Pengambilan keputusan dalam pembuatan
game
Didalam
sebuah game, tidak akan seru jika
didalam game tersebut tidak ada tantangan
yang harus dihadapkan kepada pemain. Selain untuk mengundang keseruan didalam game yang sedang dimainkan, tantangan juga
akan membuat para pemainnya untuk berfikir tindakan apa yang harus dilakukan oleh
pemain agar aktor dalam game yang
sedang dimainkan dapat lolos dari tantangan yang ada. Tantangan yang diberikan didalam
game-pun tidak lepas dari
algoritma-algoritma kecerdasan buatan yang mampu membuat keputusan sendiri apa
yang harus dilakukan aktor musuh (aktor yang diperankan oleh algoritma itu
sendiri). Algoritma-algoritma tersebut yang membuat tantangan menjadi sangat berpengaruh
didalam sebuah game.
Terlepas
dari algoritma-algoritma yang memberikan tantangan didalam game, para pemainpun harus mampu melawan algoritma tersebut dengan
algoritmanya sendiri yang tentunya bukan algoritma buatan, melainkan dengan
berbagai algoritma keputusan yang harus pemain ambil. Berbicara mengenai
keputusan, dibawah ini tertulis dari berbagai ahli tentang definisi keputusan,
berikut penjelasannya.
Pengertian Keputusan
Menurut penulis,
keputusan adalah penentuan tindakan dari fakta yang ada melalui sebuah
perhitungan, perkiraan bahkan dari sebuah firasat. Keputusan diambil guna untuk
menyelesaikan masalah yang ada yang akan berujung dengan sebuah konsekuensi
entak itu konsekuensi mengntungkan ataupun merugikan.
Definisi keputusan menurut para ahli
1.
Ralph C. Davis
Menurut
Ralph C. Davis, Keputusan adalah hasil pemecahan masalah yang dihadapi dengan
tegas. Suatu keputusan merupakan jawaban yang pasti terhadap suatu pertanyaan.
Keputusan harus bisa menjawab pertanyaan tentang apa yang dibicarakan dalam hubungannya
dengan perencanaan. Keputusan bisa juga berupa tindakan terhadap pelaksanaan
yang sangat menyimpang dari rencana semula.
2.
Mary Follet
Menurut
Mary Follet, Keputusan adalah suatu atau sebagai hukum situasi. Jika semua
fakta dari situasi tersebut bisa didapatkannya dan semua yang terlibat, baik
pengawas maupun pelaksana mau mentaati hukum ataupun ketentuannya, maka tidak
sama dengan mentaati perintah. Wewenang tinggal dilaksanakan namun itu
merupakan wewenang hukum situasi.
3.
James A.F.Stoner
Menurut
James A.F.Stoner, Keputusan adalah pemilihan di antara alternatif-alternatif.
Definisi ini mengandung tiga pengertian, yakni:
-
Ada pilihan atas dasar logika atau
pertimbangan.
-
Ada beberapa alternatif yang harus dan
dipilih salah satu yang terbaik.
-
Ada tujuan yang ingin dicapai dan
keputusan tersebut makin mendekatkan pada tujuan tertentu.
4.
Prof. Dr. Prajudi Atmosudirjo, SH
Menurut
Prof. Dr. Prajudi Atmosudirjo, SH, Keputusan adalah suatu pengakhiran dari
proses pemikiran tentang suatu problem atau masalah untuk menjawab pertanyaan
apa yang harus diperbuat guna mengatasi masalah tersebut dengan menjatuhkan
pilihan pada suatu alternatif.
Definisi pengambilan keputusan
Menurut penulis,
pengambilan keputusan adalah pemilihan tindakan yang akan dilakukan, digunakan atau
diimplementasikan dari semua perhitungan, semua dari rekayasa perkiraan dan bahkan
dari dilemanya saat memilih berdasarkan firasat yang dirasakan.
Definisi pengambilan keputusa menurut
para ahli
1.
G. R. Terry
Pengambilan
keputusan dapat didefenisikan sebagai “pemilihan alternatif kelakuan tertentu
dari dua atau lebih alternatif yang ada”.
2.
Harold Koontz dan Cyril O’Donnel
Pengambilan
keputusan adalah pemilihan diantara alternatif-alternatif mengenai sesuatu cara
bertindak adalah inti dari perencanaan. Suatu rencana dapat dikatakan tidak
ada, jika tidak ada keputusan suatu sumber yang dapat dipercaya, petunjuk atau
reputasi yang telah dibuat.
3.
