TINJAUAN TEORETIS
kemampuan
menarik
kesimpulan
berdasarkan pengetahuan
Intelligent Agent atau agen cerdas adalah sesuatu yang dapat mengamati dan
merasakan lingkungannya melalui sensor dan memberikan tindakan terhadap
lingkungan tersebut melalui actuator.
Sebuah agen yang dibuat menyerupai manusia (human agent) memiliki sensor
berupa mata, telinga, dan organ lain serta actuator yang berupa kaki, mulut dan
lainnya. Berbeda dengan agen robot yang menggunakan kamera dan sinar infrared
dalam jangkauan tertentu sebagai sensor dan berbagai mesin (motor) sebagai actuator.
Gambar 2.1 adalah ilustrasi dari agen.
Sebuah agen dikatakan rasional jika untuk setiap deretan persepsi yang
mungkin, sebuah agen rasional hendaklah dapat memilih satu tindakan yang
diharapkan memaksimalkan ukuran performance-nya, dengan adanya bukti yang
diberikan oleh deretan presepsi dan apapun pengetahuan terpasang yang dimiliki agen
itu.
Kecerdasan buatan merupakan suatu hal yang dikembangkan pada sebuah sistem oleh
para ahli untuk masa depan. Beberapa bidang perkembangan kecerdasan buatan ini
adalah sebagai berikut, yaitu:
1. Natural Languange
Suatu teknologi yang memberikan kemampuan kepada komputer untuk
memahami bahasa manusia sehingga pengguna komputer dapat berkomunikasi
dengan komputer dengan menggunakan bahasa sehari-hari. Bahasa computer
yang khusus pada bidang ini adalah LISP, INTERLISP, SAIL, PLANNER,
KRL , PROLOG.
4. Games (Permainan)
Game playing (permainan game) merupakan bidang AI yang sangat populer
berupa permainan antara manusia melawan mesin yang memiliki intelektual
untuk berpikir. Bermain dengan komputer memang menarik bahkan sampai
melupakan tugas utama yang lebih penting. Komputer dapat bereaksi dan
menjawab tindakan-tindakan yang diberikan oleh lawan mainnya. Banyak
permainan komputer telah dibuat dan dikembangkan. Sebagai contohnya
adalah permainan catur.
2.2 Game
Game merupakan sesuatu hal yang dimainkan dengan suatu aturan tertentu yang biasa
digunakan untuk tujuan kesenangan dan kadang-kadang digunakan untuk tujuan
pendidikan. Komponen utama dari game adalah tujuan, aturan, tantangan, dan
interaksi. Game umumnya melibatkan stimulasi mental atau fisik, dan terkadang
kedua-duanya. Banyak game membantu mengembangkan keterampilan praktis,
berfungsi sebagai bentuk latihan, atau melakukan peran pendidikan, simulational, atau
psikologis.
Pada tahun 1952, seorang mahasiswa Universitas Cambridge bernama A.S Gouglas
membuat game OXO (tic tac toe) dalam versi grafik. Game ini ia kembangkan ketika
hendak mendemonstrasikantesisnya tentang interaksi antara manusia dan komputer.
Memasuki era modern, pada tahun 1966 game digital pertama kali dibuat oleh
Ralph Baer bersama timnya yang berjumlah 500 orang yang terdiri dari insinyur dan
teknisi dan didanai oleh Pentagon. Game ini hanya dapat dimainkan dengan komputer
seharga US$40.000. Unsur edukasi menjadi tujuan utama dalam game ini. Game
dalam bentuk game antara papan dan bola tersebut diperuntukkan untuk membantu
pasukan belajar strategi dan melatih kemampuan refleks pemainnya.
Pada tahun 1972, muncul game baru yang disebut Game Arcade, yang
dipelopori oleh Nolan Brushnel dengan gamenya berjudul Pong. Mesin untuk
memainkan game ini disebut mesin Arcade. Pemain yang ingin bermain diharuskan
untuk memasukkan koin kedalam mesin. Pada hari kedua mesin ini diletakkan pada
suatu bar, orang-orang mengantri untuk memainkan game Pong.
Tidak mau tertinggal dengan sistem Arcade, sistem konsol seperti Magnavox
Odyssey, Atari 2006, Mattel Intelvision, Calleco Vision dan Nintendo Entertaiment
System menciptakan game yang dapat dimainkan di rumah. Game yang paling
menghebohkan orang-orang dengan tampilan grafik dan gameplay yang luar biasa
pada sistem konsol tersebut adalah Super Mario Brothers yang diciptakan oleh
Nintendo.
