Genre Game Berbasis AI

ACTION & ACTION ADVENTURE

Genre game ini sangat menarik dan disukai oleh semua kalangan Gamers, system permainan gampang dan mudah dikuasai di segala usia walau begitu kadangkala ada game genre ini yang memakai tingkat kekerasan sangat tinggi hingga harus dilihat batasan usia nya.




Untuk action dan action adventure gameplaynya sebenarnya sama, bahkan system permainannya berbeda-beda setiap gamenya untuk menghilangkan gaya bermain yang itu-itu saja, namun secara garis besar perbedaannya adalah :




Action

Untuk action biasanya gerakan objek/karakternya monoton, mamakai system level yang harus diselesaikan untuk maju ke level berikutnya. kebanyakan tanpa tingkat kesulitan yang tinggi.




Action Adventure

Untuk action adventure atau yang biasa kita sebut game pertualangan biasanya menuntut Gamers untuk sedikit bersabar dan berkerja keras. Game ini biasanya tanpa system level tapi memakai system save ditengah permainan atau checkpoint yang terus dilanjutkan hingga permainan selesai, gameplaynya memiliki banyak variasi sehingga menambah kenikmatan bermain. Selain itu seiring dengan jauhnya permainan, tingkat kesulitanpun semakin sulit dan harus membuat si Gamers meningkatkan status karakter game tersebut untuk menyeimbangi permainan yang lebih sulit. Game ini juga sering menyimpan rahasia/misteri seperti halnya RPG yang lumayan fun untuk ditemukan dan dipecahkan.




Beberapa Jenis Game Action & Action Adventure




Survival Horror Action

Game action/action adventure yang dibuat untuk memacu adrenalin para gamer dengan ketakutan, kecemasan, dan keterkejutan dengan nuansa horrornya. Buat yang jantungan disarankan jangan deh coba-coba main game tipe ini, ntar koit lagi. He, he.

Contoh game : seri Dino Crisis, seri Resident Evil, seri Fatal Frame, seri Silent Hill dsb.




2D Person Action/Adventure

Game action bergrafik 2 dimensi yang tidak bisa bergerak bebas. Gamers hanya bisa bergerak maju atau mundur hingga mencapai ujung jalan untuk menyelesaikan permainan.

Contoh game : seri Metal Slug, Mario Bros (snes), Contra (Snes), Sonic (Sega Megadrive), dsb. kebanyakan genre game ini terdapat di konsol lampau atau portable yang belum mendukung 3D yang baik.




3D Person Action/Adventure

Game action bergrafik 3 dimensi yang bisa bergerak bebas 360 derajat dilingkungan sekitar untuk menyelesaikan misi-misi didalam permainan.

Contoh Game : Assasin Creed, Knights Of The Temple, Jack Keane, Dsb




Multigenre Action/Adventure.

Game action/action adventure yang mengandung banyak jenis genre sebagai sub play untuk menambah keasyikan bermain seperti Fighting, Racing, dan Shooting dapat dilakukan dalam 1 game saja.

Contoh game : seri Grand theft auto, seri True crime. dsb




Stealth Action/Adventure

Stealth adalah game action/action adventure yang menuntut Gamers harus melakukan suatu kegiatan secara diam-diam misalnya harus menghabisi musuh secara Silent And Deadly dengan cara menyamar, kamuflase atau mengendap-endap tanpa diketahui musuh lainnya. Fitur stealh lebih banyak berfungsi sebagai sub play kebanyakan game daripada sebagai main play untuk menghindari kejenuhan bermain.

Contoh game : seri Splinter Cell, seri Metal Gear Solid, Seri Prince of Persia. dsb




SIMULATION:




Simulation adalah game yang mengendalikan suatu objek yang bergerak/tidak bergerak baik secara langsung maupun tidak langsung dengan tujuan melakukan hal-hal tertentu. Game ini sangat menarik karena bisa membuat kita berfantasi seakan objek yang berada dalam game tersebut adalah nyata dan milik kita.




Beberapa Jenis Game Simulation




Assets Simulation

Game simulasi yang menuntut kita untuk membuat/membangun/mengelola suatu objek/asset/bangunan/instalasi yang dikendalikan secara personal untuk mencapai tujuan tertentu.

Contoh game : game-game SIM / Tycoon series




Action Simulation

Game simulasi plus action yang menuntut kita untuk mengendalikan suatu objek tertentu secara langsung untuk melakukan suatu hal secara aktif, misalnya mengendalikan kendaraan perang untuk bertempur.

Contoh Game : Game-game Pesawat Tempur, dsb




Vehicle Simulation

Game simulasi realitas yang tata cara permainan mengambil dari objek aslinya, dengan tujuan mengajari player bagaimana cara mengoprasikan suatu kendaraan yang tidak biasa dikendarai orang awam dan rumit untuk dioperasikan

Contoh Game : Seri Flight Simulator, Rail Simulator & Ship Simulator




Music simulation

Game simulasi yang menuntut kita mengendalikan suatu objek secara tidak langsung untuk melakukan hal-hal yang berhubungan dengan musik.

Contoh game : Seri Guitar Hero, seri Dance-Dance Revolution




Lovesims/visual novel

Game ini hanya berupa suatu percakapan antar tokoh disertai dengan gambar CG (Computer Graphic) Anime yang indah. Jalan ceritanya berjalan sendiri tanpa bisa kita kendalikan, kita hanya bisa mengatur jalan cerita melalui pilihan langkah sang tokoh di game tersebut untuk mencapai akhir yang buruk atau bahagia, kayak Sinetron gitu deh. Game ini hanya dibuat di negara asal anime yaitu jepang dan lumayan populer di sana namun tidak begitu di negara lainnya. Game ini kurang mendapat perhatian karena gameplaynya yang dinilai kurang berbobot, selain itu game tipe ini yang beredar di Indonesia kebanyakan game-game adult yang tidak baik untuk gamer usia dibawah umur.




RPG (Role Playing Game):




Game jenis ini cukup banyak disukai Gamers didunia karena gameplaynya yang sangat menarik dan alur ceritanya yang membuat kita serasa berada didunia lain, di beberapa game ini memungkinkan Gamers bisa mengontrol lebih dari 1 karakter secara bergantian dan memberinya perintah apa yang karakter tersebut harus lakukan, Game ini juga mengharuskan Gamers untuk berpikir dan berstrategi karena game ini memiliki banyak celah yang bisa dipecahkan untuk mencapai kesuksesan bermain sehingga menciptakan gaya bermain yang berbeda-beda pada setiap player.




Beberapa Jenis Game RPG




Normal RPG

Game RPG pada umumnya. Kita tidak dapat menggerakkan karakter dengan bebas seperti halnya game action. System battlenya memakai pilhan menu yang beragam, misalnya menyerang, bertahan atau memulihkan diri dan setelah menu dipilih karakter tersebut akan bergerak dengan sendirinya sesuai perintah. Game ini menuntut peningkatan status/level karakter untuk melangkah ke level yang lebih sulit, game ini biasanya juga disertai dengan mini game, puzzle, sub boss, secret mission/item/karakter, dsb yang fun untuk ditemukan dan dipecahkannya sehingga membuat game ini lama untuk diselesaikan, dengan demikian kepuasan gamer terjamin. Genre game ini sangat populer di negara manapun.

Contoh game : The Witcher, Seri Neverwinter Nights, Titan Quest, Dsb




Turn Based RPG

Kurang lebih sama dengan RPG namun dalam system battlenya, selain bisa menggerakkan lebih dari 1 karakter secara bergantian, Gamers juga bisa mengatur letak dan posisi serta menggerakkan karakter yang ada seperti bidak catur dan menggerakkannya dalam suatu field pertempuran yang ruang lingkupnya terbatas. Karakter baru bisa menyerang jika ia berada di jarak yang pas dengan musuh. Selain dari level karakter yang tinggi, Kemenangan juga dipengaruhi formasi karakter yang digunakan dalam mengepung dan menghadapi formasi lawan, game tipe ini jarang ada dipasaran terutama di PC.

Contoh game : Final Fantasy Tactics, seri Super Robot Wars, seri Front Mission, dsb (semuanya game konsol)




Action RPG

Sama seperti normal RPG, perbedaannya, di Action RPG karakternya bisa digerakkan secara bebas dan bisa melakukan gerakan aktif di lingkungan sekitarnya seperti game action/adventure.

Contoh game : seri Kingdom Hearts, dsb




RPG simulation

Game multigenre berupa RPG/action RPG + Simulation, game tipe ini juga jarang ada di PC

Contoh game : seri Harvest Moon. dsb.




MMORPG

Dasarnya seperti RPG pada umumnya namun versi online, karakter yang bisa kita kendalikan hanya 1, namun ruang lingkup penjelajahan lingkungannya lebih luas, bisa berinteraksi dengan karaker lain dan umumnya bisa membentuk Guild dan bekerja sama untuk bersaing dengan gamer lainnya.

Contoh Game : Ragnarok, Seal, RF, Phantasy Star, Lineage, Dsb




RPG secara mendasar terbagi menjadi 2:




1. Western RPG

- Game RPG dari barat dapat dicirikan dari setting yang biasanya berkisar dalam dunia Middle Age di kawasan Eropa (atau mirip-mirip begitu), era dimana benteng dan raja masih berkuasa, lengkap dengan monster dan sihir. Western RPG juga banyak dicirikan dengan sistem JOB, dan biasanya merupakan game single character: sepanjang permainan karakter utama hanyalah kamu seorang, sisanya hanyalah karakter pembantu untuk melanjutkan jalan cerita.




Sebagian orang menyebut "Western RPG" sebagai "Dungeon Crawler", memang benar, karena RPG dari barat sangat menekankan sistem free-exploration dan real-time battle dan memiliki banyak sekali dungeon.




