ACHIEVING INTELLIGENCE

PERMAINAN GAME KOMPUTER PADA CATUR DAN CHECKER

OLEH :
Nama : Komang Ariasa
NIM : 1729101010
Kelas : I A (Singaraja)

JURUSAN ILMU KOMPUTER

PROGRAM PASCASARJANA
UNIVERSITAS PENDIDIKAN GANESHA
2017
 KATA PENGANTAR

Puji syukur saya panjatkan kehadirat Ida Sang Hyang Widhi Wasa/ Tuhan
Yang Maha Esa karena atas asung kerta wara nugraha-Nyalah sehingga dapat
menyelesaikan makalah yang berjudul “Achieving Intelligence Permainan
Game Komputer Pada Catur dan Checker” tepat pada waktunya.
Penulis mengucapkan terima kasih yang sebesar-besarnya kepada semua
pihak yang telah membantu dalam penyusunan makalah ini. Penulis menyadari
bahwa makalah ini masih jauh dari sempurna baik dari bentuk, susunan kalimat,
maupun cara penulisannya.
Oleh karena itu, saya sangat mengharap kritik dan saran yang
membangun demi kesempurnaan makalah selanjutnya. Akhir kata semoga
makalah ini dapat memberikan manfaat kepada kita semua.

Singaraja, 27 November 2017

Penyusun

DAFTAR ISI

KATA PENGANTAR.............................................................................................ii
DAFTAR ISI..........................................................................................................iii
BAB I PENDAHULUAN.......................................................................................1
1.1 Latar Belakang...............................................................................................1
1.2 Rumusan Masalah..........................................................................................2
1.3 Tujuan.............................................................................................................2

ii
 1.4 Manfaat...........................................................................................................2
BAB II PEMBAHASAN........................................................................................3
2.1 Mengenal Kecerdasan Buatan (Artificial Intelligence ).................................3
2.2 Artificial Intelligence Pada Games.................................................................4
2.3 Sejarah Artificial Game Pada Permainan Catur dan Checker........................5
2.4 Metode/ Algoritna Dalam Permainan Catur.................................................10
BAB III PENUTUP..............................................................................................14
3.1 Kesimpulan...................................................................................................14
DAFTAR PUSTAKA...........................................................................................15

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Salah satu aspirasi terbaik dari ilmu komputer adalah memahami dan
meniru kemampuan, yang kita kenali sebagai kecerdasan ekspresif pada manusia.
Berbagai penelitian telah membahas tugas mulai dari interaksi sensorik kita
dengan dunia (penglihatan, ucapan, penggerak) hingga kognitif (analisis,
permainan, pemecahan masalah). Pencarian untuk memahami kecerdasan manusia
dalam segala bentuknya juga merangsang penelitian yang hasilnya menyebar
kembali ke dalam keseluruhan ilmu komputer, sebagai contoh, daftar, pencarian,
dan machine learning.
Salah satu contoh perilaku cerdas adalah pemrosesan bahasa alami dalam
segala bentuknya, termasuk pengenalan dan pembangkitan suara, pemahaman
bahasa alami, dan terjemahan mesin. Lee menjelaskan bagaimana bidang
pemahaman bahasa alami statistik, komitmen terhadap perspektif komputasi
empiris menarik makna dari data dan membawa kontribusi interdisipliner secara
bersamaan.
Bentuk hasil penerapan kecerdasan buatan adalah permainan (game).
Permainan sering menyediakan setting untuk mengeksplorasi teknik komputasi
baru. Mereka membuat pengujuan yang sangat baik karena biasanya dibatasi
dalam lingkup. Perkembangan game sangat pesat, terutama sejak hadirnya
kecerdasan buatan dalam permainan catur dan checker yang menjadi cikal bakal
kecerdasan buatan dalam bidang teknologi komputer. Koller dan Biermann
memeriksa sejarah usaha sains komputer di catur, menunjukkan bagaimana
kesuksesan bergantung pada "kecerdasan" (representasi dan algoritma yang
disempurnakan) dan kekuatan komputer belaka.
Proses pengambilan keputusan dalam permainan jauh lebih kompleks
daripada yang kita bayangkan. Hal tersebut mengungkapkan bagaimana
kombinasi dari peningkatan kecepatan komputer yang dikombinasikan dengan
penelitian selama puluhan tahun mengenai metode pencarian dan evaluasi, yang
pada akhirnya dapat mengalahkan juara catur yang hebat.
1.2 Rumusan Masalah
Adapun rumusan masalah pada makalah ini yaitu sebagai berikut.

