PERBANDINGAN EFESIENSI FINATE STATE MACHINE, BEHAVIOR TREE DAN GOAL ORIENTED ACTION PLANNING UNTUK PERILAKU NPC DALAM GAME | Perpustakaan Universitas Amikom Purwokerto

Image of PERBANDINGAN EFESIENSI FINATE STATE MACHINE, BEHAVIOR TREE DAN GOAL ORIENTED ACTION PLANNING UNTUK PERILAKU NPC DALAM GAME

Skripsi

PERBANDINGAN EFESIENSI FINATE STATE MACHINE, BEHAVIOR TREE DAN GOAL ORIENTED ACTION PLANNING UNTUK PERILAKU NPC DALAM GAME

Hakim, Muhammad Luqmanul - Nama Orang;

Industri game mengalami perkembangan pesat, meningkatkan kebutuhan akan Non-Player Characters (NPC) yang adaptif dan cerdas. Tiga metode utama dalam desain perilaku NPC adalah Finite State Machine (FSM), Behavior Tree (BT), dan Goal-Oriented Action Planning (GOAP). Penelitian ini membandingkan efisiensi tiga metode kecerdasan buatan dalam mengelola perilaku NPC (Non-Player Character) dalam game, yaitu Finite State Machine (FSM), Behavior Tree (BT), dan Goal-Oriented Action Planning (GOAP), dengan fokus pada efisiensi penggunaan memori dan kecepatan respons. Tujuan penelitian ini adalah mengevaluasi performa ketiga metode tersebut melalui simulasi menggunakan Unity Engine untuk mengukur runtime dan konsumsi memori. Metode penelitian mencakup studi literatur, observasi, dan simulasi berbasis skenario tertentu. Setiap metode dievaluasi dalam hal efisiensi runtime dan penggunaan memori menggunakan simulasi yang dilakukan di Unity Game Engine. FSM menunjukkan kesederhanaan dan penggunaan memori yang rendah 1394 MB, sehingga cocok untuk lingkungan dengan keterbatasan sumber daya, tetapi menunjukkan pengambilan keputusan yang lebih lambat dengan runtime rata-rata 4,72 ms. BT mencapai pengambilan keputusan tercepat dengan runtime rata-rata 3,88 ms karena struktur hierarkisnya, meskipun dengan mengorbankan konsumsi memori yang lebih tinggi 1454 MB. GOAP menunjukkan kemampuan beradaptasi dan penentuan prioritas tujuan yang dinamis, unggul dalam skenario yang kompleks tetapi membutuhkan sumber daya komputasi yang signifikan, dengan runtime rata-rata 5,87 ms dan penggunaan memori 1404 MB. Temuan ini menyoroti kekuatan dan kelemahan masing-masing metode, yang menekankan kesesuaiannya untuk berbagai skenario permainan. FSM direkomendasikan untuk aplikasi yang mudah, BT untuk lingkungan yang dinamis dan kritis terhadap kinerja, dan GOAP untuk permainan yang membutuhkan perilaku NPC yang canggih dan adaptif.

Kata kunci: Perilaku NPC, Finite State Machine, Behavior Tree, Goal-Oriented Action Planning, game.

Ketersediaan

TI0147 TI0147 HAK p UPT. PERPUSTAKAAN PUSAT Tersedia - Visit Repository

Informasi Detail

Judul Seri: -
No. Panggil: TI0147 HAK p
Penerbit: Purwokerto : Universitas Amikom Purwokerto., 2025
Deskripsi Fisik: xvi, 93 hlm; ilus; 23 cm
Bahasa: Indonesia
ISBN/ISSN: 21SA3045
Klasifikasi: TI0147
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: Februari 2025
Subjek: -
Info Detail Spesifik: -
Pernyataan Tanggungjawab: Muhammad Luqmanul Hakim

Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas

Tidak Ada Data

Komentar

Anda harus masuk sebelum memberikan komentar