TUGAS PENG. TEKNOLOGI SISTEM CERDAS
Nama :Inka Riesty
Gunadi
Npm :13115384
Kelas :3KA10
Dosen :Essy Malays Sari Sakti
UNIVERSITAS GUNADARMA
2017
Definisi Kecerdasan buatan
Apakah Artificial Intelligence (AI)
atau Intelegensi Buatan itu?
AI dapat
didefinisikan sebagai suatu mesin atau alat pintar (biasanya adalah suatu
komputer) yang dapat melakukan suatu tugas yang bilamana tugas tersebut
dilakukan oleh manusia akan dibutuhkan suatu kepintaran untuk melakukannya.
Definisi ini tampaknya kurang begitu membantu, karena beberapa ahli berpendapat
:
· H.A
Simon (1987):
o “kecerdasan buatan merupakan
kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman
computer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah
cerdas”.
· Rich
and Knight (1991):
o “sebuah studi tentang
bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan
dengan lebih baik oleh manusia”.
· Encyclopedia
Britannica:
o “merupakan cabang dari ilmu
computer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk
symbol-simbol dari bilangan, dan memproses informasi berdasarkan metode
heuristic atau berdasarkan sejumlah aturan”
Tujuan dari
kecerdasan buatan menurut Winston dan Prendergast (1984):
1. Membuat
mesin menjadi lebih pintar (tujuan utama)
2. Memahami
apa itu kecerdasan (tujuan ilmiah)
3. Membuat
mesin menjadi lebih bermanfaat (tujuan entrepreneurial)
Didefinisikan
sebagai kecerdasan yang ditunjukan oleh suatu entitas buatan. Sistem seperti
ini umumnya dianggap computer. Kecerdasan diciptakan dan dimasukkan dalam suatu
mesin atau computer agar dapat melakukan pekerjaan seperti yang dapat dilakukan
manusia. Beberapa bidang yang menggunakan kecerdasan buatan anatara lain system
pakar, permaianan computer, fuzzy logic, jaringan syaraf tiruan dan robotika.
C. Pengertian
game
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. Game
memiliki beberapa tipe :
o Informasi
lengkap = suatu game dimana permain mengetahui semua langkah yang mungkin
terjadi dari dirinya sendiri dan dari lawan dan hasil akhir dari permainan.
Contoh game : catur dan tic tac toe
o Informasi
tak lengkap : game dimana pemain tidak tahu semua kemungkinan langkah lawan.
Contoh game : Kartu Poker dan Brigde karena semua kartu tidak diketahui oleh
para pemain.
D. Artificial Intelligence dalam Game
Salah satu unsur yang berperan penting dalam sebuah
game adalah kecerdasan buatan. Dengan kecerdasan buatan, elemen-elemen dalam
game dapat berperilaku sealami mungkin layaknya manusia.
Game AI adalah aplikasi untuk memodelkan karakter
yang terlibat dalam permainan baik sebagai lawan, ataupun karakter pendukung
yang merupakan bagian dari permainan tetapi tidak ikut bermain (NPC = Non
Playable Character). Peranan kecerdasan buatan dalam hal interaksi pemain
dengan permainan adalah pada penggunaan interaksi yang bersifat alami yaitu
yang biasa digunakan menusia untuk berinteraksi dengan sesama manusia. Contoh
media interaksi 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.
Beberapa
karakteristik dan batasan game untuk game playing :
Dimainkan oleh 2 ( dua
) pemain: manusia dan komputer. Para pemain saling bergantian melangkah.
1. Perfect Information Game
Kedua pemain sama-sama memiliki akses pada informasi yang lengkap tentang keadaan permainan, sehingga tidak ada informasi yang tertutup bagi lawan mainnya.
Kedua pemain sama-sama memiliki akses pada informasi yang lengkap tentang keadaan permainan, sehingga tidak ada informasi yang tertutup bagi lawan mainnya.
2. No Determined by Chances
Tidak melibatkan faktor probabilitas, misalnya dengan menggunakan dadu.
