IMPLEMENTATION OF LEARNING VECTOR QUANTIZATION METHOD TOWARDS LEVEL DETERMINATION IN EDUCATION GAME SANG SANTRI

Abstract views: 451 , PDF downloads: 682
Keywords: neural network, LVQ, vocabulary, learning media, educational game

Abstract

Game edukasi lebih menarik jika diberi sebuah kecerdasan buatan. Salah satu algoritma kecedasasan buatan yang dapat diterapkan pada game ini adalah Learning Vector Quantization (LVQ). LVQ merupakan algoritma cerdas yang dapat diimplementasikan pada game karena LVQ dapat menghasilkan klasifikasi yang sesuai dengan yang diinginkan. Pada penelitian ini, penulis membuat game edukasi pembelajaran kosakata Bahasa Arab dengan menggunakan algoritma LVQ. Algoritma ini digunakan untuk menentukan level bermain seorang pemain ketika memainkan permainan ini. Hal ini dilakukan agar seorang pemain dapat menyelesaikan permainan berdasarkan kemampuannya dalam bermain. Algoritma ini diterapkan pada game berdasarkan dari nilai Skill Point dan Health Point. Berdasarkan hasil pengujian, algoritma LVQ dapat diterapkan dalam game pembelajaran kosakata Bahasa Arab untuk menentukan level permainan seorang pemain. Hasil pengujian menunjukkan nilai akurasi sebesar 80% dengan 12 data akurat dari 15 data uji coba. Berdasarkan hasil tersebut, algoritma LVQ dapat diterapkan dengan baik pada game Sang Santri.

Downloads

Download data is not yet available.

References

S. Karim, “Perubahan Perilaku Non-Player Character (NPC) pada Game Arabic Hunter menggunakan Jaringan Saraf Tiruan Perceptron,” Regist. J. Ilm. Teknol. Sist. Inf., vol. 3, no. 1, pp. 34–41, 2017, doi: 10.26594/register.v3i1.622.

P. W. Atmaja, D. O. Siahaan, and I. Kuswardayan, “Game Design Document Format For Video Games With Passive Dynamic Difficulty Adjustment,” Regist. J. Ilm. Teknol. Sist. Inf., vol. 02, no. 02, p. 86, 2016, doi: 10.26594/r.v2i2.551.

A. D. Dongare, R. R. Kharde, and A. D. Kachare, “Introduction to Artificial Neural Network ( ANN ) Methods,” Int. J. Eng. Innov. Technol., vol. 02, no. 01, pp. 189–194, 2012, [Online]. Available: https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.1082.1323&rep=rep1&type=pdf.

M. S. Syarif, “Penerapan Algoritma Backprogation Untuk Menentukan Level Bonus Dan Score Bonus Pada Game Edukasi Nahwu Menggunakan Kartu Berbasis Android,” Universitas Islam Negeri Maulana Malik Ibrahim Malang, 2016.

W. Muhammad, C. Perdana, and A. Qoiriah, “Game Edukatif Simulasi Pembuatan SIM Menggunakan Neural Network Backpropagation Sebagai Rekomendasi Penentu Kelulusan,” JINACS J. Informatics Comput. Sci., vol. 01, no. 04, pp. 217–227, 2020.

R. H. Wijaya, “Penentuan Genre Game Berdasarkan Kepribadian menggunakan Jaringan Saraf Tiruan Perceptron,” Universitas Nusantara PGRI Kediri, 2019.

S. Kusumadewi, Artificial Intellegence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu, 2003.

R. Hamidi, M. T. Furqon, and B. Rahayudi, “Implementasi Learning Vector Quantization ( LVQ ) untuk Klasifikasi Kualitas Air Sungai,” J-Ptiik, vol. 1, no. 12, pp. 1758–1763, 2017, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/635.

S. Tomia, Z. A. Leleury, and S. N. Aulele, “Perbandingan Metode Jaringan Saraf Tiruan Backpropagation Dan Learning Vector Quantization Dalam Deteksi Hama Pengerek Batang,” BAREKENG J. Ilmu Mat. dan Terap., vol. 11, no. 1, pp. 13–26, 2017, doi: 10.30598/barekengvol11iss1pp13-26.

K. T. Martono, “Pengembangan Game Dengan Menggunakan Game Engine Game Maker,” J. Sist. Komput., vol. 5, no. 1, pp. 23–30, 2015.

PlumX Metrics

Published
2022-04-04
How to Cite
[1]
S. Karim and M. Z. Abidin, “IMPLEMENTATION OF LEARNING VECTOR QUANTIZATION METHOD TOWARDS LEVEL DETERMINATION IN EDUCATION GAME SANG SANTRI”, antivirus, vol. 16, no. 1, pp. 11-24, Apr. 2022.
Section
Articles