Algoritme Genetika untuk Desain Level Dinamis pada Game Edukasi Kebakaran Hutan

Abstract

Forest fire is considered a threat with big potential in halting continuous development because of its effects on the environment. Forest fire attracts more and more attention from the local and international governments because it affects both the economy and the environment. Educating the public about forest fire can come in many ways. One of them is video game which is an interactive game with a graphical user interface. Video game is used for developing knowledge, creativity, emotion, intelligence. and moral acts, that is why video game can be used as a means for educating about forest fire. In the process of developing game, the level design is one of the important factors in determining the quality of a game. This research is using genetic algorithm as a procedural content generation method in designing a level for forest fire education game. Genetic algorithm produced optimal level design from many iterations by choosing the best candidate.Kebakaran hutan dianggap sebagai ancaman yang memiliki potensi besar dalam menghambat pembangunan yang berkelanjutan karena efeknya langsung bagi ekosistem. Kebakaran hutan semakin menarik perhatian dari pihak lokal maupun internasional karena memiliki dampak terhadap lingkungan dan ekonomi. Sosialisasi kebakaran hutan terhadap masyarakat dapat dilakukan melalui berbagai cara. Video Game adalah permainan interaktif dengan antarmuka pengguna melalui gambar yang dihasilkan oleh piranti video. Game dapat berfungsi untuk menumbuhkan pengetahuan, kreativitas, emosi, kecerdasan dan nilai-nilai sikap, oleh karena itu game dapat digunakan sebagai sarana edukasi kebakaran hutan. Dalam pembuatan game, desain level merupakan salah satu faktor utama yang menentukan kualitas gameplay dari suatu game. Penelitian ini menggunakan algoritma genetika sebagai metode Procedural Content Generation dalam desain level dari game edukasi kebakaran hutan. Metode algoritma genetika dapat menghasilkan bentuk level yang optimal dari hasil iterasi dengan memilih kandidat terbaik.