis giliran dirancang untuk bekerja dengan permainan informasi dua pemain, zero-sum, sempurna. Jika Anda menulis AI bermain catur, maka ini adalah implementasi yang Anda butuhkan. Tapi banyak game komputer berbasis turn over lebih rumit, melibatkan lebih banyak pemain dan informasi yang tidak sempurna.

1.2 Algoritma Minimaxing
Sebuah komputer memainkan permainan berbasis giliran dengan melihat tindakan yang ada pada gerakan ini dan memilihnya daripadanya. Untuk memilih salah satu dari mereka, dibutuhkan stok sekarang apa yang bergerak lebih baik daripada yang lain. Pengetahuan ini diberikan ke komputer oleh programmer menggunakan heuristik yang disebut fungsi evaluasi statis.

1.3 Transposition Tables anda Memory
Sejauh ini algoritma yang kita lihat mengasumsikan bahwa setiap gerakan mengarah ke posisi papan yang unik. Seperti yang kita lihat sebelumnya, posisi dewan yang sama dapat terjadi sebagai hasil kombinasi gerakan yang berbeda. Dalam banyak game posisi board yang sama bahkan bisa terjadi beberapa kali dalam game yang sama. Agar pekerjaan ekstra mencari posisi dewan yang sama beberapa kali, algoritma dapat menggunakan tabel transposisi. Meskipun tabel transposisi dirancang untuk menghindari duplikasi pekerjaan pada transposisi, namun tabel tersebut memiliki manfaat tambahan. Beberapa algoritma mengandalkan tabel transposisi sebagai memori kerja posisi papan yang telah dipertimbangkan. Teknik seperti tes yang ditingkatkan memori, pendalaman berulang, dan berpikir pada giliran lawan Anda semua menggunakan tabel transposisi yang sama (dan semua diperkenalkan di bab ini). Tabel transposisi menyimpan catatan posisi papan dan hasil pencarian dari posisi itu. Ketika sebuah algoritma diberi posisi papan, pertama-tama periksa apakah papan itu ada dalam memori dan gunakan nilai yang tersimpan jika benar. Membandingkan status permainan yang lengkap adalah prosedur yang mahal, karena keadaan permainan mungkin berisi puluhan atau ratusan item informasi. Membandingkan ini dengan keadaan tersimpan dalam ingatan akan memakan waktu lama. Untuk mempercepat pemeriksaan tabel transposisi, nilai hash digunakan.

1.4 . Memori tambahan pda uji algoritma
Algoritma memory-enhanced test (MT) bergantung pada adanya tabel transposisi yang efisien untuk bertindak sebagai algoritma'memory. MT hanyalah sebuah negamax AB nol-lebar, menggunakan tabel transposisi untuk menghindari duplikat pekerjaan. Keberadaan memori memungkinkan algoritma melompati pohon pencarian melihat gerakan yang paling menjanjikan terlebih dahulu. Sifat rekursif dari algoritma negamax berarti bahwa ia tidak dapat melompat; itu harus menggelembung dan recurse down.

1.5 Pembukaan buku dan set permainan
Dalam banyak permainan, selama bertahun-tahun, pemain ahli telah membangun sebuah pengalaman tentang pergerakan mana yang lebih baik daripada yang lain di awal permainan. Tempat ini lebih jelas daripada di buku pembuka Catur. Pakar ahli mempelajari database besar kombinasi pembuka tetap, belajar tanggapan terbaik untuk bergerak. Hal ini tidak biasa untuk 20 sampai 30 langkah pertama dari permainan Catur Grandmaster yang akan direncanakan sebelumnya. Buku pembuka adalah daftar urutan bergerak, bersama dengan beberapa indikasi seberapa bagus hasil rata-rata akan menggunakan urutan tersebut. Dengan menggunakan seperangkat aturan ini, komputer tidak perlu mencari menggunakan minimaxing untuk menentukan langkah terbaik yang akan dimainkan. Ini hanya bisa memilih langkah selanjutnya dari urutan, selama titik akhir dari urutan itu bermanfaat baginya.
Membuka database buku dapat diunduh untuk beberapa permainan yang berbeda, dan untuk game terkemuka seperti database komersial Chess tersedia untuk lisensi ke dalam game baru. Untuk game berbasis giliran asli, buku pembuka (jika berguna) perlu dibuat secara manual.

1.6 Optimisasi
Meskipun dasar permainan-bermain algoritma masing-masing relatif sederhana, mereka memiliki array membingungkan optimasi yang berbeda. Beberapa pengoptimalan ini, seperti pemangkasan dan tabel transposisiAB, sangat penting untuk kinerja yang baik. Pengoptimalan lainnya cukup memanfaatkan sebagian besar kinerja. Bagian ini membahas beberapa pengoptimalan lainnya yang digunakan untuk turn-basedAI. Tidak ada cukup ruang untuk mencakup detail pelaksanaan untuk sebagian besar dari mereka. Lampiran memberi petunjuk lebih jauh
informasi tentang pelaksanaannya Selain itu, optimasi khusus yang digunakan hanya dalam jumlah yang relatif kecil dari permainan papan tidak disertakan. Catur, khususnya, memiliki keseluruhan rakit pengoptimalan khusus yang hanya berguna dalam sejumlah kecil skenario lainnya.

