Matematika Permainan Papan: Probabilitas, Nilai yang Diharapkan, dan Mengapa Dadu Terasa Tidak Adil

Setiap mekanik permainan papan memiliki identitas matematis. Pelemparan dadu memiliki nilai yang diharapkan dan varians. Penarikan kartu memiliki distribusi probabilitas. Perdagangan sumber daya memiliki nilai tukar yang dapat dinyatakan sebagai rasio. Desainer yang memahami matematika ini membuat keputusan lebih baik daripada desainer yang bekerja berdasarkan perasaan — bukan karena matematika menggantikan intuisi, namun karena intuisi sering kali tidak sesuai dengan kenyataan sehingga pengujian saja lambat untuk diperbaiki.

Artikel ini membahas konsep matematika yang paling penting untuk desain dan permainan papan permainan: distribusi probabilitas, nilai yang diharapkan, varians, dan kesenjangan psikologis antara apa yang dikatakan matematika dan apa yang dialami pemain. Apakah Anda sedang merancang permainan atau hanya mencoba memahami mengapa sesi dadu Anda terasa sangat tidak beruntung, kerangka kerja di sini akan mengubah cara Anda berpikir tentang keacakan dalam permainan.

Mengapa Matematika Penting dalam Desain Game

Seorang desainer game yang belum menghitung nilai yang diharapkan dari ekonomi aksi inti gamenya tidak mengetahui apakah gamenya berfungsi. Ini terdengar kasar, tetapi secara fungsional benar. Jika pendapatan yang diharapkan dari tindakan terbaik yang tersedia adalah 4 sumber daya per putaran dan biaya tindakan kondisi kemenangan adalah 30 sumber daya, perancang perlu mengetahui apakah tingkat pendapatan tersebut dapat dicapai selama durasi permainan biasanya — sebelum pengujian permainan, bukan setelah enam sesi sambil bertanya-tanya mengapa tidak ada yang menang.

Matematika dan tes bermain adalah alat yang saling melengkapi, bukan alternatif. Matematika memberi tahu Anda apa yang diprediksi oleh teori. Pengujian permainan memberi tahu Anda apakah perilaku manusia sesuai dengan teori. Seringkali, keduanya berbeda — bukan karena perhitungannya salah, namun karena pemain tidak selalu memilih tindakan yang secara teoritis optimal. Kesenjangan antara permainan optimal teoretis dan permainan manusia sebenarnya merupakan variabel desain: permainan yang hanya permainan optimal yang menghasilkan keputusan menarik adalah permainan yang lebih buruk dibandingkan permainan yang permainan suboptimalnya juga menciptakan situasi yang menarik.

Setiap mekanik memiliki nilai yang diharapkan, dan desainer harus mengetahuinya. Ketika pemain Neutronium: Parallel Wars memperoleh pendapatan dari Nuclear Port, mereka menerima nilai yang diharapkan dengan tepat dihitung per port per putaran. Ketika mereka memilih untuk menyerang daripada membangun, mereka membuat keputusan yang memiliki hasil yang diharapkan dapat dihitung dalam berbagai skenario. Perancang yang mengetahui angka-angka ini dapat membuat keputusan keseimbangan yang berarti; desainer yang tidak menebak-nebak.

Asimetri kritisnya adalah keacakan terasa tidak adil meskipun seimbang. Pelemparan koin 50/50 menghasilkan kepala enam kali berturut-turut sekitar 1,6% — jarang, tetapi bukan tidak mungkin. Ketika hal itu terjadi pada pemain dalam sebuah game, mereka mengalaminya sebagai game yang rusak, bukan sebagai peristiwa statistik biasa. Memahami mengapa hal ini terjadi — dan bagaimana desainer dapat menyusun keacakan agar tidak terlalu membebani sambil mempertahankan probabilitas dasar yang sama — adalah penerapan matematika desain game yang paling berharga secara praktis.

Probabilitas Dadu 101

D6 tunggal adalah alat pengacakan yang paling umum dalam permainan papan dan juga salah satu yang paling disalahpahami. Standar d6 menghasilkan distribusi yang seragam: setiap permukaan (1 hingga 6) memiliki probabilitas kemunculan 1/6, dan nilai yang diharapkan adalah 3,5. Pemain secara intuitif memahami hal ini, namun mereka sering gagal memahami apa artinya roll berulang dalam satu sesi.