Theo Haiman
Inti
dari semua perencanaan adalah pengambilan keputusan, suatu pemilihan cara
bertindak. Dalam hubungan ini kita melihat keputusan sebagai suatu cara
bertindak yang dipilih oleh manajer sebagai suatu yang paling efektif, berarti
penempatan untuk mencapai sasaran dan pemecahan masalah.
4.
Drs. H. Malayu S.P Hasibuan
Pengambilan
keputusan adalah suatu proses penentuan keputusan yang terbaik dari sejumlah
alternative untuk melakukan aktifitas-aktifitas pada masa yang akan datang.
5.
Chester I. Barnard
Keputusan
adalah perilaku organisasi, berintisari perilaku perorangan dan dalam gambaran
proses keputusan ini secara relative dan dapat dikatakan bahwa pengertian
tingkah laku organisasi lebih penting dari pada kepentingan perorangan.
Berdasarkan penjelasan diatas dapat disimpulkan bahwa pengambilan keputusan
adalah proses pemilihan alternatif solusi untuk masalah. Secara umum
pengambilan keputusan adalah upaya untuk menyelesaikan masalah dengan memilih
alternatif solusi yang ada.
Pengambilan keputusan dalam pembuatan
game
Dalam
pembuatan game, pengambilan keputusan
mutlak harus diterapkan pada setiap aktor kecerdasan buatan maupun aktor yang
akan dimainkan oleh pemain. Bedanya pada aktor yang dimainkan oleh kecerdasan
buatan adalah keputusan-keputusan sudah ditanamkan melalui rangkaian program
sesuai algoritma yang dipakai kemudian keputusan tersebut dijalankan sesuai
dengan perhitungan yang juga sudah ditentukan, biasanya keputusan yang sudah
ditanamkan pada aktor kecerdasan buatan berpengaruh pada agresifitas tingkah-lakunya
yang juga sudah diatur lagi dalam sebuah tingkatan permainan yang ada dalam permainan
yang dipilih.
Sedangkan
pada keputusan-keputusan yang ditanamkan pada aktor pemain adalah keputusan
yang sudah disediakan namun harus menggunakan pemicu terlebih dahulu agar
keputusan tersebut dapat berjalan sesuai dengan kehendak pemain. Pemicu tersebut
biasanya akan menjalankan keputusan yang disediakan hanya dengan menggerakan
analog, menekan satu tombol atau, menekan urutan tombol ataupun dengan kombinasi
tombol yang harus ditekan secara bersamaan. Biasanya keputusan yang sudah
disediakan untuk pemain hanyalah memanipulasi gerakan atau refleksifitas dari
aktor yang sedang dimainkan, biasanya keputusan tersebut terdapat didalam
permainan petualangan aksi. Jadi hanya dengan gerakan yang menotonpun sudah menjadi
sebuah keputusan yang menguntungkan bagi pemain yang memahami pola dari game yang dimainkan.
Untuk
lebih memahami lagi tentang pengambilan keputusan dalam sebuah pembuatan game, ada baiknya kita juga membahasa
beberapa jenis konsep pengabilan keputusan antara lain :
-
Pohon keputusan.
-
State Machine.
-
Fuzzy Logic.
-
Sistem Markov.
-
Rule Base System.
Pertama, Pohon Keputusan
Definisi Pohon Keputusan
Menurut
penulis, pohon keputusan adalah urutan perjalanan keputusan dari mulainya
permasalahan sampai dengan konsekuensi yang akan dihadapi. Pohon Keputusan
lebih menggambarkan bagan-bagan yang langsung memberikan perkiraan atau
kepastian untuk hasil yang akan di capai nantinya.
Secara
konsep, Pohon Keputusan merupakan salah satu teknik dari Analisis Keputusan (Decision
Analysis). Terdapat banyak definisi teknis yang bisa ditemukan dalam berbagai
sumber mengenai pohon keputusan karena beragamnya aplikasi pohon keputusan ini
pada berbagai jenis proses dan industri yang berbeda-beda. Definisi yang paling
sederhana mengenai apa itu Pohon Keputusan, adalah diagram analisis yang
dapat membantu pengambil keputusan ketika menghadapi beberapa opsi dengan cara
memproyeksikan hasil yang mungkin terjadi. Pohon tersebut juga
memperlihatkan faktor-faktor kemungkinan/ probablitas yang akan mempengaruhi
alternatif-alternatif keputusan tersebut, disertai dengan estimasi hasil akhir
yang akan didapat bila kita mengambil alternatif keputusan tersebut
Definisi
teknis yang diambil dari beberapa buku Manajemen Operasional, bahwa Pohon
Keputusan merupakan “Model alternatif pilihan yang tersedia bagi
pengambil keputusan, beserta kemungkinan konsekuensinya.” Pohon keputusan dapat
digunakan saat membuat berbagai pilihan, mulai dari keputusan yang paling
sederhana sampai yang sangat yang rumit. Konsep dari pohon keputusan adalah
mengubah data menjadi pohon keputusan dan aturan-aturan keputusan. Pohon
keputusan memadukan antara eksplorasi data dan pemodelan, sehingga sangat bagus
sebagai langkah awal dalam proses pemodelan bahkan ketika dijadikan sebagai
model akhir dari beberapa teknik lain.