1.7 Turn Base strategy game
Bab ini memusatkan perhatian pada game board AI. Di hadapannya, game board AI memiliki banyak kemiripan permainan strategi berbasis toturn. Game strategi komersial jarang menggunakan teknik pencarian pohon di bab ini sebagai alat utama mereka. Kompleksitas permainan ini berarti algoritma pencarian macet sebelum mereka dapat membuat keputusan yang masuk akal. Teknik pencarian yang paling sederhana dirancang untuk permainan informasi dua pemain, zero-sum, informasi sempurna, dan banyak pengoptimalan terbaik tidak dapat disesuaikan untuk digunakan dalam permainan strategi umum. Beberapa permainan strategi berbasis turn-turn sederhana dapat langsung diperoleh dari algoritme pencarian pohon di bab ini. Konstruksi penelitian dan konstruksi, gerakan pasukan, dan aksi militer semuanya bisa menjadi bagian dari serangkaian kemungkinan pergerakan. Posisi dewan tetap statis selama sebuah pergantian. Antarmuka permainan yang diberikan di atas dapat, secara teori, diterapkan untuk mencerminkan turn- permainan berbasis Antarmuka yang diterapkan ini kemudian dapat digunakan dengan algoritma pencarian pohon reguler.

Sumber Referensi:

http://lecturer.ukdw.ac.id/~mahas/dossier/gameng_AIFG.pdf

Jumat, 24 November 2017

Teknik Pembangunan Game AI

Image result for logo gunadarma
Nama : Dimas Bayu Gumelar
NPM : 11115924
Kelas: 3KA10

Dosen : ESSY MALAYS SARI SAKTI
1.1 Movement
Komputer sebagai alat untuk pemindahan data yaitu untuk  pemindahan data yang telah dibuat dan akan bisa membuka kembali file yang telah kita buat dengan cara mengcopy paste file yang telah kita buat. Contohnya dari keyboard ke layar monitor. Dalam game, movement adalah metode yang menekankan konsep gerak tubuh, meliputi konsep kesadaran tubuh, konsep usaha, konsep ruang, dan konsep keterhubungan.

1.2 Pathfinding
Pencarian jalur (pathfinding) merupakan bagian dari medel AI. Algoritma pathfinding menggunakan ‘Directed Non-Negative Weighted Graph’. Algoritma seperti Dijkstra dan A* menggunakan struktur data graf . Graf digunakan untuk menggambarkan jalur yang dapat diambil pada sebuah geometri ruang.

1.3 Pengambilan Keputusan
pengambilan keputusan adalah suatu proses pemilihan dari berbagai alternatif baik kualitatif maupun kuantitatif untuk mendapat suatu alternatif terbaik guna menjawab masalah atau menyelesaikan konflik (pertentangan).
Proses penurunan suatu keputusan mengandung empat unsur, yaitu :
§  Model : Model menunjukkan gambaran suatu rnasalah secara kuantitatif atau kualitatif.
§  Kriteria: Kriteria yang dirumuskan menunjukkan tujuan dari keputusan yang diambil. Jika terdapat beberapa kriteria yang saling bertentangan, maka pengambilan keputusan harus melalui kompromi (misalnya menambah jasa langganan dan mengurangi persediaan, maka keputusan mana yang diambil perlu kompromi).
§  Pembatas: Faktor-faktor tambahan yang perlu diperhatikan dalam memecahkan masalah pengambilan keputusan. Misalnya dana yang kurang tersedia.
§  Optimalisasi: Apabila masalah keputusan telah diuraikan dengan sejelas jelasnya, maka manajer menentukan apa yang diperlukan (kriteria) dan apa yang diperbolehkan (pembatas). Pada keadaan ini pengambil keputusan siap untuk memilih pemecahan yang terbaik atau yang optimal.

Proses Pengambilan Keputusan
§  Penyelidikan: Mempelajari lingkungan atas kondisi yang memerlukan keputusan. Data mentah diperoleh, diolah, dan diuji untuk dijadikan petunjuk yang dapat mengidentifikasi persoalan.
§  Perancangan: Mendaftar, mengembangkan, dan menganalisis arah tindakan yang mungkin. Hal ini meliputi proses-proses untuk memahami persoalan, menghasilkan pemecahan, dan menguji kelayakan pemecahan tersebut.
§  Pemilihan: Memilih arah tindakan tertentu dari semua yang ada. Pilihan ditentukan dan dilaksanakan.
Jadi, proses keputusan dapat dianggap sebagai sebuah arus dari penyelidikan sampai perancangan dan kemudian pada pemilihan. Tetapi pada setiap tahap hasilnya mungkin dikembalikan ke tahap sebelumnya untuk dimulai lagi. Jadi tahapan tersebut merupakan unsur-unsur sebuah proses yang berkesinambungan.

Teori Pengambilan Keputusan
Teori pengambilan keputusan menekankan bahwa terdapat tujuh langkah yang harus ditempuh, yaitu:

1.     Identifikasi permasalahan yang dihadapi
Ada ungkapan yang mengatakan bahwa suatu “permasalahan yang sudah dikenali hakikatnya dengan tepat sesungguhnya sudah separo terpecahkan.” Ungkapan ini mempunyai tiga implikasi, yaitu:
§  Bahwa mutlak perlu mengenali secara mendasar situasi problematik yang menimbulkan ketidakseimbangan dalam kehidupan organisasi atau perusahaan.
§  Pengenalan secara mendasar berarti “akar” penyebab timbulnya ketidakseimbangan harus digali sedalam-dalamnya.
§  Mengambil keputusan tidak boleh puas hanya dengan diagnosis gejala-gejala yang segera tampak. Jika hanya gejala yang diidentifikasikan, sangat mungkin “terapinya” pun hanya mampu menghilangkan gejala tersebut. Padahal yang harus dihilangkan adalah “sumber penyakitnya”.