1
1.2.1 Apa yang dimaksud kecerdasan buatan (artificial intelligence) ?
1.2.2 Bagaimana penerapan artificial intelegence pada games?
1.2.3 Bagaimana sejarah dan perkembangan artificial intelegence pada
permainan catur dan checker?
1.2.4 Apa saja metode ataupun algoritma dalam permainan catur dan checker?

1.3 Tujuan
Berdasarkan latar belakang dan rumusan masalah, adapun tujuan dari
penulisan makalah ini yaitu:
1. Untuk mengetahui tentang kecerdasan buatan (artificial intelegence).
2. Untuk mengetahui implementasi artificial inteligence pada games.
3. Untuk mengetahui sejarah dan perkembangan artificial inteligence pada
permainan catur dan checker.
4. Untuk mengetahui metode ataupun algorima dalam permainan catur dan
checker.

1.4 Manfaat
Adapun manfaat yang ingin dicapai dari pembuatan makalah ini,
diantaranya penulis dapat mengetahui gambaran umum sejarah perkembangan
kecerdasan komputer dalam permainan dan bagaimana implementasi metode
kecerdasan game dalam permainan catur dan checker.

BAB II
PEMBAHASAN

2.1 Mengenal Kecerdasan Buatan (Artificial Intelligence )

Kecerdasan buatan adalah salah satu cabang Ilmu pengetahuan
berhubungan dengan pemanfaatan mesin untuk memecahkan persoalan yang
rumit dengan cara yang lebih manusiawi. Hal Ini biasanya dilakukan dengan
mengikuti/mencontoh karakteristik dan analogi berpikir dari kecerdasan manusia,
dan menerapkannya sebagai algoritma yang dikenal oleh komputer. Dengan suatu

2
pendekatan yang kurang lebih fleksibel dan efisien dapat diambil tergantung dari
keperluan, yang mempengaruhi bagaimana wujud dari perilaku kecerdasan
buatan. Beberapa macam bidang yang menggunakan kecerdasan buatan antara
lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf
tiruan dan robotika.
Pengertian lain dari kecerdasan buatan adalah bagian ilmu komputer yang
membuat agar mesin komputer dapat melakukan pekerjaan seperti dan sebaik
yang dilakukan manusia. Pada awal diciptakannya, komputer hanya difungsikan
sebagai alat hitung saja. Namun seiring dengan perkembangan jaman, maka peran
komputer semakin mendominasi kehidupan manusia. Komputer tidak lagi hanya
digunakan sebagai alat hitung, lebih dari itu, komputer diharapkan untuk dapat
diberdayakan untuk mengerjakan segala sesuatu yang bisa dikerjakan oleh
manusia.
Penelitian dalam AI menyangkut pembuatan mesin untuk
mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk
contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk
menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan,
suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang
memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata.
Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan,
teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat
lunak komputer rumah dan video game.

2.2 Artificial Intelligence Pada Games

Salah satu unsur yang berperan penting dalam sebuah game adalah
kecerdasan buatan. Dengan kecerdasan buatan, elemen-elemen dalam game dapat
berperilaku sealami mungkin layaknya manusia. Game AI adalah aplikasi untuk
memodelkan karakter yang terlibat dalam permainan baik sebagai lawan, ataupun
karakter pendukung yang merupakan bagian dari permainan tetapi tidak ikut
bermain (NPC = Non Playable Character). Peranan kecerdasan buatan dalam hal
interaksi pemain dengan permainan adalah pada penggunaan interaksi yang
bersifat alami yaitu yang biasa digunakan manusia untuk berinteraksi dengan
sesama manusia. Contoh media interaksi ialah:
 Penglihatan (vision)

