Peningkatan Koordinasi Antar Agen Dalam Game Bomberman Melalui Pendekatan Multi-Agent Reinforcement Learning

Carstenz Meru Phantara, . (2026) Peningkatan Koordinasi Antar Agen Dalam Game Bomberman Melalui Pendekatan Multi-Agent Reinforcement Learning. Tugas Akhir thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text Cover depan.pdf Download (193kB)
	Text Abstrak.pdf Download (209kB)
	Text Lembar pengesahan.pdf Download (306kB)
	Text Daftar isi.pdf Download (250kB)
	Text Daftar Pustaka.pdf Download (171kB)
	Text Naskah TA lengkap.pdf Restricted to Repository staff only Download (3MB)

Abstract

Agen musuh pada game Bomberman umumnya menunjukkan tingkat koordinasi yang rendah ketika dilatih secara independen, sehingga perilaku yang dihasilkan cenderung tidak sinergis dan tingkat kesulitan game menjadi terbatas. Kurangnya koordinasi menyebabkan agen bergerak secara redundan dan gagal membentuk pola pengepungan yang konsisten terhadap pemain. Oleh karena itu, diperlukan pendekatan pembelajaran yang mampu mendorong terbentuknya kerja sama antar agen secara kolektif.
Penelitian ini mengusulkan penerapan Multi-Agent Reinforcement Learning (MARL) dengan skema kooperatif berbasis shared policy menggunakan algoritma Proximal Policy Optimization (PPO). Eksperimen dilakukan dengan membangun simulasi game Bomberman menggunakan Unity Game Engine dan Unity ML-Agents. Penelitian membandingkan dua pendekatan, yaitu Independent Reinforcement Learning dan Cooperative Reinforcement Learning. Tingkat koordinasi agen dievaluasi menggunakan tiga metrik utama: waktu penangkapan, coverage (sebaran posisi agen di sekitar target), dan overlap rate (tingkat tumpang tindih pergerakan antar agen).
Hasil penelitian menunjukkan bahwa pendekatan kooperatif menghasilkan penurunan rata-rata waktu penangkapan, peningkatan coverage, serta penurunan overlap rate dibandingkan pendekatan independen. Temuan ini mengindikasikan terbentuknya koordinasi spasial yang lebih baik antar agen dalam game. Meskipun demikian, performa agen masih menunjukkan keterbatasan ketika lingkungan berubah secara cepat dan dinamis, yang menyebabkan perilaku agen cenderung reaktif terhadap kondisi lokal.

Item Type:	Tugas Akhir (Tugas Akhir)
Additional Information:	CARSTENZ MERU PHANTARA (Penulis - 123220080) Rudy Cahyadi (Pembimbing)
Uncontrolled Keywords:	Bomberman, koordinasi, Multi-Agent Reinforcement Learning, PPO, Game, Reinforcement Learning, kooperatif.
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	18 Feb 2026 01:42
Last Modified:	18 Feb 2026 01:42
URI:	http://eprints.upnyk.ac.id/id/eprint/47068

Actions (login required)

View Item