2.     Pengumpulan data
Berangkat dari pandangan bahwa pengambilan keputusan memerlukan dukungan informasi yang lengkap, mutakhir, dapat dipercaya, dan diolah dengan baik. Berarti bahwa dalam pengumpulan data ada tiga hal yang mutlak mendapat perhatian, yaitu:
§  Pentingnya menggali data dari semua sumber yang layak digali, baik secara internal maupun secara eksternal. Dari segi inilah harus dilihat pentingnya akses bagi para pengolah data terhadap semua sumber data.
§  Pentingnya untuk menjamin bahwa data yang dikumpulkan relevan dengan permasalahan yang hendak diatasi.
§  Bahwa mutu data yang dikumpulkan haruslah setinggi mungkin sehingga informasi yang dihasilkan akan bermutu tinggi pula.

3.     Analisis data
Analisis data harus mampu menunjukkan berbagai alternatif yang mungkin ditempuh untuk memecahkan masalah. Oleh karena itu, analisis data diarahkan pada pembentukan persepsi yang sama diantara berbagai pihak tentang arti data yang dimiliki, dengan demikian memberikan interpretasi yang sama tentang data tersebut.

4.     Analisis berbagai alternatif
Salah satu tantangan yang dihadapi dalam mengambil keputusan ialah menemukan jawaban yang paling tepat terhadap pertanyaan: Apakah dalam mengambil keputusan harus selalu terdapat berbagai alternatif? Pertanyaan ini penting karena jika seorang pengambil keputusan dihadapkan kepada hanya satu alternatif dan ia memutuskan untuk menggunakan alternatif tersebut, yang bersangkutan sudah mengambil keputusan. Bahkan teori pengambilan keputusan mengatakan bahwa jika seseorang memutuskan untuk tidak mengambil keputusan, tindakannya itu adalah pengambilan keputusan juga.

5.     Pemilihan alternatif
Jika dilakukan dengan cermat, analisis berbagai alternatif akan “memberi petunjuk” tentang alternatif yang sebaiknya digunakan karena akan membuahkan solusi yang paling efektif. Alternatif di pilih dengan demikian, merupakan alternatif yang tampaknya paling baik. Pengalaman mengambil keputusan di masa lalu dan keyakinan bahwa keputusan yang diambil adalah keputusan yang terbaik.

6.     Implementasi (pelaksanaan)
Apakah alternatif yang dipilih merupakan pilihan yang terbaik atau tidak diuji pada waktu digunakan dalam arti mampu tidaknya menghilangkan situasi permasalahan dan apakah permasalahan yang dihadapi tersebut dapat dipecahkan secara efektif atau tidak.

7.     Evaluasi (penilaian)
Hasil pelaksanaan memerlukan penilaian yang objektif, rasional dan berdasarkan tolok ukur yang baku. Seperti dimaklumi, hasil penilaian dapat menunjukkan bahwa hasil yang di capai melampaui harapan, sekedar sesuia dengan sasaran atau kurang dari sasaran. Kesemuanya itu menjadi bahan penting dalam mengelola organisasi atau perusahaan di masa depan.

1.4 Taktik dan strategi AI
AI dalam game biasanya memiliki kecepatan dalam taktik bermain sehingga mengharuskan pemain untuk berfikir lebih cepat untuk menyusun strategi terbaik agar dapat memperoleh skor yang maksimal. Kecerdasan buatan merupakan kecerdasan yang ditujukan oleh suatu entitas buatan, yang diciptakan dan diterapkan kedalam sebuah mesin (komputer) sehingga dapat melakukan perbuatan seperti manusia. Strategi dalma gamepun bervariasi. Salah satunya adalah dalam game Othello yaitu strategi bermain reversy, sperti jumlah pin, penguasaan sudut/x-square/c-square, jumlah pin stabil, mobility, jumlah pin tepi, parity, dan pola sisi/sudut.

1.5 Pembelajaran
Machine learning adalah teknik AI yang berkaitan dengan pembelajaran data dan menggunakannya untuk memprediksi informasi yang ada di dunia.
Machine learning dibangun dengan menggunakan algoritma. Rangkaian instruksi ini akan menyelesaikan suatu permasalahan. Contoh algoritma yang dimaksud adalah decision tree learning dan association rule learning.
Namun, algoritma machine learning yang berperan dalam kehidupan di dunia adalah jaringan saraf buatan, suatu teknik yang terinspirasi oleh cara kerja neuron otak manusia.
Sederhananya begini: suatu jaringan saraf terdiri dari beberapa lapisan neuron. Input masuk melalui lapisan pertama. Tiap neuronnya menerima input, sehingga setiap neuron memiliki muatan, dan menghasilkan output berdasarkan muatan mereka. Output dari lapisan pertama kemudian didistribusikan ke lapisan kedua untuk diproses, dan begitu seterusnya hingga output akhir dapat dihasilkan.
Kemudian hal menarik pun terjadi. Siapapun yang menjalankan jaringan dapat mendefinisikan seperti apa output akhir yang “benar” seharusnya. Setiap kali data didistribusikan melalui jaringan tersebut, hasil akhirnya dibandingkan dengan hasil yang “benar”, dan sejumlah penyempurnaan akan dilakukan hingga tercipta outputakhir yang benar. Dengan kata lain, jaringan tersebut mampu melatih dirinya sendiri.
Otak buatan ini dapat mempelajari bagaimana cara mengidentifikasi banyak hal. Misalnya kursi dalam sebuah foto,. Seiring berjalannya waktu, ia dapat mempelajari karakteristik kursi tersebut, dan meningkatkan kemampuannya dalam mengidentifikasi benda tersebut.