Tidak melibatkan faktor probabilitas, misalnya dengan menggunakan dadu.
3. No Phsychological Factors
Tidak melibatkan faktor psikologi, seperti "gertakan" (misalnya Poker)
Tidak melibatkan faktor psikologi, seperti "gertakan" (misalnya Poker)
4. No Oversight Errors. Smart Opponen
Lawan diasumsikan pintar juga, jadi jangan mengharap lawan khilaf, sehingga terjadi salah langkah.
Lawan diasumsikan pintar juga, jadi jangan mengharap lawan khilaf, sehingga terjadi salah langkah.
5. Beberapa contoh permainan yang biasa digunakan
sebagai contoh kasus Game Playintyle = "font-family:courier new;">
Last One Loses n
· n-coins
Grundy's Game
· Slide-5
· Tic-Tac-Toe
· Checkers
· Checkers
· Go
· Nim
· Othello
· Chess
Mode Game AI
Pathfinding
Metode
pathfinding paling mudah ditemui pada game-game bertipe strategi dimana kita
menunjuk satu tokoh untuk digerakkan ke lokasi tertentu dengan mengklik lokasi
yang hendak dituju. Si tokoh akan segera bergerak ke arah yang ditentukan, dan
secara “cerdas” dapat menemukan jalur terpendek ataupun menghindari dari
rintangan-rintangan yang ada. Salah satu algoritma pathfindin yang cukup umum
dan yang paling banyak digunakan utnuk mencari jarak terpendek secara efisien
adalah algoritma A* (baca: A star). Secara umum, algoritma A* adalah
mendefinisikan area pencarian menjadi sekumpulan node-node (tiles). Titik awal
dan titik akhir ditentukan terlebih dulu untuk mulai penelusuran pada tiap-tiap
node yang memungkinkan untuk ditelusuri. Dari sini, akan diperoleh skor yang
menunjukkan besarnya biaya untuk menempuh jalur yang ditemukan, ditambah dengan
nilai heuristik yang merupakan nilai biaya estimasi dari node yang ada menuju
tujuan akhir. Iterasi akan dilakukan hingga akhirnya mencapai target yang
dituju.
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.
sebenarnya bukan hanya 3 teknik kecerdasan buatan
di atas yang dapat digunakan dalam sebuah game berbasis kecerdasan buatan masih
banyak lagi teknik yang lain.
Algoritma,
Struktur Data dan Representasi
Beberapa
algoritma yang digunakan dalam game, mungkin salah satunya adalah algoritma
yang digunakan dalam game pacman tersebut.
1. Decision
tree
Decision Tree
adalah salah satu metode klasifikasi yang paling populer karena mudah untuk
diinterpretasi oleh manusia. Decision tree adalah model prediksi menggunakan
struktur pohon atau struktur berhirarki. Konsep dari decision tree adalah
mengubah data menjadi pohon keputusan dan aturan-aturan keputusan. Manfaat
utama dari penggunaan decision tree adalah kemampuannya untuk mem-break down
proses pengambilan keputusan yang kompleks menjadi lebih simpel sehingga
pengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan.
Kelebihan
Daerah
pengambilan keputusan yang sbelumnya kompleks dan sangat global, dapat diubah
menjadi lebih simpel dan spesifik.
Eliminasi
perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode
decision tree maka sample diuji hanya berdasarkan criteria atau kelas tertentu.
Fleksibel untuk
memilih features dari internal nodes yang berbeda, feature yang terpilih akan
membedakan suatu criteria dibandingkan criteria yang lain dalam node yang sama.
Kefleksibelan metode decision tree ini meningkatkan kualitas keputusan yang
dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap
yang lebih konvensional.
Dalam analisis
multivariat, dengan kriteria dan kelas yang jumlahnya sangat banyak, seorang
penguji biasanya perlu untuk mengestimasikan baik itu distribusi dimensi tinggi
ataupun parameter tertentu dari distribusi kelas tersebut. Metode decision tree
dapat menghindari munculnya permasalahan ini dengan menggunakan criteria yang
jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi
kualitas keputusan yang dihasilkan.
