BAB I PENDAHULUAN

1.1 Latar Belakang Bermain game merupakan salah satu aktifitas yang sangat disukai oleh sebagian besar masyarakat di dunia ini. Alasan mereka bermain game tentunya berbeda-beda, ada yang untuk melepas lelah, ada juga yang memang suka atau hobi bermain game. Dengan berkembangnya teknologi sekarang ini, game game ini tidak hanya dapat kita jumpai pada kehidupan nyata, tapi juga dapat kita jumpai d idalam dunia maya. Jenis nya pun semakin banyak dan bervariasi. Salah satu yang cukup menarik perhatian adalah permainan komputer.

Permainan-permainan berbasis komputer ini juga bermacam-macam. Salah satu kelebihannya adalah kita tidak harus mencari orang untuk menjadi lawan tanding jika ingin bermain karena permainan berbasis komputer ini sudah mendukung single-player mode dimana kita dapat bermain sendiri melawan komputer yang dirancang untuk dapat berlaku seperti pemain manusia atau yang sering dikenal dengan Artificial Inteligince (AI). Dan permainan komputer pun ada yang bisa di lakukan oleh 2 orang pemain atau multiplayer sedangkan komputer bertindak sebagai juri. Contoh contoh permainan yang menggunakan AI adalah permainan catur, go, othello, checkers, bridge, tic-tac-toe dan lain sebagainya. Untuk membuat permainan ini diperlukan suatu algoritma yang dapat membuat AI ini mampu mengambil keputusan yang terbaik agar dapat

mengalahkan pemain atau setidaknya menghalau pemain menang. Algoritma minimax ini merupakan algoritma yang sangat sering dipakai untuk permasalah tersebut. Dan permainan tic-tac-toe merupakan salah satu contoh yang baik dan cukup sederhana untuk kita mengerti bagaimana cara kerja dan efeknya.

1.2 Identifikasi Masalah Algoritma minimax merupakan algoritma yang cukup terkenal dalam bidang kecerdasan buatan. Dimana dengan algoritma tersebut komputer dapat mengambil keputusan terbaik untuk menyelesaikan masalah. Masalah yang akan diangkat disini adalah AI untuk permainan tic-tac-toe , dimana AI tersebut bertindak sebagai juri yang menentukan pemain mana yang menang dan memberi skor.

1.3 Batasan Masalah Linkup permasalahan yang akan dibahas pada makalah ini adalah penggunaan algoritma minimax untuk membuat AI yang dapat mencari dan menentukan keputusan terbaik dalam permainan tic-tac-toe sedemikian sehingga AI tersebut dapat menentukan pemenang dan memberikan skor.

1.4 Maksud dan Tujuan Penelitian Adapun maksud dari penelitian ini adalah mengetahui penggunaan algoritma minimax untuk membuat AI yang dapat mencari dan menentukan keputusan terbaik. Dan tujuan dari penelitian ini adalah dengan menggunakan

algoritma minimax diharapkan dapat menentukan keputusan terbaik dalam permainan tic-tac-toe.

1.5 Metode Penelitian Metode penelitian merupakan suatu mekanisme, teknik atau cara untuk mencari, memperoleh, mengumpulkan, atau mencatat data yang dapat digunakan untuk menyusun karya ilmiah atau penelitian dengan prosedur yang didasarkan pada suatu struktur logis yang terdiri dari beberapa tahapan kerja dan kemudian menganalisa faktor-faktor yang berhubungan dengan pokok-pokok permasalahan sehingga akan didapat suatu kebenaran atas data yang diperoleh. Penyusunan makalah ini menggunakan metode deskriptif, yaitu mengumpulkan data kemudian menganalisanya serta memaparkan hasil penelitian.

1.6 Sistematika Penulisan Sistematika Penulisan laporan skripsi terdiri dari VI BAB dengan perincian sebagai berikut :

BAB I

Pendahuluan Pada bab ini menguraikan tentang gambaran umum dari makalah yaitu latar belakang, identifikasi masalah, batasan masalah, maksud dan tujuan penelitian, metode penelitian, serta sistematika penulisan.

BAB II

Landasan Teori Pada bab ini memaparkan teori-teori dan landasan pengetahuan yang relevan dengan makalah ini. Berisikan teori Game AI, Permainan tic-tac-toe serta teori-teori yang berhubungan dengan permasalahan yang dibahas.

BAB III

Algoritma Minimax Pada bab ini akan diuraikan mengenai algoritma minimax, bagaimana algoritma minimax dalam aplikasi permainan tic-tactoe.