Ciri2 Western RPG:

- Settingnya sekitar Middle Ages

- Karakter utama hanya satu dan diciptakan sendiri oleh player

- Memiliki banyak sidequest dan seringkali main quest tidak banyak mempengaruhi

- Berbasis free-exploration dengan real-time battle

- Biasanya terfokus pada "dungeon"

- Memiliki sistem "job"/"class" yang wajib dipilih

- Atribut karakter ditingkatkan secara manual oleh player saat level up

- Memiliki "storage" yang terbatas




Contoh terkenalnya adalah seri Elder Scrolls, Diablo, Dungeons and Dragons




2. JRPG (Japanese RPG)

Tipe dasar RPG berikutnya adalah Japanese RPG, yang tentu saja lahir di Jepang. JRPG sangat menekankan unsur cerita dan biasanya memiliki banyak karakter yang berperan dalam perkembangan alur cerita. Dunia JRPG sangat beragam, tidak seperti Western RPG yang biasanya mentok di Middle Ages




Ciri khas JRPG adalah "random encounter" dimana battle dilakukan didalam sebuah battlefield dan dapat terjadi kapan saja sehingga "selalu bersiap" adalah wajib, tidak seperti Western RPG dimana kita dapat melihat musuh dari jauh dan mencoba melarikan diri




Ciri JRPG:

- Menekankan cerita

- Karakter biasanya berjumlah lebih dari satu, apabila hanya satu biasanya ada karakter lain yang berperan amat penting dalam perkembangan cerita dan terhubung dengan karakter utama karena suatu alasan

- Biasanya karakter sudah disiapkan oleh cerita dan tidak bisa diutak-atik

- Atribut arakter meningkat secara otomatis saat level up

- Memiliki "storage" yang tidak terbatas

- Lebih terfokus pada dunia diatas bumi

- Berbasis random encounter dengan area eksplorasi dibatasi oleh sejauh mana cerita sedang berjalan

- Biasanya memiliki sistem "peran" daripada "job"




Contoh terkenal: seri Final Fantasy, Dragon Quest, Legend of Heroes




SHOOTING:




Game shooting adalah game yang menuntut Gamers untuk menghabisi musuhnya dalam game tersebut dengan cara menembakinya dengan berbagai jenis senjata api, kemampuan ditentukan dari teknik dan strategi masing-masing gamer. semakin sangar senjata yang kamu tenteng, semakin mudah bagimu dalam melibas musuh.




Beberapa Jenis Game Shooting




Arcade Shooting

Game yang simple. Sang Gamers hanya perlu menembak habis semua objek/musuh yang muncul dihadapannya tanpa perlu bergerak dengan cursor shoot dilayar yang digerakkan secara bebas, Gamers akan bergerak berpindah tempat secara otomatis jika semua musuh yang ada dihadapan telah habis, gerakan yang digunakan hanya muncul untuk menembak dan sembunyi untuk menghindari tembakan. Game ini sangat asyik jika dimainkan dengan alat tambahan berupa pistol pad, game tipe ini banyak tersedia di game center yang dilengkapi pistol pad.

Contoh game : seri Time Crisis, Ninja Assault, dsb.




FPS (First Person Shooting)

FPS adalah game shooting/ tembak menembak yang memakai sudut pandang orang pertama. Genre game ini juga sangat populer di AS begitupun halnya Indonesia. Genre game ini juga sering dipertandingkan dalam berbagai turnamen game baik individu maupun perkelompok. Game ini umumnya agak sulit dimainkan bagi gamer pemula karena harus mengontrol arah senjata dan karakter sekaligus secara manual dengan joystick (konsol) atau keyboard dan mouse (PC).

Contoh game :

Normal FPS : Seri Call Of Duty, seri Battlefield, Seri Counter Strike, Dsb.

Survival Horror FPS : seri Doom, Area 51, F.E.A.R, dsb

FPS Strategy : Commandos – Strike Force, seri Rainbow Six. dsb




TPS ver. 1 (Third Person Shooting)

TPS adalah game shooting yang gameplaynya tidak beda dengan FPS yaitu menembak dengan cara membidik kursor senjata secara manual atau dengan lock on (membidik secara otomatis) untuk memudahkan Gamers menghabisi musuh yang berkeliaran secara acak dengan jumlah yang banyak, namun memakai sudut pandang orang ketiga, penjelasan gampangnya yaitu bukan cuma senjatanya yang kelihatan di layar seperti halnya game FPS tapi karakternya juga.

Contoh game : Freedom Fighters 25 to Live, seri Hitman, Red Dead Revolver, Seri Mercenaries, seri Syphon Filter, dsb




FIGHTING:




Genre game yang simple, cukup mengalahkankan lawan dengan cara duel 1 lawan 1 maka anda menang. Game ini sangat mengasyikkan bila dimainkan berdua dengan teman. Namun walau simple, untuk mengalahkan lawan yang tangguh dibutuhkan keahlian khusus karena untuk mengeluarkan jurus-jurus tertentu yang mematikan memerlukan kunci penekanan kombinasi tombol yang gesit dan cepat.




Beberapa Jenis Game Fighting




2D Fighting

Game fighting bergrafik 2 dimensi (Kartun/Animasi) yang gerakan karakternya hanya terbatas pada gerakan maju/mundur dan lompat/merunduk saja. Biasanya karakter dalam game ini memungkinkan untuk dapat bergerak gesit dan mengeluarkan jurus yang super maut yang menurut kita mustahil untuk dilakukan.

Contoh game : seri King Of Fighters, seri Guilty Gear, seri Naruto, dsb




3D Fighting

Game fighting bergrafik 3 dimensi yang gerakannya masih bersifat realistis dan tidak terbatas pada gerakan maju mundur saja. misalnya karakter dalam game ini bisa melakukan gerakan memutar di lingkungannya untuk menghindari serangan lawan. biasanya gerakan karakter dalam game ini tidak bergerak terlalu gesit untuk menambah unsur realitasnya.

Contoh game : seri Tekken, seri Dead Or Alive, seri Soul Calibur, dsb.




Fighting Action

Game Third Person Action + Fighting yang menuntut kita untuk menghabisi musuh yang berkeliaran di lingkungan dengan kombinasi serangan fisik sebagai serangan utamanya. Pada dasarnya bertarung secara keroyokan dengan kroco-kroco hingga puncaknya duel 1 lawan 1 dengan si boss. Terkadang, selain pertarungan fisik, kita juga bisa menggunakan senjata yang terdapat di lingkungan game tersebut untuk menghabisi lawan, seperti pisau, golok, Bat Baseball, dsb.

Contoh Game : The Bouncer, Death by Degress, Jet Li - Rise of Dragon, Tekken 5 – Devil Within, dsb.




RACING:




Pada umumnya genre Racing dibagi menjadi 3




Arcade Racing

Yaitu permainan balapan yang lebih menekankan excitement dalam bermain. sub-genre ini populer dari mesin arcade yang jatuhnya mendarat juga di pc ataupun console,




contoh arcade race: hampir semua game race generasi awal, Midnight series, NFS series, Burnout Paradise, kebanykan game racing di arcade




Racing Simulation/Simulation Race/Sim Rac

Genre ini tdk ditekankan di kenyamanan bermain tapi di tingkat realisme dalam bermain. Ditandai dgn tingkat kesultain yang "cenderung" lebih tinggi dan butuh skill lebih.




Contoh : GT Series, NFS Shift.




Semi-Simulated Race

Genre yang masuk sini adalah genre yang memiliki kedua unsur sub-genre race diatas. Game ini bisa lebih mudah dari Arcade Race ataupun bisa lebih sulit dari Simulation Race, atau ditengah2 tergantung dari pengembangan developer,




yang termasuk semi-simulated race: Racedriver GRID




STRATEGY:




Strategi adalah game menguras otak karena memerlukan pemikiran yang cerdik untuk menyelesaikan permainan dengan pemikiran kita sendiri. Strategi juga sering terdapat di beberapa genre game sebagai celah untuk memainkan game tersebut dengan tepat dan lebih baik. Karena itu dengan adanya strategi, setiap orang bisa menciptakan gaya bermainnya sendiri-sendiri.




Beberapa Jenis Game Strategy




RTS (Real Time Strategy)

Di game ini kita memungkinkan player mengontrol objek dengan jumlah banyak dalam sekali jalan secara langsung dengan cara memberi perintah apa yang objek tersebut harus lakukan, misalnya kita diharuskan mengontrol sepasukan prajurit sekaligus dan memerintahkannya untuk menghancurkan pertahanan prajurit musuh. Tampilan kegiatan koloni yang dijalankan dengan perintah kita itulah yang disebut real time dimana kita bisa melihat secara langsung keadaan di medan pertempuran dan berpikir dengan cepat apa yang selanjutnya harus dilakukan. Apakah terus mendesak musuh atau mundur demi menghindari kekalahan yang sia-sia.




Seperti game simulasi, kita dituntut untuk membangun suatu instalasi yang mendukung dalam pertempuran, serta mencari sumber daya untuk membentuk pasukan serta objek perang dan pendukung yang tidak gratis. Biasanya objek-objek tersebut memiliki keunggulan dan kelemahan masing-masing sehingga kita dituntut untuk memilih objek yang benar dalam menghadapi objek lawan agar tercipta kemenangan tanpa kerugian yang besar, seperti menjadi jendral lah…

Contoh game : seri Command & Conquer (kecuali Renegade), seri Age of Empire, dsb.




Plan Strategy

Secara garis besar sama seperti RTS namun genre ini tidak menuntut untuk membangun suatu instalasi ataupun mencari sumber daya melainkan memakai system persiapan sebelum perang. Sebelum berperang kita dituntut untuk mempersiapkan apa yang diperlukan untuk keperluan perang, baik itu pasukan dsb, kemudian mengatur formasinya dalam field peperangan, Setelah itu baru berperang deh. dengan arahan kita, pasukan tersebut akan bertempur sendiri dan akan menampilkan event peperangan yang memukau disertai menu pendukung peperangan misalnya untuk serangan bantuan, formasi, pertahanan, special attack, , dsb

Contoh Game : seri Kessen, seri Romance of Three Kingdoms, HC : Great Battles Of Rome.