Kamis, 16 November 2017

Kecerdasan Buatan dan Game

Image result for logo gunadarma
Nama : Dimas Bayu Gumelar
NPM : 11115924
Kelas: 3KA10

Dosen : ESSY MALAYS SARI SAKTI
Game adalah permainan komputer yang dibuat dengan teknik dan metode animasi. Permainan game merupakan bidang AI yang sangat populer berupa permainan antara manusia melawan mesin yang mempunyai intelektual untuk berpikir. Komputer dapat bereaksi dan menjawab tindakan-tindakan yang diberikan oleh lawan mainnya.
Salah satu komputer yang ditanamkan AI untuk game bernama Deep Blue. Deep Blue adalah sebuah komputer catur buatan IBM pertama yang memenangkan sebuah permainan catur melawan seorang juara dunia (Garry Kasparov) dalam waktu standar sebuah turnamen catur. Kemenangan pertamanya (dalam pertandingan atau babak pertama) terjadi pada 10 Februari 1996, dan merupakan permainan yang sangat terkenal.

Kini telah banyak berkembang game AI yang semakin menarik, interaktif, dan dengan grafis yang sangat bagus. Ditambah dengan kemajuan teknologi jaringan komputer yang semakin cepat, sudah banyak terdapat game-game AI yang berbasiskan online. Tidak sedikit orang yang tertarik dengan game saat ini. Mereka memainkan game untuk mengisi kekosongan waktu mereka atau pun melatih skill mereka dalam berpikir.

Sejarah Artificial Intelligence dalam Game

Mulai sekitar abad 18 sebagaimana mesin telah menjadi lebih kompleks, usaha yang keras telah dicoba untuk menciptakan manusia imitasi. Pada tahun 1736 seorang penemu dari perancis, Jacques de Vaucanson (1709-1782) membuat suatu mesin pemain seruling berukuran seperti seorang manusia yang dapat memainkan 12 melodi nada. Tidak hanya ini saja, mekanik tersebut dapat memindahkan bibir dan lidahnya secara nyata untuk mengontrol arus dari angin ke dalam seruling.
Pada tahun 1774 seorang penemu dari perancis, Pierre Jacques Drotz mencengangkan masyarakat Eropa dengan suatu automation berukuran sekitar seorang anak laki-laki yang dapat duduk dan menulis suatu buku catatan. Penemuan ini kemudian dilanjutkan dengan yang lainnya, yaitu automation yang berupa seorang gadis manis yang dapat memainkan harpsichord. Semuanya itu masih merupakan proses mekanik yang melakukan gerak dengan telah ditentukan terlebih dahulu.
Manusia masih berusaha untuk menciptakan mesin yang lainnya. Pada tahun 1769, dataran Eropa dikejutkan dengan suatu permainan catur yang dapat menjawab langkah-langkah permainan catur yang belum ditentukan terlebih dahulu. Mesin ini disebut dengan Maelzel Chess Automation dan dibuat oleh Wolfgang Von Kempelan (1734-1804) dari Hungaria. Akan tetapi mesin ini akhirnya terbakar pada tahun 1854 di Philadelphia Amerika Serikat.banyak orang tidak percaya akan kemampuan mesin tersebut. Dan seorang penulis dari Amerika Serikat, Edgar Allan Poe (1809-1849) menulis sanggahan terhadap mesin tersebut, dia dan kawan-kawannya ternyata benar, bahwa mesin tersebut adalah tipuan, dan kenyataannya bukanlah aoutomation, tetapi merupakan konstruksi yang sangat baik yang dikontrol oleh seorang pemain catur handal yang bersembunyi di dalamnya.
Usaha untuk membuat konstruksi mesin permainan terus dilanjutkan pada tahun 1914, dan mesin yang pertama kali didemonstrasikan adalah mesin permainan catur. Penemu mesin ini adalah Leonardo Torres Y Quevedo, direktur dari Laboratorio de Automatica di Madrid, Spanyol. Beberapa tahun kemudian, ide permainan catur dikembangkan dan diterapkan di komputer oleh Arthur L. Samuel dari IBM dan dikembangkan lebih lanjut oleh Claude Shannon.
Pada abad ke 20, Automation sudah banyak dikembangkan dan diterapkan terutama pada Angkatan bersenjata Amerika Serikat, berupa program-program simulasi peperangan. Sekarang ini, perkembangan AI sudah mencapai pada tahap yang dapat dikatakan fantastis, terutama di bidang-bidang berikut:
-          Game Playing
-          General Problem Solving
-          Natural Language Recognition
-          Speech Recognition
-          Visual Recognition
-          Robotics dan system pakar

Artificial Intelligence dalam Game

Salah satu unsur yang berperan penting dalam sebuah game adalah kecerdasan buatan. Dengan kecerdasan buatan, elemen-elemen dalam game dapat berperilaku sealami mungkin layaknya manusia.
Game AI adalah aplikasi untuk memodelkan karakter yang terlibat dalam permainan baik sebagai lawan, ataupun karakter pendukung yang merupakan bagian dari permainan tetapi tidak ikut bermain (NPC = Non Playable Character). Peranan kecerdasan buatan dalam hal interaksi pemain dengan permainan adalah pada penggunaan interaksi yang bersifat alami yaitu yang biasa digunakan menusia untuk berinteraksi dengan sesama manusia.