3
  Suara (voice), ucapan (speech)
 Gerakan anggota badan ( gesture)
Untuk pembentukan Artificial Intelligence pada game ternyata digunakan
pula algoritma, yaitu jenis pohon n-aray untuk suatu struktur. Implementasi pohon
(tree) ini biasa disebut game tree. Berdasarkan game tree inilah sebuah game
disusun algoritma kecerdasan buatannya. Artificial intellegence yang disematkan
dalam sebuah game yang membentuk analisis game tree biasanya
merepresentasikan kondisi atau posisi permainan dari game sebagai suatu node,
dan merepresentasikan langkah yang mungkin dilakukan sebagai sisi berarah yang
menghubungkan node kondisi tersebut ke anak (child) sebagaimana representasi
suatu pohon (tree).
Dalam permainan yang ada pada komputer telah ditanamkan logika dasar
tentang kecerdasan buatan, dimana sistem permainan tersebut dapat melakukan
pengendalian, perencanaan, penjadwalan bahkan kemampuan untuk menjawab
diagnosa dan pertanyaan dari sebuah situasi. Permainan sederhana dalam
komputer yang memiliki kemampuan kecerdasan buatan tersebut diantaranya
adalah catur dimana komputer dapat bereaksi dan menjawab tindakan-tindakan
yang diberikan oleh lawan mainnya.

2.3 Sejarah Artificial Game Pada Permainan Catur dan Checker

Gagasan komputer untuk memainkan permainan yang kompleks seperti
catur telah hadir dalam penelitian komputer sains sejak awal, bahkan sebelum
adanya komputer sungguhan. Pada tahun 1769, Baron Wolfgang von Kempelen
menunjukkan sebuah robot permainan catur yang disebut "Turk", dan berhasil
menarik banyak perhatian. Dataran Eropa dikejutkan dengan suatu permainan
catur yang dapat menjawab langkah-langkah permainan catur yang belum
ditentukan terlebih dahulu. Mesin ini disebut dengan Maelzel Chess Automation.
Akan tetapi mesin ini akhirnya terbakar pada tahun 1854 di Philadelphia Amerika
Serikat, banyak orang tidak percaya akan kemampuan mesin tersebut. Kemudian
seorang penulis dari Amerika Serikat, Edgar Allan Poe (1809-1849) menulis
sanggahan terhadap mesin tersebut, dia dan kawan-kawannya ternyata benar,
bahwa mesin tersebut adalah tipuan, dan kenyataannya bukanlah aoutomation,

4
tetapi merupakan konstruksi yang sangat baik yang dikontrol oleh seorang pemain
catur handal yang bersembunyi di dalamnya.
Usaha untuk membuat konstruksi mesin permainan terus dilanjutkan pada
tahun 1914, dan mesin yang pertama kali didemonstrasikan adalah mesin
permainan catur. Penemu mesin ini adalah Leonardo Torres Y Quevedo, direktur
dari Laboratorio de Automatica di Madrid, Spanyol. Beberapa tahun kemudian,
ide permainan catur dikembangkan dan diterapkan di komputer oleh Claude
Shannon, salah satu bapak ilmu informasi.
Ide dasar bagaimana permainan komputer menurut Claude Shannon adalah
menentukan akar permainan yang memberi tahu kita semua kemungkinan urutan
gerakan dalam game. Misalnya, menganggap bahwa satu pemain memiliki
potongan hitam dan potongan putih lainnya. Maka kita bisa menandai setiap titik
penghentian permainan sebagai kemenangan B-hitam, W-white menang, atau D-
draw. Kemudian kita bisa bekerja dengan cara kita dari titik penghentian
permainan: Jika pemain putih pada gilirannya, memiliki gerakan yang mengarah
ke posisi yang ditandai W, maka ia dapat mengambil langkah itu dan menjamin
kemenangan. Asumsi permainan sempurna dimainkan oleh masing-masing
pemain, kita bisa benar-benar memahami potensi kemenangan setiap posisi lawan.