RTS + RPG

Game RTS yang bedanya beberapa karakter bisa di kostumisasi dengan item-item pendukung, bisa naik level, dan disertai menu-menu lainnya yang umumnya terdapat di game RPG, namun di game ini juga terdapat menu RTS seperti pengumpulan sumber daya, membangun markas, dan membentuk pasukan seperti halnya RTS

Contoh Game : Warcraft, dsb




KATEGORI LAIN-LAIN:




Sports

Sports adalah game olahraga yang gameplaynya tergantung dari jenis olah raga itu sendiri. Game sports ada bermacam - macam, misalnya Golf, American football (rugby), Sepakbola, Basket, Baseball, Gulat, Voli, Memancing, dsb.

Contoh game : seri Winning eleven, Championship Manager, seri Smack Down, Seri NFL, seri NBA, Golf Profesional, dsb.




X-Treme Sports

Sama seperti sports namun olahraga disini adalah olahraga keras yang biasa anak muda gaul lakukan seperti balap sepeda, skate board dan sebagainya.

Contoh game : seri Tony hawk Pro Skater, seri BMX, dsb.




Puzzle

Game yang santai, relax, dan asyik bagi segala usia,. Game ini memakai system gameplay yang itu –itu saja namun butuh pemikiran, kita hanya perlu mengatur suatu objek benda untuk menyelesaikan permainan. Misalnya game menyusun balok, game kartu, catur, tebak-tebakan dan lain sebagainya, namun harus diwaspadai karena game tipe ini juga ada yang mengajarkan berjudi seperti game domino, mahyong, poker, dsb.

Contoh game : Who Wants To Be A Millionare, seri Tetris, dsb




Flash Game

Game ringan yang fun untuk dimainkan, diciptakan dari program sederhana yang siapa saja bisa menciptakannya asal memahami dengan teliti program pembuatnya, kapasitasnya kecil dan mudah didownload di internet.




Game Emulator

Emulator adalah program untuk memainkan game konsol agar bisa dimainkan di pc, beberapa konsol yang bisa dimainkan di pc dengan emulator adalah Playstation, GBC/GBA, Snes, Nintendo 64, Nintendo DS, dsb. namun jika ingin memainkan game konsol kelas berat, emulator saja tidak cukup, seperti halnya game PC, perlu komputer dengan spesifikasi yang memadai, game emulator disebut dengan ROMS dan dapat didownload di internet, jika ingin memainkan konsol game yang bermedia CD seperti playstation, install dulu program emulatornya, masukkan cd gamenya, jalankan programnya dan mainkan.




Real Moment game

Game yang bernuansa realistis. Dengan sensor gerak kita bisa melakukan gerakan solah-olah kita sedang berinteraksi dengan objek dalam game tersebut. Game type ini sedang dikembangkan oleh beberapa pengembang game dan diramalkan akan menjamur dimasa depan kelak.




Game Online

Game Online adalah game PC atau game konsol yang medianya dilengkapi modem agar terhubung dengan internet dengan tujuan untuk melakukan aktifitas dalam game tersebut secara massal dengan Gamers yang lain mekipun Gamers tersebut berada ditempat yang berbeda dengan kita. Game ini sangat mengasyikkan dan bisa membuat ketagihan karena selain bermain kita juga bisa berkomunikasi, bersaing dan berkerjasama dengan Gamers lain dalam game tersebut.

Untuk mengetahui bahwa game tersebut mendukung online atau tidak Biasanya di sampulnya ada tulisan “Online” atau “With Net Play”

Game online juga memiliki berbagai macam genre seperti yang telah dijelaskan diatas, game online termasuk game tipe penguras dompet karena untuk bermain mau tidak mau kita harus mengeluarkan uang lebih untuk tagihan internet dan iuran untuk server perusahaan pengelola game tersebut.



sumber : 
https://franswaysm.wordpress.com/2016/04/24/artificial-intelligence-pada-game

harmipramita.blogspot.com/2017/07/article-artificial-intelligence-pada.html

arifshofwan.blogspot.com/2016/03/artificial-intelligence-pada-sebuah-game.html

http://cldyxtp.blogspot.co.id/

Board Game

Teori Game 

Menurut Wikipedia, Teori permainan adalah bagian dari ilmu matematika yang mempelajari interaksi antar agen, di mana tiap strategi yang dipilih akan memiliki payoff yang berbeda bagi tiap agen. Pertama kali dikembangkan sebagai cabang tersendiri dari ilmu matematika oleh Oskar Morgenstern dan John von Neumann, cabang ilmu ini telah berkembang sedemikian pesat hingga melahirkan banyak tokoh peraih nobel, seperti John Nash (AS), Reinhard Selten (Jerman), dan John Harsanyi (AS) pada tahun 1999 dan Thomas Schelling (AS), Robert Aumann (Israel) pada tahun 2005, dan Leonid Hurwicz (Amerika Serikat) pada tahun 2007.

Menururt Dimiyati (1992), teori permainan (game theory) adalah bagian dari ilmu pengetahuan yang berkaitan dengan pembuatan keputusan pada saat ada dua pihak atau lebih berada dalam kondisi persaingan atau konflik. Pihak-pihak yang bersaing ini disumsikan bersifat rasional dan cerdas, artinya masing-masing pihak akan melakukan strategi tindakan yang rasional untuk memenangkan persaingan itu, dan masing-masing pihak juga mengetahui strategi pihak lawannya. Selanjutnya pihak ini disebut pemain.

Tujuan teori ini adalah menganalisa proses pengambilan keputusan dari persaingan yang berbeda-beda dan melibatkan dua atau lebih pemain/kepentingan. Kegunaan dari teori permainan adalah metodologi yang disediakan untuk menstruktur dan menganalisa masalah pemilihan strategi. Menggunakan teori permainan, maka langkah pertama adalah menentukan secara explicit pemain, strategi yang ada, dan juga menentukan preferensi serta reaksi dari setiap pemain.

Terdapat dua jenis strategi permainan yang dapat digunakan pada game theory, yaitu pure strategy (setiap pemain mempergunakan strategi tunggal) dan mixed strategy (setiap pemain menggunakan campuran dari berbagai strategi yang berbeda-beda).
Pure strategy digunakan untuk jenis permainan yang hasil optimalnya mempunyai saddle point (semacam titik keseimbangan antara nilai permainan kedua pemain). Sedangkanmixed strategy digunakan untuk mencari solusi optimal dari kasus game theory yang tidak mempunyai saddle point.

Unsur-unsur Dasar Teori Game

1. Jumlah Pemain
Permainan diklasifikasikan menurut jumlah kepentingan atau tujuan yang ada dalam permainan tersebut. Dalam hal ini perlu dipahami, bahwa pengertian “jumlah pemain” tidak selalu sama artinya dengan “jumlah Orang” yang terlibat dalam permainan. jumlah pemain disini berarti jumlah kelompok pemain berdasarkan masing-masing kepentingan atau tujuannya. Dengan demikian dua orang atau lebih yang mempunyai kepentingan yang sama dapat diperhitungkan sebagai satu kelompok pemain.

2. Pay-off



Ganjaran / pay-off adalah hasil akhir yang terjadi pada akhir permainan berkenaan dengan ganjaran ini, permainan digolongkan menjadi 2 macam kategori, yaitu permainan jumlah-nol (zero-sum games) dan permainan jumlah-bukan-nol (non-zero-sum games). permainan jumlah-nol terjadi jika jumlah ganjaran dari seluruh pemain adalah nol, yaitu dengan memperhitungkan setiap keuntungan sebagai bilangan positif dan setiap kerugian sebagai bilangan negatif. Selain dari itu adalah permainan jumlah – bukan-nol. Dalam permainan jumlah-nol setiap kemenangan bagi suatu pihak pemain merupakan kekalahan bagi pihak pemain lain. letak arti penting dari perbedaan kedua kategori permainan berdasarkan ganjaran ini adalah bahwa permainan jumlah-nol adalah suatu sistem yang tertutup. Sedangkan permainan jumlah-bukan-nol tidak demikian halnya. Hampir semua permainan pada dasarnya merupakan permainan jumlah-nol. Berbagai situasi dapat dianalisis sebagai permainan jumlah-nol.

3. Strategi Permainan



Setiap permainan yang dianalisis dengan teori permainan selalu dapat disajikan dalam bentuk sebuah matriks permainan. matriks permainan disebut juga matriks ganjaran yaitu sebuah matriks yang semua unsur berupa ganjaran dari para pemain yang terlibat dalam permainan tersebut. Baris-barisnya melambangkan strategi –strategi yang dimiliki pemain pertama, sedangkan kolom-kolomnya melambangkan strategi-strategi yang dimiliki pemain lain. dengan demikian, permainan berstrategi mxn dilambangkan dengan matriks permainan m x n . Teori permainan berasumsi bahwa strategi yang tersedia bagi masing-masing pemain dapat dihitung dan ganjaran yang berkaitan dengannya dapat dinyatakan dalam unit, meskipun tidak selalu harus dalam unit moneter. Hal ini penting bagi penyelesaian permainan, yaitu untuk menentukan pilihan strategi yang akan dijalankan oleh masing-masing pemain, dengan menganggap bahwa masing masing pemain berusaha memaksimumkan keuntungannya yang minimum (maksimin) atau meminimumkan kerugiannya yang maksimum (minimaks). Nilai dari suatu permainan adalah ganjaran rata-rata / ganjaran yang diharapkan dari sepanjang rangkaian permainan, dengan menganggap kedua pemain selalu berusaha memainkan strateginya yang optimum.