Contoh media interaksi
Penglihatan (vision)
Suara (voice), ucapan (speech)
Gerakan anggota badan ( gesture)

Untuk pembentukan Artificial Intelligence pada game ternyata digunakan pula algoritma, yaitu jenis pohon n-ary untuk suatu struktur. Implementasi pohon (tree) ini biasa disebut game tree. Berdasarkan game tree inilah sebuah game disusun algoritma kecerdasan buatannya. Artificial intellegence yang disematkan dalam sebuah game yang membentuk analisis game tree biasanya merepresentasikan kondisi atau posisi permainan dari game sebagai suatu node, dan merepresentasikan langkah yang mungkin dilakukan sebagai sisi berarah yang menghubungkan node kondisi tersebut ke anak (child) sebagaimana representasi suatu pohon (tree).
Namun, biasanya representasi langsung tersebut mempunyai kelemahan, yaitu representasi data pohon akan menjadi sangat lebar dan banyak. Mungkin bagi sebuah mesin komputer mampu melakukan kalkulasi sebanyak apapun masalah, namun game tree yang lebar dan besar memberikan beberapa masalah, antara lain konsumsi proses memori, kapasitas penyimpanan yang cukup besar dan kinerja yang kurang pada konsol game berspesifikasi rendah. Karena itu dibentuklah beberapa algoritma dan penyederhanaan bagi sebuah game tree.
Pada salah satu contoh game klasik, yaitu tic tac toe, penyederhanaan dapat dilakukan dengan berbagai metode. Salah satu diantaranya adalah minimax. Metode ini berhasil diterapkan dan memberikan nilai reduksi yang cukup signifikan. Dan tidak hanya bisa digunakan secara monoton, minimax juga bisa digunakan untuk game-game yang lebih rumit seperti catur, tentunya dengan algoritma dan representasi berbeda.
Minimax yang merupakan salah satu metode penerapan (implementasi) pohon n-ary pada suatu game, menandakan bahwa implementasi struktur (pohon khusunya) sangatlah diperlukan pada pembuatan dan penerapan Artificial Intelligence, dan tidak menutup kemungkinan ilmu dan metode baru yang lebih canggih akan ditemukan di masa depan.

Dalam game berbasis kecerdasan buatan, ada banyak teknik yang diadaptasi dari bidang kecerdasan buatan untuk diterapkan pada game. beberapa diantaranya, yaitu:

1. Mengejar dan Menghindar
Mengejar dan menghindar merupakan teknik dasar yang diterapkan pada banyak game berbasis kecerdasan buatan dari yang sederhana sampai yang kompleks. apakah itu space shooters, RPG, atau game strategi. metode paling umum pada teknik mengejar dan menghindar ini adalah melakukan pemutakhiran (update) koordinat terhadap objek yang menjadi sasaran. Posisi relatif dan kecepatan dapat dijadikan sebagai parameter pada algoritma mengejar dan menghindar. Metode Line-of-sight yang membutuhkan dasar rumus persamaan garis juga serngkali dijadikan basis metode mengejear dan menghindar.

2. Pola Pergerakan
Pola pergerakan merupakan cara yang sederhana untuk memberikan ilusi kecerdasan pada sebuah game. Game Galaga adalah contoh klasik penerapan pola pergerakan ini, dimana pesawat musuh dapat bergerak secara melingkat atau mengikuti pola garis lurus yang ditentukan. Contoh lain penerapan pola pergerakan adalah pada game first-person shooter yang menampilkan monster yang sedang berpatroli pada jalur tertentu, pada game simulasi pertempuran pesawat dimana pesawat musuh dapat melakukan manuver-manuver di udara yang menyulitkan kita mengejar, atau karakter-karakter non-player (figuran) seperti kambing yang sedang berjalan membutuhkan teknik pola pergerakan ini. Metode standar untuk menerapkan pola pergerakan adalah dengan cara menyimpan pola tersebut dalam suatu array. Array tersebut terdiri dari serangkaian koordinat atau perintah pergerakan dengan pola tertentu untuk mengontrol koordinat dari objek. Dengan metode ini, bisa didapatkan pola-pola pergerakan seperti melingkar, garis lurus, zig-zag atau bahkan kurva tak beraturan.

3. Pathfinding
Metode pathfinding paling mudahditemui pada game-game bertipe strategi dimana kita menunjuk satu tokoh untuk digerakkan ke lokasi tertentu dengan mengklik lokasi yang hendak dituju. Si tokoh akan segera bergerak ke arah yang ditentukan, dan secara “cerdas” dapat menemukan jalur terpendek ataupun menghindari dari rintangan-rintangan yang ada. Salah satu algoritma pathfindin yang cukup umum dan yang paling banyak digunakan utnuk mencari jarak terpendek secara efisien adalah algoritma A* (baca: A star). Secara umum, algoritma A* adalah mendefinisikan area pencarian menjadi sekumpulan node-node (tiles). Titik awal dan titik akhir ditentukan terlebih dulu untuk mulai penelusuran pada tiap-tiap node yang memungkinkan untuk ditelusuri. Dari sini, akan diperoleh skor yang menunjukkan besarnya biaya untuk menempuh jalur yang ditemukan, ditambah dengan nilai heuristik yang merupakan nilai biaya estimasi dari node yang ada menuju tujuan akhir. Iterasi akan dilakukan hingga akhirnya mencapai target yang dituju.

