Perpustakaan Digital ITB

Algoritma pathfinding A* merupakan salah satu algoritma pencarian jalur paling berpengaruh dalam bidang kecerdasan buatan, terutama pada pengembangan video gim dan sistem navigasi virtual. Namun, implementasi A* secara tradisional pada gim horor sering menghasilkan perilaku musuh yang terlalu deterministik, mudah diprediksi, dan kurang mendukung atmosfer ketegangan yang menjadi inti pengalaman bermain. Adapun tujuan penelitian ini dilakukan untuk menjawab masalah tersebut dengan memodifikasi algoritma A* tradisional menjadi weighted A* yang menambahkan komponen bobot (weight) pada fungsi evaluasi Fcost, hal ini dilakukan untuk menciptakan jalur yang lebih adaptif terhadap lingkungan gim. Selain itu modifikasi lainnya dilakukan dengan mengoptimalkannya menggunakan struktur data binary heap pada saat pencarian titik atau node dalam pembuatan jalur A* guna mempercepat proses pencarian jalur. Penelitian dilakukan menggunakan pendekatan engineering design process berbasis rekayasa perangkat lunak, mencakup tahapan identifikasi masalah, perumusan tujuan, pengumpulan dan analisis informasi, desain sistem, pengujian, dan evaluasi. Studi kasus dilakukan pada prototipe gim horor yang dibuat dalam game engine Unity, dengan integrasi sistem AI monster yang memanfaatkan A* termodifikasi untuk navigasi pengejaran atau pembuatan jalur menuju target selain itu AI monster akan dibuat dengan memiliki beberapa state seperti chase, patrol, dan idle. Selanjutnya dalam tahap pengujian akan meliputi functional testing, behavioural testing, pathfinding testing, dan beta testing. Dimana pada functional testing akan menilai fungsi sistem apakah sudah bekerja dengan semestinya, pada behavioural testing menguji perilaku dari monster itu sendiri dalam gim, pada pathfinding testing akan melakukan percobaan terhadap skenario berbeda dengan hasil berupa panjang jalur mempengaruhi node yang terdeteksi dan akan mempengaruhi lamanya mencari jalur, lalu pergerakan pemain sesuai posisi mereka saat pemain dikejar AI monster akan mempengaruhi nilai data (panjang jalur, node yang dicek, hingga waktu pembuatan jalur), posisi dan radius penglihatan dari sentry dan lamanya AI berpatroli berpengaruh pada panjang jalur, sehingga dapat disimpulkan bahwa pengaruh nilai penalti sangat terasa dan dari pengujian pada pathfinding testing pergerakan pemain, posisi dan radius sentry dan area yang sudah terbuka selama patrol mempengaruhi jalur yang dibuat oleh algoritma A*. Pada uji user experience pertama dengan melibatkan 25 dan 19 responden dimana 19 diambil dari 25 responden tersebut. Hasil menunjukkan bahwa modifikasi algoritma berhasil meningkatkan kualitas perilaku AI dalam mendukung atmosfer horor, dengan evaluasi pergerakan monster berbasis A* modifikasi memperoleh rata-rata nilai 71,8% (kategori baik) sedangkan untuk A* tradisional memperoleh 63,29% (kategori baik). Aspek horor untuk A* modifikasi memperoleh 73,3% (kategori baik) dan pada aspek horor A* tradisional memperoleh 70,26% (kategori baik). Dan juga pada pengujian user experience kedua yang di uji oleh 4 orang dengan urutan bermain dari A* tradisional menghasilkan nilai untuk uji pergerakan AI berbasis A* modifikasi memperoleh rata-rata nilai 70,625% (kategori baik) sedangkan untuk A* tradisional memperoleh 61,875% (kategori baik). Aspek horor untuk A* modifikasi dan juga A* tradisional keduanya memiliki nilai yang sama yaitu pada 69,375% (bernilai baik). Dengan demikian, dapat disimpulkan bahwa penerapan weighted A dan optimisasi binary heap dalam modifikasi A* untuk gim horor berhasil menjawab permasalahan utama algoritma A* tradisional dalam konteks gim horor. Modifikasi yang dilakukan mampu meningkatkan kualitas perilaku AI, mempercepat proses komputasi, dan memberikan kontribusi nyata terhadap pembentukan suasana horor. Hasil pengujian membuktikan keberhasilan implementasi secara fungsional dan pengalaman pengguna, sekaligus membuktikan tujuan penelitian telah tercapai. Temuan ini diharapkan dapat menjadi acuan untuk pengembangan lebih lanjut, termasuk penerapan pada jenis gim lain, peningkatan kompleksitas desain agen AI terutama yang menggunakan suatu jalur pathfinding sebagai basisnya.