4. Titik Pelana (Saddle Point)
Titik pelana adalah suatu unsur didalam matriks permainan yang sekaligus sebagai maksimin baris dan minimaks kolom. permainan dikatakan bersaing ketat (Strictly determined) jika matriksnya memiliki titik pelana. Strategi yang optimum bagi masing-masing pemain adalah strategi pada baris dan kolom yang mengandung titik pelana tersebut. dalam hal ini baris yang mengandung titik pelana merupakan strategi optimum bagi pemain pertama, sedangkan kolom yang mengandung titik pelana merupakan strategi optimum bagi pemain lain. Langkah pertama penyelesaian sebuah matriks permainan adalah memeriksa ada atau tidaknya titik pelana. Bila terdapat titik pelana permainan dapat segera dianalisis untuk diselesaikan. Untuk menentukan titik pelana biasanya dilakukan dengan menuliskan nilai-nilai minimum dan Maksimum masing-masing kolom, kemudian menentukan maksimun diantara minimum baris dan minimum diantara maksimum kolom. jika unsur maksimum dari minimum baris sama dengan unsur minimum dari maksimum kolom, atau jika maksimin = minimaks, berarti unsur tersebut merupakan titik pelana.


Teori permainan dapat diterapkan dalam berbagai bidang, meliputi kemiliteran, bisnis, social, ekonomi dan ekologi. Sebagai contoh pada dunia bisnis, seorang direktur suatu perusahaan didalam memperkenalkan sebuah produk baru berusaha mengetahui kemungkinan strategi paling baik atau suatu kombinasi strategi untuk merebut market share yang lebih besar, sementara saingannya juga mencoba meperkenalkan produk sejenis dengan strategi yang berbeda dengan direktur pemasaran tersebut, antara lain: penurunan harga, pemberian hadiah, peningkatan mutu produk, memilih media advertasi yang efektif. Disinilah peranan teori permainan untuk menentukan strategi mana yang akan diputuskan oleh dirktur pemasaran tersebut untuk merebut pasar.


ALGORITMA MINIMAX
algoritma minimax adalah aturan untuk permainan zero-sum 2 pemain, yang berusaha meminimalkan kemungkinan kalah sambil memaksimalkan kemungkinan menang untuk pemain yang akan melangkah.

Di kedalaman 1 (dan kedalaman ganjil lainya), posisi papan akan menentukan nilai untuk pemain yang akan melangkah saat ini (current player), sehingga di kedalaman ganjil ini algoritma minimax memilih langkah bernilai maksimal sebagai langkah terbaik. Sebaliknya di kedalaman 2 (dan kedalaman genap lainnya), posisi papan akan menentukan nilai untuk pemain lawan yang akan melangkah berikutnya (opponent player), sehingga di kedalaman genap ini algoritma minimax memilih langkah bernilai minimal sebagai langkah terbaik.

Sebagai ilustrasi sampai kedalaman dua bisa digambarkan dengan tabel berikut:


B memilih B1
B memilih B2
B memilih B3

A memilih A1
+3
−2
+2

A memilih A2
−1
0
+4

A memilih A3
−4
−3
+1


Ketika A memilih langkah A1 dilanjutkan dengan B memilih langkah B1, posisi papan yang terbentuk bernilai +3. Demikian pula untuk A1 → B2 nilainya -2, A1 → B3 nilainya +2 dst. Sekarang mari kita coba aplikasikan algoritma minimax untuk menghitung langkah terbaik bagi pemain A.

Terhadap langkah A1 (kedalaman 1) misalnya valid moves pemain B adalah B1, B2 dan B3 (kedalaman 2), dan langkah terbaik menurut algoritma minimax didapat dengan mencari langkah bernilai minimal (karena di kedalaman 2), yaitu B2 (bernilai -2). Demikian pula terhadap langkah A2 yang terbaik bagi B adalah B1 (bernilai -1), dan terhadap A3 adalah B1 juga (bernilai -4). Selanjutnya, nilai untuk langkah pemain A (kedalaman 1) adalah nilai yang 'dikembalikan' dari pemain B di kedalaman 2, yaitu A1 adalah -2, A2 adalah -1, dan A3 adalah -4. Kemudian untuk kedalaman 1 ini algoritma minimax mencari nilai maksimal sebagai langkah terbaik, yaitu A2 (bernilai -1).


Untuk kedalaman lebih dari dua, cara 'berpikir' algoritma minimax dapat digambarkan sebagai pohon permainan (game tree) seperti pada gambar di atas. Di lokasi paling dalam (disebut lokasi node daun atau leaf node), dalam hal ini kedalaman 4, dilakukanlah perhitungan nilai posisi papan yang selanjutnya 'dikembalikan' ke node pada kedalaman di atasnya terus hingga sampai lokasi paling atas (di sebut akar atau root). Panah merah menunjukkan nilai yang dikembalikan dari langkah terbaik pilihan algoritma minimax ke kedalaman di atasnya. Demikianlah, kita dapat melihat algoritma minimax bergantian memilih langkah dengan nilai minimal dan maksimal sebagai langkah terbaik sesuai dengan kedalamannya. Dengan algoritma ini komputer dapat 'berpikir' sampai kedalaman tertentu untuk menentukan langkah terbaik untuk memenangkan permainan.

Tetapi pada prakteknya, algoritma minimax kini tidak pernah digunakan lagi, karena algoritma ini harus memperhitungkan semua valid moves, sehingga memerlukan waktu yang sangat lama. Sebagai gantinya telah dikembangkan beberapa improvisasi dari minimax seperti algoritma AlphaBeta, NegaScout dll. yang dapat melakukan pemangkasan game tree supaya tidak perlu memperhitungkan semua valid moves, sehingga dapat 'berpikir' dalam waktu jauh lebih cepat.


TRANSPOSITION TABLE AND MEMORY
· Algoritma dapat menggunakan tabel transposisi untuk menghindari melakukan pekerjaanekstra dalam mencari posisi board yang sama beberapa kali
· Memori kerja posisi board sudah dikenal
· Menggunakan fungsi hash khusus desiderata: sebarkan posisi-posisi yang mirip seluas mungkin melalui kisaran nilai hash nilai hash yang banyak berubah saat berpindah dari papan bergerak mengalami perubahan yang sangat sedikit.


· Kunci zobrist adalah sekumpulan bit acak dari fixed-length pola yang tersimpan untuk setiap kemungkinan keadaan dari setiap lokasi yang mungkin ada pada board. Contoh: Catur memiliki 64 kotak, dan masing-masing persegi bisa kosong atau ada 1 dari 6 potongan berbeda di atasnya, masing-masing dua warna mungkin.Zobrist kunci harus seperti berikut : 64 2 (6 + 1) = 832 bit-string yang berbeda.
· Kunci Zobrist perlu diinisialisasi dengan bit-string acak dengan ukuran yang sesuai.
· Untuk setiap kotak yang tidak kosong, tombol Zobrist adalah mendongak dan XORed dengan jumlah hash yang berjalan.
· Zobrist Key dapat diperbarui secara bertahap




Apa yang harus disimpan?
· Tabel hash menyimpan nilai yang terkait dengan posisi board
· Gerakan terbaik dari posisi masing-masing board.
· Kedalaman digunakan untuk menghitung nilai
· Nilai yang akurat, atau kita dapat juga menyimpan nilai "fail-soft" yang dihasilkan darisebuah cabang yang dipangkas
· Nilai akurat atau nilai gagal-rendah (alpha pruned), atau nilai gagal-tinggi (beta pruned)










SUMBER ;
· https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=4&cad=rja&uact=8&ved=0ahUKEwiyoMDbvN7XAhUKs48KHTgxAbEQFgg6MAM&url=http%3A%2F%2Fpssi.unikama.ac.id%2Fwp-content%2Fuploads%2Fsites%2F42%2F2017%2F02%2F10.-Game-Tech.doc&usg=AOvVaw1Bf_0GDBy_BqlH96b5BZ-4
· http://genethello.blogspot.co.id/2011/06/game-theory-algoritma-minimax.html
· https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=5&cad=rja&uact=8&ved=0ahUKEwiw_5f7st7XAhXFvY8KHWS3CLsQFgg8MAQ&url=http%3A%2F%2Fwww.imada.sdu.dk%2F~marco%2FTeaching%2FAY2014-2015%2FDM842%2FSlides%2Fdm842-p2-lec10.pdf&usg=AOvVaw0rpZDqQhB0EyjNLRlVPHrg
· https://dickaariptian17.blogspot.co.id/2016/03/teori-game-dan-algoritma-minimax.html
http://cldyxtp.blogspot.co.id/
·

Teknik Pembangunan Game AI

Di dunia akademis, bidang kecerdasan buatan dipelajari secara serius untuk meningkatkan kualitas hidup manusia. Para peneliti dan mahasiswa (ilmu komputer atau teknik informatika) terus menerus mengembangkan teknik-teknik pada bidang ini untuk menghasilkan mesin yang semakin mengerti, dan memahami kebutuhan manusia. Dalam game berbasis kecerdasan buatan, ada banyak teknik yang diadaptasi dari bidang kecerdasan buatan untuk diterapkan pada game. beberapa diantaranya, yaitu:
Decision Making


Decision Making adalah serangkaian algoritma yang dirancang dengan memasukan beberapa kemungkinan langkah yang bisa diambil oleh suatu aplikasi, Pada game ini decision making memberikan kemampuan suatu karakter untuk menentukan langkah apa yang akan diambil. Decision making dilakukan dengan cara menentukan satu pilihan dari list yang sudah dibuat pada algoritma yang dirancang. Algoritma decision making kerap digunakan dalam aplikasi game, akan tetapi algoritma decision making dapat diimplementasikan pada banyak aplikasi lain.
Decision Making terbagi menjadi 3 yaitu : Decision Tree, State Machine dan Rule System

1. Decision Tree

Pohon Keputusan (Decision Tree) merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal. Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan aturan. Aturan dapat dengan mudah dipahami dengan bahasa alami. Aturan ini juga dapat diekspresikan dalam bentuk bahasa basis data seperti SQL untuk mencari record pada kategori tertentu. Pohon keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target. Karena pohon keputusan memadukan antara eksplorasi data dan pemodelan, pohon keputusan ini sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain(J R Quinlan, 1993).