4. Jaringan saraf tiruan (neural network)
Neural network cukup baik ketika diterapkan pada kasus-kasus yang sifatnya non-linier atau mengambil keputusan yang tidak dapat dilakukan dengan metode tradisional. Penerapannya seringkali pada game-game yang memerlukan kemampuan adaptif atau belajar dari pengalaman. Sebagai contoh, jika suatau ketika terjadi pertempuran antar player dengan unit komputer, dan unit komputer mengalami kekalahan, maka pada kesempatan lain yang serupa, komputer akan memilih untuk tidak bertempur. Semakin banyak pengalaman yang dialami komputer, maka komputer menjadi semakin cerdas. Prinsip dasar dari jaringan saraf tiruan ini adalah perbaikan bobot secara terus menerus agar output yang dihasilkan menjadi semakin akurat (semakin cerdas). 5. Algoritma Genetis (genetic algorithm) Algoritma genetis sedikit banyak dipengaruhi oleh teori evolusi yang dicetuskan Darwin, yaitu bahwa spesies akan terus menerus beradaptasi dengan lingkungannya dan ciri khasnya yang terletak pada kromosom, akan diturunkan pada generasi berikutnya. Generasi turunan ini menerima gabungan kromosom dari kedua induknya, yang disebut dengan crossover. Pada algoritma genetis, akan diterapkan langkah ranking fitness untuk melakukan seleksi terhadap langkah ranking fitness untuk melakukan seleksi terhadap generasi turunan yang terbaik. Pada game berbasis algorima genetis, turunan terbaik inilah yang dilibatkan ke dalam game, dimana akan digunakan oleh komputer untuk merespons perubahan-perubahan tingkah laku user.   sebenarnya bukan hanya 5 teknik kecerdasan buatan di atas yang dapat digunakan dalam sebuah game berbasis kecerdasan buatan. Beberapa teknik lain yang umum digunakan antara lain: finite state machine, fuzzy logic, ruled-based AI, basic probability,  dan keputusan tak pasti (dengan menggunakan teknik Bayesian) Di masa-masa mendatang, dengan dukungan teknologi hardware yang semakin baik, teknik kecerdasan buatan pada game berbasis kecerdasan buatan akan semakin matang dengan ilusi kecerdasan yang semakin menyerupai manusia.   sumber : majalah pc mild 20/2009.

Contoh Game yang menerapkan AI

1. Game PacMan
Pemanfaatan AI dalam game ini digunakan untuk mencari jalur terpendek untuk menentukan targetnya. Pada game ini dapat kita lihat bahwa hantu-hantu (komputer) yang menjadi musuh Pacman dapat mempertimbangkan dan memilih jalan yang tercepat untuk menangkap dan mengepung sang Pacman (pemain). Bahkan ketika sang Pacman memakan bola yang bisa membuat si hantu menjadi lemah maka sang hantu akan langsung segera menghindari sang Pacman secepatnya. Tindakan seperti itu memang terlihat mudah namun pada kenyataannya pembuatan hal tersebut cukup sulit dilakukan. Pembuatan hal tersebut membutuhkan algoritma yang mungkin sedikit rumit terutama bagi orang awam.


 2.  Game Tic Tac Toe
Merupakan game yang bertujuan untuk melatih otak dan untuk hiburan semata. Game TicTacToe lebih dikenal di Indonesia sebagai Game Catur Jawa karena prinsip permainan game Tic Tac Toe sama dengan Game Catur Jawa. Cara memainkan game tersebut dengan memberikan Nilai X atau O pada tiap pemain. Pada game TicTacToe terdiri dari 9 kolom yang berfungsi untuk meletakan nilai tersebut. Yang mana untuk memenangkan game tersebut pemain harus dapat membentuk nilai X atau O berbentuk vertikal, horizontal atau diagonal pada kolom tersebut. Letak AI dalam game ini adalah kesulitan yang diberikan kepada pemain pertama, yaitu kita, dalam arti user untuk memenangkan game ini oleh komputer yang berperan sebagai pemain kedua, dimana pemain kedua ini diciptakan sebagai AI.



Jadi keberadaan AI dalam teknologi game sangat lah membantu. Yang pertama AI dapat menjadi lawan bermain yang cukup tangguh. Lalu yang kedua AI dapat melatih otak kita untuk berpikir keras lagi dalam menyelesaikan game yang kita mainkan. Dengan adanya AI kita juga tidak perlu repot untuk mencari lawan bermain jika memang kita sedang tidak ada lawan bermain. Sebagai contoh kita dapat bermain Counter Strike dimana yang menjadi musuh kita merupakan Bot (komputer) yang memiliki kecerdasan yang cukup tinggi. Dia dapat menemukan pemain lalu menyerangnya. Selain itu game-game lain seperti The Sims, dimana pemain (user) dapat berinteraksi dengan objek lain yang disediakan dalam permainan tersebut.