Kekurangan
Terjadi overlap
terutama ketika kelas-kelas dan criteria yang digunakan jumlahnya sangat
banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu pengambilan
keputusan dan jumlah memory yang diperlukan.
Pengakumulasian
jumlah error dari setiap level dalam sebuah pohon keputusan yang besar.
Kesulitan dalam
mendesain decision tree yang optimal. Hasil kualitas keputusan yang didapatkan
dari metode decision tree sangat tergantung pada bagaimana pohon tersebut
didesain.
2. Finite State
Machines (FSM)
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 keuntungan 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.
Finite State
Machine di dunia AI Game Programming, merupakan salah satu teknik yang paling
sering digunakan.
Kelebihan
Implementasinya
mudah dan cepat
Memudahkan
proses debugging. Karena telah dipecah menjadi kepingan yang lebih kecil,
proses debugging kalau terjadi behavoiur yang tidak semestinya, menjadi lebih
mudah
Proses
komputasi yg minimal, karena sejatinya FSM hanyalah conditional statement yang
dikemas dalam bentuk yang lebih elegan.
Fleksibel,
dapat dikombinasikan dengan teknik AI lain misalnya fuzzy logic dan neural
network.
Kekurangan
Behaviour dari
agen mudah diprediksi, karena tidak ada searching dan atau learning di dalam
agen tersebut
Karena mudah
diimplementasi, kadang programmer langsung tembak di eksekusi tanpa melakukan
desain FSM terlbih dahulu. Biasanya akan terjadi FSM yang terfragmentasi
Timbul apa yang
dinamakan dengan State Oscillation yaitu ketika batasan antara dua buah state
terlalu tipis
3. Sistem
berbasis aturan (Rule Based System)
adalah suatu
program komputer yang memproses informasi yang terdapat di dalam working memory
dengan sekumpulan aturan yang terdapat di dalam basis pengetahuan menggunakan
mesin inferensi untuk menghasilkan informasi baru.
Sebuah
Rule-Based System dapat dibentuk dengan menggunakan sebuah assertions set, yang
secara kolektif membentuk working memory, dan sebuah rule set yang menentukan
aksi pada assertions set. RBS secara relatif adalah model sederhana yang
bisa diadaptasi ke banyak masalah. Namun, jika ada terlalu banyak peraturan,
pemeliharaan sistem akan rumit dan terdapat banyak failure dalam kerjanya.
Kelebihan
Availability-bertambah,
intelligent tutor, intelligent dB, danger-reduced, performance
multiple
expertise, reability-bertambah, explanation steady, unemotional and complete
response
Kekurangan
Jika terlalu
banyak aturan, sistem menjadi sulit dalam me-maintain performance dan
Keterbatasan dalam memutuskan teknik yang digunakan untuk suatu masalah.
4. Algoritma A*
Menyelesaikan
masalah yang menggunakan graf untuk perluasan ruang statusnya. Dengan
menerapkan suatu heuristik, algoritma ini membuang langkah-langkah yang tidak
perlu dengan pertimbangan bahwa langkah-langkah yang dibuang sudah pasti
merupakan langkah yang tidak akan mencapai solusi yang diinginkan. Algoritma A*
membangkitkan simpul yang paling mendekati solusi. Simpul ini kemudian disimpan
suksesornya ke dalam list sesuai dengan urutan yang paling mendekati solusi
terbaik. Kemudian, simpul pertama pada list diambil, dibangkitkan suksesornya
dan kemudian suksesor ini disimpan ke dalam list sesuai dengan urutan yang
terbaik untuk solusi.
