Menyesuaikan Tingkat Kesulitan Permainan menggunakan Algoritma Genetika dengan Shanon-Wiener Diversity Index sebagai Dasar Pengambilan Keputusan untuk Menginterupsi Konvergensi Prematur

Abstract

Menyesuaikan tingkat kesulitan dengan perilaku pemain pada permainan menjadi penunjang agar pemain tidak berhenti bermain karena permainan yang dirasa terlalu sulit. Algoritma Genetika dapat digunakan sebagai metode untuk penyesuaianya. Metode ini berkerja dengan menyesuaikan tingkat kesulitan permainan sesuai dengan nilai fitness seorang pemain. Sayangnya, jika target nilai fitness mendekati ambang batas maksimal, algoritma ini membutuhkan proses iterasi yang banyak, bahkan memungkinkan terjadinya konvergensi prematur. Konvergensi prematur ini terjadi karena kurangnya keragaman populasi, sehingga nilai fitness minimal yang ditetapkan tidak memungkinkan untuk dicapai. Penelitian ini mencoba menginterupsi konvergensi prematur pada algoritma genetika agar tidak terjadi pengulangan iterasi yang tak berkesudahan dengan menetapkan dan menghitung batas keragamanya menggunakan Shanon-Wiener Diversity Index. Hasilnya, ketika ambang batas keragaman tercapai, nilai fitness saat keadaan itu diambil sebagai nilai paling optimum, sehingga tidak terjadi pengulangan iterasi yang tak berujung.  Kata kunci—Konvergensi prematur, algoritma genetika, Shanon-Wiener Diversity Index