2. Card Games
Card games merupakan permainan yang menggunakan satu set kartu sebagai
alat utama permainan. Permainan ini biasanya diawali dengan pengacakan
kartu
sehingga
membutuhkan kesempatan
3. Dice Games
Dice games merupakan permainan dadu sebagai elemen utama permainan.
Permainan dilakukan dengan cara mengacak angka dadu kemudian angka dadu
inilah yang menjadi dampak kemungkinan besar kemenangan permainan ini.
Contohnya: Ludo, dadu Poker dan sebagainya.
16 buah lubang yang terdiri `atas 14 lubang kecil yang saling berhadapan dan 2 lubang
besar di kedua sisinya. Setiap 7 lubang kecil di sisi pemain dan lubang besar di sisi
kananya dianggap sebagai milik sang pemain. Gambar peralatan permainan congklak
ini dapat dilihat pada Gambar 2.1.
(a)
(b)
Gambar 2.2 Peralatan Permainan Congklak
merupakan
1. Pada awal permainan, setiap lubang kecil diisi dengan tujuh buah biji
congkak.
2. Permainan dimulai dengan suit untuk menentukan giliran pertama.
3. Pemain yang mendapat giliran pertama, dapat memilih lubang yang akan
dijalankan dengan mengambil biji lubang tersebut dan memasukkan satu
buah biji congkak ke dalam masing-masing lubang sesuai dengan arah
putaran jarum jam.
b.
Apabila biji congkak ditangan habis dilubang kecil yang berisi biji
lainnya, ia dapat melanjutkan permainan. Proses ini dapat dilihat pada
Gambar 2.4.
5. Giliran pemain akan berakhir apabila biji habis di lubang kecil yang kosong
pada daerah permainan sendiri atau lawan. Jika jatuh di daerah permainan
sendiri, maka ia dapat mengambil seluruh biji di sisi yang berhadapan dengan
lubang tersebut (biji sisi lawan) , proses ini dinamakan tembak. Untuk lebih
jelasnya dapat dilihat pada Gambar 2.5. Gambar (a) memperlihatkan
permainan berhenti di daerah sendiri dan gambar (b) memperlihatkan
permainan berhenti di daerah lawan. Pada gambar (a), pemain dapat
melakukan tembak karena lubang di hadapannya berisi biji.
(a)
tempat biji terakhir
berhenti
(b)
6. Permainan selesai apabila sudah tidak ada biji lagi yang dapat diambil
(seluruh biji di lubang besar kedua pemain) atau salah satu arena pada lubang
kecil tidak berisi biji lagi.
7. Pemain yang memiliki banyak biji pada lubang besar, maka dialah pemenang
permainan ini.
Searching atau Pencarian merupakan suatu proses mencari solusi dari suatu
permasalahan melalui sekumpulan kemungkinan ruang keadaan (state space). Ruang
keadaan merupakan suatu ruang yang berisi semua keadaan yang mungkin.
Depth-First Search atau DFS merupakan pencarian yang dilakukan pada satu node
dalam setiap level dari yang paling kiri. Jika pada level yang paling dalam, solusi
belum ditemukan, maka pencarian dilanjutkan pada node sebelah kanan. Node yang
kiri dapat dihapus dari memori. Jika pada level yang paling dalam tidak ditemukan
solusi, maka pencarian dilanjutkan pada level sebelumnya. Demikian seterusnya
sampai ditemukan solusi. Jika solusi ditemukan maka tidak diperlukan proses
backtracking (penelusuran balik untuk mendapatkan jalur yang dinginkan). Gambar
2.6 adalah contoh DFS untuk mencari simpul j.
a
Istilah runut balik pertama kali diperkenalkan oleh D.H. Lehmer pada tahun 1950.
Selanjutnya di tahun 1960, R. J. Walker, Golomb, dan Baumert menyajikan uraian
umum tentang runut balik dan penerapannya pada berbagai persoalan.
dalam sebuah labirin, catur, dll) dan masalah-masalah pada bidang kecerdasan buatan
(artificial intelligence).(Munir, 2004).
