Peper - Penerapan RNG Pada Game Move Ball

Penerapan Random Pada Game Move Ball menggunakan Adobe Flash

Min Ahyani1, Jenita Ompusunggu2, and Sayyidatul3

1 Batam Polytechnics

Informatics Study Program

Parkway Street, Batam Centre, Batam 29461, Indonesia

E-mail: [email protected] NIM : 4311201083









Abstrak

Random Number Generator adalah suatu algoritma yang digunakan untuk menghasilkan urutan-urutan atau sequence dari angka-angka sebagai hasil dari perhitungan dengan komputer yang diketahui distribusinya sehingga angka-angka tersebut muncul secara random dan digunakan terus menerus. Random Number Generator ini akan diterapkan dalam game Move Ball, game Move Ball merupakan game bola yang akan bergerak secara acak sesuai dengan angka random yang dihasilkan.

Kata kunci: Random Number Generator, Algoritma, Move Ball

Abstract

Random Number Generator is an algorithm used to generate sequences or sequences of

numbers as a result of computer calculations with the known distribution so that the figures

appear randomly and used continuously. Random Number Generator will be implemented in

the game Move Ball, Ball Move game is a game ball that will move randomly according to the

random number generated.

Keyword: Random Number Generator, Algoritma, Move Ball

1. Pendahuluan

Bilangan acak (random) merupakan hal yang

sangat penting dalam kriptografi. Tanpa bilangan

random, sebagian besar algoritma kriptografi

akan dengan mudah dipecahkan. Dengan

menggunakan bilangan acak dalam suatu

algoritma kriptografi, akan mempersulit

penyerang untuk menebak kunci maupun hasil

enkripsi dari suatu kriptografi. Algoritma

kriptografi dianggap paling kuat, yaitu One time

pad, merupakan algoritma kriptografi yang

sangat tergantung dengan bilangan acak. Kunci

yang digunakan diharuskan merupakan bilangan

acak murni dan sepanjang pesan yang dikirim

juga. Hal ini akan membuat kriptanalisis tidak

mungkin dilakukan. Akan tetapi pada

praktiknya, One time pad tidak dapat diterapkan

secara praktis karena tidak mungkin untuk

membangkitkan bilangan acak secara murni.

Selain One time pad, banyak sekali algoritma

lain yang menggunakan bilangan random

sebagai unsur penting dalam algoritmanya.

Dengan memasukkan bilangan random,

dianggap dapat menghilangkan kemungkinan

penyerang menebak hasil dengan mengetahui

algoritmanya. Telah banyak algoritma generator

bilangan acak yang diusulkan dan digunakan

hingga saat ini. Algoritma-algoritma tersebut

menggunakan berbagai pendekatan berbeda

untuk menghasilkan bilangan random seacak

mungkin. Hingga saat ini kita tidak dapat

membuat suatu generator bilangan acak yang

dapat menghasilkan bilangan acak secara murni.

Untuk mendapatkan bilangan acak banyak ahli

yang mengusulkan berbagai algoritma dari yang

sederhana hingga yang paling rumit. Dari

penggunaan variabel waktu sebagai faktor

pengacak hingga penggunaan teori biologi

cellular. Algoritma-algoritma ini masing

masing memiliki kelebihan maupun kekurangan.

Karena tidak ada algoritma bilangan acak yang

benar-benar sempurna, hingga saat ini kita masih

terus mengembangkan cara-cara untuk

mendapatkan bilangan random yang sukar

ditebak. Kita berupaya untuk mendapatkan

generator bilangan yang menyerupai generator

bilangan acak. Generator bilangan ini

membangkitkan bilangan acak semu (pseudo

random number) yang memiliki tingkat kekuatan

berbeda-beda menurut algoritma yang

digunakan. Pseudo-Random Number Generator

menggunakan suatu state awal kemudian dengan

suatu algoritma khusus akan menghasilkan

bilangan acak semu. State awal yang digunakan

diambil dari berbagai sumber yang dianggap

cukup acak. Dengan demikian, Pseudo Random

Number Generator ini akan menghasilkan suatu

rangkaian bilangan yang menyerupai bilangan

acak. Pseudo Random Number Generator

banyak sekali digunakan pada saat ini.

