Implementasi Neuroevolution of Augmenting Topologies untuk Self-Driving Kart pada Unity Karting Microgame

Hayvito, Ezra Abednego (2020) Implementasi Neuroevolution of Augmenting Topologies untuk Self-Driving Kart pada Unity Karting Microgame. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Share Alike. Download (1MB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Share Alike. Download (327kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Share Alike. Download (314kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Share Alike. Download (770kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Share Alike. Download (730kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Share Alike. Download (1MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Share Alike. Download (216kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Share Alike. Download (614kB)

Abstract

Perkembangan kecerdasan buatan dan perkembangan game saling terkait. Game dan simulasi dapat dimanfaatkan untuk memahami dan memvisualisasikan bagaimana perkembangan kecerdasan sebuah agen dalam pembelajaran mesin. Unity ML-Agents Toolkit sebagai proyek open-source untuk melatih kecerdasan agen sudah diimplementasikan pada berbagai game yang dikeluarkan Unity, salah satunya adalah Unity Karting Microgame. Unity Karting Microgame mengambil konsep simulasi racing game dimana kart dikendalikan untuk menyelesaikan lintasan. Implementasi Unity ML-Agents Toolkit pada Unity Karting Microgame menghasilkan self-driving kart, agen cerdas dalam bentuk kart yang dapat mengemudikan dirinya sendiri tanpa bantuan manusia untuk dapat menyelesaikan lintasan, sehingga Unity Karting Microgame termasuk dalam robot path planning problem. Algoritma genetik, khususnya neuroevolution, terbukti berguna untuk menyelesaikan robot path planning problem. NeuroEvolution of Augmenting Topologies (NEAT) adalah salah satu metode neuroevolution yang memungkinkan pencarian topologi dengan kompleksitas (koneksi) minimal dan terbukti efektif. Dalam implementasi Unity ML-Agents Toolkit pada Unity Karting Microgame, NEAT belum diterapkan pada sebagai metode pengembangan kecerdasan untuk self-driving kart. Oleh karena itu, simulasi dibuat dengan mengimplementasi NEAT untuk self-driving kart pada Unity Karting Microgame. Adapun bahasa pemrograman yang digunakan adalah C# dengan platform Unity Engine. Uji coba dilakukan untuk mengetahui keunikan evolusi topologi jaringan saraf tiruan pada NEAT melalui hubungan kompleksitas dan fitness. Disimpulkan bahwa kompleksitas bertambah seiring berjalan waktu dan mempengaruhi tingkat nilai fitness. Individu terbaik didapatkan dengan 5 input node, 2 output node, 2 hidden node, dan 12 kompleksitas. Sebagai solusi optimal, individu terbaik juga dapat menyelesaikan lintasan yang berbeda dengan bebas tabrakan.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	NEAT, neuroevolution, self-driving, simulasi, Unity Karting Microgame
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	05 Dec 2020 06:38
Last Modified:	24 Aug 2023 06:24
URI:	https://kc.umn.ac.id/id/eprint/13532

Actions (login required)

View Item