LAPORAN PRAKTEK KERJA LAPANGANDI DEPARTEMEN REKAYASA INDUSTRI DAN PERANGKAT

LUNAK DIVISI PUSAT TEKNOLOGIPT. DIRGANTARA INDONESIA (PERSERO)

BANDUNG

BIDANG KAJIAN: ANALISIS DAN PERANCANGAN ARTIFICIAL INTELLIGENCE

PADA SISTEM SIMULATOR TANK AMX-13

DEPARTEMEN ILMU KOMPUTERFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGORBOGOR

2012

LAPORAN PRAKTEK KERJA LAPANGANDI DEPARTEMEN REKAYASA INDUSTRI DAN PERANGKAT

LUNAK DIVISI PUSAT TEKNOLOGIPT. DIRGANTARA INDONESIA (PERSERO)

BANDUNG

BIDANG KAJIAN: ANALISIS DAN PERANCANGAN ARTIFICIAL INTELLIGENCE

PADA SISTEM SIMULATOR TANK AMX-13

G64090065 Nur Muhammad SidikG64090114 Muhammad Ade Nurusani

DEPARTEMEN ILMU KOMPUTERFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGORBOGOR

2012

Instansi : Departemen Rekayasa Industri dan Perangkat Lunak Divisi Pusat Teknologi PT. Dirgantara Indonesia (Persero)

Bidang kajian /Nama/NRP : AI pada Sistem Simulator Tank AMX-13Nur Muhammad Sidik/G64090065 Muhammad Ade Nurusani/G64090114

DisetujuiKomisi Pembimbing

Pembimbing Pembimbing Lapangan

Dr. Eng. Wisnu Ananta Kusuma,ST, MT Wali Muhammad,STNIP. 19711110 200501 1005 NIK. 940130

Mengetahui,Ketua Departemen Ilmu Komputer

Dr.Ir. Agus Buono, MSi, MKomNIP. 19660702 199302 1001

i

KATA PENGANTAR

Puji syukur, penulis panjatkan kehadirat Allah SWT karena dengan rahmat dan karuniaNya tulisan ini berhasil diselesaikan. Semoga tulisan ini dapat memberikan suatu dampak positif bagi kita semua. Tulisan ini merupakan hasil Praktik Kerja Lapang(PKL) di PT Dirgantara Indonesia dengan bidang kajian Artificial Intelligence pada simulator tank AMX-13. Kegiatan PKL ini dilaksanakan sebanyak 35 hari kerja dari tanggal 27 Juni 2012 hingga 14 Agustus 2012.

Terima kasih penulis ucapkan kepada pihak yang telah membantu menyelesaikan tulisan ini, kepada Bapak Dr. Wisnu Ananta Kusuma, ST, MT selaku pembimbing kampus dan Bapak Wali Muhammad, ST selaku pembimbing instansi. Terima kasih juga untuk kedua orang tua atas doa dan dukungannya selama penulis menjalankan PKL, rekan-rekan Ilmu Komputer angkatan 46, serta seluruh pihak yang turut membantu kelancaran pelaksanaan kegiatan PKL.

Penulis menyadari bahwa dalam penyusunan laporan ini masih banyak kekurangan dan masih jauh dari sempurna, maka dengan segala kerendahan hati penulis mengharapkan saran dan kritik yang bersifat membangun dari semua pihak demi perbaikan dan penyempurnaan laporan ini, serta pembuatan laporan-laporan lain dimasa mendatang.

Semoga setiap kata dan tulisan yang ada dalam tulisan ini dapat memberi kontribusi untuk membawa keilmuan kita ke arah yang lebih baik, amin.

Bogor, 26 Agustus 2012

Penulis

ii

DAFTAR ISI

HalamanKATA PENGANTAR..............................................................................................iDAFTAR ISI............................................................................................................iiDAFTAR GAMBAR..............................................................................................iiiDAFTAR TABEL...................................................................................................ivBAB I PENDAHULUAN........................................................................................2

1. Latar Belakang.............................................................................................22. Tujuan..........................................................................................................23. Ruang Lingkup.............................................................................................24. PT Dirgantara Indonesia..............................................................................24. Visi dan Misi PT Dirgantara Indonesia........................................................35. Struktur Organisasi.......................................................................................36. Waktu dan Jadwal Kerja Praktek Kerja Lapangan.......................................57. Deskripsi Singkat Kajian..............................................................................5

BAB II LANDASAN TEORI..................................................................................61. Simulasi........................................................................................................62. Simulator Terintegrasi Tank AMX-13.........................................................93. Spesifikasi Teknis Driving Simulator RANPUR Tank AMX-13..............104. Kecerdasan Buatan(Artificial Intelligence)................................................135. Kecerdasan Buatan pada Game..................................................................156. Metodologi Pengembangan........................................................................187. Pengembangan Artificial Intelligence pada Sistem Simulator Tank AMX-

13................................................................................................................19BAB III PERENCANAAN DAN ANALISIS ARTIFICIAL INTELLIGENCE PADA SISTEM SIMULATOR TANK AMX-13.................................................21

1. Lingkup Masalah........................................................................................212. Deskripsi Umum Sistem............................................................................213. User Requirement.......................................................................................214. Use Case Diagram......................................................................................225. Class Diagram............................................................................................286. System Sequence Diagram.........................................................................307. Activity Diagram........................................................................................32

BAB IV PERANCANGAN DAN IMPLEMENTASI ARTIFICIAL INTELLIGENCE PADA SISTEM SIMULATOR.................................................35TANK AMX-13.....................................................................................................35

1. Perancangan AI pada Simulator Tank AMX-13.....................................352 Implementasi AI pada Simulator Tank AMX-13....................................39

BAB V PENUTUP.................................................................................................42DAFTAR PUSTAKA............................................................................................43

iii

DAFTAR GAMBAR

HalamanGambar 1 Struktur Organisasi PT Dirgantara Indonesia.......................................4Gambar 2 Struktur Organisasi Divisi Pusat Teknologi PT Dirgantara Indonesia. 5Gambar 3 Simulasi Dinamik Boeing 747................................................................7Gambar 4 Simulasi Pesawat Terbang Tempur F16.................................................7Gambar 5 Simulasi Kecepatan Pesawat Terbang...................................................8Gambar 6 Simulasi Antrian Bank............................................................................8Gambar 7.AI pada Components Package Delta3D...............................................18Gambar 8 The Waterfall Model.............................................................................19Gambar 9 System Development Life Cycle (SDLC)..............................................20Gambar 10 Use Case trainer membuat skenario...................................................22Gambar 11 Use Case Skenario Trainee................................................................25Gambar 12 Use Case 3D World Console Trainer.................................................25Gambar 13 Use Case 3D World Console Trainee.................................................26Gambar 14 Class Diagram User...........................................................................28Gambar 15 Class Diagram AI...............................................................................29Gambar 16 Sequence diagram Actor Creation......................................................30Gambar 17 Sequence diagram Actor Deletion......................................................31Gambar 18 Sequence Diagram Trainer Console Usage.......................................31Gambar 19. Activity Diagram Login.....................................................................32Gambar 20. Activity Diagram Trainer..................................................................33Gambar 21. Activity Diagram Trainee..................................................................34Gambar 22. AI Related Classes.............................................................................35Gambar 23. Subsection of the Scenario File TestTownLt Map.............................37Gambar 24. Subsection of the Senario File Marine.xml........................................38Gambar 25. Method FindPathAndGoToWaypoint................................................40Gambar 26. Method GoToWayPoint.....................................................................40Gambar 27. Fungsi Main.......................................................................................41Gambar 28. Animation Soldier pada Delta3D......................................................41Gambar 29. Diagram dari contoh program pengambilan keputusan...................45Gambar 30. program pengambilan keputusan menggunakan FIS........................47Gambar 31. program pengambilan keputusan menggunakan FIS hasilnya...........48

iv

DAFTAR TABELHalaman

Tabel 1: Rule FISKeputusan..................................................................................46Tabel 2: Rule FISLingkungan................................................................................46Tabel 3: Rule FISKondisi_Tank.............................................................................46Tabel 4: Rule FISKondisi_Lapangan....................................................................47Tabel 5: Rule FISKondisi_Tank_Kawan...............................................................47

v

DAFTAR LAMPIRANHalaman

Asumsi Membership Function TANK AMX-13.................................................44

vi

BAB I PENDAHULUAN

1. Latar BelakangDivisi Pusat Teknologi, Departemen Rekayasa Industri dan Perangkat Lunak

PT. Dirgantara Indonesia sejak bulan Mei 2012 mulai mengerjakan sebuah projek Simulator Terintegrasi Tank AMX-13. Kami selaku mahasiswa PKL diberi tugas oleh pihak instansi untuk mengkaji dan ikut menganalisis bagaimana cara mengimplementasikan kecerdasan buatan pada simulator tank.

2. Tujuana. Pengenalan konsep Artificial Intelligence yang mampu mengendalikan

gerak teman maupun lawan pada simulator terintegrasi tank AMX-13.b. Pemilihan metode Artificial Intelligence yang paling tepat untuk

diterapkan pada tank AMX-13.c. Menerapkan metode terbaik dari Artificial Intelligence lalu

mengimplementasikan pada game engine Delta3D.

3. Ruang LingkupRuang lingkup yang digunakan pada pengembangan perangkat lunak ini

dalam pengerjaan praktek kerja lapangan adalah: Peserta praktek kerja lapangan hanya mengerjakan sistem analisis dan

perancangan sistem dikarenakan waktu yang sedikit sedangkan pengerjaan projek memakan waktu berbulan-bulan.

Peserta praktek kerja lapangan memberikan usul tentang metode yang akan digunakan dalam pengembangan Artificial Intelligence pada simulator tank AMX-13.