Kemudahan implementasi dan kecepatannya

merupakan faktor utama mengapa Pseudo

Random Number Generator digunakan. Namun,

sebagai algoritma generator bilangan acak,

Pseudo Random Number Generator masih

banyak memiliki kelemahan. Kelemahan utama

adalah pada pemilihan state awal yang

digunakan untuk proses generate bilangan acak.

2. Teori Pendukung

Definisi random number [MENEZES, 1996]:

1. Angka yang dipilih dari set angka tertentu

dengan cara sedemikian sehingga setiap angka

yang muncul memiliki probabilitas kemunculan

yang sama

2. Urutan angka yang dinyatakan telah lulus tes

statistik atau bebas dari kondisi dimana tidak

dapat diduga atau ditebak kalkulasinya. Random

Number Generator adalah alat atau algoritma

yang menghasilkan urutan angka yang secara

statistik independen dan tidak dapat ditebak.

Kelas random number generator :

a) Deterministic RNG

Dibuat menggunakan algoritma yang

menghasilkan urutan bit berdasarkan nilai awal

yang disebut seed.

b) Non-deterministic RNG

Menghasilkan keluaran yang tergantung kepada

sumber luar yang tidak dipengaruhi oleh kontrol

manusia. Pseudo-Random Number Generator

adalah random number generator yang

menghasilkan nilai berdasarkan seed dan state

saat ini. Dengan seed yang sama, sebuah PRNG

akan menghasilkan nilai output yang sama.

Kekuatan pseudo-Random Number Generator

dalam menghasilkan deret bilangan acak sangat

tergantung kepada kekuatan algoritma, serta

keamanan seed. Sebuah random bit generator

membutuhkan sumber keacakan yang secara

natural terjadi. Ada 2 macam cara memperoleh

keacakan, yakni hardware-based dan software-

based. Hardwarebased adalah memperoleh

keacakan dari fenomena fisik, diantaranya :

waktu peluruhan radioaktif,suhu diode atau

resistor, frekuensi osilator, suara dari mikrofon

atau input video dari kamera. Sementara

software-based adalah memperoleh nilai dari

proses-proses software yang sedang berjalan,

diantaranya : system clock, waktu keystroke,

gerakan mouse, input user, nilai-nilai pada

operating system seperti load dan network

statistics. Metode-metode untuk menghasilkan

angka acak yang dilakukan terbagi menjadi

beberapa cara, dari yang paling sederhana,

hingga metode yang cukup rumit. Beberapa

contohnya adalah :

2.1 Metode Fisik

Metode paling pertama untuk menghasilkan

angka secara acak adalah dengan menggunakan

dadu, koin, rolet, dan lain sebagainya. Sampai

saat ini, metode ini masih cukup sering

digunakan, terutama di dalam game dan

perjudian. Karena metode ini dianggap terlalu

lambat, pengaplikasiannya untuk statistika dan

kriptografi kurang begitu popular saat ini. Dasar

dari metode fisik adalah fenomena fisika atomik

atau subatomik acak yang tidak bisa diprediksi

dapat dilacak dengan menggunakan mekanika

kuantum.

2.2 Metode Distribusi Probabilitas

Metode ini menggunakan fungsi densitas

probabilitas. Metode ini bekerja cukup baik

untuk menghasilkan pseudo-random dan true

random number. Salah satu metode, yaitu

metode inverse, mengintegralkan area lebih dari

sama dengan bilangan acak. Metode kedua,

acceptance-rejection, memilih antara nilai x dan

y, lalu membandingkan apakah fungsi x lebih

besar dari nilai y. Apabila fungsi x lebih dari

nilai y, maka nilai x akan diterima. Jika

sebaliknya, maka nilai x akan ditolak dan

algoritmanya akan mencoba ulang.

