GAME FLAPPY-BOT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Melatih agen / bot dalam sebuah permainan telah menjadi salah satu topik penelitian yang popular dalam Artificial Intelligence (Kecerdasan Buatan). Untuk dapat memecahkan sebuah masalah seperti itu diperlukan teori dan algoritma dalam penyelesaian yang membutuhkan domain yang cermat dalam mendefinisikan fitur tertentu. Metode pemecahan yang dapat digunakan dalam kasus seperti ini adalah Machine Learning. Metode ini telah diterapkan untuk bermain permainan sederhana sejak beberapa tahun lalu. Metode ini menunjukaan bagaimana sebuah komputer belajar memaikan video game Atari 2600 dengan mengamati piksel layar dan menerima hadiah saat skor game meningkat. Berdasarkan apa yang telah ada sebelumnya maka metode ini akan dicoba pada permasalahan yang berbeda. Pada penelitian ini menggunakan game yang populer yakni Flappy-Bird. Secara sederhana game ini menggunakan seekor burung sebagai aktor (agen) untuk dapat melewati banyak rintangan. Pada penelitian ini dikembangkan kerangka model dengan CNN (Convolutional Neural Network) untuk pembelajaran dari fitur yang diambil dari snapshot permainan. Dari hasil pengembangan model yang sudah dilakukan pelatihan menggunakan data pelatihan sebanyak 100.000 data, hasil prediksi tindakan oleh model CNN dapat menandingi dari kinerja manusia dalam menghasilkan score, dari pengujian dalam waktu 3 menit, 5 menit, 10 menit, 15 menit dengan 10 kali percobaan tiap selang waktu, didapatkan hasil tertingggi dalam 3 menit permainan 15 point, 5 menit permainan 20 point, 10 menit permainan 25 point, 15 menit permainan 40 point.