Pengembangan Artificial Intelligence yang diajukan peserta PKL berupa beberapa asumsi yang akan diterapkan untuk gerak tank dalam keadaan sebenarnya.

4. PT Dirgantara Indonesia

Pada tahun 1976 melalui Peraturan Pemerintah No. 12 tanggal 5 April, pemerintah Indonesia telah memberikan kepercayaan penuh kepada Prof. BJ. Habibie untuk mengembangkan industri pesawat terbang di Indonesia dengan nama PT. Industri Peswata Terbang Nurtanio, tepatnya pada tanggal 23 Agustus 1976. Industri ini mempunyai misi untuk menguasai teknologi kedirgantaraan dan sekaligus mengembangkan kegiatan usaha sebagai layaknya sebuah badan usaha milik negara. Pada tahun 1986 dalam rangka lebih memperluas jangkauan produksi dan pemasaran, industri ini berganti nama menjadi PT. Industri Pesawat Terbang Nusantara. PT. IPTN tidak hanya mempertahankan dan meningkatkan penguasan teknologi tetapi juga mulai mengarah kepada upaya-upaya bisnis pesawat terbang yang sesungguhnya. Ketika tahun 1997 krisis ekonomi dan moneter melanda kawasan Asia tenggara dan Indonesia yang berdampak pada berkurangnya potensi pasar Dirgantara Indonesia. Berkaitan dengan hal tersebut, sejak Oktober 1998 industri ini mempersiapkan paradigma baru, puncaknya adalah perubahan nama menjadi PT. Dirgantara Indonesia. Saat ini, PT. Dirgantara Indonesia telah berhasil sebagai industri manufaktur dan memiliki

vii

diversifikasi produknya, tidak hanya bidang pesawat terbang, tetapi juga dalam bidang lain, seperti teknologi informasi, telekomunikasi, otomotif, maritim, militer, otomasi dan kontrol, minyak dan gas, turbin industri, teknologi simulasi, dan engineering services.

Divisi Pusat Teknologi merupakan salah satu unit dari Direktorat Teknologi dan Pengembangan yang berperan dalam proses pemilihan dan penentuan langkah yang diperlukan untuk mengembangkan teknologi yang akan diintegrasikan ke dalam produk yang terkait dengan teknologi kedirgantaraan serta menjaga kesiapan seluruh peralatan pengembangan teknologi sehingga dalam mengintegrasikan seluruh proses pengembangan teknologi dan peralatan yang dipilih akan dicapai rangkaian proses yang paling efisien, efektif dan kompetitif.

4. Visi dan Misi PT Dirgantara Indonesia Visi :

Menjadi perusahaan kelas dunia dalam industri dirgantara yang berbasis pada penguasaan teknologi tinggi dan mampu bersaing dalam pasar global, dengan mengandalkan keuntungan biaya. Misi :

Menjalankan usaha dengan selalu berorientasi pada aspek dan bisnis komersil dan dapat menghasilkan produk dan jasa yang memiliki keunggulan biaya.

Sebagai pusat keunggulan di bidang industri dirgantara, terutama dalam rakayasa, rancang bangun, manufaktur, produksi dan pemeliharaan untuk kepentingan komersial dan milliter dan juga untuk aplikasi di luar industri dirgantara.

Menjadikan perusahaan sebagai peMain kelas dunia di industri global yang mampu bersaing dan melakukan aliansi strategis dengan industri dirgantara kelas dunia lainya.

5. Struktur OrganisasiPT Dirgantara Indonesia dikepalai oleh seorang direktur utama yang

membawahi enam direktorat, yaitu Direktorat Keuangan, Direktorat Umum dan Sumber Daya Manusia, Direktorat Aerostructure, Direktorat Aircraft Integration, Direktorat Aircraft Services serta Direktorat Teknologi dan pengembangan. Struktur organisasi Direktorat Teknologi dan Pengembangan lebih lengkapnya dapat dilihat pada Gambar 1. Bagian yang dilingkari dengan garis merah adalah tempat penulis melaksanakan Praktik Kerja Lapangan, yaitu Divisi Pusat Teknologi.

viii

Divisi Pusat Teknologi merupakan salah satu bagian dari Direktorat Teknologi dan Pengembangan dimana dalam divisi ini terbagi menjadi lima departemen. Penulis sendiri berada di Departemen Rekayasa Industri dan Perangkat Lunak dalam Praktik Kerja Lapangan ini. Departemen Rekayasa Industri dan Perangkat Lunak sendiri dibagi menjadi empat bidang, yaitu System Definition and Integration, Sistem Perangkat Lunak, Sistem Perangkat Keras, serta Komunikasi dan Jaringan. Struktur organisasi Divisi Pusat Teknologi lebih lengkapnya dapat dilihat pada Gambar 2.

Environment System

Direktur UtamaPT D.I

Asisten Direktur Utama Bidang Bisnis Pemerintah

Asisten Direktur Utama Bidang Bisnis Pemerintah

Asisten Direktur Utama Bidang Sistem Manajemen Mutu

Perusahaan

Asisten Direktur Utama Bidang Sistem Manajemen Mutu

Perusahaan

Sekretariat PerusahaanSekretariat Perusahaan Satuan Pengawasan InternSatuan Pengawasan Intern Divisi Perencanaan & Pengembangan Perusahaan

Divisi Perencanaan & Pengembangan Perusahaan Divisi PengamananDivisi Pengamanan

Direktorat KeuanganDirektorat Keuangan Direktorat Umum & Sumber Daya Manusia

Direktorat Umum & Sumber Daya Manusia

Divisi PerbendaharaanDivisi Perbendaharaan

Divisi AkuntansiDivisi Akuntansi Divisi Jasa Material & Fasilitas

Divisi Jasa Material & Fasilitas

Divisi Sumber Daya Manusia

Divisi Sumber Daya Manusia

Direktorat Aerostructure

Direktorat Aerostructure

Direktorat Aircraft Integration

Direktorat Aircraft Integration

Direktorat Aircraft Services

Direktorat Aircraft Services

Direktorat Teknologi & Pengembangan

Direktorat Teknologi & Pengembangan

Divisi Integrasi UsahaDivisi Integrasi Usaha

Divisi Operasi Aerostructure

Divisi Operasi Aerostructure

Divisi Manajemen Sumber Daya Aerostructure

Divisi Manajemen Sumber Daya Aerostructure

Divisi RekayasaDivisi Rekayasa

Divisi Pemasaran & Penjualan Aircraft

Integration

Divisi Pemasaran & Penjualan Aircraft

Integration

Divisi Pemasaran & Penjualan Aircraft

Services

Divisi Pemasaran & Penjualan Aircraft

Services

Divisi Logistik & Dukungan Pelanggan

Divisi Logistik & Dukungan Pelanggan

Divisi Operasi Aircraft Integration

Divisi Operasi Aircraft Integration

Divisi Perawatan & Modifikasi

Divisi Perawatan & Modifikasi

Asisten Direktur Bidang Pengembangan Produk

Strategis

Asisten Direktur Bidang Pengembangan Produk

Strategis

Divisi Manajemen Sumber Daya Aerocraft

Structure

Divisi Manajemen Sumber Daya Aerocraft

Structure

Divisi Manajemen Logistik

Divisi Manajemen Logistik

Divisi Sertifikasi & Manajemen Sumber

Daya

Divisi Sertifikasi & Manajemen Sumber

Daya

Divisi Pusat Uji TerbangDivisi Pusat Uji Terbang

Divisi Pusat Rancang Bangun

Divisi Pusat Rancang Bangun

Divisi Pusat TeknologiDivisi Pusat Teknologi

Divisi Jasa Teknologi & Rekayasa

Divisi Jasa Teknologi & Rekayasa

Gambar 1 Struktur Organisasi PT Dirgantara Indonesia

ix

6. Waktu dan Jadwal Kerja Praktek Kerja LapanganSenin – Kamis Pukul 07.30 -16.30 WIB.Jumat Pukul 07.30 – 17.00 WIB.

7. Deskripsi Singkat KajianArtificial Intelligence merupakan disiplin ilmu untuk membuat aksi dan

reaksi otonom agen atau NPC (Non-Player Character), bagaimana tindakan dan keputusan yang diambil NPC dalam strategi menyerang musuh atau bertahan dari serangan musuh dengan FSM (Finite State Machine) untuk mendesain perilaku. Selanjutnya digunakan logika fuzzy untuk penentuan strategi maupun respon perilaku NPC terhadap kondisi yang dihadapi. Dari keputusan yang didapat lalu digunakan pathfinding untuk menentukan jalan mana yang diambil NPC untuk mendapatkan jarak optimum baik ketika menyerang maupun bertahan. Pada PKL ini Artificial Intelligence dikerjakan oleh Nur Muhammad Sidik dan Muhammad Ade Nurusani.

