Berikut adalah silabus 10 sesi untuk kursus “Game Adventure Berbasis Unity dengan Narasi Adaptif Menggunakan Algoritma Machine Learning”, masing-masing berdurasi 1,5 jam per sesi.
Silabus 10x Sesi
Game Adventure Berbasis Unity dengan Narasi Adaptif Menggunakan Algoritma Machine Learning
Sesi 1: Pengenalan Game Adventure & Narasi Adaptif
-
Pengantar jenis-jenis game adventure
-
Konsep narasi adaptif: pengertian dan manfaat
-
Studi kasus game dengan narasi adaptif (Detroit: Become Human, AI Dungeon, dll.)
-
Pengantar Unity dan struktur proyek awal
-
Tools yang digunakan: Unity, Visual Studio, Python/ML model (opsional)
Sesi 2: Setup Proyek Unity Game Adventure
-
Setup project baru di Unity
-
Pembuatan dunia dasar (scene awal, terrain, karakter player)
-
Sistem navigasi dasar (WASD movement, kamera third-person)
-
Manajemen scene dan prefab untuk cerita
Sesi 3: Sistem Dialog dan Pilihan
-
Membuat UI dialog box dan pilihan bercabang
-
Sistem percabangan menggunakan ScriptableObject / JSON
-
Menyimpan riwayat pilihan player
-
Simulasi narasi berdasarkan pilihan manual (tanpa ML dulu)
Sesi 4: Pengenalan Machine Learning dalam Game
-
Dasar algoritma ML untuk narasi adaptif
-
Contoh algoritma: Decision Tree, Naive Bayes, atau Clustering (KMeans)
-
Dataset cerita dan cara melatih model sederhana
-
Tools: Scikit-Learn (Python) atau ML-Agents (jika pakai reinforcement learning)
Sesi 5: Integrasi Unity dengan Model Machine Learning
-
Menyimpan input keputusan pemain (player decision history)
-
Ekspor riwayat ke file JSON/CSV
-
Komunikasi Unity dengan model Python (via file/Socket/REST API)
-
Output model: prediksi arc cerita selanjutnya
Sesi 6: Implementasi Narasi Adaptif (Versi 1)
-
Membuat sistem narasi yang menyesuaikan output ML
-
Memasukkan hasil prediksi model ke alur cerita (dynamic branching)
-
Penyesuaian reaksi karakter NPC berdasarkan player behavior
Sesi 7: Logika Adaptive Story & State Memory
-
Membuat sistem “memory” untuk NPC dan dunia game
-
Memasukkan variabel seperti: kepercayaan, moral, loyalitas
-
Menyesuaikan ending game berdasarkan kombinasi variabel tersebut
Sesi 8: Visualisasi & UI untuk Narasi
-
Menampilkan progress narasi adaptif ke player (story map, indikator moral, dll.)
-
Sistem log cerita dan replay
-
Desain UI untuk immersive storytelling
Sesi 9: Testing dan Evaluasi Sistem Narasi Adaptif
-
Simulasi dengan berbagai jenis player (agresif, pasif, netral)
-
Analisis efektivitas algoritma ML terhadap adaptivitas cerita
-
Debug dan perbaikan pada data decision & response
Sesi 10: Finalisasi Game dan Presentasi Proyek
-
Optimasi performa dan size
-
Ekspor dan build game
-
Presentasi hasil game adventure adaptif
-
Review dan diskusi pengembangan lebih lanjut (ekspansi cerita, upgrade ML)