Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Analisis Penerapan Algoritma Genetika pada Neural Network untuk Pengambilan Keputusan (Studi Kasus: Flappy Bird)
Herdhiantoko Fathani Sandra (2019) | Skripsi | Teknik Informatika , Teknik Komputer
Bagikan
Ringkasan
Kualitas keputusan merupakan hal yang penting karena keputusan dibuat untuk mencapai tujuan tertentu melalui suatu tindakan. Oleh karena itu, pendukung pengambilan keputusan menjadi perhatian utama ilmu pengetahuan dari waktu ke waktu khususnya kecerdasan buatan. Video game dapat membantu para peneliti untuk mengembangkan algoritma kecerdasan buatan baru atau menguji yang sudah ada agar menjadi lebih baik di dalam lingkungan buatan seperti video game. Salah satu video game sederhana yang memerlukan pengambilan keputusan yaitu Flappy Bird. Neural network merupakan salah satu pendekatan yang sering digunakan pada kecerdasan buatan. Dalam penerapannya neural network membutuhkan algoritma pembelajaran. Algoritma pembelajaran yang baik yang dapat diterapkan pada neural network yaitu algoritma genetika. Penelitian ini bertujuan untuk membantu pengambilan keputusan menggunakan pendekatan neural network dengan algoritma genetika dengan studi kasus Flappy Bird. Hasil eksperimen menunjukkan bahwa algoritma genetika berhasil diterapkan pada neural network untuk pengambilan keputusan dengan studi kasus Flappy Bird. Neural network dengan algoritma genetika dapat menemukan burung yang cerdas yang mampu mencapai score tertinggi yang dapat dicapai oleh manusia yaitu 3.128. Burung cerdas dapat ditemukan dengan jangkauan jumlah generasi 3 sampai 47 pada tingkat easy, 10 sampai 250 pada tingkat medium, dan 29 sampai 250 pada tingkat hard. Hasil pengamatan terhadap neural network menunjukkan bahwa burung yang cerdas memiliki rentang nilai bobot terkecil -1,9 sampai -0,9 dan rentang nilai bobot terbesar 0,86 sampai 2,45. Sedangkan burung yang tidak cerdas memiliki rentang nilai bobot terkecil -3,16 sampai -0,89 dan rentang nilai bobot terbesar 0,8 sampai 3,05. Burung cerdas ditemukan tercepat pada generasi ke-3 dengan ukuran pipe gap 90 pixel dan movement speed 1,25 pixel per frame. Sedangkan, burung cerdas terlambat ditemukan pada generasi ke-250 dengan ukuran pipe gap 45 pixel dan movement speed 1,5 pixel per frame. Kata kunci: pengambilan keputusan, neural network, algoritma genetika, Flappy Bird, burung cerdas.
Ringkasan Alternatif
The quality of decisions is important because decisions are made to achieve certain goals through an action. Therefore, decision making support becomes the main concern of science over time, especially artificial intelligence. Video games can help researchers to develop new artificial intelligence algorithms or test an existing one to be better in artificial environments such as video games. Flappy Bird is an example of a simple video game that requires decision making. An approach that is often used in artificial intelligence is neural network. In its implementation, neural networks require a learning algorithm. A good learning algorithm that can be implemented to neural networks is genetic algorithm. This study aims to help decision making using a neural network approach with genetic algorithms by using Flappy Bird as case study. The experimental results show that genetic algorithm was successfully applied to neural networks for decision making with Flappy Bird as case study. Neural network with genetic algorithm can be used to find an intelligent bird that are capable to achieve the highest score that can be achieved by human which is 3,128. Intelligent birds can be found with a range of generations from 3 to 47 at the easy level, 10 to 250 at the medium level, and 29 to 250 at the hard level. The observation of neural networks shows that intelligent birds have a range of smallest weight values from -1,9 to -0,9 and the range of largest weight values from 0,86 to 2,45. While non-intelligent birds have a range of smallest weight values from -3,16 to -0,89 and the range of highest weight values from 0,8 to 3,05. Intelligent bird is found fastest in the 3rd generation with 90 pixel of pipe gap size and 1.25 pixel per frame of movement speed. Meanwhile, intelligent bird is found late in the 250th generation with a 45 pixel of pipe gap size and 1.5 pixel per frame of movement speed. Keywords: decision making, neural network, genetic algorithm, Flappy Bird, intelligent bird.