Divisi Pusat Teknologi

Perancangan dan Pengendalian ProgramPerancangan dan Pengendalian Program

Kerjasama Teknologi & Manajemen HKI

Kerjasama Teknologi & Manajemen HKI

Departemen Pengembangan

Teknologi

Departemen Pengembangan

Teknologi

Departemen Rekayasa Industri

& Perangkat Lunak

Departemen Rekayasa Industri

& Perangkat Lunak

Departemen Analisa Struktur

Departemen Analisa Struktur

Departemen Analisa Sistem

Departemen Analisa Sistem

Departemen Aerodinamika

Departemen Aerodinamika

Kesiapan TeknologiKesiapan Teknologi

Pengembangan Metoda

Pengembangan Metoda

Eksperimenn AeroEksperimenn Aero

Mekanika TerbangMekanika Terbang

Aero & Dinamika GasAero & Dinamika Gas

Rancang Bangun Konfigurasi

Rancang Bangun Konfigurasi

Pengembangan Produk Baru

Pengembangan Produk Baru

Fatique & Fracture Mechanics

Fatique & Fracture Mechanics

StressStress

AeroelasticityAeroelasticity

Load Load

Structrural Loadability Analysis

Structrural Loadability Analysis

Flight Control & Mechanical System

Flight Control & Mechanical System

Avionics & Flight Beck System

Avionics & Flight Beck System

Propulsion & Related System

Propulsion & Related System

Electrics System Electrics System

Speciality & System Enginering

Speciality & System Enginering

Komunikasi & Jaringan

Komunikasi & Jaringan

Sistem Perangkat Keras

Sistem Perangkat Keras

Sistem Perangkat Lunak

Sistem Perangkat Lunak

System Definition & Integration

System Definition & Integration

Environment SystemEnvironment System

Gambar 2 Struktur Organisasi Divisi Pusat Teknologi PT Dirgantara Indonesia

x

BAB II LANDASAN TEORI

1. Simulasi

Simulasi adalah proses implementasi model menjadi program komputer (software) atau rangkaian elektronik dan mengeksekusi software tersebut sehingga perilakunya menirukan atau menyerupai sistem nyata (realitas) tertentu untuk tujuan mempelajari perilaku (behaviour) sistem, pelatihan (training), atau perMainan (gamming) yang melibatkan sistem nyata (realitas). Jadi, simulasi adalah proses merancang model dari suatu sistem yang sebenarnya, mengadakan percobaan-percobaan terhadap model tersebut dan mengevaluasi hasil percobaan tersebut.

Simulasi merupakan suatu metode eksperimental dan terpakai untuk menjelaskan perilaku sistem, membangun teori atau hipotesis yang mempertanggungjawabkan perilaku dari sistem yang diamati, memakai teori-teori untuk meramalkan perilaku sistem yang akan datang, yaitu pengaruh yang akan dihasilkan oleh perubahan-perubahan variabel dan parameter sistem atau perubahan operasinya.

Berdasarkan perangkat keras yang digunakan, maka ada tiga jenis simulasi, yaitu : simulasi analog, simulasi digital, dan simulasi hybrid. Simulasi analog adalah simulasi yang implementasinya menggunakan rangkaian elektronika analog, seperti opamp(operational amplifier) untuk integrasi, pembanding, pembalik, penjumlah, dan lain-lain. Simulasi digital adalah simulasi yang implementasinya menggunakan komputer digital. Simulasi hybrid adalah simulasi yang implementasinya menggunakan gabungan rangkaian elektronika analog dan komputer digital.

Berdasarkan waktu simulasi, maka ada simulasi waktu nyata(real time) dan simulasi offline. Simulasi waktu nyata adalah simulasi dimana waktu simulasi adalah sama dengan satu detik waktu nyata. Contoh simulasi waktu nyata adalah simulasi terbang(flight simulation), simulasi mobil, dan simulasi tank, dan lain-lain. Simulasi offline adalah simulasi dimana definisi waktu simulasi adalah tidak sama(diskalakan) dengan waktu nyata, bisa dipercepat bisa diperlambat. Data masukan dan hasil keluaran simulasi offline tidak perlu interaktif. Contoh simulasi offline adalah simulasi perang, simulasi antrian bank, simulasi ekonomi, dan lain-lain. Berikut beberapa contoh gambar simulasi,

xi

Gambar 3 Simulasi Dinamik Boeing 747

Gambar 4 Simulasi Pesawat Terbang Tempur F16

xii

Gambar 5 Simulasi Kecepatan Pesawat Terbang

Gambar 6 Simulasi Antrian Bank

xiii

2. Simulator Terintegrasi Tank AMX-13

Simulator Terintegrasi Tank AMX-13 (STTA13) merupakan wahana untuk melatih awak/kru ranpur dalam mengoperasikan ranpur Tank AMX-13 baik secara modular maupun terintegrasi.

Awak/kru ranpur adalah Danran (Commander), Petembak (Gunner) dan Pengemudi (Driver). Pelatihan secara modular adalah pelatihan secara terpisah/masing-masing. Awak (Pengemudi, Petembak, Danran) sendiri-sendiri yang dipandu oleh Asisten atau Instruktur dengan skenario yang sesuai. Dalam pelatihan modular hanya satu awak ranpur saja yang mengoperasikan simulator dalam satu sesi latihan (satu waktu), yaitu Pengemudi saja atau Petembak saja. Pelatihan secara terintegrasi adalah pelaksanakan latihan yang melibatkan seluruh awak dengan skenario yang melibatkan koordinasi seluruh awak.

Dalam satu sesi latihan simulator digunakan oleh 2 atau 3 awak ranpur, yaitu pengemudi-petembak, pengemudi-danran, danran-petembak, dan pengemudi-petembak-danran (Pengemudi, Petembak, Danran) secara bersama-sama dengan dipandu oleh Asisten atau Instruktur.

Secara umum kemampuan STTA13 adalah sebagai berikut : Mempunyai tampilan interior dan pelayanan (Human Machine Interface)

yang menyerupai ranpur Tank AMX-13 yang sebenarnya. Ekivalensi tata letak, ukuran, bentuk, penampakan, fungsi peralatan maupun kemampuan dan keterbatasannya.

Mampu menampilkan visualisasi kondisi medan operasi 3D yang dipilih yaitu medan operasi : Pusdikkav, Cipatat, Cibenda, Aceh, Kalimantan dan Irian, dalam pandangan (view) 360 derajat.

Mampu memvisualisasikan target 3D baik target diam (statik) dan bergerak (dinamis).Target statik termasuk berbentuk lesan tembak.

Mampu membangkitkan efek kinetis dan suara sebagai akibat dari suara mesin (automotive), kondisi medan dan tembakan.

Mampu membangkitkan tanda atau peringatan tertentu jika pada simulator terjadi kondisi ketidaksesuaian dengan kamampuan operasional dan prosedur pelayanan yang sebenarnya dari ranpur.

Kubah (turret) dan Kanon (Cannon) tidak berputar secara fisik tetapi simulator mampu membangkitkan efek visual karena gerakan kubah yang bisa berputar 360 derajat.

Mampu menirukan dinamika ranpur Tank AMX-13 termasuk efek tembakan dari Cannon.

Mampu menirukan penembakan senjata Cannon 105 mm dan senjata Coax.

Mampu membangkitkan visualisasi dinamika lingkungan : efek waktu (time of day), cuaca (visibility), angin, dan asap.

Mampu melakukan penilaian hasil latihan secara otomatis. Mampu menyediakan Training Management System : manejemen data

siswa, majemen latihan, manajemen skenario latihan dan sistem penilaian.

xiv

Ranpur musuh dapat dikendalikan oleh instruktur atau bergerak secara otomatis.

Ranpur musuh berjumlah maksimal 10 objek yang memiliki skenario gerakan masing-masing.

3. Spesifikasi Teknis Driving Simulator RANPUR Tank AMX-13

Driving SimulatorDriving simulator adalah alat simulasi mengemudi yang dalam konteks

pendidikan merupakan alat bantu peraga dan bahan uji yang diperuntukkan bagi instruktur dan siswa. Alat ini juga merupakan sarana melatih teknik dan kesigapan pengemudi sehingga dapat dipergunakan sebagai sarana latih yang efektif dengan tingkat keamanan yang tinggi.Driving simulator memiliki fungsi konfigurasi berupa : Latihan mengemudi Alat uji keterampilan mengemudi Pengusutan gangguan mengemudi

Medan SimulasiLatihan mengemudi disimulasikan pada medan yang berbeda-beda,

berikut merupakan beberapa materi latihan mengemudi:1. Mengemudi jalan datar/jalan raya

a. Tujuan: sebagai sarana pelatihan mengemudi dasar para pengemudi untuk melatih keterampilan teknik mengemudi sebelum latihan sebenarnya.

b. Visualisasi: view alam berupa medan datar dan terdapat jaring-jaring jalan yang dapat dilalui ranpur.

c. Efek Suara: seperti suara mesin ranpurd. Efek Gerak: pengemudi merasakan getaran saat melewati jalan tidak

rata.2. Mengemudi di medan tanjakan/turun dan jalan berbelok

a. Tujuan : melatih mengendalikan ranpur pada saat jalan menanjak/turun dan jalan berbelok.

b. Visualisasi: lebih dominan berupa panorama daerah perbukitan yang banyak jalan menanjak/turun dan berbelok.

c. Efek Suara: seperti suara mesin ranpur.d. Efek Gerak: pengemudi merasakan gerakan naik/turun tanjakan,

belok seperti saat mengemudi sebenarnya.3. Mengemudi di medan pasir dan lumpur

a. Tujuan: melatih kemampuan pengemudi agar dapat melintasi medan pasir dan berlumpur.

b. Visualisasi: berupaview daerah pasir dan lumpur terbatas.

xv

c. Efek Suara: seperti suara mesin ranpur d. Efek Gerak: pengemudi merasakan selip rantai saat melewati medan

pasir dan lumpur.

Automotive RANPUR Tank Dalam tubuh TNI AD terdapat kecabangan Kavaleri dimana kecabangan

tersebut salah satunya menggunakan Ranpur Tank dalam melaksanakan tugas pokoknya yaitu melaksanakan pertempuran mantra darat dengan mobilitas yang tinggi.

Ranpur tank yang terdapat disatuan Kavaleri TNI AD salah satunya adalah Ranpur Tank buatan Perancis yang terdiri dari beberapa jenis, antara lain Tank AMX-13 Kanon, Tank AMX-13 APC, Tank AMX-13 Ambulance, Tank AMX-13 Logistik, Tank AMX-13 Jembatan, dan lainnya. Setiap jenis ranpur tank tersebut memikili karakteristik dan system automotive yang berbeda dan harus dipahami setiap prajurit Kavaleri dan satuannya.