Dalam situasi lain kemampuan untuk menjelaskan alasan pengambilan keputusan adalah sesuatu yang sangat penting. Misalnya pada perusahaan asuransi ada larangan resmi untuk mendeskriminasi berdasarkan variabel-variabel tertentu. Perusahaan asuransi dapat mencari sendiri keadaan yang mencerminkan bahwa mereka tidak menggunakan deskriminasi yang ilegal dalam memutuskan seseorang diterima atau ditolak. Sebuah pohon keputusan adalah sebuah struktur yang dapat digunakan untuk membagi kumpulan data yang besar menjadi himpunan-himpunan record yang lebih kecil dengan menerapkan serangkaian aturan keputusan. Anggota himpunan hasil menjadi mirip satu dengan yang lain dengan masing-masing rangkaian pembagian. Sebuah model pohon keputusan terdiri dari sekumpulan aturan untuk membagi sejumlah populasi yang heterogen menjadi lebih kecil, lebih homogen dengan memperhatikan pada variabel tujuannya. Sebuah pohon keputusan mungkin dibangun dengan seksama secara manual, atau dapat tumbuh secara otomatis dengan menerapkan salah satu atau beberapa algoritma pohon keputusan untuk memodelkan himpunan data yang belum terklasifikasi (Tan dkk, 2004).

Variabel tujuan biasanya dikelompokkan dengan pasti dan model pohon keputusan lebih mengarah pada perhitungan probabilitas dari masing-masing record terhadap kategori-kategori tersebut, atau untuk mengklasifikasi record dengan mengelompokkannya dalam satu kelas. Pohon keputusan juga dapat digunakan untuk mengestimasi nilai dari variabel kontinyu, meskipun ada beberapa teknik yang lebih sesuai untuk kasus ini.

Kelebihan dari metode pohon keputusan adalah:


Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik
Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sampel diuji hanya berdasarkan kriteria atau kelas tertentu
Fleksibel untuk memilih fitur dari node internal yang berbeda, fitur yang terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang sama. Kefleksibelan metode pohon keputusan ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional
Dalam analisis multivarian, dengan kriteria dan kelas yang jumlahnya sangat banyak, seorang penguji biasanya perlu mengestimasikan baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas tersebut. Metode pohon keputusan dapat menghindari munculnya permasalahan ini dengan menggunakan kriteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.


Kekurangan pada pohon keputusan adalah:


Terjadi overlapping terutama ketika kelas-kelas dan kriteria yang digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memori yang diperlukan
Pengakumulasian jumlah kesalahan dari setiap tingkat dalam sebuah pohon keputusan yang besar
Kesulitan dalam mendesain pohon keputusan yang optimal
Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat tergantung pada bagaimana pohon tersebut didesain.



Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Setiap percabangan menyatakan kondisi yang harus dipenuhi dan tiap ujung pohon menyatakan kelas data. Contoh pada Gambar diatas adalah identifikasi pembeli komputer. Dari pohon keputusan tersebut diketahui bahwa salah satu kelompok yang potensial membeli komputer adalah orang yang berusia di bawah 30 tahun dan juga pelajar. Setelah sebuah pohon keputusan dibangun maka dapat digunakan untuk mengklasifikasikan record yang belum ada kelasnya. Dimulai dari node root, menggunakan tes terhadap atribut dari record yang belum ada kelasnya ini lalu mengikuti cabang yang sesuai dengan hasil dari tes tersebut, yang akan membawa kepada internal node (node yang memiliki satu cabang masuk dan dua atau lebih cabang yang keluar), dengan cara harus melakukan tes lagi terhadap atribut atau node leaf. Record yang kelasnya tidak diketahui kemudian diberikan kelas yang sesuai dengan kelas yang ada pada node leaf. Pada pohon keputusan setiap simpul leaf menandai label kelas. Proses dalam pohon keputusan yaitu mengubah bentuk data (tabel) menjadi model pohon (tree) kemudian mengubah model pohon tersebut menjadi aturan (rule) (J R Quinlan, 1993).

Salah satu algoritma induksi pohon keputusan yaitu ID3 (Iterative Dichotomiser 3). ID3 dikembangkan oleh J. Ross Quinlan. Dalam prosedur algoritma ID3, input berupa sampel training, label training dan atribut. Algoritma Decision Tree C4.5 merupakan pengembangan dari ID3. Sedangkan pada perangkat lunak open source WEKA mempunyai versi sendiri dari C4.5 yang dikenal sebagai J48.

2. State Machine

Finite State Machines (FSM) adalah sebuah metodologi perancangan sistem kontrol yang menggambarkan tingkah laku atau prinsip kerja sistem dengan menggunakan tiga hal berikut: State (Keadaan), Event (kejadian) dan action (aksi). Pada satu saat dalam periode waktu yang cukup signifikan, sistem akan berada pada salah satu state yang aktif. Sistem dapat beralih atau bertransisi menuju state lain jika mendapatkan masukan atau event tertentu, baik yang berasal dari perangkat luar atau komponen dalam sistemnya itu sendiri (misal interupsi timer). Transisi keadaan ini umumnya juga disertai oleh aksi yang dilakukan oleh sistem ketika menanggapi masukan yang terjadi. Aksi yang dilakukan tersebut dapat berupa aksi yang sederhana atau melibatkan rangkaian proses yang relative kompleks.

Berdasarkan sifatnya, metode FSM ini sangat cocok digunakan sebagai basis perancangan perangkat lunak pengendalian yang bersifat reaktif dan real time. Salah satu keutungan nyata penggunaan FSM adalah kemampuannya dalam mendekomposisi aplikasi yang relative besar dengan hanya menggunakan sejumlah kecil item state. Selain untuk bidang kontrol, Penggunaan metode ini pada kenyataannya juga umum digunakan sebagai basis untuk perancangan protokol-protokol komunikasi, perancangan perangkat lunak game, aplikasi WEB dan sebagainya.

Dalam bahasa pemrograman prosedural seperti bahasa C, FSM ini umumnya direalisasikan dengan menggunakan statemen kontrol switch case atau/dan if..then. Dengan menggunakan statemen-statemen kontrol ini, aliran program secara praktis akan mudah dipahami dan dilacak jika terjadi kesalahan logika.

3. Rule Systems

Rule Based System merupakan metode pengambilan keputusan berdasarkan pada aturan-aturan tertentu yang telah ditetapkan. RBS dapat diterapkan pada agen virtual dalam bentuk kecerdasan buatan sehingga dapat melakukan tindakan tertentu. Tindakan tersebut direpresentasikan oleh set aturan yaitu penyebab tindakan itu terjadi, proses tindakan dan hasil dari tindakan tersebut.

Rule Base Systems (RBS) sistem yang baik untuk mendapat jawaban dari pertanyaan mengenai What (apa), How (bagaimana) dan Why (mengapa) dari Rule Base (RB) selama proses inferensia. Jawaban dan penjelasannya dapat disediakan dengan baik. Masalah yang ada dengan SBP adalah ia tak dapat secara mudah menjalankan proses akuisisi knowledge (pengetahuan) dan ia tak dapat mengupdate rule (aturan) secara otomatis. Hanya pakar yang dapat mengupdate Knowledge Base (KB) secara manual dengan dukungan dari knowledge engineer (insinyur pengetahuan). Lebih jauh kebanyakan peneliti dalam SBA lebih memperhatikan masalah optimasi pada rule yang sudah ada daripada pembangkitan rule baru dari rule yang sudah ada. Namun demikian, optimasi rule tak dapat mengubah hasil dari inferensia secara signifikan, yaitu dalam hal cakupan pengetahuan.

Ripple Down Rule (RDR) datang untuk mengatasi permasalahan utama dari sistem pakar: pakar tak perlu lagi selalu mengkomunikasikan pengetahuan dalam konteks yang spesifik. RDR membolehkan akuisisi yang cepat dan sederhana secara ekstrim tanpa bantuan dari knowledge engineer. Pengguna tak perlu menguji RB dalam rangka mendefinisikan rule baru: pengguna hanya perlu untuk mampu mendefinisikan rule baru yang secara benar mengklasifikasikan contoh yang diberikan, dan sistem dapat menentukan dimana suatu rule harus ditempatkan dalam hirarki rulenya. Keterbatasan dari RDR adalah kekurangan dalam hal inferensia yang berdayaguna. Tak seperti SBA yang dilengkapi dengan inferensia melalui forward dan backward chaining, RDR kelihatannya menggunakan Depth First Search (DFS) yang memiliki kekurangan dalam hal fleksibelitas dalam hal penjawaban pertanyaan dan penjelasan yang tumbuh dari inferensia yang berdayaguna.

Variable-Centered Intelligent Rule System (VCIRS) merupakan perkawinan dari SBA dan RDR. Arsitektur sistem diadaptasi dari SBA dan ia mengambil keuntungan-keuntungan yang ada dari RDR. Sistem ini mengorganisasi RB dalam struktur spesial sehingga pembangunan pengetahuan, inferensia pengetahuan yang berdayaguna dan peningkatan evolusional dari kinerja sistem dapat didapatkan pada waktu yang sama. Istilah “Intelligent” dalam VCIRS menekankan pada keadaan sistem ini yang dapat “belajar” untuk meningkatkan kinerja sistem dari pengguna sistem selama pembangunan pengetahuan (melalui analisis nilai) dan penghalusan pengetahuan (dengan pembangkitan rule).


Path Finding


Metode Path Finding seringkali dijumpai pada game yang bergenre strategi, dimana kita sebagai user menunjuk satu karakter untuk digerakkan ke lokasi tertentu dengan cara mengklik lokasi yang akan dituju. Maka, si karakter tersebut akan bergerak ke arah yang telah ditentukan, dan secara “cerdas” dapat menemukan jaur terpendek ataupun menghindari rintangan yang ada.
Metode pada Path Finding terbagi menjadi 4 bagian yaitu:

1. Waypoints

Merupakan titik acuan/kumpulan koordinat yang digunakan untuk keperluan navigasi. Maksud dari keperluan navigasi disini adalah mengidentifikasi sebuah titik dipeta. Disetiap koordinat biasanya menyertakan longitude, latitude, dan terkadang altitude untuk keperluan navigasi di udara.