2.3 Metode Komputasi

Metode ini menggunakan algoritma bernama

Pseudo-random number generator yang secara

otomatis menghasilkan serangkaian angka acak

yang memiliki kualitas baik. Nilai yang

dihasilkan oleh algoritma tersebut secara umum

ditentukan dengan sebuah konstanta yang

disebut seed. Salah satu PRNG yang umum

adalah linear congruential generator, yang

menggunakan rekurens dari persamaan Untuk

menghindari sifat non-acak yang muncul dari

linear congruential generator, beberapa random

number generator dengan koefisin nilai pengali

yang berbeda-beda dapat digunakan secara

paralel. Beberapa bahasa pemrograman memiliki

fungsi yang bersifat random number generator.

Fungsi-fungsi ini biasanya digunkan untuk

menghasilkan angka, kata, atau bilangan real

yang tersebar diantara 0 dan 1. Fungsi-fungsi

tersebut biasanya memiliki sifat statistika yang

buruk. Biasanya fungsi-fungsi tersebut

diinisialisasi menggunakan real time clock

sebagai seed menyebabkan perhitungan yang

dilakukan di dalam millisecond dan sangat jauh

jika dibandingkan dengan presisi manusia.

Fungsi-fungsi tersebut memberikan hasil yang

cukup untuk beberapa tugas (contohnya video

game), tetapi tidak cocok digunakan saat tingkat

acak yang dibutuhkan sangat tinggi, seperti

aplikasi untuk kriptografi dan analisis numerik

dalam statistik. Salah satu contoh sederhana

pseudo-random number generator adalah metode

Multiplywith-carry yang ditemukan oleh George

Marsaglia. Program ini memiliki kecepatan dan

sifat acak yang cukup baik. Contoh random

number generator :

m_w = ; /* must

not be zero */

m_z = ; /* must

not be zero */

uint get_random()

{

m_z = 36969 * (m_z & 65535) + (m_z

>> 16);

m_w = 18000 * (m_w & 65535) + (m_w

>> 16);

return (m_z

Gambar2.Berikut contoh algoritma dari

pembuatan game random move ball

3.2 Pengujian

Pengujian dilakukan dengan membandingkan

bilangan acak yang dihasilkan dari setiap

percobaan. Berikut tabel perbandingan random

number pada setiap percobaan :

Table 1 hasil percobaan random number

generator

Percobaan ke -

Hasil bilangan acak

1 3 1 3 2 2 2 2 3 3

1

2 3 2 1 1 3 3 2 2 3

1

3 1 2 2 3 2 4 2 4 1

3

4 4 3 1 4 4 1 2 3 3

2

5 2 4 4 1 2 4 3 1 2

2

Dari hasil penelitian diatas, terlihat bahwa

bilangan acak yang dihasil kan berbeda - beda

pada setiap percobaan. Hal ini membuktikan

bahwa dengan random number generator, user

tidak bisa menebak atau memprediksi angka

random yang akan dihasilkan oleh suatu mesin.

Sehingga keuntungan yang didapat jika

diterapkan dalam sebuah permainan

menggunakan konsep random akan membuat

permainan tersebut menjadi lebih menantang dan

lebih hidup.

Kesimpulan:

1. Random Number Generator pada

dasarnya merupakan sebuah mesin yang

memproduksi bilangan secara acak.

2. Dari segi outputnya, Random Number

Generator terdiri dari dua jenis yakni

Deterministic RNG dan Non-

deterministic RNG

3. Dalam implementasinya, ada beberapa

metode yang bisa digunakan antara lain

metode fisik, metode 2 Metode Distribusi

Probabilitas, dan Metode Komputasi

Daftar Pustaka

[1]

http://en.wikipedia.org/wiki/Random_number_g

eneration. Tanggal

akses : 21 Oktober 2014

[2]

Munir, Rinaldi, Slide Kuliah IF2091, Struktur

Diskrit, bagian

Teori Bilangan, 2014

[3]

http://en.wikipedia.org/wiki/Applications_of_ran

domness. Tanggal


[4]

http://id.wikipedia.org/wiki/Teori_bilangan.

Tanggal akses : 14


Peper - Penerapan RNG Pada Game Move Ball

Documents

Transcript of Peper - Penerapan RNG Pada Game Move Ball