Karakteristik Ranpur Tank AMX-13 Kanon 75-105 mm Mesin Bensin a. Awak Kendaraan : 3 orang.b. Data Teknis

1. Berat lengkap : 14,5 Ton.2. Berat kubah + meriam : 5 Ton.3. Tinggi

a) Dengan kubah : 2,18 m.b) Badan : 1,38 m.

1. Lebara) Badan : 2,51 m.b) Lebar rantai : 0,35 m.

1. Panjanga) Dengan kanon : 6,36 m.b) Tanpa kanon : 44.88 m.

1. Bebas dasar : 0,37 m.2. Tebal baja

a) Bagian depan : 40 mm.b) Bagian samping : 20 mm.c) Bagian belakang : 15 mm.d) Atas/bawah : 10 mm.e)

c. Automotive1) Mesin : Sofam Type 8G X B 8 selinder 4-4 berbaring bertolak.2) Bahan bakar : MT-87 isi tangki 480 liter (2 tangki bahan bakar).

d. Senjata1) Senjata utama : 1 pucuk kanon 105/75 mm.2) Senjata Coak : 1 Pucuk metraliur AA-52.

xvi

3) Pelontar granat : 3 pasang untuk kanon 105/2 pasang.4) Amunisi : Kanon 37 butir AA-52

AA-52 10 peti @150 butire. Radio : SCR 50B dan AM/GRC-9f. Kemampuan

1) Aksi radius : 480 km.

2) Kecepatana) Dijalan maksimal : 60 km/jamb) Dijalan rata-rata : 35-45 km/jamc) Dilapangan : 12-15 km/jam

3) Mendaki : 310 (60%)

4) Melangkah parit : 1,60 m.

5) Membuat lubang dengan : 6,40 m dlm 1,30 mgaris tengah

6) Naik rintang tegak maju : 0,65 m.Naik rintang tegak mundur: 0,45 m.

7) Mengarung : 0,60 m.

8) Tekanan jejak : 0,75 m.

9) Rintangan miring : 310 (60%)

Karakteristik Ranpur Tank AMX-13 Kanon 75-105 mm Mesin Solar (Retrofitting) a. Awak Kendaraan : 3 orang.

1) 1 orang Danran (Commander)2) 1 orang Penembak (Gunner)3) 1 orang Pengemudi (Driver)

b. Data Teknis1) Berat kosong : 15700 kg.2) Berat siap tempur : 17200 kg.3) Besar tekanan jejak : 0,878 kg/cm2

a) Dengan kubah : 2,18 m.b) Badan : 1,38 m.

4) Panjang dengan kanon : 6,36 m.5) Panjang badan : 4,88 m.6) Lebar : 2,510 mm.7) Tinggi dengan kubah : 2,620 m.8) Bebas dasar normal : 0,43m/beban tempur 0,39m/beban9) Tebal baja

a) Depan : 40 mm.b) Kiri/kanan : 20 mm.c) Atas/bawah : 10 mm.

xvii

d) Belakang : 15 mm.c. Senjata

1) Kanon caliber 105 mm dan coaxial.2) PSU 7,62 mm ditambah pelontar.3) Granat asap caliber 81 mm, dengan kemampuan putaran kubah 3600

d. Automotive1) Mesin type : V.6 Turbocharger.2) Model : 6.V 53 T.3) Buatan pabrik : Detroit Diesel Alison (DDA).4) Putaran mesin maksimal : 2800 Rpm dan mengeluarkan tenaga 300

HP5) Putaran stasioner : 700 Rpm6) Jenis bahan bakar : Diesel (solar)7) Transmisi/gearbox diganti dengan otomatis penuh dengan data sebagai

berikut :a) Type : Otomatis penuhb) Model : 5 WG-180.c) Buatan pabrik : ZFd) Jumlah percepatan : 5 maju dan 2 mundur

8) Suspensi. Sistem suspense yang diganti adalah shock absorber diganti dengan sistem hidrolic PNEUMATIC.

e. Radio : ANVRC-64f. Kemampuan

1) Kecepatan maksimum : 0.65 m2) Melewati rintangan tegak

a) Maju : 0,65 m.b) Mundur : 0,45 m.

3) Melangkah parit : 1,60 m.4) Menanjak besar sudut : 310

5) Mengarung kedalam : 0,80 m6) Pemakaian bahan bakar : 1:17) Aksi radius dijalanan : ±450-599 Km dijalanan8) Radius putar gandar dalam: 7,80 m / 3,90 m luar9) Aksi radius dilapangan : 16-19 jam.10) Berputar ditempat : 3600 ke kiri/kanan

4. Kecerdasan Buatan(Artificial Intelligence)

Kecerdasan buatan adalah suatu studi yang mengupayakan bagaimana agar komputer berlaku cerdas sehingga dapat menyelesaikan suatu persoalan yang sulit dengan meniru bagaimana manusia dapat menyelesaikan permasalahan dengan cepat. Dengan cara menyederhanakan program, kecerdasan buatan dapat meniru

xviii

proses belajar manusia sehingga informasi baru dapat diserap dan digunakan sebagai acuan di massa-masa yang akan datang. Manusia dapat menyerap informasi baru tanpa perlu mengubah atau mempengaruhi informasi lain yang telah tersimpan. Program kecerdasan buatan membutuhkan cara yang jauh lebih sederhana dibandingkan dengan memakai program standar tanpa kecerdasan buatan di dalamnya.

Teknik yang digunakan dalam kecerdasan buatan memungkinkan dibuatnya sebuah program yang setiap bagiannya mengandung langkah-langkah independen dan dapat diidentifikasi dengan baik untuk dapat memecahkan sebuah atau sejumlah persoalan. Setiap potong bagian program adalah seperti sepotong informasi dalam pikiran manusia. Jika informasi tadi diabaikan, pikiran kita secara otomatis dapat mengatur cara kerjanya untuk menyesuaikan diri dengan fakta atau informasi yang baru tersebut.

Makin pesatnya perkembangan teknologi menyebabkan adanya perkembangan dan perluasan lingkup yang membutuhkan kehadiran kecerdasan buatan. Karakteristik cerdas sudah mulai dibutuhkan di berbagai disiplin ilmu dan teknologi. Irisan antara psikologi dan kecerdasan buatan melahirkan sebuah area yang dikenal dengan nama cognition & psycolinguistics. Irisan antara teknik elektro dengan kecerdasan buatan melahirkan berbagai ilmu yang seperti: pengolahan citra, teori kendali, pengenalan pola, dan robotika. Adanya irisan kecerdasan buatan di berbagai ilmu menyebabkan cukup rumitnya untuk mengklasifikasikan kecerdasan buatan menurut disiplin ilmu yang menggunakannya. Untuk memudahkan hal tersebut, maka pengklasifikasian lingkup kecerdasan buatan didasarkan pada output yang diberikan yaitu pada aplikasi komersial.

Lingkup utama dalam kecerdasan buatan adalah:- Sistem Pakar(Expert System). Komputer digunakan sebagai sarana untuk

menyimpan pengetahuan pakar. Dengan demikian komputer akan memiliki keahlian untuk menyelesaikan permasalahan dengan meniru keahlian yang dimiliki oleh pakar.

- Pengolahan Bahasa Alami(Natural Language Processing). Dengan pengolahan bahasa alami ini diharapkan user dapat berkomunikasi dengan komputer menggunakan bahasa sehari-hari.

- Pengenalan Ucapan(Speech Recognition). Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi dengan komputer menggunakan suara.

- Robotika & Sistem Sensor(Robotics & Sensory Systems) .- Computer Vision, mencoba untuk dapat menginterpretasikan gambar atau

obyek-obyek tampak melalui komputer.- Intelligent Computer-aided Instruction. Komputer dapat digunakan

sebagai tutor yang dapat melatih dan mengajar.- Game Playing.

xix

Seiring dengan perkembangan teknologi, muncul beberapa teknologi yang juga bertujuan untuk membuat agar komputer menjadi cerdas sehingga dapat menirukan kerja manusia sehari-hari. Teknologi ini juga mampu mengakomodasi adanya ketidakpastian dan ketidaktepatan data input. Dengan didasari pada teori himpunan, maka pada tahun 1965 muncul Logika Fuzzy. Kemudian pada tahun 1975 John Holland mengatakan bahwa setiap problem berbentuk adaptasi(alami maupun buatan) secara umum dapat diformulasikan dalam terminologi genetika. Algortima Genetika ini merupakan simulasi proses evolusi Darwin dan operasi genetika atas kromosom.

5. Kecerdasan Buatan pada Game

Kecerdasan buatan pada Game mengacu pada teknik yang digunakan dalam perMainan komputer komputer dan video untuk menghasilkan ilusi kecerdasan dalam perilaku NPC(Non Playing Character). Kemampuan komputer yang telah diberi kecerdasan harus mampu memberi manusia rasa penasaran dengan tingkat kesulitan tinggi dan perilaku komputer yang sulit ditebak. Penekanannya untuk membuat kecerdasan komputer melebihi kinerja kecerdasan manusia. Kecerdasan buatan pada Game RTS(Real Time Strategy) umumnya terdiri dari perencanaan mencari jalan yang optimum(pathfinding), untuk berperang NPC juga diharapkan mempunyai rule untuk melancarkan strategi-strategi khusus seperti halnya manusia. Strategi yang dimaksud bisa berupa strategi mengejar lawan, menyerang lawan maupun menghindari lawan dimana untuk mendesain perilaku NPC digunakan Finite State Machine, dan untuk menentukan respon perilaku yang dilakukan terhadap perubahan kondisi yang dihadapi NPC digunakan logika fuzzy mamdani.

