Melatih agen / bot dalam sebuah permainan telah menjadi salah satu topik penelitian yang popular dalam Artificial Intelligence (Kecerdasan Buatan). Untuk dapat memecahkan sebuah masalah seperti itu diperlukan teori dan algoritma dalam penyelesaian yang membutuhkan domain yang cermat dalam mendefinisikan fitur tertentu. Metode pemecahan yang dapat digunakan dalam kasus seperti ini adalah Machine Learning. Metode ini telah diterapkan untuk bermain permainan sederhana sejak beberapa tahun lalu. Metode ini menunjukaan bagaimana sebuah komputer belajar memaikan video game Atari 2600 dengan mengamati piksel layar dan menerima hadiah saat skor game meningkat. Berdasarkan apa yang telah ada sebelumnya maka metode ini akan dicoba pada permasalahan yang berbeda. Pada penelitian ini menggunakan game yang populer yakni Flappy-Bird. Secara sederhana game ini menggunakan seekor burung sebagai aktor (agen) untuk dapat melewati banyak rintangan. Pada penelitian ini dikembangkan kerangka model dengan CNN (Convolutional Neural Network) untuk pembelajaran dari fitur yang diambil dari snapshot permainan. Dari hasil pengembangan model yang sudah dilakukan pelatihan menggunakan data pelatihan sebanyak 100.000 data, hasil prediksi tindakan oleh model CNN dapat menandingi dari kinerja manusia dalam menghasilkan score, dari pengujian dalam waktu 3 menit, 5 menit, 10 menit, 15 menit dengan 10 kali percobaan tiap selang waktu, didapatkan hasil tertingggi dalam 3 menit permainan 15 point, 5 menit permainan 20 point, 10 menit permainan 25 point, 15 menit permainan 40 point. Key : Machine Learning, Flappy-Bird Game, Convolutional Neural Network (CNN). ?

Training agents / bots in a game has become one of the most popular research topics in Artificial Intelligence. To be able to solve a problem like that we need a theory and algorithm in solution that requires a careful domain in defining certain features. The solving method that can be used in cases like this is Machine Learning. This method has been applied to playing simple games since a few years ago. This method refers to how a computer learns to play an Atari 2600 video game by observing screen pixels and accepting prizes when game scores increase. Based on what has been there before, this method will be tried on different problems. In this study using the popular game, Flappy-Bird. In simple terms this game uses a bird as an actor (agent) to be able to pass many obstacles. In this study a model framework was developed with CNN (Convolutional Neural Network) to learn from features taken from game snapshots. From the results of the development model that has been carried out by training using as much as 100,000 data training data, the results of action predictions by the CNN model can match human performance in producing scores, from testing in 3 minutes, 5 minutes, 10 minutes, 15 minutes with 10 attempts each time lapse, the highest results were obtained in 3 minutes of 15 point play, 5 minutes of 20 point play, 10 minutes of 25 point game, 15 minutes of 40 point game.

Baca Jurnal Baca Jurnal