Content uploaded by Sri Siswanti
Author content
All content in this area was uploaded by Sri Siswanti on Jul 03, 2021
Content may be subject to copyright.
Jurnal Ilmiah Sinus (JIS) Vol : 17, No. 2, Juli 2019
ISSN (Print) : 1693-1173 , ISSN (Online): 2548-4028
DOI : https://doi.org/10.30646/sinus.v17i2.423 Jurnal Ilmiah SINUS (JIS)…………….39
Penerapan Pathfinding Menggunakan Algoritma A* Pada Non Player
Character (NPC) Di Game
Aditya Setiyawan1), Paulus Harsadi 2), Sri Siswanti 3)
1,2,3)Program Studi Teknik Informatika, STMIK Sinar Nusantara
1)adityasetyawan38@gmail.com; 2)paulusharsadi@sinus.ac.id; 3)syswanty@sinus.ac.id
ABSTRACT
In this Game , we implement a character designer at the enemy by applying the algorithm A *
pathfinding Algorithm. Furthermore, A * is as the algorithm for searching solutions with the use of
additional information (heuristics) in which it is an optimal solution. The purpose of developing this
Adventure Game is A * Algorithm implementation for Pathfinding using Unity 3D. Pathfinding is
the fastest path of searching process from point of origin to point of destination by avoiding the
various barriers along the path traveled without crashing the existing barrier along the way. Its
design and development applies Unity 3D. The test result of algorithm in the Game shows that the
total of passed node result is 50 nodes. It is similar with the previous manual count result.
Furthermore, the Game route shows that its passed path is similar with manual count.
keywords : Game , pathfinding, Algoritma A*, non palyer character
I. PENDAHULUAN
Artificial Intelligence (AI) di game diharapkan mampu membuat karakter baik player
maupun NPC (Non Player Character) memiliki perilaku manusia yang sesungguhnya baik
bergerak maupun berfikir (Millington & Funge, 2009). Pathfinding merupakan salah satu
masalah di AI yang paling banyak digunakan terutama di game advanture seperti yang akan
dibuat. Pathfinding merupakan salah satu teknik dalam game yang paling banyak diteliti
karena pathfinding merupakan teknik utama atau dasar dalam pembuatan game (Adi Botea,
et al., 2013).
Pathfinding sendiri dalam game diterapkan dalam bentuk variasi map yang berbeda dan
pendekatan solusi yang berbeda-beda seperti yang pernah di paparkan oleh Ross Graham
dalam makalahnya yang berjudul "pathfinding in Computer Game s" (Graham, McCabe, &
Sheridan, 2003).
Penerapan pathfinding meliputi analisa sebuah peta untuk menemukan nilai terbaik
dalam perjalanan dari satu titik ke titik yang lain. Lintasan terbaik disini dapat diartikan tidak
hanya sekedar lintasan terpendek, tetapi bisa diartikan nilai lintasan paling sedikit, atau
lintasan yang aman (Yap, 2002). Tetapi, penerapan pathfinding dalam pembuatan game ini
lebih focus digunakan untuk pencarian rute terpendek.
Penelitian pathfinding dalam game sudah cukup banyak dilakukan (Adi Botea, Bruno
Bouzy, Michael Buro, Christian Bauckhage, 2013). Algoritma A*, atau A* pathfinding dan
variasi perkembangan dari A* pathfinding sudah umum digunakan dalam AI Game dan
merupakan metode yang paling banyak digunakan di game (Cowling et al., 2014)(Cui &
Shi, 2011). Algoritma ini juga dapat digunakan dalam berbagai bentuk grid sebagai bentuk
map pada game dan dapat diterapkan dalam berbagai bentuk map dalam strategy game s
(Barnouti, Al-Dabbagh, & Sahib Naser, 2016).
Algoritma A* sendiri pertama kali dikembangkan oleh P. Hart, N. Nilson dan B.
Raphael pada tahun 1968 (Hart, Nilson, & Raphael, 1968).