Non Player CharacterAutonomous character adalah jenis otonomous agent yang ditujukan untuk

penggunaan komputer animasi dan media interaktif seperti Games dan virtual reality. Agen ini mewakili tokoh dalam cerita atau perMainan dan memiliki kemampuan untuk improvisasi tindakan mereka. Inia dalah kebalikan dari seorang tokoh dalam sebuah film animasi, yang tindakannya ditulis di muka, dan untuk “avatar” dalam sebuah perMainan atau virtual reality, tindakan yang diarahkan secara real time oleh peMain. Dalam perMainan, karakter otonom biasanya disebut NPC (Non-Player Character). Divisi gerak perilaku otonom hirarki karakter dibagi menjadi tiga lapisan: seleksi tindakan, steering, dan penggerak.

Finite State MachineFSM(Finite State Machine) digunakan untuk merespon perilaku NPC

terhadap parameter-parameter yang digunakan sebagai dasar untuk menentukan gerakan-gerakan dari keputusan yang akan diambil pada kondisi tertentu. FSM mengatur state untuk setiap agent. Sebuah state machine dapat mengelola banyak states, tapi hanya ada satu state yang aktif pada satu waktu. Selain agent dan states, FSM biasanya dapat menerima event dari agent atau dari objek lain di

xx

dalam Game. Setiap event memiliki parameter khusus yang spesifik untuk event tersebut.

Logika Fuzzy MamdaniLogika fuzzy adalah sebuah metode untuk menangani masalah

ketidakpastian dalam suatu masalah yang mengandung keraguan, ketidaktepatan, kurang lengkapnya informasi, dan nilai kebenaran yang bersifat sebagian. Fungsi logika fuzzy yaitu untuk mendukung keputusan yang akan diambil oleh NPC. Bentuk aturan logika fuzzy mamdani adalah sebagai berikut:IF X1 is A1 AND ... AND Xn is An THEN Y is B. Dimana A1,...,An, B adalah nilai-nilai linguistik, sedangkan “X1 is A1” menyatakan bahwa nilai dari variabel X1 adalah anggota himpunan fuzzy.

A* PathfindingA* adalah algoritma pencarian umum yang biasa digunakan yang secara

intuitif mudah dimengerti dan sederhana untuk diimplementasikan. Pencarian path digunakan dalam berbagai konteks mulai dari perencanaan AI sehingga memungkinkan kita untuk memecahkan sejumlah besar masalah dengan lebih mudah. Alasan A* baik untuk digunakan karena dapat direpresentasikan sebagai ruang state yang cocok dengan suatu masalah dimulai dari kondisi dan keadaan awal dari lingkungan kemudian menghasilkan tindakan yang sesuai dengan tujuan penyelesaian masalah tersebut. A* tidak hanya mencari solusi yang cepat, tetapi juga dapat mencari solusi terbaik.

Beberapa fungsi yang umum digunakan pada algoritma pathfinding A* adalah sebagai berikut:

a. Manhattan DistanceManhattan Distance adalah fungsi heuristic standar untuk

algoritma A*. Digunakan pada aplikasi yang memiliki empat arah gerakan dengan fungsi:

h(n) = d * (abs (Xn - Xgoal) + abs (Yn - Ygoal))Dimana:

d adalah nilai biaya. Nilai d didapat dari nilai minimum cost perpindahan antar node.

Xn adalah koordinat X dari node pertama pada grid. Xgoal adalah koordinat X dari final node. Yn adalah koordinat dari node pertama dari grid. Ygoal adalah koordinat Y dari final node.

b. Straight Line DistanceStraight Line Distance adalah fungsi heuristic yang digunakan

pada aplikasi yang dapat bergerak ke segala arah/sudut dengan fungsi:h(n) = sqrt (abs (Xn - Xgoal)² + abs (Yn - Ygoal))²

Dimana: Xn adalah koordinat X dari node pertama pada grid. Xgoal adalah koordinat X dari final node. Yn adalah koordinat dari node pertama dari grid. Ygoal adalah koordinat Y dari final node.

xxi

c. Diagonal DistanceDiagonal Distance adalah fungsi heuristic yang digunakan pada

aplikasi yang memiliki delapan arah gerakan (dapat bergerak diagonal).

h(n) = d* max abs (Xn - Xgoal) + abs (Yn - Ygoal)Dimana:

d adalah nilai biaya. Dimana nilai d didapat dari nilai minimum cost perpindahan antar node.

Xn adalah koordinat X dari node pertama pada grid. Xgoal adalah koordinat X dari final node. Yn adalah koordinat dari node pertama dari grid. Ygoal adalah koordinat Y dari final node.

Kecerdasan Buatan pada Delta3DDelta3D adalah open source game engine yang dibuat oleh MOVES

Institute yang merupakan bagian dari Naval Postgraduate School. Salah satu kendala mengembangkan kecerdasan buatan pada Delta3D yaitu Delta3D kurang memiliki kemampuan spesifik untuk membuat hanya kecerdasan buatan tanpa harus memiliki kemampuan mendesain karakter untuk mengontrol non player character. Delta3D menyediakan tiga fasilitas basic untuk mendukung pengembangan AI yaitu, finite state machine class, traditional waypoint-based navigation, dan kesanggupan untuk code AI pada high level scripting language. AI pada Delta3D terletak didalam modul components package.

xxii

Gambar 7.AI pada Components Package Delta3D

6. Metodologi Pengembangan

Metodologi yang digunakan untuk mengembangkan aplikasi bidang kajian ini adalah Model Waterfall. Disebut waterfall(berarti air terjun) karena diagram tahapan prosesnya mirip dengan air terjun yang bertingkat. Ada lima tahapan utama dalam Model Waterfall, antara lain :

Tahap investigasi dilakukan untuk menentukan apakah terjadi suatu masalah atau adakah peluang suatu aplikasi dikembangkan. Pada tahap ini dilakukan studi kelayakan untuk menentukan apakah aplikasi yang akan dikembangkan merupakan solusi yang layak.

Tahap analisis bertujuan untuk mencari kebutuhan pengguna dan organisasi serta menganalisa kondisi yang ada.

Tahap disain bertujuan untuk menentukan spesifikasi detil dari komponen-komponen aplikasi yang sesuai dengan tahap analisis.

Tahap implementasi merupakan tahapan untuk mengembangkan software (pengkodean program), pengujian dan pelatihan software.

Tahap perawatan (Maintenance) dilakukan ketika software sudah dioperasikan. Pada tahap ini dilakukan monitoring proses, evaluasi dan perbaikan bila diperluakan.

xxiii

Gambar 8 The Waterfall Model

Dalam pengembangan aplikasi ini tidak lepas dari penggunaan notasi-notasi yang biasa disebut sebagai UML (Unified Modeling Language). UML adalah bahasa pemodelan standar atau kumpulan teknik-teknik pemodelan untuk menspesifikasi, mem-visualisasi, mengkonstruksi dan mendokumentasi hasil kerja dalam pengenmabangan perangkat lunak (Fowler, 2004). Ada beberapa jenis diagram UML yang digunakan pada pengembangan aplikasi ini, yakni :

Use-case diagram. Diagram ini berguna untuk menggambarkan interaksi antara pengguna dengan sebuah perangkat lunak.

Activity diagram. Diagram ini berguna untuk menggambarkan prosedur-prosedur perilaku perangkat lunak.

Class diagram. Diagram ini berguna untuk menggambarkan class, fitur dan hubungan-hubungan yang terjadi.

Sequence diagram. Diagram ini berguna untuk menggambarkan interaksi antar obyek dengan penekanan pada urutan proses atau kejadian.

State machine diagram, Diagram ini digunakan untuk menggambarkan bagaimana suatu kejadian mengubah objek selama masa hidup obyek tersebut.

7. Pengembangan Artificial Intelligence pada Sistem Simulator Tank AMX-13

Pada pengembangan aplikasi ini, tahapan dan aktifitas yang dilakukan mengacu pada proses pengembangan System Development Life Cycle (SDLC) seperti pada gambar di bawah ini.

xxiv

Gambar 9 System Development Life Cycle (SDLC)

xxv

BAB III PERENCANAAN DAN ANALISIS ARTIFICIAL INTELLIGENCE PADA SISTEM SIMULATOR TANK AMX-13

1. Lingkup MasalahAI pada Simulator Tank AMX-13 adalah perangkat lunak dalam sistem

simulator tank AMX-13 yang dapat menggerakan kendaraan kawan maupun musuh atau infranteri lawan secara otomatis berdasarkan keadaan yang terdapat di lapangan agar dapat digunakan dalam pelatihan pertempuran menggunakan tank AMX-13. Perangkat lunak ini dapat menghasilkan keputusan sendiri berdasarkan keadaan yang dialami oleh peserta latihan dan lingkungan sekitar kendaraannnya sehingga membantu peserta latihan dalam bertempur menggunakan tank AMX-13.

2. Deskripsi Umum SistemAI pada Simulator Tank AMX-13 digunakan untuk menggerakan benda

dinamis seperti tank kawan ataupun musuh secara otomatis.Perangkat lunak ini dikembangkan dengan pemrograman OOP (Object

Oriented Programming) berbasis desktop. Perangkat lunak ini dapat membantu pengguna dalam berlatih dalam medan pertempuran seperti melawan musuh sungguhan yang dapat bergerak dan menembak sasaran, selain itu perangkat lunak ini dapat meningkatkan kerjasama tim dalam menyelesaikan sebuah misi. AI pada Simulator Tank AMX-13 didukung dengan pengambilan keputusan menggunakan metode pengambilan keputusan Fuzzy Inference System dengan menggunakan metode mamdani serta mencari jalan terbaik untuk pathfinding menggunakan metode A*. Operasi ini untuk membantu AI dalam mengambil keputusan ketika keadaan tertentu muncul seperti musuh yang terlihat sudah memasuki jarak tembak.