Keterangan:
C = Situasi yang dapat dikontrol oleh pengambil keputusan; E = Situasi yang
tidak dapat dikontrol oleh pengambil keputusan
Manfaat dan Kelebihan Pohon
Keputusan
Manfaat
utama dari penggunaan pohon keputusan adalah kemampuannya untuk menyederhanakan
proses pengambilan keputusan yang kompleks menjadi lebih sederhana sehingga
pengambil keputusan akan lebih mudah menginterpretasikan solusi dari
permasalahan
Terdapat
beberapa keuntungan menggunakan pohon keputusan, di antaranya adalah:
- Menghilangkan perhitungan-perhitungan yang
tidak dibutuhkan. Sample yang diuji hanya berdasarkan kriteria atau kelas
tertentu.
- Daerah pengambilan keputusan yang
sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan
spesifik.
- 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 pohon keputusan menghindari
munculnya permasalahan dengan menggunakan kriteria yang jumlahnya lebih
sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan
yang dihasilkan.
-
Bersifat fleksibel, memilih fitur dari
internal node 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
Keterbatasan dan Kekurangan Pohon
Keputusan
Seperti
halnya alat bantu umumnya, pohon keputusan juga mempunyai kekurangan, antara
lain:
-
Terjadi overlap dalam menggunakan
kelas-kelas dan kriteria yang digunakan dalam jumlah besar. Hal tersebut juga
dapat menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memori
yang diperlukan.
-
Pengakumulasian jumlah eror 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.
Kedua, State Machine
Definisi State Machine
State
machine adalah konsep yang digunakan dalam merancang program komputer atau
logika digital. Ada dua jenis state machine: state machine yang terbatas dan
tak terbatas. Yang pertama terdiri dari sejumlah keadaan, transisi, dan
tindakan yang dapat dimodelkan dengan grafik aliran, di mana jalur logika dapat
dideteksi ketika kondisi terpenuhi. Yang terakhir ini tidak praktis digunakan.
State
machine adalah perangkat apa pun yang menyimpan status sesuatu pada waktu
tertentu. Status berubah berdasarkan pada input, menyediakan output yang
dihasilkan untuk perubahan yang diimplementasikan. State machine yang terbatas
memiliki memori internal yang terbatas. Simbol masukan dibaca secara berurutan
yang menghasilkan fitur output dalam bentuk antarmuka pengguna.
State
machine diwakili dengan menggunakan diagram negara. Output state machine adalah
fungsi dari input dan status saat ini. State machine memainkan peran penting
dalam bidang-bidang seperti teknik elektro, linguistik, ilmu komputer,
filsafat, biologi, matematika, dan logika. Mereka paling baik digunakan dalam
pemodelan perilaku aplikasi, rekayasa perangkat lunak, desain perangkat keras
sistem digital, protokol jaringan, kompiler, dan studi komputasi dan bahasa.
Pengoperasian
state machine dimulai dari keadaan awal. Pada transisi yang sukses berakhir
dalam keadaan menerima. Transisi berlangsung berdasarkan masukan yang
diberikan. Keadaan saat ini tergantung pada status sistem sebelumnya. Jumlah
negara yang terbentuk bergantung pada status memori yang tersedia. Transisi
diaktifkan berdasarkan kondisi tertentu dan menunjukkan perubahan status. Suatu
tindakan menggambarkan suatu aktivitas yang dilakukan pada saat tertentu.
Berbagai jenis tindakan adalah aksi transisi, aksi input, aksi masuk, dan
tindakan keluar.
Automata
Deterministik memiliki tepat satu transisi di setiap negara untuk setiap
masukan yang mungkin. Dalam automata non-deterministik, input negara mengarah
ke satu, banyak, atau tidak ada transisi. State machine dengan hanya satu
negara disebut state machine kombinatorial dan hanya menggunakan tindakan
input.