Di sini penulis hanya akan meninjau pencarian solusi pada pohon ruang status yang
dibangun secara dinamis. Langkah-langkah pencarian solusi adalah sebagai berikut:
1. Solusi dicari dengan membentuk lintasan dari akar ke daun. Aturan pembentukan
yang dipakai adalah mengikuti aturan pencarian mendalam (DFS). Simpul-simpul
yang sudah dilahirkan dinamakan simpul hidup (live node). Simpul hidup yang
sedang diperluas dinamakan simpul-E (Expand-node).
2. Tiap kali simpul-E diperluas, lintasan yang dibangun olehnya bertambah panjang.
Jika lintasan yang sedang dibentuk tidak mengarah ke solusi, maka simpul-E
tersebut dibunuh sehingga menjadi simpul mati (dead node). Fungsi yang
digunakan untuk membunuh simpul-E adalah dengan menerapkan fungsi
pembatas (bounding function). Simpul yang sudah mati tidak akan pernah
diperluas lagi.
3. Jika pembentukan lintasan berakhir dengan simpul mati, maka proses pencarian
diteruskan dengan membangkitkan simpul anak yang lainnya. Bila tidak ada lagi
simpul anak yang dapat dibangkitkan, maka pencarian solusi dilanjutkan dengan
melakukan runut-balik ke simpul hidup terdekat (simpul orangtua). Selanjutnya
simpul ini menjadi simpul-E yang baru.
4. Pencarian dihentikan bila kita telah menemukan solusi atau tidak ada lagi simpul
hidup untuk runut-balik.
Berikut ini adalah contoh penerapan algoritma Backtracking pada persoalan NRatu (The N-Queens Problem).
Persoalan: Diberikan sebuah papan catur yang berukuran NxN dan empat buah
ratu. Bagaimanakah menempatkan N buah ratu (Q) itu pada petak-petak papan catur
sedemikian sehingga tidak ada dua ratu atau lebih yang terletak pada satu baris yang
sama, atau pada satu kolom yang sama atau pada satu diagonal yang sama.
Dari hal ini, dapat dibentuk pohon ruang solusi persoalan 4-Ratu yang terlihat
pada Gambar 2.7 sebagai berikut:
1
x2=2
11
x3=3
x3=3
x3=3
14
16
20
22
10
x3=1
25
27
30
32
x3=1
36
38
x4=4
12
15
17
21
23
26
28
31
33
41
37
43
39
46
48
44
52
x4=1
47
49
54
x3=1
57
59
55
62
x4=1
58
60
63
Dari gambar, dapat dilihat ruang seluruh solusi yang mungkin diterapkan pada
persoalan 4-Ratu pada papan catur tersebut. Langkah-langkah solusi dengan
menggunakan backtracking adalah berikut :
Menelusuri node dari akar sampai ke daun yang membentuk ruang solusi
secara DFS. Penelusuran dilakukan dengan mempertimbangkan setiap batasan
atau kriteria yang telah ditetapkan.
2.
3.
64
x4=1
1.
x3=2
x4=2
x4=3
x4=2
53
x3=3
x3=3
x4=3
x4=2
x4=1
42
x3=1
x3=2
61
56
x3=2
x3=4
x4=4
x4=2
x4=1
x4=3
x4=3
x3=1
x3=4
x3=3
x4=3
x4=4
x4=4
x4=2
x4=2
x4=3
x3=2
x3=4
x3=4
x2=3
x2=2
51
45
40
x4=3
x4=4
x4=4
x2=1
x2=4
x2=2
35
29
24
19
13
x2=1
x1=1
x3=2
x3=3
x2=4
x2=1
x2=4
50
34
18
x2=3
x1=4
x1=3
x1=2
x1=1
Pencarian berhenti apabila ditemukan solusi atau tidak ada node hidup pada
pohon tersebut.
Dari langkah-langkah tersebut, dapat dilihat contoh solusi pada Gambar 2.8
dan pohon solusi persoalan 4-Ratu pada papan catur pada Gambar2.9.
65
(b)
(a)
(c)
(d)
4
(e)
(f)
(g)
(h)
x1=1
x1=2
x2=2
18
x2=3
x2=1
x2=4
13
B
x3=2
x2=3
19
24
x2=4
29
x3=3
x3=1
x3=2 x3=4
11
14
16
30
B
x4=3
15
x4=3
31
Gambar 2.9 Pohon pencarian solusi dengan Backtraking pada persoalan 4-Ratu
BAB 3
Pada analisis kebutuhan sistem ini, akan dilakukan analisis terhadap arena permainan
dan analisis algoritma.