Pada game yang dibuat akan terdapat tokoh enemy yang akan menjadi Non Player
Character (NPC) dengan menggunakan area hutan yang luas. Dimana pada nantinya NPC
Jurnal Ilmiah Sinus Vol : 17, No. 2, Juli 2019
ISSN (Print) : 1693-1173, ISSN (Online): 2548-4028
40……………. Jurnal Ilmiah SINUS (JIS) DOI : https://doi.org/10.30646/sinus.v17i2.423
dirancang agar dapat mencari target utama / pemain dengan rute terpendek dan dapat
menghindari penghalang yang ada di area game .
.
II. TINJAUAN PUSTAKA
2.1. Algoritma A*
Algoritma A* menyelesaikan masalah yang menggunakan graph untuk perluasan ruang
statusnya. Dengan kata lain digunakan untuk menyelesaikan permasalahan yang bisa
direpresentasikan dengan graph. Algoritma A* adalah sebuah algoritma yang telah
dikembangkan.
Dengan menerapkan fungsi heuristik, algoritma ini membuang langkah-langkah yang
tidak perlu dengan pertimbangan bahwa langkah-langkah yang dibuang sudah pasti
merupakan langkah yang tidak akan mencapai solusi yang diinginkan.
Didalam algoritma A* menggunakan dua senarai yaitu OPEN dan CLOSED. Pada
algoritma A* memiliki tiga kondisi dimana NPC berada di keadaan OPEN , berada
dikeadaan CLOSED, dan tidak berada dikeduanya. Jika NPC dalam keadaan OPEN maka
akan dilakukan pengecekan apakah perlu pengubahan parent atau tidak tergantung pada nilai
g melalui parent lama maupun parent baru.
Jika NPC tidak berada dikeadaan OPEN maupun CLOSED, maka NPC tersebut akan
dimasukan di dalam keadaan OPEN . Kemudian hitung biaya NPC tersebut dengan rumus f
= g + h. Algoritma A* ini akan memberikan solusi terbaik yang optimal didalam arena.
𝑓(𝑛)= 𝑔(𝑛)+ ℎ(𝑛) (1)
Keterangan :
f(n) = solusi biaya estimasi termurah
verteks n untuk mencapai tujuan.
𝑔(n) = biaya path / perjalanan.
h(n) = biaya estimasi dari verteks n ke
tujuan.
Suatu fungsi heuristik dapat dikatakan baik, apabila dapat memberikan biaya perkiraan
yang mendekati biaya sebenarnya. Semakin mendekati biaya sebenarnya, fungsi heuristik
tersebut semakin baik. Dalam masalah pencarian rute terpendek dengan graph, fungsi
heuristik yang dapat digunakan adalah Manhattan Distance.
2.2. Manhattan Distance
Manhattan Distance adalah salah satu fungsi heuristik yang paling sering digunakan
dalam menghitung jarak terdekat dari dua titik. Fungsi ini hanya menghitung selisih
koordinat posisi titik awal dan titik akhirnya saja. Awalnya model ini digunakan di kota
Manhattan, Amerika, karena di kota ini jarak dari dua lokasi dihitung dari blok- blok jalan
yang harus dilalui saja, sehingga tidak bisa dilewati secara diagonal (Niedermeier & Sanders,
1996). Fungsi heuristik ini dapat dihitung berdasarkan selisih jarak koordinat yang diambil
dari dua buah titik, yang dapat diformulasikan menggunakan rumus (2).
ℎ(𝑛)= 𝑎𝑏𝑐(𝑛. 𝑥 − 𝑡𝑢𝑗𝑢𝑎𝑛. 𝑥)+ 𝑎𝑏𝑠(𝑛. 𝑧 − 𝑡𝑢𝑗𝑢𝑎𝑛. 𝑧) (2)
Keterangan :
𝑛. 𝑥 : Koordinat x titik start
𝑛. 𝑧 : Koordinat z titik start
𝑡𝑢𝑗𝑢𝑎𝑛. 𝑥 : Koordinat x titik tujuan
𝑡𝑢𝑗𝑢𝑎𝑛. 𝑧 : Koordinat z titik tujuan
Jurnal Ilmiah Sinus (JIS) Vol : 17, No. 2, Juli 2019
ISSN (Print) : 1693-1173 , ISSN (Online): 2548-4028
DOI : https://doi.org/10.30646/sinus.v17i2.423 Jurnal Ilmiah SINUS (JIS)…………….41
Fungsi dari abs diatas untuk mengubah nilai negatif menjadi nilai positif. ini terjadi
apabila titik awal berada lebih jauh dari titik akhir (reverse), sehingga pengurangan x2-x1
mempunyai hasil yang negatif.