Dua
kelompok state machine yang berbeda adalah akseptor dan transduser. Akseptor
menghasilkan output biner, berdasarkan apakah input diterima atau ditolak oleh
mesin. Saat memproses input, jika keadaan saat ini menerima, input diterima.
Kalau tidak, ditolak. Bahasa yang diterima oleh state machine disebut bahasa
biasa. Status awal diwakili oleh panah yang menunjuknya dari mana saja,
sementara negara yang diterima diwakili menggunakan lingkaran ganda. Transduser
melayani output berdasarkan input yang diberikan, menggunakan tindakan. Mesin
Moore dan Mealy adalah contoh transduser.
State
machine bahasa pemodelan yang tidak dimodifikasi juga banyak digunakan karena
keduanya memiliki karakteristik mesin Moore dan Mealy di dalamnya. Mereka
termasuk konsep tambahan seperti daerah ortogonal dan negara-negara yang
bersarang hierarkis.
Ketiga, Fuzzy Logic
Fuzzy
logic jika di atau dalam bahasa Indonesia logika Fuzzy adalah teknik/
metode yang dipakai untuk mengatasi hal yang tidak pasti pada masalah – masalah
yang mempunyai banyak jawaban. Pada dasarnya Fuzzy logic merupakan logika
bernilai banyak/ multivalued logic yang mampu mendefinisikan nilai diantara
keadaan yang konvensional seperti benar atau salah, ya atau tidak, putih atau
hitam dan lain-lain.
Penalaran
Logika Fuzzy memnyediakan cara untuk memahami kinerja system dengan cara
menilai input dan output system dari hasil pengamatan. Logika Fuzzy menyediakan
cara untuk menggambarkan kesimpulan pasti dari informasi yang samar-samar,
ambigu dan tidak tepat. Fuzzy logic Pertama kali dikembangkan oleh Lotfi A.
Zadeh tahun 1965.
Alasan
Kenpa digunakan logika Fuzzy:
Karena
konsep logika Fuzzy mudah dimengerti.
-
Logika Fuzzy fleksibel.
-
Logika Fuzzy mampu memodelkan
fungsi-fungsi nonlinear yang sangat kompleks.
-
Logika Fuzzy dapat bekerja dengan
teknik-teknik kendali secara konvensional.
-
Logika Fuzzy memiliki toleransi terhadap
data-data yang tepat.
-
Logika Fuzzy didasarkan pada bahasa alami.
-
Logika Fuzzy dapat membangun dan
mengaplikasikan pengalaman-pengalaman para pakar secara
langsung tanpa harus melalui proses pelatihan.
Keempat, Sistem Markov
ANALISIS MARKOV
Pengertian
Analisa
Rantai Markov adalah suatu metode yang mempelajari sifat -sifat suatu variabel
pada masa sekarang yang didasarkan pada sifat -sifatnya di masa lalu dalam
usaha menaksir sifat-sifat variabel tersebut dimasa yang akan datang. Analisis
Markov adalah suatu teknik matematik untuk peramalan perubahan pada
variable-variabel tertentu berdasarkan pengetahuan dari perubahan sebelumnya.
Model
Rantai Markov dikembangkan oleh seorang ahli Rusia A.A. Markov pada tahun 1896.
Dalam analisis markov yang dihasilkan adalah suatu informasi probabilistik yang
dapat digunakan untuk membantu pembuatan keputusan, jadi analisis ini bukan
suatu teknik optimisasi melainkan suatu teknik deskriptif . Analisis
Markov merupakan suatu bentuk khusus dari model probabilistik yang lebih umum
yang dikenal sebagai proses Stokastik (Stochastic process).
Konsep
dasar analisis markov adalah state dari sistem atau state transisi,
sifat dari proses ini adalah apabila diketahui proses berada dalam suatu
keadaan tertentu, maka peluang berkembangnya proses di masa mendatang hanya
tergantung pada keadaan saat ini dan tidak tergantung pada keadaan sebelumnya,
atau dengan kata lain rantai Markov adalah rangkaian proses kejadian dimana
peluang bersyarat kejadian yang akan datang tergantung pada kejadian
sekarang.
Jadi,
Informasi yang dihasilkan tidak mutlak menjadi suatu keputusan, karena sifatnya
yang hanya memberikan bantuan dalam proses pengambilan keputusan.
Syarat-Syarat Dalam Analisa Markov
Untuk
mendapatkan analisa rantai markov ke dalam suatu kasus, ada beberapa
syarat yang harus dipenuhi yaitu sebagai berikut:
-
Jumlah probabilitas transisi untuk suatu
keadaan awal dari sistem sama dengan 1.
-
Probabilitas-probabilitas tersebut berlaku
untuk semua partisipan dalam sistem.
