PERBANDINGAN KINERJA ALGORITMA FINITE STATE MACHINE (FSM) DAN BEHAVIOR TREE (BT) DALAM PENGENDALIAN NON-PLAYABLE CHARACTER (NPC) PADA GAME RPG (Studi Kasus: Game Yuwana)

Penelitian ini membandingkan dua algoritma kecerdasan buatan, yaitu Finite State Machine (FSM) dan Behavior Tree (BT), dalam mengendalikan perilaku Non-Playable Character (NPC) pada game bergenre Role-Playing Game (RPG), dengan studi kasus pada game Yuwana. Tujuan dari penelitian ini adalah untuk menganalisis efektivitas dan efisiensi kedua algoritma dari segi waktu pemrosesan, penggunaan sumber daya, dan kecepatan respons NPC. Metode yang digunakan melibatkan implementasi algoritma FSM dan BT secara langsung dalam Unity 3D dengan skenario identik, serta pengujian sebanyak 30 kali untuk masing-masing algoritma. Data yang dikumpulkan dianalisis menggunakan metode statistik deskriptif, ANOVA, dan uji Mann-Whitney U melalui SPSS. Hasil penelitian menunjukkan bahwa FSM memiliki keunggulan dalam efisiensi waktu pemrosesan, terutama pada skenario dengan transisi perilaku yang sederhana. Namun, BT lebih unggul dalam hal modularitas, fleksibilitas, dan kemudahan pemeliharaan, serta lebih responsif dalam skenario kompleks yang melibatkan banyak kondisi dinamis. Berdasarkan hasil tersebut, Behavior Tree direkomendasikan untuk digunakan dalam game yang memerlukan kontrol perilaku NPC yang adaptif dan beragam, sementara FSM cocok untuk implementasi AI yang lebih sederhana dan efisien secara komputasi.