3. User RequirementPengguna perangkat lunak ini merupakan trainer dan trainee yang terlibat

dalam suatu misi latihan menggunakan tank AMX-13.Dari hasil analisis karakteristik pengguna dan batasan sistem, maka

kebutuhan pengguna (user requirement) adalah sebagai berikut :1. Anggota TNI atau nama lainnya trainee yang akan berlatih menggunakan

simulator Tank AMX-13 dapat melihat musuh-musuh yang digerakan oleh AI yang dapat menyerang trainee. Sehingga trainee tidak bisa memperkirakan pergerakan tank musuh dan harus menyusun strategi untuk mengalahkan AI.

2. Trainer dapat mengatur skenario maupun misi yang harus diselesaikan oleh trainee.

3. Trainer dapat mengikutsertakan AI atau tidak dalam sebuah misi latihan.4. Trainee dapat melihat bagaimana tank bergerak dan melawan tank lain yang

dikendalikan oleh AI.

3.1 User Characteristics

Trainer

xxvi

Trainer adalah kelas user yang berfungsi membuat skenario pada 2D world map dan mengamatinya pada 3D world map untuk mengevaluasi trainee setelah tahap simulasi. Tahap pertama trainer harus membuat skenario baru dan menambahkan aktor untuk fasilitas 2D map. Selanjutnya pada tahap kedua trainer akan mengamati hasil skenario yang dibuat pada 3D world map.

TraineeKelas trainee sebagian besar menggunakan 3D world map dibandingkan 2D world map. Tahap pertama yaitu pada 2D world map peserta pelatihan atau trainee dapat memilih tank untuk mengontrol skenario simulasi. Tahap kedua trainee langsung bisa mengontrol tank yang dipilih dan bebas bergerak dalam 3D world map. Semua tindakan trainee pada 3D world map akan diamati dan dievaluasi oleh trainer.

4. Use Case DiagramUse Case diagram digunakan untuk menunjukkan interaksi antara pengguna

dan sistem. Selain itu, Use Case juga dapat menggambarkan aliran data yang terjadi.

4.1 Use Case Trainer membuat skenario

Gambar 10 Use Case trainer membuat skenario

xxvii

4.1.1 New MapDeskripsi : Trainer dapat memilih map mana yang akan dipilih pada

suatu skenario.Asumsi : File-file program map telah diselesaikan pada produk akhir

program.Steps : 1) Trainer mengakses bagian map yang akan dipilih.2) Trainer memilih map dan mengkonfirmasi pilihannya.

4.1.2 Create ScenarioDeskripsi : Trainer dapat membuat skenario dari map yang dipilih.Asumsi : Keputusan pemilihan map sudah dibuat.Steps : 1) Trainer mengakses tombol skenario yang dibuat.

4.1.3 Load ScenarioDeskripsi : Trainer dapat memuat, memodifikasi, dan mensimulasikan

skenario yang telah ditetapkan.Asumsi : Harus ada skenario yang telah dibuat sebelumnya. Beberapa

skenario dasar akan disediakan bersamaan dengan produk akhir.

Steps : 1) Trainer mengakses tombol loading skenario yang dibuat.2) Trainer memilih skenario yang ditetapkan dan mengkonfirmasi

keputusan.

4.1.4 Save ScenarioDeskripsi : Trainer dapat menyimpan skenario yang telah dibuat.Asumsi : Trainer telah membuat skenario.Steps : 1) Trainer mengakses tombol saving skenario yang dibuat.

4.1.5 Add Actor To ScenarioDeskripsi : Trainer dapat menambahkan standar unit untuk skenario

yang ia buat sebelumnya.Asumsi : Trainer telah membuat skenario.Steps : 1) Trainer mengakses aktor dan menambahkannya.2) Trainer memilih terrain yang akan mengambil tempat di dalam

skenario dan memutuskan berapa jumlah unit yang ditampilkan.3) Trainer mengkonfirmasi pemilihan aktor yang ditambahkan.4) Sistem menampilkan daftar unit yang dipilih dan jumlahnya.

xxviii

4.1.6 Add Mission To ActorDeskripsi : Trainer dapat menetapkan misi yang berbeda kepada aktor

yang akan berlangsung di skenario.Asumsi : Trainer telah membuat skenario dan menambahkan aktor ke

dalam skenario.Steps : 1) Trainer mengakses aktor dan menambahkannya.2) Trainer memilih aktor untuk menambahkan missinya.3) Trainer mengkonfirmasi pemilihan aktor yang ditambahkan.

4.1.7 Delete ActorDeskripsi : Trainer mungkin ingin menghapus aktor yang sebelumnya ia

tambahkan.Asumsi : Trainer telah membuat skenario dan telah ditambahkan aktor

ke dalam skenario.Steps : 1) Trainer mengakses aktor dan menambahkannya.2) Trainer memilih aktor yang ditambahkan sebelumnya kemudian

menghapusnya.3) Trainer mengkonfirmasi keputusan menghapus aktor tersebut.

4.1.8 Set EnvironmentDeskripsi : Trainer dapat mengatur kondisi lingkungan dari skenario.Asumsi : Trainer telah membuat skenario.Steps : 1) Trainer mengakses pengaturan bagian lingkungan.2) Trainer memilih kondisi lingkungan (siang atau malam, kondisi cuaca,

dll).3) Trainer mengkonfirmasi pemilihan kondisi lingkungan.

4.1.9 Observe ScenarioDeskripsi : Setelah trainer memilih skenario dan opsi-opsinya, proses

simulasi akan mulai untuk mengobservasi.Asumsi : Trainer telah membuat skenario, memilih aktor untuk

melakukan suatu misi, dan memilih kodisi lingkungan.Steps : 1) Trainer mengkonfirmasi semua pilihannya dari pembuatan skenario.2) Simulasi pertempuran dimulai dengan skenario yang sudah dipilih lalu

trainer mengamatinya.

xxix

4.2 Use Case Skenario Trainee

Gambar 11 Use Case Skenario Trainee

4.2.1 Choose ActorDeskripsi : Trainee dapat memilih aktor yang ia inginkan untuk

digunakannya didalam 3D world.Asumsi : Skenario telah dibuat dan aktor telah ditambahkan ke

skenario tersebut oleh trainer.Steps : 1) Trainer memilih ikon 2D dari aktor pada 2D map.

4.3 Use Case 3D World Console Trainer

Gambar 12 Use Case 3D World Console Trainer

4.3.1 Change CameraDeskripsi : Trainer dapat mengubah sudut kamera dan posisi kamera.Asumsi : Default angle kamera dan posisi kamera sudah ditambahkan

ke map.Steps : 1) Trainer mengakses bagian perubahan kamera dari konsol.2) Trainer mengontrol sudut kamera dengan tombol arah dan gerakan

mouse.3) Trainer mengkonfirmasi ketika posisi kamera dan angle diatur.

xxx

4.3.2 Pause-ContinueDeskripsi : Trainer dapat menghentikan sementara atau melanjutkan

observasi.Asumsi : Proses simulasi telah dimulai untuk melakukan observasi.Steps : 1) Trainer mengakses tombol Start/Stop yang merupakan bagian dari

konsol.

4.3.3 ForwardDeskripsi : Trainer dapat mempercepat observasi.Asumsi : Proses simulasi telah dimulai untuk melakukan observasi.Steps : 1) Trainer mengakses tombol Forward yang merupakan bagian dari

konsol.

4.4 3D World Consol Trainee

Gambar 13 Use Case 3D World Console Trainee

4.4.1 MovementDeskripsi : Trainee mengontrol pergerakan unit yang dipilihnya.Asumsi : Tidak ada hambatan apapun pada arah gerakan.Steps : 1) Trainee mengontrol unit menggunakan keyboard dan mouse.2) Tombol arah kiri dan kanan sesuai dengan gerakan horisontal.3) Mouse dapat mengontrol arah unit.

xxxi

4.4.2 FireDeskripsi : Trainee menembak untuk membunuh atau menghancurkan

beberapa target musuh.Asumsi : Trainee memiliki peluru untuk menembak.Steps : 1) Trainee mengatur kursor untuk menghancurkan target.2) Klik tombol kiri mouse untuk menembak.

4.4.3 Change PositionDeskripsi : Trainee mengatur gerakan tertentu dari tank seperti patroli

atau bertahan.Asumsi : Tidak ada hambatan apapun pada gerakan vertikal.Steps : 1) Trainee mengatur kursor unit menggunakan keyboard dan mouse.2) Tombol arah kiri dan kanan sesuai dengan gerakan horisontal.

4.4.4 Change Position of CursorDeskripsi : Kursor ditampilkan pada tengah layar. Kursor menunjukkan

arah unit dan senjata.Asumsi : Tiap unit telah dibatasi kemampuan pergerakan kursornya.Steps : 1) Mouse mengontrol posisi kursor. Menurut gerakannya arah kursor

terdiri dari kiri, kanan, atas, dan bawah..

xxxii

5. Class Diagram

Gambar 14 Class Diagram User

Diagram ini menggambarkan kelas pengguna yang mendefinisikan pengguna. Kelas dasar atau base class adalah kelas user yang terdiri dari UserId, Password, dan SimulationId. Objek dari kelas ini dapat dibuat pada awal eksekusi dengan memparsing file konfigurasi yang diperlukan. Unique id pada SimulationId berfungsi untuk mendefinisikan apakah user termasuk Trainer atau Trainee.

xxxiii

Gambar 15 Class Diagram AI

Pada level ini package AI mampu menyediakan waypoint untuk aktor dan menetapkan target. BaseAIComponent menangani komunikasi antaran Game Engine Delta3D dan aktor. Kelas Waypoint dan WaypointManager menyediakan waypoints untuk aktor. Kelas Goal dan Conditional didesain untuk menentukan target tujuannya dengan memilih aktor, mendefinisikan urutan conditional, dan goal. Semua game actor pada simulasi memiliki misi tertentu.

xxxiv

6. System Sequence Diagram

Gambar 16 Sequence diagram Actor Creation

xxxv

Gambar 17 Sequence diagram Actor Deletion

Gambar 18 Sequence Diagram Trainer Console Usage

xxxvi

7. Activity Diagram

Penggunaan diagram ini untuk memvisualisasikan diagram aktivitas yang dilakukan oleh trainer, trainee dan juga proses login ke dalam sistem.

