Penerapan Algoritma Alphabeta Pruning Sebagai Kecerdasan Buatan pada Game Pawn Battle

Main Article Content

Ridho Rahman Hariadi Imam Kuswardayan Isye Arieshanti Irooyan Alfi T.Z

Abstract

Catur merupakan game strategi. Catur dimainkan oleh dua orang. Ada dua jenis warna bidak pada permainan catur, yaitu: bidak hitam dan bidak putih. Agar dapat memenangkan sebuah permainan catur, pemain harus menguasai strategi-strategi dalam bermain catur. Ada banyak startegi dalam bermain catur yang hanya dapat dipahami dengan banyak bermain dan berlatih. Modul-modul cara bermain catur pada umumnya hanya menjelaskan kejadian yang biasa terjadi dalam permainan catur. Sehingga berlatih merupakan satu-satu nya cara yang dapat digunakan untuk meningkatkan kemampuan dalam bermain catur. Penelitian ini merupakan penelitian implementasi yang menggunakan algoritma Alpha Beta Prunnning sebagai kecerdasan buatan dalam permainan catur. Algoritma yang biasanya digunakan dalam permainan catur adalah algoritma Min-Max. Algoritma Min-Max merupakan algoritma yang digunakan untuk menemukan langkah terbaik dalam permainan catur. Sedangkan Algoritma Alpha Beta Pruning adalah algoritma yang digunakan untuk mencegah perluasan cabang/node untuk mendapatkan hasil pencarian langkah yang lebih baik dari sebelumnya. Penelitian ini diharapkan dapat membantu memberikan gambaran penerapan algoritma Alpha Beta Prunning yang digunakan dalam  membangun sebuah kecerdasan buatan pada permainan catur.

Downloads

Download data is not yet available.

Article Details

How to Cite
HARIADI, Ridho Rahman et al. Penerapan Algoritma Alphabeta Pruning Sebagai Kecerdasan Buatan pada Game Pawn Battle. JURNAL INFOTEL, [S.l.], v. 9, n. 2, may 2017. ISSN 2460-0997. Available at: <http://ejournal.st3telkom.ac.id/index.php/infotel/article/view/166>. Date accessed: 27 june 2017. doi: https://doi.org/10.20895/infotel.v9i2.166.
Section
Articles

References

[1] U. Technologies, "Unity - unity - overview," Unity, 2015. [Online]. Available: http://www.unity3d.com/unity. Accessed: Jun. 2, 2015.
[2] B. Foundation, "About," blender.org, 2015. [Online]. Available: http://www.blender.org/about. Accessed: Jul. 2, 2016.
[3] "Methods - usability testing," 2002. [Online]. Available: http://www.usabilityfirst.com/usability-methods/usability-testing/. Accessed: Jan. 23, 2016.
[4] "Pawn Battle Strategies," in Kenil Worth Chess Club. [Online]. Available: http://www.kenilworthchessclub.org/media/Pawn_Battle_Strategies.pdf. Accessed: Jun. 23, 2015.
[5] S. J. Russell and P. Norvig, Artificial intelligence: A modern approach ; [the intelligent agent book], 2nd ed. United States: Prentice Hall/Pearson Education, 2010.
[6] Blender Foundation, â??Blender Supported Platformsâ?. 26 April 2015. [Online]. Available:http://wiki.blender.org/index.php/Dev:Ref/Supported_platforms. [Accessed 3 June 2015]
[7] "Currently known best algorithm(s) for computer chess?," 2010. [Online]. Available: http://stackoverflow.com/questions/2026262/currently-known-best-algorithms-for-computer-chess. Accessed: Jun. 3, 2015.
[8] Ilham, Anwari 2008, Penerapan Algoritma Minimax dengan Optimasi MTD(f) pada Permainan Catur, Jurnal, ITB, Bandung.
[9] Wikipedia, â??Wikipedia Minimaxâ?, 4 April 2015. [Online]. Available: https://en.wikipedia.org/wiki/Minimax. [Accessed 3 June 2015]
[10] Hermawan L, Bendi RK. Penerapan Algoritma A* Pada Aplikasi Puzzle. Information Technology. 2013;4:23.
[11] Panggabean, I. B. T., Suryadharma, Y., & Nugroho, P. (2006). Penyelesaian Permasalahan 8 Puzzle dengan Menggunakan Algoritma A*(A Star). Dalam Makalah Mahasiswa Tahun, 2005-2006.
[12] Fahrurrozi, Implementasi Algoritma Iterative Deepening A8 dan metode Pruning Pada Solusi Permainan Puzzle Flow Free Color, 2010
[13] D.E Knuth, R.W. Moore, An Analysis of Alpha Beta Pruning, Artificial Intelligence, Vol6(4), 1975, pp. 293-326
[14] J. Schaeffer, A.Plaat, New Advances in Alpha Beta Searching
[15] C. Browne, D. Powley, D. Whitehouse, S. Lucas, P. Cowling, P. Rohlfshagen, S. Tavener, D. Perez, S. Samothariks, C. Colton, A Survey of Monte Carlo Tree Search Methods, IEEE Trans. Comput. Intell. AI Games, Vol(1), 2012, pp. 1-49
[16] R. Coulom, Efficient Selectivity and Backup Operators in Monte Carlo Tree Search, Computer and Games, 5th International Conference, CG 2006, Italy, Turin, Italy, May 29-31, pp. 72-83