Perkembangan permainan video terus meningkat karena merupakan salah
satu media hiburan yang sering digunakan. Permainan video juga memiliki banyak
genre, salah satunya adalah permainan menjelajah yang menjadi genre permainan
yang banyak dikembangkan. Dengan banyaknya peminat dalam permainan video
maka, skala permainan video yang dikembangkan juga akan semakin besar dan
rumit. Dalam tahap perkembangan permainan video tentu akan selalu ada tahap
percobaan untuk mendeteksi kesalahan-kesalahan program yang seharusnya tidak
terjadi dalam permainan karena bisa berdampak pada kenyamanan pengguna saat
bermain. Proses percobaan biasanya dilakukan oleh manusia namun, bisa
menambah biaya dan juga rentan terjadi kesalahan manusia sehingga sudah mulai
digunakan teknologi kecerdasan buatan dengan Reinforcement Learning yang bisa
membantu dalam proses percobaan dengan membangun sebuah agen untuk
memainkan permainan video. Pada penelitian ini akan dibentuk sebuah agen
dengan metode Proximal Policy Optimization(PPO) ditambah dengan Invalid
Action Masking dengan tujuan untuk mengurangi waktu pelatihan dan
mendapatkan rata-rata reward yang didapatkan oleh agen. Lingkungan yang
digunakan adalah permainan video petualangan Atari dengan judul ”Berzerk” yang
diambil dari OpenAI GYM. Dari pengujian didapatkan 25 kombinasi
hyperparameter yang memberikan waktu lebih cepat dan 39 kombinasi
hyperparameter memberikan rata-rata reward yang lebih besar dari Proximal
Policy Optimization tanpa digunakan Invalid Action Masking yang dimana terdapat
54 kombinasi hyperparameter untuk masing-masing metode.