Pada aplikasi yang akan dibangun, permainan congklak ini akan dimainkan oleh dua
pihak, yaitu seorang pengguna yang dinamakan dengan pemain dan sebuah
kecerdasan buatan yang pada aplikasi ini dinamakan dengan Btrack.
Arena permainan pada papan congklak ini akan terbagi atas 3 daerah, yaitu:
daerah permainan yang terdiri dari daerah permainan pemain dan daerah permainan
Btrack serta daerah target yaitu lumbung pemain dan lumbung Btrack. Hal ini dapat
dilihat pada Gambar 3.1.
Acomp[1..7]
Lpemain
Lcomp
Apemain[1..7]
Keterangan :
4. Lcomp : merupakan daerah lumbung atau target Btrack. Lubang ini hanya
dapat diisi oleh Btrack tersebut. Banyaknya isi pada Lcomputer akan
menjadi skor untuk Btrack tersebut.
Seperti yang telah dipaparkan pada bab sebelumnya, algoritma yang digunakan untuk
membangun aplikasi ini adalah algoritma Runut-balik (Backtraking). Algoritma ini
nantinya, akan digunakan oleh agen kecerdesan buatan yaitu Btrack untuk memilih
langkah permainan.
Pada
algoritma
Backtracking,
ada
beberapa
properti
yang
perlu
dipertimbangkan yaitu properti solusi persoalan, properti komponen vektor solusi dan
properti kriteria pembatas. Berikut ini adalah penjabaran properti-properti tersebut.
S = {C1,C2,C3,C4,C5,C6,C7,P1,P2,P3,P4,P5,P6,P7,L}
Pada kriteria pembatas ini, strategi a) menjadi prioritas utama untuk kriteria
pembatas ini. Sedangkan strategi b) dilakukan jika strategi a) tidak diperoleh
pada saat penelusuran simpul.
end
end
if not found L then
max(pointdeep)
Pada pseudocode diatas, dapat dilihat bahwa penelusuran simpul dimulai dari
lubang milik Btrack (C1 s.d C7) yaitu nodeComp. Jika isi nodeComp sama dengan nol
maka akan dilakukan backtracking menuju nodeComp berikutnya. Jika berisi, maka
akan dilakukan penelusuran simpul berikutnya sampai deepNode() ditemukan simpul
yang berbiji kosong atau sampai kedalaman 10. Jika ditemukan nextNode sama
dengan L, maka penelusuran dihentikan dan simpul tersebut menjadi langkah yang
akan diambil Btrack untuk melakukan permainan. Jika tidak, maka langkah yang
diambil adalah nodeComp yang memiliki max(pointdeep) yang terbesar.
Berikut ini adalah gambar keadaan papan permainan congklak yang dapat
dilihat pada Gambar 3.2.
C7
C6
C5
C4
C3
C2
C1
P1
P2
P3
P4
P5
P6
P7
C2
C1
(1,7)
(1,7)
(1,7)
P3
P2
(9,8)
C3
(9,8)
C4
C5
(1,7)
P4
(9,8)
C6
(1,7)
P5
P7
(9,8)
(9,8)
(1,7)
(1,7)
P6
C7
(9,8)
C1
C2
C3
C4
C5
C6
Berikut ini adalah gambar keadaan papan permainan congklak yang dapat
dilihat pada Gambar 3.4.
C7
C6
C5
C4
C3
C2
C1
P1
P2
P3
P4
P5
3
P6
2
P7
1\
C1
(1,3)
P6
(0,6)
C7
(1,16)
C2
(1,5)
P5
(0,4)
P1
(0,3)
C6
(0,2)
C5
(1,9)
C4
(0,2)
P4
(15,6)
C2
C5
C3
(1,5)
C4
B
P6
(0,6)
C7
(1,16)
C5
C6
B
(1,8)
P5
(0,4)
C7
(1,15)
C7
B
P1
(14,3)
C6
(0,2)
P1
B
C4
(0,2)
C2
(1,8)
(1,7)
B
P3
(1,15)
P2
(3,7)
P3
C2
Perancangan sistem yang akan dibahas meliputi perancangan alur permainan pada
permainan congklak, perancangan aplikasi permainan dan perancangan antarmuka.