Gambar 19. Activity Diagram Login

xxxvii

Gambar 20. Activity Diagram Trainer

xxxviii

Gambar 21. Activity Diagram Trainee

xxxix

BAB IV PERANCANGAN DAN IMPLEMENTASI ARTIFICIAL INTELLIGENCE PADA SISTEM SIMULATOR

TANK AMX-13

1. Perancangan AI pada Simulator Tank AMX-13

Gambar 22. AI Related Classes

BaseAIComponent menangani komunikasi antaran Game Engine Delta3D dan aktor. Kelas Waypoint dan WaypointManager menyediakan waypoints untuk aktor. Kelas Goal dan Conditional didesain untuk menentukan target tujuannya dengan memilih aktor, mendefinisikan urutan conditional, dan goal. Semua game actor pada simulasi memiliki misi tertentu.

1) MissionsTerdapat 3 tipe misi yaitu:

MovingPada misi ini, setelah aktor ditambahkan ke dalam skenario lalu

aktor akan diberikan waypoint untuk menentukan titik akhir dalam map. Kemudian aktor akan berpindah posisi dari waypoint awal ke waypoint selanjutnya.

DefendingPada misi ini, aktor akan menjaga suatu daerah tertentu yang telah

diberikan oleh trainer. Peserta pelatihan diharapkan mampu mempertahankan daerah tersebut dari serangan musuh.

xl

PatrollingMisi ini mirip dengan misi Defending tetapi terdapat perbedaan

yaitu setelah trainer menambahkan aktor dengan skenario, ia akan memberikan waypoint dan misi berpatroli pada waypoint tersebut. Trainee yang mengontrol actor akan diberi pesan tentang misi patroli dan tempat dimana saja ia harus patroli akan ditampilkan dalam map.

2) Simulation GoalsAda 2 tipe dari Simulation Goals:

Elimination Goal Ketika Trainer memberikan goal kapada tim, Non-Controllable

Actor atau AI akan menghancurkan musuh dan bangunan, dan Controllable Actor atau Trainee akan diberi pesan bagaimana goal mereka dan diharapkan Trainee dapat menghancurkan musuh.

Capturing/Defending Goal Trainer dalam satu tim akan menetapkan goal untuk menyerang

area tim lain. Dimana Trainer tim lain akan menetapkan goal bertahan untuk menjaga area timnya. Diharapkan pesan yang disampaikan trainer kepada trainee dapat diselesaikan dengan baik oleh trainee.

xli

3) Terrain DataBerikut contoh potongan dari terrain data ditunjukkan oleh gambar

dibawah ini. XML menyimpan berbagai data yang berhubungan dengan medan dari simulasi.

Gambar 23. Subsection of the Scenario File TestTownLt Map

xlii

4) Actor’s DataAktor data menyimpan berbagai data yang berkaitan dengan aktor

dan property aktor yang berada dalam simulasi.

Gambar 24. Subsection of the Senario File Marine.xml

xliii

2 Implementasi AI pada Simulator Tank AMX-13

Tahap implementasi baru berhasi pada penggunaan algoritma pathfinding dalam menjalankan soldier. Soldier akan berjalan di kota secara otomatis mengikuti jalur tertentu sesuai navigasi. Tampilan grafis berupa model 3D yang terdiri dari objek statis yang berbeda seperti rumah, batu, pohon, dan dinding dengan tekstur lingkungan yang lebih realistis.

Aplikasi ini terdiri dari beberapa source files sebagai berikut:• AICharacter.h – menyediakan kelas antarmuka untuk implementasi karakter AI.•AICharacter.cpp – Mengimplementasikan perilaku karakter prajurit. Kelas ini berfungsi untuk menemukan logika dalam implementasi seperti metode path planning. Perhitungan rute dilakukan oleh algoritma path planning yang ada pada Delta3D. Pada saat runtime, API menyediakan metode yang akan merencanakan rute antara dua titik yang akan dilakukan dengan mencari navigation graph menggunakan algoritma A*. Fungsi ini mengembalikan jalur terpendek ke lokasi tujuan dalam bentuk daftar waypoints. Penggunaan sebenarnya dari arah titik untuk pergerakan karakter tidak ditangani oleh Delta3D tetapi ditangani oleh code pengguna dimana dalam hal ini oleh kelas AICharacter. Pada gambar dibawah ini akan ditunjukkan bagaimana fungsi ini dilakukan oleh aplikasi WalkingSoldier. Method dari FindPathAndGoToWaypoint adalah kelas member dari kelas AICharacter. Method ini menentukan apakah ada jalan antara waypoint saat ini dan waypoint yang lain sebagai parameter input. Pemanggilan Delta3D A* Algorithm untuk menentukan apakah path ditemukan atau tidak. Jika jalur ditemukan, bagian if statement akan mengeksekusi setiap waypoint dan diberi warna hijau kecuali yang terakhir diberi warna merah. Jika tidak ada path yang ditemukan FindPathAndGoToWaypoint mengembalikan nilai false.• TestAI.h – menyediakan kelas antarmuka untuk menguji aplikasi•TestAI.cpp – Menyediakan fungsi uji karakter AI dan menyiapkan konfigurasi pemandangan, menempatkan kamera, memuat peta, dan memuat waypoint. Kelas TestAI merupakan extends dari kelas Application yang berisi template untuk menciptakan sebuah aplikasi Delta3D. Template ini terdiri dari sejumlah virtual Methods yang menyediakan kerangka dasar untuk aplikasi. Kelas TestAI meng-override virtual Methods dari kelas Application :- Config: Mengatur pemandangan dengan menempatkan kamera dan memuat model grafis dan menempatkan karakter di waypoint pertama.- KeyPressed: Membuat pengguna dapat berinteraksi dengan aplikasi dengan menggunakan keyboard.- PreFrame: Dipanggil oleh aplikasi sebelum menggambar pemandangan dan disebut juga aplikasi loop.• Main.cpp – berfungsi untuk memulai aplikasi.

xliv

Gambar 25. Method FindPathAndGoToWaypoint

Method FindPathAndGoToWaypoint menggunakan algoritma A* pathfinding untuk menghitung path antara waypoints.

Gambar 26. Method GoToWayPoint

Method GoToWaypoint mengirimkan karakter ke waypoint yang telah didefinisikan oleh parameter input.

xlv

Gambar 27. Fungsi Main

Fungsi main berfungsi untuk menjalankan aplikasi dengan menggunakan mapName sesuai dengan yang sudah dikonfigurasi oleh pengguna dan mengambil root path pada folder Delta3D /examples/data.

Gambar 28. Animation Soldier pada Delta3D

Tampilan program yang sudah dieksekusi, soldier akan otomatis berjalan mencari path terdekat menggunakan algoritma A* Delta3D.

xlvi

BAB V PENUTUP

Peserta praktek kerja lapang di PT. Dirgantara Indonesia (PERSERO),

divisi Pusat Teknologi, Departemen Rekayasa Industri dan Perangkat Lunak mengikuti kegiatan pengembangan simulator Tank AMX-13 yang baru berjalan sekitar dua bulan. Peserta PKL diharapkan dapat menganalisis dan merancang serta mencoba mengimplementasikan AI pada simulator Tank AMX-13.

KesimpulanImplementasi AI pada simulator Tank AMX-13 belum dapat dilakukan

secara keseluruhan karena peserta PKL belum mempelajari ilmu dasar simulation dan game engine di bangku kuliah. Peserta juga tidak memiliki waktu yang cukup karena banyaknya hal yang harus dipelajari terlebih dahulu sebelum membuatnya sampai selesai. Peserta PKL berhasil membuat sebuah rancangan pengambilan keputusan menggunakan Fuzzy Inference System dengan metode mamdani namun pembuatan rancangan masih menggunakan bahasa JAVA dengan bantuan aplikasi NetBeans 7. Rancangan ini masih menggunakan metode input dalam menghitung yang seharusnya input dilakukan secara otomatis dan berkala (setiap detik). Rancangan ini menggunakan database yang ada pada library aplikasi Delta3D dan beberapa asumsi yang diberikan oleh pebimbing lapangan.

Contoh program sederhana pathfinding Delta3D berada di tahap implementasi. Sedangkan contoh program pengambilan keputusan telah dibuat oleh peserta PKL dan dimasukkan ke dalam halaman lampiran. Contoh program ini mampu menentukan keputusan berdasarkan informasi pada database berupa kondisi yang dihadapi oleh kendaraan AI.

