Implementasi reinforcement learning pada trading card game bertema wayang berbasis

Abstract

Perkembangan teknologi kecerdasan buatan mendorong inovasi dalam pengembangan permainan digital yang tidak hanya menghibur, tetapi juga bersifat edukatif. Salah satu pendekatan yang relevan adalah penerapan Reinforcement Learning untuk menciptakan musuh adaptif dalam game strategi. Penelitian ini mengembangkan Trading Card Game (TCG) bertema wayang dengan mekanisme turn-based strategy, yang bertujuan menjadi media hiburan sekaligus pelestarian budaya lokal. Game dikembangkan menggunakan Unity Engine dan Unity ML-Agents Toolkit, dengan algoritma Proximal Policy Optimization (PPO) untuk melatih agen kecerdasan buatan (AI). Metode pengembangan yang digunakan adalah Game Development Life Cycle (GDLC), yang terdiri dari enam tahapan: inisiasi, pra-produksi, produksi, pengujian, rilis internal, dan evaluasi. AI dilatih agar mampu membuat keputusan berdasarkan observasi kondisi permainan dan reward yang diperoleh dari hasil interaksi. Pengujian dilakukan dengan metode Blackbox untuk memverifikasi fungsionalitas sistem serta kestabilan kinerja AI selama bermain. Hasil menunjukkan bahwa AI dapat belajar dari pengalaman dan menyesuaikan strateginya secara dinamis. Game ini tidak hanya memberikan tantangan strategis kepada pemain, tetapi juga menghadirkan pendekatan inovatif dalam pelestarian nilai budaya tradisional melalui media digital yang interaktif.