DAFTAR PUSTAKA
https://setiyanugroho.wordpress.com/2011/04/12/kecerdasan-buatan-dalam-game/
http://kecerdasanbuatan-gaming.blogspot.co.id/p/blog-page.html
http://nakbelog.com/knowledge/menerapkan-kecerdasan-buatan-dalam-game/

http://rafiqamalyah.blogspot.co.id/2013/05/kecerdasan-buatan-pada-teknologi-game.html

Kamis, 09 November 2017

Pembelajaran / Learning


Image result for logo gunadarma
Nama : Dimas Bayu Gumelar
NPM : 11115924
Kelas: 3KA10

Dosen : ESSY MALAYS SARI SAKTI
1.1.  Pembelajaran dari Pengamatan
Metode Observasi ialah pengamatan langsung menggunakan alat indera atau alat bantu untuk penginderaan suatu subjek atau objek. Observasi juga merupakan basis sains yang dilakukan dengan menggunakan panca indera atau instrument sebagai alat bantu penginderaan ( Purnomo, 2008).
Tujuan pembelajaran dari pengamatan adalah untuk memperoleh data atau fakta, untuk melihat, mengamati dan menghayatinya secara langsung dan nyata mengenai objek tertentu dan untuk memperoleh kesimpulan dari hasil observasi yang dilakukan peneliti.

1.1.1 Bentuk/Metode Pembelajaran
Ada berbagai hal yang mendorong pentingnya mengetahui gaya belajar siswa, di antaranya adalah dengan mengetahui gaya belajar peserta didiknya, seorang guru dapat memilih metode pelajaran dan mengajar serta media pendidikan yang cocok bagi peserta didiknya.

Dalam hal ini, dituntut kreatifitas guru dalam menvariasikan metode mengajar dan dalam hal pemilihan media pendidikan. Dengan demikian, diharapkan perbedaan gaya belajar di antara peserta didik mamapu diakomodir dengan baik.

Menurut Gagne, Wagner dan  Brigsa, yang dimaksud pembelajaran adalah serangakaian kegiatan yang dirancang untuk memungkinkan terjadinya proses belajar pada siswa. Sedangkan menurut Undang-undang No. 20 tahun 2003 tentang Sisdiknas, pembelajaran adalah proses interaksi peserta didik dengan pendidik dan sumber belajar pada suatu lingkungan belajar.

Jadi dapat disimpulkan bahwa yang dimaksud metode pembelajaran adalah cara atau jalan yang ditempuh oleh guru untuk menyampaikan materi pembelajaran sehingga tujuan pembelajaran dapat dicapai. Bisa pula diambil kesimpulan bahwa metode pembelajaran merupakan strategi pembelajaran yang dipakai oleh guru sebagai media untuk mencapai tujuan pembelajaran yang telah ditetapkan.

Macam-macam metode pembelajaran

a. Metode Demonstrasi
Metode pembelajaran demonstrasi adalah metode yang efektif, karena membantu siswa dalam mencari tahu jawaban melalui usaha sendiri berdasarkan data dan fakta yang ada. Model pembelajaran dengan demonstrasi merupakan penyajian pelajaran lewat peragaan dan menunjukkan kepada siswa mengenai suatu hal, proses, atau benda tertentu, baik benda yang sebenarnya maupun hanya sekadar benda tiruan.

b. Metode Diskusi
Metode pembelajaran diskusi adalah interaksi sesama siswa dengan siswa atau siswa dengan guru dalam membahas materi pelajaran tertentu.

c. Metode Pembelajaran Simposium
Metode pembelajaran simposium merupakan cara mengajar dengan membahas suatu materi pelajaran atau masalah yang kemudian dilihat dari berbagai sudut pemikiran berdasarkan keahlian.

d. Diskusi Panel
Metode pembelajaran diskusi panel merupakan suatu pembahasan masalah yang dilakukan oleh beberapa siswa yang bertindak sebagai panelis, biasanya terdiri atas 4 – 5 orang di hadapan audiens. Berbeda dengan model diskusi lainnya, pada diskusi panel, audiens tidak terlibat dengan langsung, tetapi betugas meninjau panelis-panelis yang sedang melaksanakan diskusi.

e. Metode Simulasi
Sebagai metode pembelajaran, simulasi bisa diartikan sebagai cara menyajikan pengalaman belajar melalui penggunaan suasana dalam bentuk tiruan atau bukan sungguhan dengan tujuan memberi pemahaman mengenai teori, prinsip, atau keahlian tertentu.

f. Metode Tugas dan Resitasi
Metode pembelajaran dengan resitasi atau tugas biasanya dipakai bertujuan supaya siswa lebih mantap pada hasil belajar, disebabkan siswa mengerjakan latihan-latihan,

g. Metode Tanya Jawab
Metode tanya jawab adalah cara penyajian pelajaran dalam bentuk pertanyaan yang harus dijawab, terutama dari guru kepada sisiwa, namun dapat pula dari sisiwa kepada guru.

h. Metode Kerja Kelompok
Metode ini dilakuakan dengan cara membagi kelas menjadi beberapa kelompok, kemudian siswa diberi tugas untuk mencapai tujauan pelajaran.

1.1.2. Pembelajaran Induktif
metode pembelajaran  induktif merupakan metode pembelajaran yang digunakan untuk sampai pada pernyataan yang universal dari hal-hal yang bersifat individual. Tidak seperti penalaran deduktif, dalam penalaran induktif, kerja akal atau fikiran beranjak dari pengetahuan sebelumnya mengenai sejumlah kasus sejenis yang bersifat spesifik, khusus, individual, dan nyata yang ditemukan oleh pengalaman inderawi kita.Pada induktif ditunjukkan untuk membangun mental kognitif karenanya sangat sesuai untuk mengembangkan kemampuan berfikir,dan juga strategi ini sangat membutuhkan banyak informasi yang harus digali  oleh siswa.kelebihan dari pembelajaran induktif walaupun sangat sesuai untuk “social study” tetapi juga dapat digunakan untuk semua mata pelajaran  seperti sain,bahasa dan lain – lain ,pembelajaran induktif  juga dapat mengembangkan kemampuan berfikir kreatif.
Logika induktif adalah sebuah proses penalaran yang sesungguhnya telah dilakukan manusia semenjak dahulu, bersama-sama dengan penalaran deduksi. Keduanya memiliki perbedaan logika penalaran, namun sesungguhnya saling melengkapi. Dalam pengembangan keilmuan, kedua proses dijalankan secara bergantian. Secara tidak langsung prinsip berfikir deduktif menyumbang kepada kerja logika induktif, demikian pula sebaliknya.