Algoritma ini
akan mengunjungi secara mendalam (mirip DFS) selama simpul tersebut merupakan
simpul yang terbaik. Jika simpul yang sedang dikunjungi ternyata tidak mengarah
kepada solusi yang diinginkan, maka akan melakukan runut balik ke arah simpul
akar untuk mencari simpul anak lainnya yang lebih menjanjikan dari pada simpul
yang terakhir dikunjungi. Bila tidak ada juga, maka akan terus mengulang
mencari ke arah simpul akar sampai ditemukan simpul yang lebih baik untuk
dibangkitkan suksesornya. Strategi ini berkebalikan dengan algoritma DFS yang
mencari sampai kedalaman yang terdalam sampai tidak ada lagi suksesor yang bisa
dibangkitkan sebelum melakukan runut balik, dan BFS yang tidak akan melakukan
pencarian secara mendalam sebelum pencarian secara melebar selesai. A* baru
berhenti ketika mendapatkan solusi yang dianggap solusi terbaik.
Algoritma A*
menggabungkan jarak estimasi/heuristik [h(n)] dan jarak sesungguhnya/cost
[g(n)] dalam membantu penyelesaian persoalan. Heuristik adalah nilai yang
memberi harga pada tiap simpul yang memandu A* mendapatkan solusi yang
diinginkan. Dengan heuristik, maka A* pasti akan mendapatkan solusi (jika
memang ada solusinya). Dengan kata lain, heuristik adalah fungsi optimasi yang
menjadikan algoritma A* lebih baik dari pada algoritma lainnya. Namun heuristik
masih merupakan estimasi/perkiraan biasa saja. Sama sekali tidak ada rumus
khususnya. Artinya, setiap kasus memiliki fungsi heuristik yang berbeda-beda.
5. Algoritma
Dijkstra
Algoritma
Dijkstra adalah sebuah algoritma rakus (greedy algorithm) yang
dipakai dalam memecahkan permasalahan jarak terpendek (shortest path problem)
untuk sebuah graf berarah (directed graph) dengan bobot-bobot sisi (edge
weights) yang bernilai tak negatif.
Misalnya, bila
vertices dari sebuah graf melambangkan kota-kota dan bobot sisi (edge weights)
melambangkan jarak antara kota-kota tersebut, maka algoritma Dijkstra dapat
digunakan untuk menemukan jarak terpendek antara dua kota. Input algoritma ini
adalah sebuah graf berarah yang berbobot (weighted directed graph)
Tujuan
Algoritma Dijkstra yaitu untuk menemukan jalur terpendek berdasarkan bobot
terkecil dari satu titik ke titik lainnya.
Kelemahan
algoritma ini adalah semakin banyak titik akan semakin memakan waktu proses.
Jumlah titik
menentukan tingkat efektifitas dari algoritma djikstra.
Urutan Logika
Algoritma Dijkstra
§ Beri nilai bobot (jarak) untuk setiap titik ke titik
lainnya, lalu set nilai 0 pada node awal dan
nilai tak hingga terhadap node lain (yang belum terisi).
§ Set semua node “Belum terjamah” dan set node awal sebagai
“Node keberangkatan”.
§ Dari node keberangkatan, pertimbangkan node tetangga yang
belum terjamah dan hitung
jaraknya dari titik keberangkatan.
§ Setelah selesai mempertimbangkan setiap jarak terhadap node
tetangga, tandai node
yang telah terjamah sebagai “Node terjamah”. Node terjamah
tidak akan pernah di cek
kembali, jarak yang disimpan adalah jarak terakhir dan yang
paling minimal bobotnya.
§ Set “Node belum terjamah” dengan jarak terkecil (dari node
keberangkatan) sebagai
“Node Keberangkatan” selanjutnya dan lanjutkan dengan
kembali ke step 3.
Dari beberapa
algoritma AI diatas mungkin kita sekarang dapat mengerti bagaimana AI dalam
game bekerja, atau malah kita bingung dan tidak mengerti. Ada banyak proses
rumit yang jika dikerjakan terlihat akan sangat memakan waktu, sedangkan saat
kita bermain game, semuanya terjadi begitu cepat dalam hitungan detik. Tetapi
tu semua mungkin karena adanya komputer sebagai alat pemprosesan yang dapat
mengerjakannya dalam hitungan detik.