5
 Prosedur ini adalah alat teoritis yang hebat untuk memikirkan bagaimana
alur sebuah permainan. Namun sayangnya, prosedur ini tidak dapat dilakukan
karena ukuran perhitungannya terlalu besar untuk semua permainan realistis.
Mengingat sebuah komputer yang mengevaluasi sejuta posisi per detik
membutuhkan waktu lebih dari 1095 tahun untuk memutuskan langkah
pertamanya, maka ide Shannon hanya mampu mengeksplorasi hanya bagian dari
cabang permainan. Perkembangan komputer saat itu belum mendukung hasil ide
Shannon.
Turing, penemu mesin Turing merupakan orang pertama yang mencoba
dan menerapkan gagasan permainan catur. Ia menulis program pertama yang
mampu memainkan game catur penuh. Tapi program ini tidak pernah berjalan di
komputer.
Upaya pertama untuk mendapatkan komputer yang sebenarnya untuk
memainkan game real skala penuh dibuat oleh Arthur Samuel seorang profesor
teknik elektro di University of Illinois. Pada pertengahan 1940-an berhasil
menciptakan program game playing pertama yaitu checker untuk mencapai
kemampuan yang sebanding untuk menantang/mengalahkan juara dunia checkers
dan menunjukkan kekuatan komputer elektronik. Checkers adalah permainan

6
yang memakai strategi abstrak dan dimainkan oleh orang pemain dengan
melakukan langkah diagonal terhadap token dan bertujuan untuk menghabiskan
token lawan dengan cara melangkahinya. Karya Arthur Samuel dalam program
checker sangat penting dalam perhitungan non numerik, sehingga ia
mempengaruhi perancang komputer awal IBM untuk memasukkan instruksi logis
baru. Hasil program checker memberikan perkembangan untuk program seperti.
 Checkers-Board Representation
Representasi struktur data papan Checker penting karena ini adalah
penentu yang kuat dalam efisiensi aspek pencarian dan evaluasi dari
program (dan juga jumlah memori keseluruhan yang digunakan oleh
pencarian pohon game, buku pembuka, dan database endgame).
Representasi yang umum adalah matriks 8 by 8 sederhana yang
mengandung satu enam nilai (kosong, merah, hitam, merah-raja, dan
hitam-raja). Optimalisasi 8 oleh 8 adalah 10 dengan 10 model, yang
mencakup batas satu sel di sekitar seluruh papan (dengan sel-sel ini yang
mengandung nilai statis offboard). Ini menyederhanakan generator
bergerak dalam mengidentifikasi pergerakan ilegal. Representasi lain ada
untuk mengepak papan ke ruang yang lebih kecil, tapi biasanya
mengandalkan arsitektur CPU tertentu dan petunjuknya menginterogasi
dan memanipulasi bit individu.
 Search Algorithm
Seperti kebanyakan game klasik lainnya, minimax dengan pemangkasan
alfa-beta digunakan sebagai berarti mencari pohon game. Checker
memiliki faktor percabangan rata - rata 10, yang kurang dari Catur, tapi
cukup besar untuk mencari keseluruhannya pohon tidak layak. Sementara
pemangkasan alfa-beta melakukan pekerjaan yang bagus untuk
meminimalkan pohon pencarian, Ada teknik lain yang bisa diterapkan
secara heuristik untuk lebih mengurangi ruang pencarian pohon permainan
Sejumlah perangkat tambahan pencarian ada seperti windowing, dimana
batas alpha dan beta adalah jendela dari nilai yang dihitung sebelumnya
dan dapat menghasilkan pencarian lebih cepat dari pohon permainan.
Modifikasi lainnya termasuk Principal Variation Search (PVS), yang
menerapkan windowing ke setiap node di pohon permainan.

7
 Pada tahun 1949, Samuel bergabung dengan IBM's Poughkeepsie
Laboratory dan mengerjakan program komputer pertama yang tersimpan di IBM,
tahun 701. Samuel menyelesaikan programnya saat waktu luang dan mendapatkan
operator komputer (yang harus memberi otorisasi dan menjalankan semua
program komputer) untuk menjalankan programnya dengan mengatakan bahwa
mereka sedang menguji kemampuan dari 701. Program ini adalah salah satu
program pertama yang berjalan di komputer produksi IBM versi pertama.
Program catur samuel merupakan salah satu contoh perhitungan non-
numerik paling awal, Samuel sangat mempengaruhi set instruksi komputer IBM
awal. Program Samuel menggunakan algoritma yang lebih canggih, yang disebut
pemangkasan alfa-beta, yang menghindari jalan penjelajahan yang bisa
dibuktikannya kurang optimal. Algoritma ini memungkinkan Samuel untuk
hampir melipatgandakan jumlah langkah yang dilihatnya di masa depan sebelum
mengambil keputusan. Pemangkasan Alpha-beta memungkinkan program Samuel
memangkas sejumlah besar jalur di pohon yang tidak akan pernah bisa dimainkan
dengan optimal.