2. A* Searching

Algoritma A* merupakan yang sering digunakan pada game yang menggunakan metode pathfinding. Algoritma ini dipilih karena A* sangat mudah untuk diimplementasikan dan sangat efisien. Dengan menggunakan algoritma A* kita dapat menentukan jalur terpendek. Pada algotitma ini akan menyeleksi dengan cara membuang langkah yang tidak perlu dengan mempertimbangkan bahwa langkah yang dibuang dipastikan tidak mencapai solusi yang diinginkan.

Prinsip dari algoritma ini yaitu dengan cara mencari jalur terpendek dari sebuah simpul awal (Starting Point) menuju ke simpul tujuan dengan memperhatikan harga (F) terkecil. Algoritma A* akan memperhitungkan cost dari current state ke tujuan dengan fungsi heuristic, selain itu algoritma ini juga mempertimbangkan cost yang telah ditempuh selama ini dari initial state ke current state. Jadi maksudnya jika jalan yang telah ditempuh terlalu panjang dan ada jalan lain yang cost nya lebih kecil tetapi memberikan posisi yang sama jika dilihat dari goal, maka jalan yang lebih pendeklah yang akan dipilih.

3. Dijkstra

Algoritma Dijkstra yang dinamai penemunya yakni seorang ilmuwan komputer, Edsger Dijkstra merupakan sebuah algoritma yang rakus atau biasa dikenal dengan algoritma greedy. Algoritma ini biasa dipakai dalam memecahkan permasalahan jarak terpendek (shortest path problem) untuk sebuah graf berarah (directed graph) dengan bobot-bobot sisi (edge weights) yang bernlai positif.

4. Tactical Pathfinding

Tactical Pathfinding merupakan algoritma pencarian jalur yang bisa melakukan pencarian jalur terpendek dengan menghitung bobot ancaman. Implementasi algoritma ini dapat memberikan gerakan taktis pada non-player character. Algoritma ini dilakukan berdasarkan algoritma pencarian jalur A* yang ditambah dengan perhitungan bobot.


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.


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.


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).


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.






SUMBER :


https://laskyargiovane.wordpress.com/2016/04/25/artificial-intelligence-kecerdasan-buatan-pada-game/


https://septianbudiuntoro.wordpress.com/2016/04/19/artificial-intelligence/


https://aswendy.wordpress.com/2015/04/23/artificial-intelligent-pada-game-decision-making/

http://cldyxtp.blogspot.co.id/

Kecerdasan buatan dan permainan

Kecerdasan Buatan dan Permainan (AI and Games)

9.1. Kecerdasan Buatan vs. Game AI

Kecerdasan Buatan atau kecerdasan yang ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah atau Intelegensi Artifisial (bahasa Inggris: Artificial Intelligence atau hanya disingkat AI) didefinisikan sebagai kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika.

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.

9.2. Mode Game AI

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 ialah:

·         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.

9.3. Algoritma, Struktur Data dan Representasi

9.4. Kompleksitas Kesalahan

9.5. Jenis Game AI

Jenis-Jenis Game

1.         Fun Games :

            Permainannya seperti skate board, bilyard, catur, puzzle, tetris, golf, Windows Entertainment Pack Games dan semua permainan yang animasinya sedikit dan pembuatannya relatif mudah. Permainan semacam ini terlihat mudah dari segi grafiknya tetapi biasanya sulit dalam algoritma.

2.         Arcade Games :

            Semua permainan yang mudah dimengerti, menyenangkan dan grafiknya bagus walau biasanya sederhana. Pengertian mudah dimengerti dan menyenangkan dikarenakan permainan ini hanyalah berkisar pada hal-hal yang disenangi umum seperti pukul memukul, tembak menembak, tusuk menusuk, kejar mengejar dan semua yang mudah dan menyenangkan.

            Yang termasuk kedalam permainan jenis ini adalah Prince of Persia, Street Fighter, Golden Axe, Grand Prix, Robocop.

3.         Strategic Games :

            Biasanya permainan strategi perang atau bisa juga permainan lain tetapi tetap saja memerlukan strategi untuk memenangkannya seperti startegi bisnis dan strategi politik.

4.         Adventure Games :

            Terbagi atas tiga macam yaitu petualangan biasa (Multi Layered Adventur), Dungeon-Underworld Adventure (3D Adventure) dan Roll Playing Game Adventure. Grafik jenis permainan ini benar-benar sulit. Contoh beberapa permainan jenis ini adalah Space Quest IV, Labyrinth of Word, War II dan Diablo.

5.         Simulation Games :

            Dari semua jenis permainan yang ada, masing-masing memiliki tingkat kesulitan dan kemudahannya, jika bukan algoritmanya maka akan mudah dalam hal animasinya, akan tetapi games simulasi bisa disebut sebagai jenis permainan yang paling sulit, baik algoritma pembuatannya maupun animasinya. Permainan jenis ini juga yang paling membuat pusing dibandingkan dengan permainan jenis lainnya.

            Algoritmanya sangat sulit sebab harus memperhitungkan semua kejadian dalam kondisi sebenarnya. Berbagai efek animasi yang dibuat tidak cukup bermodalkan ahli grafik dan algoritma saja, tetapi sedikitnya harus mengerti persoalan matematika, teknik dan fisika. Contoh permainan jenis ini adalah Stellar7, F-15 Strike Eagle, Flight Simulator 98, F-14 Tomcat, F-16 Falcon, Jet Fighter.

9.6. Kecepatan dan Memori

9.7. AI Engine

Daftar pusataka

https://id.wikipedia.org/wiki/Kecerdasan_buatan

https://setiyanugroho.wordpress.com/2011/04/12/kecerdasan-buatan-dalam-game/

https://faris6593.blogspot.co.id/2014/03/pengenalan-pengertian-teknologi-game-dan-esrb.html

Pembelajaran/Learning

8.1 Pembelajaran dan pengamatan

Pembelajaran adalah proses interaksi peserta didik dengan pendidik dan sumber belajar pada suatu lingkungan belajar yang meliputi guru dan siswa yang saling bertukar informasi.

Pengamatan atau observasi adalah aktivitas terhadap suatu proses atau objek dengan maksud merasakan dan kemudian memahami pengetahuan dari sebuah fenomena berdasarkan pengetahuan dan gagasan yang sudah diketahui sebelumnya, untuk mendapatkan informasi-informasi yang dibutuhkan untuk melanjutkan suatu penelitian. 

8.2 Bentuk pembelajaran

a.       Menumbuhkan motivasi belajar anak

Motivasi berkaitan erat dengan emosi, minat, dan kebutuhan anak didik. Upaya menumbuhkan motivasi intrinsik yang dilakukan guru adalah mendorong rasa ingin tahu, keinginan mencoba, dan sikap mandiri anak didik. Sedangkan bentuk motivasi ekstrinsik adalah dengan memberikan rangsangan berupa pemberian nilai tinggi atau hadiah bagi siswa berprestasi dan sebaliknya.

b.      Mengajak anak didik beraktivitas

Adalah proses interaksi edukaktif melibatkan intelek-emosional anak didik untuk meningkatkan aktivitas sehingga motivasi akan meningkat. Bentuk pelaksanaanya adalah mengajak anak didik melakukan aktivitas atau bekerja di laboratorium, di kebun/lapangan sebagai bagian dari eksplorasi pengalaman, atau mengalami pengalaman yang sam sekali baru.

c.       Mengajar dengan memperhatikan perbedaan individual

Proses kegiatan belajar mengajar dilakukan dengan memahami kondisi masing-masing anak didik. Tidak tepat jika guru menyamakan semua anak didik karena setiap anak didik mempunyai bakat berlainan dan mempunyai kecepatan belajar yang bervariasi. Seorang anak didik yang hasil belajarnya jelek dikatakan bodoh. Kemudian menyimpulkan semua anak didik yang hasil belajarnya jelek dikatakan bodoh. Kondisi demikian tidak dapat dijadikan ukuran, karena terdapat beberapa faktor penyebab anak memiliki hasil belajar buruk, antara lain; faktor kesehatan, kesempatan belajar dirumah tidak ada, sarana belajar kurang, dan sebagainya.

d.     Mengajar dengan umpan balik

Bentuknya antara lain; umpan balik kemampuan prilaku anak didik (perubahan tigkah laku yang dapat dilihat anak didik lainnya, pendidik atau anak didik itu sendiri), umpan balik tentang daya serap sebagai pelajaran untuk diterapkan secara aktif. Pola prilaku yang kuat diperoleh melalui partisipasi dalam memainkan peran (role play).

e.      Mengajar dengan pengalihan

Pengajaran yang mengalihkan (transfer) hasil belajar kedalam situasi-situasi nyata. Guru memilih metode simulasi (mengajak anak didik untuk melihat proses kegiatan seperti cara berwudlu dan sholat) dan metode proyek (memberikan kesempatan anak untuk menggunakan alam sekitar dan atau kegiatan sehari-hari untuk bertukar pikiran baik sesama kawan maupun guru)  untuk pengalihan pengajaran yang bukan hanya bersifat ceramah atau diskusi, tetapi mengedepankan situasi nyata.

f.      Penyusunan pemahaman yang logis dan psikologis

Pengajaran dilakukan dengan memilih metode yang proporsional. Dalam kondisi tertentu guru tidak dapat meninggalkan metode ceramah maupun metode pemberian tugas kepada anak didik. Hal ini dilakukan sesuai dengan kondisi materi pelajaran.