BAB IV

Implementasi Algoritma Minimax Pada bab ini membahas bagaimana algoritma minimax

diimplementasikan ke dalam permainan tic-tac-toe..dan hasil analisis dari algoritma minimax dalam permainan tic-tac-toe. BAB V Hasil Analisis Pada bab ini berisi tentang hasil analisis dari algoritma minimax terhadap permainan tic-tac-toe. BAB VI Kesimpulan dan Saran Pada bab ini berisi tentang kesimpulan dan saran yang diajukan agar dapat menjadi bahan pertimbangan.

BAB II LANDASAN TEORI

2.1 Game AI Game AI adalah aplikasi IB 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 Characters). Ada beberapa karakter dalam game AI yaitu: 1. Karakter antagonis (Opponent AI) Karakter antagonis adalah karakter yang dalam permainan memiliki tujuan yang sama dengan pemain yaitu memenangkan permainan. untuk mewujudkan tujuan ini karakter tersebut dapat melakukan aksi kepada pemain dan sebaliknya pemain dapat melakukan aksi kepada karakter lawan yang sesuai dengan aturan permainan. contoh sederhana dari karakter antagonis adalah dalam permainan pertarungan (fighting). karakter lawan adalah karakter yang harus 'dikalahkan' oleh pemain dengan melakukan aksi (serangan). fungsi IB pada karakter antagonis adalah melakukan aksi-aksi yang dapat memperbesar peluang karakter tersebut untuk menang. 2. Karakter Pendukung (NPC AI) karakter pendukung (NPC ~ Non-Playable Characters) merupakan karakter yang terlibat dalam permainan tetapi tidak memiliki tujuan untuk memenangkan permainan melainkan melakukan peran yang mendukung pemain/lawan untuk memenangkan permainan. contoh sederhana dari NPC AI

adalah pada game RPG. Karakter NPC pada permainan bergenre RPG pada umumnya memberikan informasi implisit kepada karakter tentang hal-hal yang berkaitan dengan cerita dalam permainan ataupun panduan bagi pemain mengenai tujuan permainan. fungsi IB pada karakter pendukung adalah menentukan dialog dengan pemain sedemikian rupa sehingga seolah-olah karakter tersebut tampak nyata bagi pemain (life-like). Peranan IB dalam hal interaksi pemain dengan permainan adalah pada penggunaan interaksi yang bersifat alami yaitu yang biasa digunakan manusia untuk berinteraksi dengan sesama manusia. contoh-contoh media interaksi antara lain : a. penglihatan (Vision) Untuk menggunakan informasi penglihatan biasanya menggunakan kamera sebagai perangkat untuk mendapatkan data. data yang ditangkap adalah berupa gambar / citra yang merupakan matriks dua dimensi. matriks tersebut dianalisa sesuai dengan kebutuhan aplikasi sehingga didapatkan informasi yang diinginkan (misal pembentukan wajah, deteksi gerakan, rekonstruksi ruang). b. suara (voice) atau ucapan (speech) Informasi suara didapatkan dari microphone yang menghasilkan informasi dalam bentuk deretan angka (disebut sebagai sample). Persoalan utama dari suara adalah informasi yang dikandung memiliki variasi yang sangat besar yang disebabkan oleh faktor alat dan faktor manusia (vokal, intonasi, intensitas, dll). Penerapan interaksi dengan menggunakan suara

misalnya

untuk

permainan

bergenre

RTS

(wargames)

yang

menterjemahkan perintah dari pemain untuk menggerakkan unit. Contoh lainnya adalah permainan balap kendaraan yang menentukan akselerasi dari suara pemain yang menirukan suara mesin. c. gerakan anggota badan (gesture) Gesture adalah gerakan sebagian anggota badan yang memiliki makna tertentu (disebut juga sebagai body language). Informasi gesture dapat diakuisisi dengan berbagai cara, diantaranya : 1. video (vision) informasi deretan koordinat (gerakan) dihasilkan dari analisis terhadap rangkaian gambar terurut (video). 2. sensor jarak (range) informasi deretan koordinat diukur dengan menggunakan sensor jarak. 3. sensor posisi yang menempel pada pemain akhir-akhir ini beberapa produsen konsol memanfaatkan pengendali (controller) yang dapat menghasilkan informasi posisi /perubahan posisi pengendali pada ruang tiga dimensi. Salah satu contoh konsol yang menggunakan ini adalah Nintendo Wii.