Perhatikan contoh pada Gambar diatas, pada mesin memiliki dua gerakan
yang mengarah ke posisi A dan B. Mesin memeriksa jalur yang berlanjut di luar
posisi A dan menentukan bahwa kualitas (sesuai dengan beberapa ukuran) dari
posisi terbaik yang dapat dicapai dari A adalah 10. Kemudian mulai mengevaluasi
posisi B, dimana pemain hitam bergerak. Gagasan kuat ini ditambah dengan
mekanisme lain memungkinkan rutinitas pencarian berjalan ratusan atau bahkan
ribuan kali lebih cepat daripada yang seharusnya terjadi. Selain memiliki

8
kemampuan pencarian yang canggih, program Samuel adalah program pertama
yang belajar dengan sendirinya bagaimana melakukan tugas dengan lebih baik.
Selama tahun 1970an, turnamen catur tahunan menampilkan banyak
program yang mengikuti teori ini: membangun sebuah mekanisme yang
mensimulasikan kemampuan manusia untuk mencari jalur yang menarik, dan
menciptakan kemampuan di mesin untuk melihat sangat jauh ke dalam gerakan
permainan masa depan.
Setelah mengalami perkembangan setiap tahunnya, program catur
mengalami perkembangan pesat dan berhasil memperoleh pencapaian baru.
Berdasarkan program dikembangkan di Northwestern University oleh David
Slate, Larry Atkin, dan lainnya. Telah diciptakan algoritma pencarian seragam
meski memiliki kearifan umum dan berhasil memenangkan turnamen tahunan.
Sebuah program yang melakukan pencarian seragam ke kedalaman tetap bisa
bermain dengan sempurna sampai prediksi detail dan tidak pernah membuat
kesalahan.
Perhitungan prediksi akan semakin membesar untuk setiap langkah dan
membutuhkan waktu lama. Simon Newell memprediksi hal tersebut, dan
menerapkan kecerdasan buatan pada komputer. Salah satu komputer yang
ditanamkan AI untuk game bernama Deep Blue. Deep Blue adalah
sebuah komputer catur buatan IBM pertama yang memenangkan sebuah
permainan catur melawan seorang juara dunia (Garry Kasparov) dalam waktu
standar sebuah turnamen catur. Sebuah komputer pertama kali menjadi juara dunia
pada tahun 1997. Deep Blue berlari pada mesin RS / 6000 yang kuat yang
dijalankan dengan 32 prosesor secara paralel dan juga memiliki sirkuit tujuan
khusus untuk menghasilkan gerakan catur. Deep Blue diuntungkan sangat
memanfaatkan hukum Moore. Mesin raksasa ini memeriksa 200 juta catur
bergerak per detik! Tapi banyak siklus komputer bukanlah satu-satunya faktor
dalam kemenangan Deep Blue.
Tim Deep Blue telah menghabiskan bertahun-tahun membangun
pengetahuan catur khusus ke dalam perangkat lunak dan perangkat keras sistem,
dan permainan sistem telah dikritik secara teratur oleh master catur selama
pengembangannya dan ditingkatkan melalui banyak desain ulang dan modifikasi
dan telah dipelajari langsung oleh komputer (mechine learning). Dalam

9
pertandingan tersebut sebanyak 6 game, deep blue menang 2 game, 1 kali kalah,
dan 3 kali seri.
Algoritma yang ditanamkan pada permainan catur adalah jenis pohon n-
ary (Tree Search) yang dibentuk menjadi suatu struktur. Algoritma ini termasuk
dalam algoritma inti yang banyak digunakan dalam banyak permainan.
Kini telah banyak berkembang game AI yang semakin menarik, interaktif,
dan dengan grafis yang sangat bagus. Ditambah dengan kemajuan teknologi
jaringan komputer yang semakin cepat, sudah banyak terdapat game-game AI
yang berbasiskan online.

