IMPLEMENTASI MACHINE LEARNING AGENTS DENGAN MENGGUNAKAN DEEP REINFORCEMENT LEARNING PADA GAME FLAPPY BIRD

Penerapan Deep Reinforcement Learning (DLR) pada machine learning agents untuk permainan Flappy Bird telah menjadi fokus penelitian untuk mengeksplorasi adaptasi strategi permainan yang kompleks. Flappy Bird, sebagai permainan yang sederhana namun membutuhkan navigasi yang tepat, menjadi domain uji coba yang menarik untuk memahami potensi DLR dalam konteks permainan. Penelitian ini menerapkan model DLR dengan jaringan saraf yang dalam untuk melatih agent dalam memainkan Flappy Bird. Eksperimen dilakukan untuk mengevaluasi kinerja agent yang dilatih dengan DLR, dengan mencatat nilai-nilai kinerja seperti skor rata-rata yang dicapai, waktu konvergensi, dan kemampuan adaptasi terhadap tingkat kesulitan yang berbeda. Selain itu, studi ini melakukan perbandingan kinerja antara pendekatan DLR dan Supervised Learning dalam konteks permainan Flappy Bird. Perbandingan ini menyoroti bahwa agen yang dilatih dengan DLR mampu belajar strategi yang lebih adaptif dan mampu menyesuaikan diri terhadap perubahan lingkungan dalam permainan. DLR menunjukkan kemampuan yang lebih baik dalam menghadapi dinamika lingkungan, sementara Supervised Learning cenderung kurang mampu menangani situasi yang membutuhkan adaptasi langsung terhadap lingkungan. Hasil eksperimen menunjukkan bahwa agen yang dilatih dengan DLR mencapai skor rata-rata yang lebih tinggi dan menunjukkan fleksibilitas yang lebih besar dalam menghadapi variasi tingkat kesulitan dibandingkan dengan Supervised Learning. Meskipun DLR memerlukan waktu pelatihan yang lebih lama dan sumber daya komputasi yang lebih besar, kemampuannya untuk belajar secara interaktif dari lingkungan memberikan keunggulan dalam menangani permainan seperti Flappy Bird yang dinamis dan kompleks. Penelitian ini menegaskan potensi DLR sebagai pendekatan yang lebih efektif dalam mengembangkan agen cerdas dalam permainan sederhana yang memerlukan adaptasi dinamis, sementara juga memberikan perbandingan yang bermanfaat antara DLR dan Supervised Learning dalam konteks permainan tersebut.

Kata kunci: Deep Reinforcement Learning, Flappy Bird