Game yang dibuat menggunakan game engine yaitu Unity 3D. Unity 3D adalah sebuah
game engine yang berbasis cross-platform. Unity dapat digunakan untuk membuat sebuah
game yang bisa digunakan pada perangkat komputer, ponsel pintar android, iPhone, PS3,
dan bahkan X-BOX. Bahasa pemrograman yang dapat diterima Unity adalah JAVA SCRIPT,
CS SCRIPT (C#) & BOO SCRIPT. Unity 3D adalah salah satu software yang bagus untuk
mengembangkan game 3D dan selain itu juga merupakan software atau aplikasi yang
interaktif dan atau dapat juga digunakan untuk membuat animasi 3 dimensi (Blackman,
2013).
III. METODE PENELITIAN
3.1. Flowchart Permainan
Game yang akan dibangun masuk dalam kategori game adventure yaitu berbasis
pencarian atau pathfinding. Advanture game sendiri merupakan game yang membuat
player berjalan dalam map menyelesaiakan masalah berdasarkan story line yang dibuat
(Fairclough, et al., 2001). Flowchart desain level dalam game ini adalah seperti pada
Gambar 1.
Gambar 1. Flowchart Game
Jurnal Ilmiah Sinus Vol : 17, No. 2, Juli 2019
ISSN (Print) : 1693-1173, ISSN (Online): 2548-4028
42……………. Jurnal Ilmiah SINUS (JIS) DOI : https://doi.org/10.30646/sinus.v17i2.423
3.2. Flowchart Algoritma A*
Flowchart Algoritma A* dalam game ini adalah seperti pada Gambar 2
Gambar 2. Flowchart Algoritma A*
Jurnal Ilmiah Sinus (JIS) Vol : 17, No. 2, Juli 2019
ISSN (Print) : 1693-1173 , ISSN (Online): 2548-4028
DOI : https://doi.org/10.30646/sinus.v17i2.423 Jurnal Ilmiah SINUS (JIS)…………….43
Algoritma A* akan diterapkan dalam proses pencarian atau pathfinding dalam game
yang dibuat.
IV. HASIL DAN PEMBAHASAN
4.1. Deskripsi Karakter
Terdapat beberapa tokoh karakter yang dibangun pada game ini, yaitu :
- Joko Kendhil (Karakter Player)
Karakter utama berperan sebagai Joko Kendhil, karakter ini yang memerankan
sebagai first person dalam pencarian misi mendapatkan gong lokananta. Dengan
menggunakan first person atau orang pertama mengacu pada perspektif grafis yang
diberikan dari sudut pandang karakter pemain.
- NPC (Non Player Character)
Terdapat dua peranan sebagai NPC yakni yang pertama sebagai pesaing Joko
Kendhil (Divisualkan sebagai sesama manusia) yang apabila mengenai objek NPC
(manusia) tersebut tidak akan game over, dan yang kedua sebagai enemy
(Divisualkan sebagai wujud hewan / burung) yang dimana kalau tertangkap NPC
(burung) tersebut maka akan game over.
4.2. Pembuatan Arena
Arena dibuat dengan menggunakan arena sesungguhnya pada game , seperti Gambar 3.
Gambar 3. Arena Game
Pada Gambar 3 adalah papan grid yang akan dirancang sebagai arena game yang telah
dibuat menggunakan grid arena yang sebenarnya dengan menggunakan skala 1 : 10 pada
penerapannya.Warna hijau pada papan grid merupakan starting point Pesaing Joko Kendhil
/ NPC sebelum bergerak. Warna merah pada papan grid merupakan end point / Gong
Lokananta yang akan dituju oleh Pesaing Joko Kendhil. Warna Ungu adalah sebagai starting
point Joko Kendhil, Warna Orange adalah sebagai musuh / NPC yang mengejar Joko
Kendhil, Warna biru dongker pada grid merupakan pepohonan yang tidak dapat dilewati dan
warna putih adalah grid yang bisa dilewati. Nilai heuristik dihitung menggunakan fungsi
manhattan1 yang nantinya akan digunakan dalam perhitungan A* pada Pesaing dan Musuh
Joko Kendhil.
