Procedural Content Generation Menggunakan Particle Swarm Optimization Untuk Pembuatan Level Pada Game 2d Endless Runner

Willson, Willson (2023) Procedural Content Generation Menggunakan Particle Swarm Optimization Untuk Pembuatan Level Pada Game 2d Endless Runner. Other thesis, Universitas Komputer Indonesia.

Preview	Text 1.UNIKOM_WILLSON_COVER.pdf - Published Version Download (88kB) | Preview
Preview	Text 19.UNIKOM_WILLSON_LEMBAR PENGESAHAN.pdf - Published Version Download (337kB) | Preview
Preview	Text 17.UNIKOM_WILLSON_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (304kB) | Preview
Preview	Text 20.UNIKOM_WILLSON_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (797kB) | Preview
Preview	Text 4.UNIKOM_WILLSON_KATA PENGANTAR.pdf - Published Version Download (104kB) | Preview
Preview	Text 5.UNIKOM_WILLSON_DAFTAR ISI.pdf - Published Version Download (130kB) | Preview
Preview	Text 11.UNIKOM_WILLSON_BAB 1.pdf - Published Version Download (176kB) | Preview
Preview	Text 12.UNIKOM_WILLSON_BAB 2.pdf - Published Version Download (194kB) | Preview
	Text 13.UNIKOM_WILLSON_BAB 3.pdf - Published Version Restricted to Repository staff only Download (574kB) | Request a copy
	Text 14.UNIKOM_WILLSON_BAB 4.pdf - Published Version Restricted to Repository staff only Download (763kB) | Request a copy
Preview	Text 15.UNIKOM_WILLSON_BAB 5.pdf - Published Version Download (135kB) | Preview
Preview	Text 10.UNIKOM_WILLSON_DAFTAR PUSTAKA.pdf - Published Version Download (142kB) | Preview
Preview	Text 18.UNIKOM_WILLSON_LEMBAR KONTAK PENULIS _ KONTRIBUTOR.pdf - Published Version Download (80kB) | Preview

Abstract

Tujuan pada penelitian ini adalah untuk mengetahui banyaknya iterasi yang mencapai solusi optimal oleh PSO dalam pembangunan level dalam game 2D endless runner. Pada penelitian ini, dilakukan implementasi menggunakan PSO dan GA dengan parameter potongan area 100, maksimal iterasi 250, jumlah populasi 75, GA dengan parameter elitism 5%, dan nilai mutasi 0.5%, 1%, dan 2.5% dan PSO dengan parameter W0 0.01, 0.1, Cmin 0.01, 0.1, Cmax 0.3, 0.5, Rmin -0.2, -0.01, dan Rmax 0.01, 0.2. Hasil menunjukkan bahwa PSO dengan W0 0.1, Cmin 0.1, Cmax 0.5, Rmin -0.2, Rmax 0.01 mencapai nilai fitness 20000 pada iterasi 12 dalam 0.873s dan dekat dengan saturasi sedangkan GA memerlukan iterasi sekitar 250 dalam 2.687s untuk mendekati nilai fitness tersebut. Hal ini disebabkan algoritma PSO lebih unggul dalam mencari solusi optimal berdasarkan jumlah iterasi dibandingkan dengan GA. Sehingga dapat diperoleh kesimpulan bahwa PSO dapat menggunakan iterasi lebih sedikit untuk mendapatkan nilai fitness tinggi dekat dengan saturasi dan juga menggunakan waktu komputasi yang lebih cepat dalam pembuatan level dibandingkan dengan GA pada game 2D endless runner dengan menggunakan parameter yang tepat.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Level, 2D Endless Runner, Procedural Content Generation, Particle Swarm Optimization, Genetic Algorithm
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mia Hayati Kosasih
Date Deposited:	18 Dec 2023 01:26
Last Modified:	18 Dec 2023 01:26
URI:	http://elibrary.unikom.ac.id/id/eprint/8571

Actions (login required)

View Item