2.2 Permainan Tic-Tac-Toe Permainana tic-tac-toe merupakan permainan berjenis board-game berukuran 3x3. Pemain harus mengisi sel-sel tersebut sedemikian sehingga karakter yang dimasukkan pemain tersebut dapat membentuk suatu garis lurus

horizontal, vertikal, ataupun juga diagonal. Permainan ini biasanya dimainkan oleh 2 orang pemain, tapi pada versi permainan komputer, pemain lawan dapat digantikan oleh komputer. Dalam permainan ini hasilnya dapat berupa menang,kalah, ataupun seri. Disini dengan adanya AI yang mampu meminimalisir kemungkinan untuk pemain menang, permainan ini akan menjadi sangat sulit untuk dimenangkan oleh pemain. Bahkan kemungkinan terbaik untuk pemain hanyalah seri. Dengan kata lain dengan menggunakan algoritma minimax ini, komputer tidak akah pernah kalah.

Berikut contoh permainan tic-tac-toe :

Gambar 2.1 Contoh kondisi menang pada permainan tic-tac-toe

Gambar 2.2 Contoh kondisi seri pada permainan tic-tac-toe

BAB III ALGORITMA MINIMAX

Algoritma minimax merupakan basis dari semua permainan berbasis AI seperti permainan catur misalnya. AI permainan catur tentunya sudah sangat terkenal dimana AI tersebut bahkan dapat mengalahkan juara dunia sekalipun. Pada algoritma minimax, pengecekan akan seluruh kemungkinan yang ada sampai akhir permainan dilakukan. Pengecekan tersebut akan menghasilkan pohon permainan yang berisi semua kemungkinan tersebut. Tentunya dibutuhkan resource yang berskala besar untuk menangani komputasi pencarian pohon solusi tersebut berhubung kombinasi kemungkinan untuk sebuah permainan catur pada setiap geraknya sangat banyak sekali. Berbeda dengan permainan catur, permainan tic-tac-toe ini mempunyai lebih sedikit kemungkinan solusi, sehingga kita akan mempunyai cukup komputasi untuk memainkan setiap kombinasi langkah dari setiap posisi dan kondisi. Namun hal ini dapat dihindari dengan membatasi sejauh mana komputer akan menganalisis hasil dari langkahlangkah yang mungkin (menentukan kedalaman pohon). Tetapi dengan hal ini, kita harus menambah kedalaman pohon tersebut setiap langkahnya agar kedalaman pohon pada state tersebut sama dengan state sebelumnya. Algoritma minimax ini bekerja secara rekursif dengan mencari langkah yang akan membuat lawan mengalami kerugian minimum. Semua strategi lawan akan dihitung dengan algoritma yang sama dan seterusnya. Ini berarti, pada

10

langkah pertama komputer akan menganalisis seluruh pohon permainan. Dan untuk setiap langkahnya, komputer akan memilih langkah yang paling membuat lawan mendapatkan keuntungan minimum, dan yang paling membuat komputer itu sendiri mendapatkan keuntungan maksimum. Dalam penentuan keputusan tersebut dibutuhkan suatu nilai yang merepresentasikan kerugian atau keuntungan yang akan diperoleh jika langkah tersebut dipilih. Untuk itulah disini digunakan sebuah fungsi heurisitic untuk mengevaluasi nilai sebagai nilai yang merepresentasikan hasil permainan yang akan terjadi jika langkah tersebut dipilih. Biasanya pada permainan tic-tac-toe ini digunakan nilai 1,0,-1 untuk mewakilkan hasil akhir permainan berupa menang, seri, dan kalah. Dari nilai-nilai heuristic inilah komputer akan menentukan simpul mana dari pohon permainan yang akan dipilih, tentunya simpul yang akan dipilih tersebut adalah simpul dengan nilai heuristic yang akan menuntun permainan ke hasil akhir yang menguntungkan bagi komputer.

11

Berikut garis besar algoritma minimax secara umum : Cari langkah yang dengan nilai maksimum IF langkah tersebut merupakan langkah kemenangan THEN pilih lagkah tersebut. ELSE FOR EACH kemungkinan langkah yang ada Cari langkah lawan yang bernilai minimum. RETURN nilai dari langkah tersebut. Pilih langkah yang bernilai maksimum dari langkahlangkah tersebut.

Pemakaian algoritma umum diatas untuk permainan tic-tac-toe adalah sebagai berikut : IF ada langkah kemenangan THEN pilih langkah tersebut. ELSE IF lawan mempunyai 2 spot terisi dalam satu garis dengan spot ketiga masih kosong THEN tutup langkah tersebut (isi spot kosong ketiga tersebut). ELSE melangkah ke state yang mempunyai kemungkinan menang tertinggi (berdasarkan nilai heuristic yang

dibangkitkan).

12

Dilihat dari algoritma diatas, nilai heuristic yang dibangkitkan akan sangat mempengaruhi analisis dari AI tersebut. Oleh karena itu, semakin bagus fungsi heuristic maka semakin bagus pula analisis AI tersebut, dan semakin sulit pula AI untuk dikalahkan.