1.1.3. Pohon Keputusan Pembelajaran
Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan rule. Pohon keputusan adalah salah satu metode klasifikasi yang paling popular karena mudah untuk diinterpretasi oleh manusia. Konsep dari pohon keputusan adalah mengubah data menjadi pohon keputusan dan aturan-aturan keputusan.
Konsep Pohon Keputusan

Data dalam pohon keputusan biasanya dinyatakan dalam bentuk tabel dengan atribut dan record. Atribut menyatakan suatu parameter yang dibuat sebagai kriteria dalam pembentukan tree.
Konsep Data dalam Pohon Keputusan

Proses pada pohon keputusan adalah mengubah bentuk data (tabel) menjadi model pohon, mengubah model pohon menjadi rule, dan menyederhanakan rule. Manfaat utama dari penggunaan pohon keputusan adalah kemampuannya untuk membreak down proses pengambilan keputusan yang kompleks menjadi lebih simpel sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan. Pohon Keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target.
Pohon keputusan merupakan himpunan aturan IF...THEN. Setiap path dalam tree dihubungkan dengan sebuah aturan, di mana premis terdiri atas sekumpulan node-node yang ditemui, dan kesimpulan dari aturam terdiri atas kelas yang terhubung dengan leaf dari path.
Konsep Dasar Pohon Keputusan

Bagian awal dari pohon keputusan ini adalah titik akar (root), sedangkan setiap cabang dari pohon keputusan merupakan pembagian berdasarkan hasil uji, dan titik akhir (leaf) merupakan pembagian kelas yang dihasilkan.
Pohon keputusan mempunyai 3 tipe simpul yaitu:
1. Simpul akar, dimana tidak memiliki cabang yang masuk dan memiliki cabang lebih dari satu, terkadang tidak memiliki cabang sama sekali. Simpul ini biasanya berupa atribut yang paling memiliki pengaruh terbesar pada suatu kelas tertentu.
2. Simpul internal, dimana hanya memiliki 1 cabang yang masuk, dan memiliki lebih dari 1 cabang yang keluar.
3. Simpul daun, atau simpul akhir dimana hanya memiliki 1 cabang yang masuk, dan tidak memiliki cabang sama sekali dan menandai bahwa simpul tersebut merupakan label kelas.

Referensi
Budiningsih, Asri.1997. Belajar dan pembelajaran. Rineka Cipta.Jakarta
Prof. Dr. Hamalik, Oemar 2001. Proses Belajar Mengajar. Bumi Aksara.Jakarta

Kamis, 02 November 2017

Ketidakpastian (Uncertainity) dan Penalaran Probabilitas

Image result for logo gunadarma
Nama : Dimas Bayu Gumelar
NPM : 11115924


Kelas: 3KA10
Dosen : ESSY MALAYS SARI SAKTI
PENALARAN DENGAN KETIDAKPASTIAN
(UNCERTAINITY)

KETIDAKPASTIAN (Uncertainity)
- Ketidakpastian dapat dianggap sebagai suatu kekurangan informasi yang memadai untuk membuat suatu keputusan.
- Ketidakpastian merupakan suatu permasalahan karena mungkin menghalangi kita membuat suatu keputusan yang terbaik.
- Teori-teori yang berhubungan dengan ketidakpastian :
 Probabilitas Klasik
 Probabilitas Bayes
 Teori Hartley yang berdasarkan pada himpunan klasik
 Teori Shanon yang didasarkan pada peluang
 Teori Dempster-Shafer
 Teori Fuzzy Zadeh

- Contoh aplikasi yang klasik sistem pakar yang sukses sehubungan dengan ketidakpastian :
 MYCIN untuk diagnosa medis
 PROPECTOR untuk ekplorasi mineral

TIPE-TIPE KESALAHAN / ERRORS
Keterangan :
- Ambiguous : kesalahan yg diinpretasikan lebih dari 1 cara
- Incomplete : ada informasi hilang
- Incorrect : informasi salah yang disebabkan manusia
(kesalahan membaca data, peletakan informasi & peralatan)
- Hipotesa adalah sebuah asumsi yang akan di-test.
o False Negative : penolakan hipotesa jika benar
o False Positive : penerimaan hipotesa jika tidak benar
- Measurement : kesalahan pengukuran
o Precision : dalam milimeter, 10 X lebih teliti daripada centimeter, berhubungan dg bagaimana kebenaran itu diketahui/baik (how well the truth is known)
o Accuracy : dalam centimeter, berhubungan dengan kebenaran (the truth)
- Unreliability : jika peralatan pengukuran mensuplay fakta yg tidak dipercaya.
- Random : fluktuasi nilai
- Systematic : tidak acak tetapi karena bias mis pembacaan kalibrasi.

Contoh :