Tabel 1 merupakan nilai heuristik dihitung menggunakan fungsi manhattan1 yang
nantinya akan digunakan dalam perhitungan A* pada Pesaing dan Musuh Joko Kendhil.
Jurnal Ilmiah Sinus Vol : 17, No. 2, Juli 2019
ISSN (Print) : 1693-1173, ISSN (Online): 2548-4028
44……………. Jurnal Ilmiah SINUS (JIS) DOI : https://doi.org/10.30646/sinus.v17i2.423
Tabel 1. Nilai Heuristik (Pesaing Joko Kendhil)
Start_X
Start_Z
Goal_X
goal_Z
h(n)=abs(Start_X-
Goal_X)+abs(Start_Z-
Goal_Z)
Initial Node
1
1
10
18
26
1
2
10
18
25
1
3
10
18
24
1
4
10
18
23
1
5
10
18
22
1
6
10
18
21
1
7
10
18
20
1
9
10
18
18
1
17
10
18
10
1
18
10
18
9
2
1
10
18
25
2
7
10
18
19
2
9
10
18
17
2
17
10
18
9
2
18
10
18
8
3
1
10
18
24
3
7
10
18
18
3
9
10
18
16
3
17
10
18
8
3
18
10
18
7
3
19
10
18
8
3
20
10
18
9
4
1
10
18
23
4
7
10
18
17
7
9
10
18
12
7
10
10
18
11
7
16
10
18
5
7
17
10
18
4
7
20
10
18
5
START
8
7
10
18
13
8
16
10
18
4
10
4
10
18
14
10
5
10
18
13
10
6
10
18
12
10
7
10
18
11
10
8
10
18
10
10
9
10
18
9
10
10
10
18
8
10
12
10
18
6
10
13
10
18
5
10
14
10
18
4
10
15
10
18
3
10
16
10
18
2
10
17
10
18
1
10
18
10
18
0
GOAL
10
19
10
18
1
10
20
10
18
2
11
4
10
18
15
11
5
10
18
14
11
6
10
18
13
11
7
10
18
12
11
8
10
18
11
11
9
10
18
10
11
10
10
18
9
11
12
10
18
7
11
13
10
18
6
Jurnal Ilmiah Sinus (JIS) Vol : 17, No. 2, Juli 2019
ISSN (Print) : 1693-1173 , ISSN (Online): 2548-4028
DOI : https://doi.org/10.30646/sinus.v17i2.423 Jurnal Ilmiah SINUS (JIS)…………….45
Kemudian dengan Gambar 4 pada biaya perkiraan dan juga nilai cost untuk bergerak
atau berpindah grid dengan perkiraan biaya sebesar 10, maka akan dilakukan penghitungan
sesuai fungsi f(n) = g(n) + h(n) pada node yang terhubung langsung dengan node awal saat
ini. Berikut langkah pencarian pada algoritma A* Pathfinding :
Langkah 1
Gambar 4. Perhitungan langkah 1
Langkah 1 seperti pada Gambar 4, didapat nilai pada simpul pertama yaitu f(n) = 10
+ 4 = 14 dan f(n) = 10 + 6 = 16, maka akan di cabangkan pada simpul kedua terlebih dahulu.
Simpan node [7,20] didalam CLOSED list, sedangkan node [8,20] dan [6,20] didalam OPEN
list. Langkah pergerakan papan grid seperti pada Gambar 5.
Gambar 5. Langkah pergerakan papan grid
Dari perhitungan awal diatas, maka pergerakan didalam papan grid akan ditandai dengan
kotak warna kuning sebagai OPEN List dan kotak warna biru nantinya merupakan CLOSED
List.
Langkah 2
Gambar 6. Perhitungan langkah 2
Jurnal Ilmiah Sinus Vol : 17, No. 2, Juli 2019
ISSN (Print) : 1693-1173, ISSN (Online): 2548-4028
46……………. Jurnal Ilmiah SINUS (JIS) DOI : https://doi.org/10.30646/sinus.v17i2.423
Pada Langkah 2 seperti pada Gambar 6, Simpan node [7,20] [8,20] kedalam CLOSED
list serta node [9.20] dan [6,20] ke dalam OPEN list. Maka pergerakan dalam papan grid
seperti Gambar 7.