2.4 Metode/ Algoritma Pada Permainan Catur dan Checker

Metode algoritma dalam permainan catur dan checker memiliki
persamaan. Terdapat berbagai algoritma pada permainan ini yaitu sebagai berikut.
A. Pohon n-aray yang dibentuk menjadi suatu struktur
Dalam permainan catur ini melihat semua kemungkinan yang ada dalam
permainan layaknya sebuah pohon, dengan langkah legal dalam permainan
tersebut sebagai sebuah akar. Sedangkan langkah atau posisi terakhir dari
permainan diibaratkan sebagai daun, di mana hasil dari permainan sudah dapat
diketahui.

Masalah yang dihadapi dalam menyusun sebuah algoritma permainan ini

adalah ukuran dari pohon permainan ini sangatlah besar, dapat dirumuskan
sebagai W^D, dimana W adalah rata-rata jumlah langkah yang legal dalam satu
posisi, dan D adalah kedalaman dari sebuah pohon. Melakukan pencarian
terhadap keseluruhan pohon adalah mustahil, terutama karena keterbatasan waktu
yang ada, bahkan untuk komputer tercepat sekalipun. Maka dari itu penggunaan
algoritma yang tepat untuk melakukan pencarian terhadap pohon didasarkan pada

10
menghindari pencarian terhadap seluruh pohon. Berbagai algoritma tersebut pada
umumnya digambarkan pada bahasa C. Untuk meringkas algoritma yang
ukurannya sangat besar tersebut, digunakanlah NegaMax, yakni sebuah struktur
fundamental yang menjadi dasar bagi setiap algoritma pencarian terhadap Chess
Tree.
Implementasinya adalah, jika langkah yang dilakukan lawan maka langkah
yang kita lakukan semakin baik. Tapi itu saja masih belum cukup untuk
menentukan langkah yang sangat banyak, sehingga digunakan juga Alpha-Beta
Search yang bertujuan untuk melakukan pengurangan secara besar-besaran
langkah-langkah yang kurang diperlukan, yang dengan kata lain, teknik ini
mengurangi ukuran pohon pencarian (Tree Search). Teknik inilah yang kini
digunakan sebagai dasar pembuatan permainan catur.
Beberapa versi program yang dibuat Samuel juga telah menerapkan
algoritma pemotongan alpha-beta.Samuel menggunakan dua macam metode, yang
disebut rote learning. Metode tersebut memiliki penyimpan untuk setiap posisi
yang ditemui selama permainan dengan tidak menghilangkan nilai yang
ditentukan oleh prosedur Minimax. Hasilnya adalah jika terdapat posisi yang
pernah ditenukan sebelumnya, akan dimunculkan sebagai posisi terminal pada
pohon pencarian. Sehingga, pencarian akan semakin mudah karena nilai posisi
diambil dari hasil pencarian yang telah dilakukan sebelumnya. Satu masalah awal
yang ditemukan adalah program tidak mendukung untuk melangkah langsung
menuju kemenangan. Samuel memberikan pengarahan dengan mengurangi sedikit
nilai posisi setiap tahap (disebut ply) pada analisis Minimax. Jika program
berhadapan dengan pilihan posisi dengan nilai yang hanya dibedakan oleh ply,
maka program akan secara otomatis melangkah pada pilihan yang paling
menguntungkan. Samuel mencoba permainan ini berkali-kali dengan melawan
berbagi versi sebelumnya dan melakukan backup pada setiap langkah.

B. Algoritma Minimax
Dalam permainan checkers ini
digunakan algoritma minimax yang
merupakan basis dari semua
permainan berbasis AI. Algoritma
Minimax merupakan algoritma yang

