<![CDATA[Permainan SOS merupakan permainan kertas dan pensil sederhana yang dimainkan oleh dua pemain dengan tujuan membentuk sebanyak mungkin pola “S-O-S”. Meskipun sederhana, permainan SOS menawarkan tantangan strategis yang dapat dijadikan sebagai platform untuk menguji algoritma pembelajaran mesin. Penelitian ini berfokus pada implementasi algoritma Q-Learning dalam permainan SOS dan menganalisis efektivitas algoritma Q-Learning. Q-Learning, sebuah metode reinforcement learning, digunakan untuk mengajarkan agen melalui pengalaman bermain, dengan Q-table yang diperbarui secara dinamis berdasarkan aksi dan reward yang diterima. Implementasi dilakukan menggunakan bahasa pemrograman Python. Agen Q-Learning dilatih melalui self-play sebanyak 100.000 kali dengan parameter learning rate 0,5, discount factor 0,9, epsilon awal 1,0, epsilon minimum 0,01, dan decay rate epsilon 0,0000005.Eksperimen dilakukan dengan agen Q-Learning yang bermain melawan agen acak pada grid berukuran 3x3 dalam 1.000 permainan. Hasil penelitian menunjukkan bahwa agen Q-Learning secara signifikan mampu meningkatkan persentase kemenangannya seiring dengan bertambahnya episode pelatihan, mencapai rata-rata kemenangan 84,07%. Penelitian ini menyimpulkan bahwa algoritma Q-Learning efektif dalam mengajarkan agen untuk bermain permainan SOS. Temuan ini memperluas aplikasi Q-Learning dalam permainan yang lebih kompleks, meskipun ada beberapa keterbatasan seperti waktu pelatihan yang panjang. Studi lebih lanjut diperlukan untuk mengatasi keterbatasan ini, termasuk integrasi dengan teknik pembelajaran lain seperti deep learning.]]>
Copyrights © 2025