8.3 Pembelajaran induktif

Pembelajaran induktif adalah sebuah pembelajaran yang bersifat langsung tapi sangat efektif untuk membantu siswa mengembangkan keterampilan berpikir tingkat tinggi dan keterampilan berpikir kritis. Model pembelajaran induktif adalah sebuah pembelajaran yang bersifat langsung tapi sangat efektif untuk membantu siswa mengembangkan keterampilan berpikir tingkat tinggi dan keterampilan berpikir kritis. Pada model pembelajaran induktif guru langsung memberikan presentasi informasi-informasi yang akan memberikan ilustrasi-ilustrasi tentang topik yang akan dipelajari siswa, selanjutnya guru membimbing siswa untuk menemukan pola-pola tertentu dari ilustrasi-ilustrasi yang diberikan. Model pembelajaran induktif dirancang berlandaskan teori konstruktivisme dalam belajar. Model ini membutuhkan guru yang terampil dalam bertanya (questioning) dalam penerapannya. Melalui pertanyaan-pertanyaan inilah guru akan membimbing siswa membangun pemahaman terhadap materi pelajaran dengan cara berpikir dan membangun ide. Tingkat keefektifan model pembelajaran induktif ini, jadinya-sangat tergantung pada keterampilan guru dalam bertanya dan mengarahkan pembelajaran, dimana guru harus menjadi pembimbing yang akan untuk membuat siswa berpikir.
Struktur sosial dalam pembelajaran menjadi ciri lingkungan kelas yang sangat dibutuhkan untuk belajar melalui model pembelajaran induktif. Model pembelajaran induktif mensyaratkan sebuah lingkungan belajar yang mana di dalamnya siswa merasa bebas dan terlepas dari resiko takut dan malu saat memberikan pendapat, bertanya, membuat konklusi dan jawaban. Mereka harus bebas dari kritik tajam yang dapat menjatuhkan semangat belajar.
Model ini dikembangkan atas dasar beberapa postulat sebagai berikut:

1. Kemampuan berpikir dapat diajarkan
2. Berpikir merupakan suatu transaksi aktif antara individu dengan data. Artinya, dalam seting kelas,

bahan-bahan ajar merupakan sarana bagi siswa untuk mengembangkan operasi kognitif tertentu.
Dalam seting tersebut, dimana siswa belajar mengorganisasikan fakta ke dalam suatu sistem konsep,yaitu:

Saling menghubung-hubungkan data yang diperoleh satu sama lain serta membuat kesimpulan berdasarkan hubungan-hubungan tersebut 

Menarik kesimpulan berdasarkan fakta-fakta yang telah diketahuinya dalam rangka membangun hipotesis,dan 

Memprediksi dan menjelaskan suatu fenomena tertentu. Guru, dalam hal ini, dapat membantu proses internalisasi dan konseptualisasi berdasarkan informasi tersebut 

3. Proses berpikir merupakan suatu urutan tahapan yang beraturan (lawful). Artinya, agar dapat menguasai keterampilan berpikir tertentu, prasyarat tertentu harus dikuasai terlebih dahulu, dan urutan tahapan ini tidak bisa dibalik. Oleh karenanya, konsep tahapan beraturan ini memerlukan strategi mengajar tertentu agar dapat mengendalikan tahapan-tahapan tersebut.

Berpikir induktif melibatkan tiga tahapan yang dikembangkan tiga strategi cara mengajarkannya.

a. Konsep pembentukan (belajar konsep) 

Tahap ini mencakup tiga langkah utama: item daftar (lembar, konsep), kelompok barang yang sama secara bersama-sama, beserta label tersebut (dengan nama konsep).
Langkah-langkah :

1. Membuat daftar konsep
2. Pengelompokkan konsep berdasarkan karakteristik yang sama
3. Pemberian label atau kategorisasi

b. Interpretasi data Strategi 

Keduanya merupakan cara mengajarkan bagaimana menginterpretasi dan menyimpulkan data. Sama halnya dengan strategi pertama (pembentukan konsep), cara ini dapat dilakukan dengan mengajukan pertanyaan-pertanyaan tertentu.
Langkah-langkah:

1. mengidentifikasi dimensi-dimensi danhubungan-hubungannya.
2. menjelaskan dimensi-dimensi danhubungan-hubungannya
3. Membuat kesimpulan

c. Penerapan prinsip-prinsip 

Strategi ini merupakan kelanjutan dari strategi pertama dan kedua. Setelah siswa dapat merumuskan suatu konsep, menginterpretasikan dan menyimpulkan data, selanjutnya mereka diharapkan dapat menerapkan suatu prinsip tertentu ke dalam suatu situasi permasalahan yang berbeda. Atau siswa diharapkan dapat menerapkan suatu prinsip untuk menjelaskan suatu fenomena baru.
Langkah-Langkah:

1. Membuat hipotesis, memprediksikonsekuensi
2. Menjelaskan teori yang mendukung hipotesis atau prediksi.
3. Menguji hipotesis/prediksi

Peran Guru Dalam Model Pembelajaran Induktif
Saat pembelajaran berlangsung dengan menggunakan model pembelajaran induktif, guru telah menyiapkan perangkat-perangkat yang akan membuat siswa beraktivitas dan mengobarkan semangat siswa untuk melakukan observasi terhadap ilustrasi-ilustrasi yang diberikan, melalui pertanyaan-pertanyaan yang diberikan oleh guru. Sekali lagi, diingatkan, bahwa model pembelajaran induktif memerlukan keterampilan bertanya yang bagus dari guru. Selain itu guru juga harus menjaga siswa agar perhatian mereka tetap pada tugas belajar yang diberikan, dan selalu menunjukkan ekspektasi positif terhadap pencapaian hasil belajar siswa-siswanya. Kesuksesan proses belajar mengajar dengan menggunakan model pembelajaran induktif juga bergantung pada contoh-contoh /ilustrasi yang digunakan oleh guru serta kemampuan guru membimbing siswa untuk melakukan analisis terhadap contoh/ilustrasi yang diberikan.

Kelebihan Model Pembelajaran Induktif

Pada model pembelajaran induktif guru langsung memberikan presentasi informasi-informasi yang akan memberikan ilustrasi-ilustrasi tentang topik yang akan dipelajari siswa, sehingga siswa mempunyai parameter dalam pencapaian tujuan pembelajaran. 

Ketika siswa telah mempunyai gambaran umum tentang materi pembelajaran, guru membimbing siswa untuk menemukan pola-pola tertentu dari ilustrasi-ilustrasi yang diberikan tersebut sehingga pemerataan pemahaman siswa lebih luas dengan adanya pertanyaan-pertanyaan antara siswa denganguru 

Model pembelajaran induktif menjadi sangat efektif untuk memicu keterlibatan yang lebih mendalam dalam hal proses belajar karena proses tanya jawab tersebut. 

Kelemahan Model Pembelajaran Induktif

Model ini membutuhkan guru yang terampil dalam bertanya (questioning) sehingga kesuksesan pembelajaran hamper sepenuhnya ditentukan kemampuan guru dalam memberikan ilustrasi-ilustrasi. 

Tingkat keefektifan model pembelajaran induktif ini, jadinya-sangat tergantung pada keterampilan guru dalam bertanya dan mengarahkan pembelajaran, dimana guru harus menjadi pembimbing yang akan untuk membuat siswa berpikir 

Model pembelajaran ini sangat tergantung pada lingkungan eksternal, guru harus bisa menciptakan kondisi dan situasi belajar yang kondusif agar siswa merasa aman dan tak malu/takut mengeluarkan pendapatnya. Jika syarat-syarat ini tidak terpenuhi, maka tujuan pembelajaran tidak akan tercapai secarasempurna 

Saat pembelajaran berlangsung dengan menggunakan model pembelajaran induktif, guru harus telah menyiapkan perangkat-perangkat yang akan membuat siswa beraktivitas dan mengobarkan semangat siswa untuk melakukan observasi terhadap ilustrasi-ilustrasi yang diberikan, melalui pertanyaan-pertanyaan yang diberikan oleh guru. Dengan metode ini maka kemandirian siswa tidak dapat berkembangoptimal. 

Guru harus menjaga siswa agar perhatian mereka tetap pada tugas belajar yang diberikan, sehingga peran guru sangat vital dalam mengontrol proses belajar siswa. 

Kesuksesan proses belajar mengajar dengan menggunakan model pembelajaran induktif bergantung pada contoh-contoh atau ilustrasi yang digunakan oleh guru. 

Pembelajaran tidak dapat berjalan bila guru dan muridnya tidak suka membaca, sehingga tidak mempunyai pilihan dalam proses induktif

8.4 Pohon keputusan pembelajaran

POHON KEPUTUSAN

 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.

Gambar: 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 

Gambar: 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.

Gambar: 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.

Tahap awal dilakukan pengujian simpul akar, jika pada pengujian simpul akar menghasilkan sesuatu maka proses pengujian juga dilakukan pada setiap cabang berdasarkan hasil dari pengujian. Hal ini berlaku juga untuk simpul internal dimana suatu kondisi pengujian baru akan diterapkan pada simpul daun. Pada umumnya proses dari sistem pohon keputusan adalah mengadopsi strategi pencarian top-down untuk solusi ruang pencariannya. Pada proses mengklasifikasikan sampel yang tidak diketahui, nilai atribut akan diuji pada pohon keputusan dengan cara melacak jalur dari titik akar sampai titik akhir, kemudian akan diprediksikan kelas yang ditempati sampel baru tersebut.
Pohon keputusan banyak digunakan dalam proses data mining karena memiliki beberapa kelebihan, yaitu:
1. Tidak memerlukan biaya yang mahal saat membangun algoritma.
2. Mudah untuk diinterpetasikan.
3. Mudah mengintegrasikan dengan sistem basis data.
4. Memiliki nilai ketelitian yang lebih baik.
5. Dapat menemukan hubungan tak terduga dan suatu data.
6. Dapat menggunakan data pasti/mutlak atau data kontinu.
7. Mengakomodasi data yang hilang.