13

BAB IV IMPLEMENTASI ALGORITMA MINIMAX

Anggaplah ada 2 pemain A dan B. Jika pemain A bisa menang dalam 1 langkah, maka langkah tersebut adalah langkah kemenangannya. Jika pemain B mengetahui bahwa langkah tersebut akan mengarahkan ke hasil akhir dimana pemain A akan menang, dan di lain kondisi ada langkah lain yang akan mengarahkan ke hasil akhir seri, maka langkah terbaik untuk pemain B adalah langkah yang akan mengarahkan hasil akhir permainan ke hasil seri. Di setiap tahap algoritma ini mengasumsikan bahwa pemain A mencoba untuk memaksimalisasi peluang menang. Di lain pihak, pada giliran berikutnya pemain B akan mencoba meminimalisir peluang menang untuk pemain A. Oleh karena itu, A disebut juga maximizing player (MAX) dan B disebut juga minimizing player (MIN). Pembentukan pohon pencarian solusi digunakan dengan menggunakan konsep depth-first, dimulai dari awal permainan sampai akhir permainan. Setelah itu, posisi akhir permainan dievaluasi melalui sudut pandang MAX seperti gambar dibawah ini :

14

MAX

MIN

10

MAX

Gambar 3.1. Representasi pohon pencarian pada algoritma minimax.

Setelah itu nilai dari setiap simpul diisi dari bawah ke atas dengan nilai yang sudah dievaluasi oleh fungsi heuristic. Simpul milik pemain A (MAX) menerima nilai maksimum dari simpul-simpul anaknya. Simpul milik pemain B (MIN) akan memilih nilai minimum dari simpul anak-anaknya. 5 Berikut pseudocode dari algoritma yang digunakan :

MinMax (GamePosition game) { return MaxMove (game); }

MaxMove (GamePosition game) { if (GameEnded(game)) { return EvalGameState(game); }

15

else { best_move < - {}; moves <- GenerateMoves(game); ForEach moves { move <- MinMove(ApplyMove(game)); if (Value(move) > Value(best_move)){ best_move < - move; } } return best_move; } } MinMove (GamePosition game) { best_move <- {}; moves <- GenerateMoves(game); ForEach moves { move <- MaxMove(ApplyMove(game)); if (Value(move) > Value(best_move)){ best_move < - move; } } return best_move; }

16

Values disini merepresentasikan sebagaimana bagusnya suatu langkah dalam permainan. Jadi, pemain A (MAX) akan memilih langkah dengan nilai paling tinggi diakhir. Di sisi lain, pemain B (MIN) akan melakukan serangan balik dengan memilih langkah yang terbaik untuknya, yakni meminimalisir hasil dari langkah yang dipilih pemain A.

17

BAB V HASIL ANALISIS

AI akan selalu memilih langkah yang dapat meminimalisir kemungkinan pemain (manusia) untuk menang dan memblok semua langkah kemenangan pemain. Dengan demikian permainan akan selalu seri apabila pemain cukup teliti dalam menentukan langkah. Namun jika pemain melakukan langkah yang salah, maka AI akan langsung menggunakan kesempatan tersebut.

18

BAB VI KESIMPULAN DAN SARAN

1. Algoritma minimax merupakan algoritma yang sangat bagus dan cocok untuk pengambilan keputusan oleh AI, terutama dalam permainan nplayer (n>=2). 2. Algoritma minimax menggunakan konsep DFS dalam pembentukan pohon solusi. 3. Pohon solusi dibentuk dari awal permainan sampai akhir permainan. 4. Untuk permainan yang terbilang cukup kompleks seperti permainan catur, pembentukan pohon solusi dari awal permainan sampai akhir permainan akan sulit direalisasikan berhubung kemungkinan yang ada sangat besar. 5. Oleh karena itu, kita dapat membatasi dalamnya pohon solusi pada suatu tahap untuk mempercepat kinerja pengambilan keputusan. 6. Semakin akurat fungsi heuristic yang digunakan, semakin baik pula pengambilan keputusan yang dilakukan oleh AI. 7. Dengan menggunakan algoritma minimax untuk AI dalam permainan tictac-toe, pemain (manusia) tidak akan pernah menang melawan AI tersebut.

19

DAFTAR PUSTAKA

Munir, Rinaldi.2006. Strategi Algoritmik. Program Studi Informatika, Institut Teknologi Bandung. Kevin McGee, Advance Game Programming : AI, Desember 9, 2005. Wikimedia Foundation, Inc. A * Search Algorithm. http://en.wikipedia.org/wiki/Astar_search_algorithm. www.stancford.edu~msirotasocominimax.html http://ai-depot.com/articles/minimaxa-explained/1/

20