Gambar 7. Langkah 2 pergerakan papan grid
Ulangi langkah seperti sebelumnya dengan mencari nilai f yang paling rendah
kemudian hitung menggunakan rumus A*.
Kemudian ulangi langkah tadi hingga menemukan tujuan dengan nilai simpul paling
rendah (best node).
Langkah 12
Gambar 8. Perhitungan Langkah 12
Pada langkah ke 12 seperti pada Gambar 8 didapatkan hasil pencarian Algoritma A*
pathfiding dengan hasil jalur terpendeknya dimulai dari node [7,20] [8,20] [9,20] [10,20]
Jurnal Ilmiah Sinus (JIS) Vol : 17, No. 2, Juli 2019
ISSN (Print) : 1693-1173 , ISSN (Online): 2548-4028
DOI : https://doi.org/10.30646/sinus.v17i2.423 Jurnal Ilmiah SINUS (JIS)…………….47
[10,19] [10,18] dengan jumlah biaya 50 yang merupakan biaya paling kecil. Pergerakan
terakhir pada papan Grid seperti pada Gambar 9.
Gambar 9. Pergerakan terakhir pada papan grid
4.3. Implementasi
Pada tahap ini dilakukan pembuatan desain game. Berikut adalah implemetasi game
pada bagian utama.
a. Pembangunan Terrain Hutan
Terrain merupakan bentuk map dari game secara keseluruhan disetiap levelnya. Peta
game yang dibuat berbasis grid yang akan digunakan untuk pathfinding oleh Player
maupun Non Player Character. Penegmbangan Terrain Hutan seperti pada Gambar 10.
Gambar 10. Terrain Hutan
b. Tampilan Game
Gambar 11 merupakan bentuk tampilan game ketika Player melakukan eksplorasi pada
peta.
Gambar 11. Tampilan Game
Jurnal Ilmiah Sinus Vol : 17, No. 2, Juli 2019
ISSN (Print) : 1693-1173, ISSN (Online): 2548-4028
48……………. Jurnal Ilmiah SINUS (JIS) DOI : https://doi.org/10.30646/sinus.v17i2.423
4.4. Pengujian
Pengujian validitas lebih dilakukan uji mengenai perhitungan algoritma itu sendiri yaitu
algoritma A*. Hal yang diuji adalah perbandingan hasil perhitungan manual algoritma
dengan perbandingan aplikasi yang berjalan. Pada perhitungan manual perbandingan
hasilnya dapat dilihat pada Tabel 2 dan Gambar 12.
Tabel 2. Perhitungan Manual
Node
Start
Node
Tujuan
Kemungkinan Rute Manual (Terdekat)
Besar biaya
(satuan kotak)
[7,20]
[10,18]
[8,20] [9,20] [10,20] [10,19] [10,18]
Panjang lintasan = 5
[8,20] [9,20] [10,20] [11,20] [11,19] [11,18]
[10,18]
Panjang lintasan = 7
[6,20] [5,20] [4,20] [4,19] [4,18] [4,17] [5,17]
[6,17] [7,17] [8,17] [9,17] [10,17] [10,18]
Panjang lintasan = 13
[6,20] [5,20] [4,20] [3,20] [3,19] [3,18] [3,17]
[4,17] [5,17] [6,17] [7,17] [8,17] [9,17] [10,17]
[10,18]
Panjang lintasan = 15
Gambar 12. pergerakan papan grid manual
Dari hasil perhitungan secara manual pada Tabel 2 yang telah dilakukan maka
akan didapat 4 kemungkinan rute terdekat A menuju B dari arena sebenarnya.
Gambar 13. Rute terbaik NPC pada Game
C
Jurnal Ilmiah Sinus (JIS) Vol : 17, No. 2, Juli 2019
ISSN (Print) : 1693-1173 , ISSN (Online): 2548-4028
DOI : https://doi.org/10.30646/sinus.v17i2.423 Jurnal Ilmiah SINUS (JIS)…………….49
Titik A merupakan titik awal pathfinding, dan titik B merupakan titik tujuan sedang C
yang berwarna hijau merupakan node optimal hasil perhitungan algoritma A* dalam game
dan merupakan solusi tercepat jarak yang bisa ditempuh.