8.5 Pembelajaran ensemble

Kenyataan bahwa pendekatan ensemble learning mampu memberikan solusi prediksi yang lebih akurat daripada model-model tunggal dapat ditemui dari berbagai paper di jurnal ilmiah. Teknik-teknik ensemble yang mengandalkan variasi dari pendekatan random forest dan boosting mampu memberikan prediksi dengan akurasi yang sangat baik. Random forest bekerja dengan membuat model-model penyusun ensemble sedemikian rupa sehingga berbagai kemungkinan dapat terakomodir secara maksimal, sedangkan boosting bekerja secara iterative sehingga kasus-kasus yang tidak mudah diprediksi menjadi bukan masalah lagi.

Kemampuan pendekatan ensemble ini tidak hanya tertuang pada berbagai paper ilmiah, namun juga dapat dilihat pada penyelesaian kasus-kasus aplikatif seperti yang dapat dilihat pada kompetisi data science Kaggl. Kompetisi ini terbuka bagi pegiat data science dan data mining untuk memberikan solusi prediktif dari kasus-kasus yang disampaikan oleh banyak perusahaan besar berskala internasional.

Setiap tim atau individu dipersilakan mengembangkan solusi dan menyajikan prediksinya untuk kemudian dinilai. Mereka yang memberikan prediksi dengan akurasi yang paling tinggi yang dinyatakan sebagai pemenang. Peringkat tiga besar dalam lima tahun terakhir dari kompetisi ini didominasi oleh mereka yang menggunakan pendekatan ensemble yang digabungkan dengan berbagai macam algoritma dasar.

Daftar Pustaka

http://belajarpsikologi.com/pengertian-dan-tujuan-pembelajaran/

https://id.wikipedia.org/wiki/Pengamatan

http://marjuki01.blogspot.co.id/2014/06/bentuk-bentuk-pembelajaran-learning-by.html

http://education-mantap.blogspot.co.id/2013/06/pembelajaran-induktif.html

http://nugikkool.blogspot.co.id/2012/08/pohon-keputusan-id3-dan-c45-menggunakan.html

https://warungkomputer.com/2016/12/ensemble-learning-primadona-analitik-di-masa-depan/

Pengetahuan mengenai ketidakpastian dan penalaran

Ketidakpastian dan penalaran probabilitas

7.1 aksi dibawah ketidakpastian,penanganan,pengetahuan yang tidak pasti,ketidakpastian dan keputusan rasional

7.2 notasi probabilitas dasar

Menurut David Hume apabila mempergunakan argument yang disusun atas dasar pengelaman kita dimasa lampau sebagai dasar pertimbangan untuk membuat ramalan dimasa mendatang maka argument ini hanya merupakan  kemungkinan (Probabilitas). Jadi probabilitas merupakan pernyataan yang berisi ramalan tentang tingkatan keyakinan tentang terjadinya sesuatu dimasa yang akan datang.

Tingkatan keyakinan ini bisa dinyatakan dengan angka atau tanpa dengan angka. Seperti contoh untuk mengukur kemungkinan keluarnya sisi mata uang ketika diputar, karena sisi mata uang ada dua maka kemungkinan keluarnya sebuah sisi mata uang bias ditulis dengan angka yaitu ½, yang artinya terdapat 1 kemungkinan dari 2 kemungkinan.

Peluang atau kebolehjadian atau dikenal juga sebagai probabilitas adalah cara untuk mengungkapkan pengetahuan atau kepercayaan bahwa suatu kejadian akan berlaku atau telah terjadi. Konsep ini telah dirumuskan dengan lebih ketat dalam matematika, dan kemudian digunakan secara lebih luas dalam tidak hanya dalam matematika atau statistika, tapi juga keuangan, sains dan filsafat.

Probabilitas suatu kejadian adalah angka yang menunjukkan kemungkinan terjadinya suatu kejadian. Nilainya di antara 0 dan 1. Kejadian yang mempunyai nilai probabilitas 1 adalah kejadian yang pasti terjadi atau sesuatu yang telah terjadi. Misalnya matahari yang masih terbit di timur sampai sekarang. Sedangkan suatu kejadian yang mempunyai nilai probabilitas 0 adalah kejadian yang mustahil atau tidak mungkin terjadi. Misalnya seekor kambing melahirkan seekor sapi.

Probabilitas/Peluang suatu kejadian A terjadi dilambangkan dengan notasi P(A), p(A), atau Pr(A). Sebaliknya, probabilitas [bukan A] atau komplemen A, atau probabilitas suatu kejadian A tidak akan terjadi, adalah 1-P(A). Sebagai contoh, peluang untuk tidak munculnya mata dadu enam bila sebuah dadu bersisi enam digulirkan adalah .

Dalam mempelajari probabilitas, ada tiga kata kunci yang harus diketahui:

Eksperimen,

Hasil (outcome)

Kejadian atau peristiwa (event)

Aksi di bawah ketidakpastian
Ketidakpastian dapat dianggap sebagai suatu kekurangan informasi yang memadai untuk membuat suatu keputusan. Ketidakpastian merupakan suatu permasalahan karena menghalangi dalam membuat suatu keputusan yang terbaik bahkan dapat menghasilkan suatu keputusan yang buruk. Dalam dunia medis, ketidakpastian dapat menghalangi pemeriksaan yang terbaik untuk pasien dan dapat menghasilkan terapi yang keliru. Beberapa teori ketidakpastian antara lain probabilitas klasik, probabilitas Bayes, teori Hartley yang berdasar pada himpunan klasik, teori Shanon yang didasarkan pada peluang, Teori Dempster-Shafer dan teori Fuzzy Zadeh.
Contoh-contoh klasik system pakar yang sukses yang bergubungan dengan ketidakpastian adalah MYCIN yang berguna untuk diagnose medis dan PROSPECTOR untuk eksplorasi mineral.
Suatu penalaran dimana adanya penambahan fakta baru mengakibatkan ketidak konsistenan, disebut dengan “Penalaran Non Monotonis”. Ciri-ciri penalaran tsb sebagai berikut
· mengandung ketidakpastian
· adanya perubahan pada pengetahuan
· adanya penambahan fakta baru dapat mengubah konklusi yang sudah terbentuk, misalkan S adalah konklusi dari D, bisa jadi S tidak dibutuhkan sebagai konklusi D + fakta baru
· untuk mengatasi ketidakpastian maka digunakan penalaran statistik.
Contoh aplikasi yang klasik sistem pakar yang sukses sehubungan dengan ketidakpastian:
· MYCIN untuk diagnosa medis
· PROPECTOR untuk ekplorasi mineral
Banyak kemungkinan dan ketidakpastian menyertai dalam masalah dan solusinya. Ada beberapa sumber dari ketidakpastian, beberapa diantaranya adalah :
1. Masalah
Beberapa masalah meliputi factor-faktor yang oleh sifat mereka, tidak pasti atau acak. Sebagai contoh, dalam pengobatan, penyakit yang sama dapat member gejala yang berbeda untuk pasien yang lain.
2. Data
Beberapa masalah mungkin memiliki batasan yang kurang jelas bagi seseorang. Orang yang menghadirkan masalah mungkin mengetahui beberapa fakta untuk kepastian, menuduh lainnya dan tidak mengetahui lainnya. Angka-angka dan nilai-nilai dapat tidak tepat, ditebak atau tidak diketahui.
3. Pakar
Manusia sering dapat memakai pengetahuan mereka tanpa mengetahui secara eksplisit apa pengetahuan itu sendiri. Mereka mungkin harus meningkatkan secara detail apa yang mereka lakukan dan bagaimana dan tampak tak jelas atau bahkan bertentangan dengan dirinya sendiri.
4. Solusi
Ada beberapa area tertentu dimana tidak terdapat pakar yang diakui. Pakar sendiri mungkin tidak setuju satu sama lain dan tak seorangpun dapat memutuskan solusi yang baik. Domain seperti itu dapat berupa strategi militer.





Theorema Bayes


Theorema Bayes adalah sebuah makanisme untuk mengkombinasikan kejadian baru dan kejadian yang ada yang biasanya dinyatakan dalam probabilitas subjektif.Pendekan Bayesian didasarkan pada probabilitas subjektif; probabilitas subjektif di sediakan untuk setiap proposisi.Jika E adalah suatu kejadian (jumlah total dari semua informasi yang terdapat dalam system),maka proposisi (P) memiliki hubungan dengan sebuah nilai yang merepresentasikan probabilitas bahwa P menggambarkan semua kejadian E, diturunkan menggunakan inferensi Bayesian.Theorema Bayes menyediakan sebuah cara komputasi probabilitas dari kejadiankejadian khusus dari suatu hasil observasi.Poin utama disini adalah bukan bagaimana nilai ini diturunkan tetapi bagaimana kita tahu atau darimana menginferensi suatu proposisi menjadi suatu nilai tunggal.





- ketidakpastian dan keputusan rasional


Keputusan yang bersifat rasional berkaitan dengan daya guna. Masalah – masalah yang dihadapi merupakan masalah yang memerlukan pemecahan rasional. Keputusan yang dibuat berdasarkan pertimbangan rasional lebih bersifat objektif. Dalam masyarakat, keputusan yang rasional dapat diukur apabila kepuasan optimal masyarakat dapat terlaksana dalam batas-batas nilai masyarakat yang di akui saat itu.

7.3 aksioma dan probabilitas

7.4 inferensi menggunakan “full joint distribution”

7.5 independensi

7.6 aturan bayes

7.7 representasi pengetahuan pada domain ketidakpastian

7.8 semantik pada jaringan bayesian

7.9 efisiensi representasi dari distribusai kondisional

7.10 inferensi eksak pada jaringan baysesian

7.11 inferensi aproksimasi pada jaringan bayesia

7.12 pendekatan lain penalaran ketidakpastian (Dempster-Shafer,Fuzzy logic)

Daftar Pustaka

https://fallawatekke.wordpress.com/2015/03/15/konsep-dasar-probabilitas/
http://rizkaandrianimuhamad.blogspot.co.id/