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

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.