Kompleksitas
Kesalahan
Dalam konteks
kecerdasan buatan dalam permainan video, kecurangan mengacu pada programmer
agen memberikan akses ke informasi yang tersedia kepada pemain. Dalam sebuah
contoh sederhana, jika agen ingin tahu apakah pemain dekatnya mereka dapat
menjadi diberikan kompleks, manusia seperti sensor (melihat, mendengar, dll),
atau mereka bisa menipu dengan hanya meminta mesin permainan untuk posisi
pemain. Penggunaan kecurangan dalam AI menunjukkan keterbatasan
"kecerdasan" dicapai artifisial, secara umum, dalam permainan di mana
kreativitas strategis sangat penting, manusia dengan mudah bisa mengalahkan AI
setelah minimal trial and error jika bukan untuk keuntungan ini. Kecurangan
sering diimplementasikan untuk alasan kinerja di mana dalam banyak kasus
mungkin dianggap dapat diterima sepanjang pengaruhnya tidak jelas bagi pemain.
Sedangkan kecurangan hanya merujuk hak istimewa yang diberikan secara khusus
untuk AI itu tidak termasuk kecepatan tidak manusiawi dan presisi alami untuk
pemain-komputer mungkin panggilan keuntungan yang melekat komputer
"kecurangan" jika mereka menghasilkan agen bertindak tidak seperti
pemain manusia.
Kecurangan AI
adalah aspek yang terkenal dari seri Peradaban Sid Meyer, dalam pertandingan
tersebut, pemain harus membangun kerajaan dari awal, sedangkan kerajaan
komputer menerima unit tambahan tanpa biaya dan dibebaskan dari pembatasan
sumber daya.
Jenis
Game AI
RTS (Real Time
Strategy)
Game ini
biasanya bersifat turn based ataupun bisa dimainkan secara bersamaan, identik
dengan bermain melawan human intelegent (manusia vs manusia) yang biasanya
menggunakan LAN ataupun Internet. Game ini bisa dikatakan game perang-perangan.
Contoh game RTS adalah (DOTA, StarCraft, Civilization).
RPG (Role
Playing Game)
Game ini
memiliki unsur yang unik, karena biasanya tidak ada tamat dalam game seperti
ini (Kalaupun tamat, hanya ceritanya saja, dan kalian masih bisa leveling atau
grinding sesuka hati). Kalian akan menjalankan sebuah main character yang bisa
kalian costumize, mencari uang, membangun koneksi dengan NPC (non playable
player) dan sebagainya. Contoh dari game RPG adalah (KOA, Skyrim, The Witcher).
FPS (First
Person Shooter)
FPS adalah game
Tembak-tembakan, pukul-pukulan, tusuk-tusukan yang menggunakan sudut pandang
orang pertama. Biasanya kita hanya bisa melihat tangan dari character kita.
Contoh game ini FPS adalah (Call of Duty, Counter Strike, Far Cry 3).
TPS (Third
Person Shooter)
TPS sama
definisinya dengan FPS. Hanya saja sudut pandangnya yang berbeda. Di TPS kita
memakai sudut pandang orang ketiga. Kita bisa melihat keseluruhan character
dari belakang (punggung). Contoh game TPS adalah (Dark Souls, Dark Siders,
Assassins Creed).
Sand Box
Game yang
bersetting disuatu daerah, jadi kita bertualang pada suatu map yang sudah disediakan,
dan kita bebas menjelajahinya tanpa harus loading ketika berpindah kesuatu
daerah, biasanya game-game yang seperti ini game yang paling banyak peminatnya
apalagi kita biasanya disuguhkan dengan "kebebasan" didalam game
seperti ini. Contoh game Sand Box (GTA, Saints Row, Sleeping Dogs).
Kecepatan dan Memori
Kebanyakan program AI menuntut memori yang besar
dan kecepatan yang tinggi.
Referensi:
Tidak ada komentar:
Posting Komentar