Pada perancangan alur permainan ini, akan dirancang langkah langkah bermain pada
permainan congklak dengan flowchart berdasarkan peraturan permainan congklak
tersebut. Peraturan congklak ini telah dibahas pada bab sebelumnya. Gambar 3.6
berikut adalah gambar flowchart permainan congklak.
Start
X,Y,i,j,Biji,BijiApemain,BijiAcomp,
Langkah,Apemain[],Acomp[],
Amilik[],Alawan[]
Randomize
X = Random(99)+1
Y = Random(99)+1
ya
tidak
X>Y?
Abacktracking()
Langkah = i
Biji = Apemain[i]
j = step
Langkah = j
Biji = Acomp[j]
Amilik[] = Apemain []
Alawan[] = Acomp []
Amilik[] = Acomp[]
Alawan[] = Apemain[]
Bermain()
biji = Amilik[i]
biji = lawan[j]
ya
Amilik[i] = 0 OR
Alawan[j] = 0
tidak
Arena = Amilik ?
tidak
ya
Tembak()
cekbijiArena()
ya
ya
BijiApemain = 0 OR
BijiAcomp = 0 ?
tidak
Giliran = Pemain?
tidak
HitungSkor()
ya
SkorPemain >
SkorComp
Pemain
Menang
tidak
Computer
Menang
End
Keterangan:
X
Biji
Langkah
Apemain[]
: daerah pemain
Acomp[]
: daerah Btrack
Amilik[]
: daerah sendiri
Alawan[]
: daerah lawan
Start
Stop, nodeComp,isi[],biji,
cek, nextNode,
deep,pointdeep
Stop = false
nodeComp = 1
tidak
Not found L?
tidak
ya
(nodeComp 7)
and (not stop) ?
nodeComp = nodeComp+1
ya
ya
Step = Max(pointdeep)
Biji = 0?
Biji = isi[nodeComp]
tidak
Cek = false
end
not cek?
tidak
ya
nextNode = deepNode(biji,nodeComp)
Cek = true
nodeComp = nodeComp + 1
Stop = false
tidak
Deep 10 ?
tidak
nextNode = L
ya
Stop = true
Cek = true
Step = nextNode
ya
Stop = false
nodeComp = nextNode
Biji = isi[nextNode]
cek = false
Pointdeep = isiL
Keterangan:
stop,cek
nodeComp
biji,isi[]
nextNode
: simpul selanjutnya
step
deep
: kedalaman penelusuran
i, j, n, biji
n = biji
i>0?
ya
Amilik[i]=Amilik[i]+1
i=i-1
ya
Lmilik=Lmilik+1
i=i-1
ya
Alawan[j]=Alawan[j]+1
ya
i=7
Alawan[i]=Alawan[i]+1
i=i-1
tidak
i=0?
tidak
j=8+I
i=i-1
n=n-1
j>0?
tidak
j=0?
tidak
tidak
n=0?
ya
end
Keterangan:
N
Start
n, dLawan, i, j
tidak
ya
j=8I
poinTembak = Alawan[j]
Giliran =
pemain?
ya
Lumbung = Lpemain
tidak
Lumbun= Lcomp
ya
poinTembak>0?
tidak
Lumbung = Lumbung
end
Keterangan:
Lpemain
Lcomp
poinTembak : menyatakan jumlah biji tembak yang terdapat pada arena lawan
Gambar 3.10 merupakan flowchart untuk proses cekbijiArena(). Proses ini merupakan
pengecekan seluruh biji yang terdapat pada lubang kecil baik pada arena pemain
maupun arena Btrack. cekbijiArena() berguna untuk menentukan apakah permainan
masih berlanjut atau telah berakhir.
Start
Lubang,Apemain[],
Acomp[]
BijiApemain=0
BijiAcomp=0
Lubang=1
tidak
Lubang 7?
ya
BijiApemain = BijiApemain+Apemain[lubang]
BjiAcomp = BijiAcomp+Acomp[lubang]
Lubang=lubang+1
End
Hitungskor() merupakan fungsi yang berguna untuk menghitung seluruh biji yang
dimiliki oleh pemain dan Btrack. Penjumlahan pada fungsi ini meliputi jumlah biji
yang terdapat padan masing-masing lumbung dengan jumlah biji yang terdapat pada
lubang kecil pada masing-masing arena permainan. Total dari jumlah biji ini akan
menjadi skor untuk pemain dan skor untuk Btrack. Gambar 3.11 merupakan flowchart
untuk proses Hitungskor().
