PERBANDINGAN ALGORITMA KNUTH FIVE GUESS DAN ALGORITMA MAX PART DALAM SIMULASI PERMAINAN MASTERMIND

22094716, Setiyo Wiraman Juganta (2015) PERBANDINGAN ALGORITMA KNUTH FIVE GUESS DAN ALGORITMA MAX PART DALAM SIMULASI PERMAINAN MASTERMIND. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 22094716_bab1_bab5_daftarpustaka.pdf Download (425kB)
	Text (Skripsi Informatika) 22094716_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Mastermind merupakan sebuah permainan menebak kombinasi rahasia yang dimainkan oleh 2 orang. Pada awal permainan orang pertama sebagai pemain A membuat kombinasi rahasia yang harus ditebak oleh orang kedua sebagai pemain B. Setelah kombinasi rahasia ditentukan, Secara bergantian pemain B akan menebak kombinasi rahasia dan pemain A akan memberikan feedback berupa skor penebakan. Begitu seterusnya hingga pemain B sudah menebak sebanyak 10 kali atau pemain B sudah menebak dengan benar. Ada banyak metode yang dapat diterapkan oleh pemain B dalam menebak kombinasi rahasia yang dibuat oleh pemain A. Salah satu contoh metode tersebut adalah metode Knuth Five Guess dan metode Max Part. Permasalahan yang coba penulis angkat adalah metode manakah yang yang lebih efisien dalam menebak kombinasi rahasia yang disembunyikan oleh pemain B. Aplikasi dibangun untuk membuat simulasi permainan mastermind dimana sistem berperan sebagai pemain B mencoba menebak kombinasi rahasia menggunakan algoritma Knuth Five Guess dan algoritma Max Part. Hasilnya adalah kedua algoritma dapat menebak 50 kombinasi rahasia yang dibuat secara acak. Algoritma Knuth Five Guess dapat menebak kombinasi rahasia dengan rata-rata kesempatan menebak 5.62 langkah dengan rata-rata waktu penebakan 111.86 milisecond. Algoritma Max Part dapat menebak dengan rata-rata kesempatan 5.16 langkah dan rata-rata waktu 110.66 milisecond. Dari hasil tersebut dapat disimpulkan bahwa algoritma Max Part lebih efisien dalam menebak kombinasi rahasia..

Actions (login required)

View Item