SaranPeserta harus lebih menguasai berbagai aplikasi yang dibutuhkan dalam

pembuatan simulator 3D seperti Delta3D serta beberapa dependencies yang ada. Membuat animasi dan aktor juga perlu dipelajari contohnya menggunakan software 3DS Max, setelah aktor dibuat maka tahapan implementasi artificial intelligence pada aktor tersebut dapat dilakukan. Peserta juga harus aktif bertanya kepada user tentang apa yang dibutuhkan dalam simulator tersebut. Peserta juga harus mengetahui keadaan sebenarnya dalam latihan menggunakan tank AMX-13 sehingga peserta paham dalam tahap pembuatannya.

xlvii

DAFTAR PUSTAKA Arif, Yunia Miftachul, et al. Jurnal : Integrasi Hierarchy Finite State Machine dan

Logika Fuzzy untuk Desain Strategi NPC Game. Institut Teknologi Sepuluh Nopember, [5 Agustus 2012].

Brandstetter, William E et al. Jurnal : SAI-BOTS:Scripted Artificial Intellegent Basic Online Tank Simulator. Department of Computer Science and Engineering University of Nevada, Reno, 2005.

Dewan, Lt Col Chetan. 2008. Disertasi : Customising Open-Source Rendering Engine for Visual-based Simulation. Bombay : Indian Institute of Technology.

Dimyati, Akhmad dan Tjutju Tarliah Dimyati. 1987. Operations Research : Model-Model Pengambilan Keputusan. Bandung : Sinar Baru Bandung.

Martin, Robert C et al. Jurnal: UML Tutorial : Finite State Machines. Engineering Notebook Column.

Mulyanto, Aunur. 2008. Rekayasa Perangkat Lunak Jilid 1. Departemen Pendidikan Nasional : Direktorat Pembinaan Sekolah Menengah Kejuruan.

Novrisal, Dimas. Permodelan Sistem : Pusat Pengembangan Bahan Ajar-UMB.Setiawan, Iwan. 2006. Perancangan Software Embedded System Berbasis FSM.

Universitas Diponegoro.Benny Tsai. Introduction to the A-Star Algorithm.

http://upe.acm.jhu.edu/websites/Benny_Tsai/Introduction%20to%20AStar.htm [12 Agustus 2012].

Gronbaek, Bjorn. 2009. Thesis: Development of a Graphical Regression Test Tool for use in 3D Virtual Environments.

http://www.delta3d.org . [29 Juni 2012].Nottoo Soft REARTS. Detailed Design Report.Nottoo Soft REARTS. Requirement Analysis Report: Realistic Army Training

Simulation.

xlviii

LAMPIRAN

Asumsi Membership Function TANK AMX-13

Lingkungan --------------> (kondisi tanah ----- tempat berlindung)mendukung : 0-0-10-50 (trapesium)kurang mendukung : 25-50-75 (segitiga)tidak mendukung : 50-90-100-100 (trapesium)

Kondisi Tank -------------> (kondisi mesin ----- jumlah amunisi)Bagus : 0-0-10-40 (trapesium)kurang bagus : 25-40-60-70 (trapesium)tidak bagus : 45-85-100-100 (trapesium)

Kondisi Lapangan ---------> (jumlah tank lawan ---- kondisi tank kawan)mendukung : 0-0-10-50 (trapesium)kurang mendukung : 25-40-60-75 (trapesium)tidak mendukung : 50-90-100-100 (trapesium)

Kondisi Tanahaspal (jalan yang bagus) : 0-0-25 (segitiga)tanah merah : 20-(30-40)-50 (trapesium)berpasir : 40-55-75 (segitiga)berlumpur : 60-90-100-100 (trapesium)

tempat berlindungbaik : 0-0-10-40 (trapesium)kurang baik : 25-40-60-70 (trapesium)tidak baik : 45-85-100-100 (trapesium)

Kondisi Mesinbaik : 0-0-10-40 (trapesium)kurang baik : 25-40-50-70 (trapesium)tidak baik : 50-85-100-100 (trapesium)

Jumlah Amunisi (pake selisih)cukup : 0-25 (segitiga)tidak cukup : 20-32 (segitiga)

Jumlah Tank Lawansedikit : 0-5 (segitiga)banyak : 3-10 (segitiga)

kondisi tank kawan ----------> (jumlah tank kawan ----- jarak tank kawan)mendukung : 0-0-10-50 (trapesium)kurang mendukung : 25-50-75 (segitiga)tidak mendukung : 50-90-100-100 (trapesium)

xlix

Jumlah tank kawan (pake selisih)banyak : 0-3 (segitiga)sedikit : 2-4 (segitiga)

jarak tank kawandekat : 0-0-10-30 (trapesium)jauh : 25-70-100-100 (trapesium)

keputusan --------------> (Lingkungan ----- kondisi tank ----- kondisi lapangan)tembak : 0-0-15-35 (trapesium)panggil bantuan tembak : 20-35-50 (segitiga)panggil bantuan lari : 35-50-75 (segitiga)lari : 50-90-100-100 (trapesium)

Contoh pembuatan perancangan pengambilan keputusan metode mamdani.

Gambar 29. Diagram dari contoh program pengambilan keputusan

Keputusan diambil dari perhitungan fuzzy kondisi lapangan, kondisi lingkungan, dan kondisi Tank. Masing-masing kondisi juga merupakan hasil perhitungan fuzzy dari data dinamis seperti jumlah tank lawan, kondisi mesin, jumlah amunisi, dan lainnya. Perhitungan juga menggunakan data statis (dari database yang tak berubah nilainya) sepert informasi tentang permukaan tanah. Berikut tabel Rule setiap FIS dan membership function dari setiap Rulenya terdapat di lampiran.

l

Tabel 1: Rule FISKeputusan

Hasil Keputusan Kondisi_Lingkungan Kondisi_Tank Kondisi_LapanganTembak Mendukung Bagus MendukungTembak Mendukung Kurang Bagus MendukungTembak Kurang Mendukung Bagus MendukungPanggil Bantuan Tembak

Mendukung Bagus Kurang Mendukung

Panggil Bantuan Lari

Mendukung Bagus Tidak Mendukung

Panggil Bantuan Lari

Kurang Mendukung Bagus Kurang Mendukung

Panggil Bantuan Lari

Mendukung Kurang Bagus Kurang Mendukung

Lari Tidak Mendukung - -Lari - Tidak Bagus -Lari Kurang Mendukung Kurang Bagus -Lari - Kurang Bagus Tidak Mendukung

Tabel 2: Rule FISLingkungan

Hasil Kondisi_Lingkungan Kondisi_Tanah Tempat_BerlindungMendukung Aspal -Mendukung Tanah Merah BaikKurang Mendukung Tanah Merah Kurang BaikKurang Mendukung Tanah Merah Tidak BaikMendukung Berpasir BaikKurang Mendukung Berpasir Kurang BaikTidak Mendukung Berpasir Tidak BaikKurang Mendukung Berlumpur BaikTidak Mendukung Berlumpur Kurang BaikTidak Mendukung Berlumpur Tidak Baik

Tabel 3: Rule FISKondisi_Tank

Hasil Kondisi_Tank Kondisi_Mesin Jumlah_AmunisiBagus Baik CukupKurang Bagus Baik Tidak CukupKurang Bagus Kurang Baik CukupTidak Bagus Kurang Baik Tidak CukupTidak Bagus Tidak Baik -

li

Pada tabel 1 rule keputusan, input dari ‘Keputusan’ adalah Kondisi_Lapangan, Kondisi_Tank, dan Kondisi_Lingkungan. Contoh rulenya dapat dibaca sebagai berikut “IF Kondisi_Lingkungan = ‘mendukung’ AND Kondisi_Tank = ‘bagus’ AND Kondisi_Lapangan = ‘mendukung’ THEN Keputusan = ‘Tembak’”. Cara pembacaan juga berlaku untuk tabel keputusan lainnya.

Tabel 4: Rule FISKondisi_Lapangan

Hasil Kondisi_Lapangan Jumlah_Tank_Lawan Kondisi_Tank_KawanMendukung Sedikit MendukungMendukung Sedikit Kurang MendukungKurang Mendukung Sedikit Tidak MendukungKurang Mendukung Banyak MendukungTidak Mendukung Banyak Kurang MendukungTidak Mendukung Banyak Tidak Mendukung

Tabel 5: Rule FISKondisi_Tank_Kawan

Hasil Kondisi_Tank_Kawan Jumlah_Tank_Kawan Jarak_Tank_KawanMendukung Banyak DekatKurang Mendukung Sedikit DekatKurang Mendukung Banyak JauhTidak Mendukung Sedikit Jauh

Gambar 30. program pengambilan keputusan menggunakan FIS

lii

Gambar 31. program pengambilan keputusan menggunakan FIS hasilnya

Pengambilan keputusan ini dimulai dengan perhitungan Fuzzy terhadap entitas Kondisi_Tank_Kawan dengan inputnya Jumlah_Tank_Kawan dan Jarak_Tank_Kawan. Setelah didapatkan hasilnya, entitas Kondisi_Lapangan mulai dihitung dengan inputnya Kondisi_Tank_Kawan dan Jumlah_Tank_Lawan. Kemudian secara bersamaan Kondisi_Lingkungan dan Kondisi_Tank dihitung berdasarkan inputnya masing-masing yaitu Kondisi_Tanah dan Tempat_Berlindung untuk Kondisi_Lingkungan serta Kondisi_Mesin dan Jumlah_Amunisi untuk Kondisi_Tank. Setelah output dari hitungannya didapat, Kondisi_Lapangan, Kondisi_Lingkungan, dan Kondisi_Tank menjadi input untuk perhitungan terakhir yaitu pengambilan Keputusan. Salah satu asumsi rule yang dibuat adalah “IF Kondisi_Lingkungan = ‘mendukung’ AND Kondisi_Tank = ‘bagus’ AND Kondisi_Lapangan = ‘mendukung’ THEN Keputusan = ‘Tembak’”. Setelah pengambilan keputusan didapatkan, AI akan memanggil fungsi yang sesuai dengan keputusan.