Start
l,Lpemain,Lcomp
l=1
tidak
l<=7?
ya
l=l+1
Apemain[l] 0?
tidak
ya
SkorPemain=Lpemain+Apemain[l]
Acomp[l] 0?
tidak
ya
SkorComp=Lcomp+Acomp[l]
end
Tampilkan Form
Menu
ya
Kembali?
ya
tidak
Kembali?
Tampilkan Form
Permainan
Congklak
ya
tidak
Pilih Menu
Mulai Baru ?
tidak
tidak
Pilih Tombol
History
Permainan ?
tidak
Pilih Tombol
Main ?
ya
ya
Pilih Menu
Panduan
Permainan ?
ya
Tampilkan Form
Panduan
Permainan
ya
tidak
Kembali?
Tampilkan Form
History Permainan
Tampilkan Form
Undi Giliran
Pilih Menu
Tentang
Permainan ?
ya
Kembali?
tidak
Tekan Tombol
Acak
ya
Tampilkan Form
Tentang Permainan
tidak
tidak
Tampilkan Pesan
Pemenang giliran
Keluar
Bermain Congklak
End
Permainan berakhir
Munculkan pesan
pemenang
Perancangan antarmuka aplikasi permainan congklak ini terdiri dari beberapa form,
yaitu form Utama, form Undi Giliran, form Panduan Permainan, form Tentang
Permainan, form History Permainan dan form Arena Permainan. Berikut ini adalah
rancangan antarmuka form-form tersebut.
1. Form Utama
Form Utama merupakan form yang pertama kali ditampilkan pada saat aplikasi
dijalankan. Form ini berisikan menu yang dapat dipilih oleh penggunan yaitu
Mulai Baru, Panduan Permainan, Tentang Permainan dan Keluar. Rancangan
antarmuka form ini dapat dilihat pada Gambar 3.13.
Utama
CONGKLAK GAME
Mulai Baru
Panduan Permainan
Tentang Permainan
Keluar
2
3
4
5
Keterangan :
1. Congklak Game merupakan judul aplikasi yang dirancang dengan
menggunakan komponen Tlabel.
2. Mulai baru merupakan tombol menu yang berfungsi untuk menampilkan
form Arena Permainan yang dirancang dengan menggunakan komponen
Tbutton.
form Panduan
Permainan
yang
dirancang
dengan
form
Tentang
Permainan
yang
dirancang
dengan
Undi Giliran
Pemain1
Btrack
Computer
Acak
Keterangan :
1. Pemain merupakan nama untuk panel bagian pemain yang dirancang
dengan menggunakan komponen Tlabel.
2. Btrack merupakan nama untuk panel bagian Btrack yang dirancang
dengan menggunakan komponen Tlabel.
Panduan Permainan
Peraturan dan Cara Bermain1
Kembali
Main
Tentang Permainan
Kembali
Keterangan :
1. Komponen Tmemo yang digunakan untuk menampilkan author aplikasi.
2. Kembali merupakan tombol yang berguna untuk menampilkan form
Utama dirancang menggunakan komponen Tbutton.
History Permainan
Penelusuran langkah
Kembali
Arena Permainan
Btrack 1
computer
4
Pemain
Kembali
History
8
Mulai
Keterangan :
1. Btrack merupakan nama untuk panel bagian Btrack yang dirancang
dengan menggunakan komponen Tlabel.
2. Komponen Tpanel yang digunakan untuk menampilkan jumlah biji yang
diambil pada arena Btrack.
3. Papan congklak yang dirancang dengan menggunakan komponen Timage.
4. Komponen Tpanel yang digunakan untuk menampilkan jumlah biji yang
diambil pada arena pemain.
5. Pemain merupakan nama untuk panel bagian pemain yang dirancang
dengan menggunakan komponen Tlabel.
6. Kembali merupakan tombol untuk menampilkan form Arena Permainan.
Dirancang dengan menggunakan komponen Tbutton.
7. Mulai merupakan tombol yang berfungsi menampilkan form Undi Giliran.
Dirancang dengan menggunakan komponen Tbutton.
8. History merupakan tombol untuk menampilkan history permainan.