Solusi optimal pada console game pada Gambar 13 yaitu sebanyak 50 node, sesuai
seperti perhitungan manual sebelumnya.
Tabel 3. Tabel Pengujian Program
Console
Node Dilewati
Duplikat Data
Rute A*
50 node
Tidakada
Sesuai
Serta akan didapat solusi optimal pada console game seperti diatas yaitu sebanyak 50
node, sesuai seperti perhitungan manual sebelumnya.
V. KESIMPULAN DAN SARAN
5.1 Kesimpulan
Algoritma A* berhasil diterapkan sebagai pembangkit perilaku pencarian pada NPC
pada game yang dibuat. Hasil pengujian algoritma yang didapat adalah hasil node yang
dilewati yakni sebanyak 50 node, hal tersebut sama dengan hasil perhitungan manual
algoritma A*.
Rute player dalam melakukan eksplorasi dalam peta game menunjukkan rute jalur yang
sama dengan perhitungan manual menggunakan algoritma A* dan merupakan rute tercepat
yang bisa dilalui.
5.2 Saran
Penggunaan algoritma A* pada game yang dibuat masih berbasis grid. Implementasi
kedepan diharapkan algoritma A* bisa diimplementasikan pada area yang berbasis
navigation mesh sehingga komputasi algoritma A* lebih cepat dalam menemukan titik
tujuan.
Jurnal Ilmiah Sinus Vol : 17, No. 2, Juli 2019
ISSN (Print) : 1693-1173, ISSN (Online): 2548-4028
50……………. Jurnal Ilmiah SINUS (JIS) DOI : https://doi.org/10.30646/sinus.v17i2.423
DAFTAR PUSTAKA
Adi Botea, Bruno Bouzy, Michael Buro, Christian Bauckhage, D. N. (2013). Pathfinding in
Game s. https://doi.org/10.4230/DFU.Vol6.12191.21
Barnouti, N. H., Al-Dabbagh, S. S. M., & Sahib Naser, M. A. (2016). Pathfinding in Strategy
Game s and Maze Solving Using A* Search Algorithm. Journal of Computer and
Communications, 04(11), 15–25. https://doi.org/10.4236/jcc.2016.411002
Blackman, S. (2013). Beginning 3D Game Development with Unity 4: Beginning 3D Game
Development with Unity 4: https://doi.org/10.1007/978-1-4302-4900-9
Cowling, P., Buro, M., Bida, M., Botea, A., Bouzy, B., Butz, M., … Sipper, M. (2014).
Search in Real-Time Video Game s. Artificial and Computational Intelligence in Game
s, 6, 1–19. https://doi.org/http://dx.doi.org/10.4230/DFU.Vol6.12191.1
Cui, X., & Shi, H. (2011). A*-based Pathfinding in Modern Computer Game s. International
Journal of Computer Science and Network Security, 11(1), 125–130. Retrieved from
http://paper.ijcsns.org/07_book/201101/20110119.pdf
Fairclough, C., Fagan, M., Mac Namee, B., & Cunningham, P. (2001). Research Directions
for AI in Computer Game s. Irish Conference on Artificial Intelligence and Cognitive
Science, 333–344. Retrieved from
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.17.2579&rep=rep1&a
mp;type=pdf
Graham, R., McCabe, H., & Sheridan, S. (2003). Pathfinding in computer Game s. ITB
Journal, 4(2), 1–26. https://doi.org/10.4230/DFU.Vol6.12191.21
Hart, P., Nilson, N., & Raphael, B. (1968). A formal basis for the heuristic determination of
minimum cost paths. IEEE Trans. Syst. Sci. Cybern. 4.
Millington, I., & Funge, J. (2009). Artificial Intelligence for Game s, Second Edition.
Representations. https://doi.org/10.1017/S0263574700004070
Niedermeier, R., & Sanders, P. (1996). On the Manhattan-Distance Between Points on
Space-Filling Mesh-Indexings. Univ. Fak. Fur Informatik, 1–10.
Yap, P. (2002). Grid-based path-finding. Advances in Artificial Intelligence, 44–55.