11
digunakan untuk menentukan pilihan agar memperkecil kemungkinan kehilangan
nilai maksimal. Dengan demikian kita dapat mengetahui, pada titik tertentu
permainan, langkah-langkah yang mungkin berikutnya. Permainan tersebut
berbagi karakteristik yang sama, yakni “permainan dengan penuh informasi”.
Setiap pemain mengetahui semua langkah-langkah yang mungkin dari pemain
lawannya. Algoritma ini mulai dikembangkan dari teori game zero-sum. Teori ini
mendeskripsikan situasi dimana jika terdapat pemain yang mengalami
pendapatan, pemain lain akan mengalami kehilangan dengan nilai yang sama dari
pendapatan tersebut, dan sebaliknya. Jumlah pendapatan dari pemain yang
dikurangi dengan jumlah kehilangan akan berjumlah nol.
Jika pemain dapat melewati rintangan tersebut dan telah sampai pada
ceheck point tersebut user dapat menekan tombol x untuk ememasuki check point
tersebut. Apabila sudah memasuki check point tersebut user dihadapkan dalam
sebuh pertandingan melawan musuh (AI) dan diharapkan pemain tersebut dapat
memenangi pertandingan agar dapat melanjutkan perjalan.

Pada algoritma minimax, pengecekan akan seluruh kemungkinan yang ada

sampai akhir permainan dilakukan. Pengecekan tersebut akan menghasilkan
pohon permainan yang berisi semua kemungkinan tersebut. Keuntungan yang
didapat dengan menggunakan algoritma minimax yaitu algoritma minimax
mampu menganalisis segala kemungkinan posisi permainan untuk menghasilkan
keputusan yang terbaik karena algoritma minimax ini bekerja secara rekursif
dengan mencari langkah yang akan membuat lawan mengalami kerugian
minimum. Semua strategi lawan akan dihitung dengan algoritma yang sama dan

12
seterusnya. Ini berarti, pada langkah pertama komputer akan menganalisis seluruh
pohon permainan. Dan untuk setiap langkahnya, komputer akan memilih langkah
yang paling membuat lawan mendapatkan keuntungan minimum, dan yang paling
membuat komputer itu sendiri mendapatkan keuntungan maksimum. Dalam
penentuan keputusan tersebut dibutuhkan suatu nilai yang merepresentasikan
kerugian atau keuntungan yang akan diperoleh jika langkah tersebut dipilih.
Untuk itulah disini digunakan sebuah fungsi heurisitic untuk mengevaluasi nilai
sebagai nilai yang merepresentasikan hasil permainan yang akan terjadi jika
langkah tersebut dipilih.Minimax bisa menggunakan satu dari dua strategi dasar.
Pada bagian pertama, seluruh permainan Pohon dicari ke simpul daun (end-
games), dan di bagian kedua, pohon itu hanya mencari kedalaman yang telah
ditentukan dan kemudian dievaluasi.

BAB III
PENUTUP

3.1 Kesimpulan
Salah satu unsur yang berperan penting dalam sebuah game adalah
kecerdasan buatan. Permainan sederhana dalam komputer yang memiliki
kemampuan kecerdasan buatan tersebut diantaranya adalah catur dimana
komputer dapat bereaksi dan menjawab tindakan-tindakan yang diberikan oleh
lawan mainnya. Salah satu komputer yang ditanamkan AI untuk game
bernama Deep Blue. Deep Blue adalah sebuah komputer catur buatan IBM
pertama yang memenangkan sebuah permainan catur melawan seorang juara
dunia (Garry Kasparov) dalam waktu standar sebuah turnamen catur. Algoritma
yang ditanamkan pada permainan catur ini adalah jenis pohon n-ary (Tree Search)
yang dibentuk menjadi suatu struktur. Dalam permainan checkers ini digunakan
algoritma minimax yang merupakan basis dari semua permainan berbasis AI.
Algoritma Minimax merupakan algoritma yang digunakan untuk menentukan
pilihan agar memperkecil kemungkinan kehilangan nilai maksimal.

13
 DAFTAR PUSTAKA

Akbar K.S.R. 2007. Algoritma Minimax Dalam Pengambilan Keputusan Pada

Permainan Tic-Tac-Toe. Bandung
Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik dan Aplikasinya).
Yogyakarta: Graha Ilmu.
ones, M. Tim, ARTIFICIAL INTELLIGENCE A Systems Approach, INFINITY
SCIENCE PRESS LLC, Hingham, Massachusetts New Delhi. Page. 89
Shaw, M. 2001. Computer Science. Reflection on the field, Reflections from the
field. National Research Council Of The National Academies:America.

14