-
Probabilitas transisi konstan sepanjang
waktu.
-
Kondisi merupakan kondisi yang independen
sepanjang waktu.
Penerapan
analisa markov bisa dibilang cukup terbatas karena sulit menemukan masalah
yang memenuhi semua syarat yang diperlukan untuk analisa markov, terutama
persyaratan bahwa probabilitas transisi harus konstan sepanjang waktu
(probabilitas transisi adalah probabilitas yang terjadi dalam pergerakan
perpindahan kondisi dalam sistem).
Kelima, Rule Based System
Rule
Based System (RBS) merupakan suatu sistem pakar yang menggunakan
aturan-aturan untuk menyajikan pengetahuannya. Menurut Lusiani dan
Cahyono [1], sistem berbasis aturan adalah suatu perangkat lunak yang
menyajikan keahlian pakar dalam bentuk aturan-aturan pada suatu domain tertentu
untuk menyelesaikan suatu permasalahan. RBS adalah model sederhana yang bisa
diadaptasi ke banyak masalah. Namun, jika aturan terlalu banyak, pemeliharaan
sistem akan rumit dan terdapat banyak kesalahan dalam kerjanya.
Untuk
membuat RBS, ada beberapa hal penting yang harus dimiliki:
1. Sekumpulan
fakta yang mewakili working memory. Ini dapat berupa suatu keadaan
yang relevan dengan keadaan awal sistem bekerja.
2. Sekumpulan
aturan. Aturan ini mencakup setiap tindakan yang harus diambil dalam ruang
lingkup permasalahan yang dibutuhkan.
3. Kondisi
yang menentukan bahwa solusi telah ditemukan atau tidak (non-exist). Hal ini
berguna untuk menghindari looping yang tidak akan pernah berakhir.
Teori RBS ini
menggunakan teknik yang sederhana, dimulai dengan dasar aturan yang berisi
semua pengetahuan dari permasalahan yang dihadapi yang kemudian dikodekan ke
dalam aturan if-then yang mengandung data, pernyataan dan informasi
awal. Sistem akan memeriksa semua aturan kondisi if yang menentukan
subset, set konflik yang ada. Jika ditemukan, maka sistem akan melakukan
kondisi then. Perulangan ini akan terus berlanjut hingga salah satu atau
dua kondisi bertemu, jika aturan tidak diketemukan maka sistem tersebut harus
keluar dari perulangan (terminate).
Pendekatan
Untuk
mengelola aturan, terdapat dua pendekatan yaitu:
Forward
Chaining : aturan diproses berdasarkan sejumlah fakta yang
ada, dan didapatkan konklusi sesuai dengan fakta-fakta tersebut.
Pendekatan forward chaining disebut juga data driven.
Backward
Chaining : diberikan target, kemudian aturan yang
aksinya mengandungtarget di-trigger. Backward chaining ini cocok
untuk menelusuri fakta yang masih belum lengkap, disebut juga goal
driven.
Kelebihan dan Kekurangan
Berikut ini beberapa
kelebihan yang dimiliki oleh RBS sebagaimana dijelaskan oleh Sasikumar dkk:
a.
Homogenitas
Karena memiliki sintaks yang seragam, makna
dan interpretasi dari masing-masing aturan dapat dengan mudah dianalisis.
b.
Kesederhanaan
Karena sintaks sederhana, mudah untuk memahami
makna dari aturan. Ahli domain seringkali dapat memahami aturan tanpa penerjemahan
yang eksplisit. Aturan sehingga dapat mendokumentasikan diri sampai batas yang
baik.
c.
Independensi
Ketika menambahkan pengetahuan yang baru tidak
perlu khawatir tentang dimana aturan itu akan ditambahkan, atau apakah ada interaksi
dengan aturan lainnya. Secara teori, setiap aturan adalah bagian independen
dari pengetahuan tentang domain tersebut. Namun, dalam prakteknya, hal
ini tidak sepenuhnya benar.
d.
Modularitas
Independensi aturan mengarah ke modularitas
dalam rule base. Prototipe sistem dapat diciptakan cukup cepat dengan
membuat beberapa aturan. Hal ini dapat ditingkatkan dengan memodifikasi aturan
berdasarkan kinerja dan menambahkanaturan baru.
Sedangkan beberapa
kekurangan yang dimiliki oleh RBS antara lain:
-
Jika terlalu banyak aturan, sistem menjadi
sulit dalam memelihara performance.
-
Keterbatasan dalam memutuskan teknik yang
digunakan untuk suatu masalah.
Sumber :