Perbedaan single d6 versus 2d6 adalah dasar untuk memahami mengapa mekanisme dadu yang berbeda terasa berbeda. Sebuah d6 memiliki distribusi probabilitas yang datar — setiap hasil dari 1 hingga 6 memiliki kemungkinan yang sama.Penjumlahan dua d6 menghasilkan kurva lonceng: 7 adalah hasil yang paling mungkin (probabilitas 6/36 = 16,7%), sedangkan 2 dan 12 masing-masing memiliki probabilitas 1/36 = 2,8%. Distribusi 2d6 memusatkan hasil di dekat bagian tengah dan membuat hasil ekstrem jarang terjadi. Inilah sebabnya mengapa Catan, yang menggunakan 2d6 untuk produksi sumber daya, tidak terlalu memberikan hukuman pada pelemparan individu dibandingkan sistem dadu tunggal — distribusinya tentu saja membatasi hasil yang ekstrem.

Custom dice with non-standard face distributions give designers precise control over probability profiles that standard dice cannot provide. Sebuah dadu dengan permukaan [0, 0, 0, 1, 1, 2] memiliki karakter yang sangat berbeda dengan d6: dadu tersebut menghasilkan nol 50%, satu 33%, dan dua 17%, dengan nilai yang diharapkan sebesar 0,67. Neutronium: Parallel Wars menggunakan dadu D6 khusus dengan permukaan berkode warna: permukaan biru mewakili hasil pertarungan standar, permukaan merah mewakili hasil penting, dan permukaan hijau mewakili pemicu kemampuan khusus. Distribusi jenis wajah – bukan hanya jumlah wajah – menentukan probabilitas setiap hasil. Dadu dengan tiga muka biru, dua muka merah, dan satu muka hijau menghasilkan hasil biru 50%, merah 33%, dan hijau 17%. Perancang dapat menyesuaikan rasio ini dengan mengubah jumlah wajah daripada menciptakan sistem resolusi yang rumit secara matematis.

Dadu Meledak adalah dadu yang jika dilempar ke nilai maksimal, dilempar kembali dan hasilnya dijumlahkan. D6 yang meledak pada 6 memiliki nilai yang diharapkan (1+2+3+4+5+6)/6 + (1/6 × nilai yang diharapkan dari d6) = 3,5 + (1/6 × 3,5) = 3,5 + 0,583 = 4,083. Sifat terbuka secara teoritis menciptakan hasil yang tidak terbatas — rangkaian ledakan yang beruntung dapat menghasilkan total yang sangat tinggi — yang menghasilkan momen "perasaan beruntung" yang sengaja dikembangkan oleh beberapa permainan. Pengorbanannya adalah varian tinggi dan keberuntungan yang sesekali menentukan permainan.

Dadu berbatas adalah filosofi sebaliknya: membatasi hasil maksimum untuk membatasi varians. Sistem kumpulan dadu di mana Anda melempar beberapa dadu dan hanya mengambil hasil N terbaik (sistem keuntungan seperti mekanik keuntungan D&D 5E, atau pengambilan dadu ganda Gumshoe yang tertinggi) secara matematis mengurangi varians sambil mempertahankan nuansa probabilistik. Mengambil yang lebih tinggi dari dua putaran d6 akan menggeser nilai yang diharapkan dari 3,5 menjadi 4,47 — peningkatan sebesar 28% — sekaligus mengurangi kemungkinan hasil yang rendah secara signifikan.

Nilai yang Diharapkan dalam Resource Games

Permainan akumulasi sumber daya — Euro, pembuat mesin, strategi ekonomi — dibangun berdasarkan perhitungan nilai yang diharapkan yang harus dipahami secara tepat oleh perancang meskipun hal tersebut tidak pernah muncul secara eksplisit dalam buku peraturan. Ketika seorang pemain memilih antara dua tindakan, mereka (secara sadar atau tidak) membandingkan nilai yang diharapkan dari tindakan tersebut selama jangka waktu yang relevan.

Neutronium: Parallel Wars Nuclear Port adalah contoh eksplisit dari nilai yang diharapkan yang dirancang . Rumus pendapatan menetapkan bahwa pemain dengan N Nuclear Port menerima pendapatan pada tingkat yang berskala non-linier dengan N. Rumus spesifiknya — 1 port menghasilkan 2 unit Neutronium per putaran; 10 port menghasilkan 220 Nn per putaran — bukan suatu kebetulan.Ini adalah pernyataan eksplisit dari perancangnya bahwa akumulasi pelabuhan harus menghasilkan keuntungan eksponensial, bukan keuntungan linier, karena keuntungan eksponensial menciptakan ambang batas koalisi yang mendorong dinamika persaingan permainan.

Rumus ini adalah desain permainan yang disengaja yang dinyatakan sebagai matematika. Kesenjangan antara pendapatan 7 pelabuhan (42 Nn/putaran) dan pendapatan 10 pelabuhan (220 Nn/putaran) adalah argumen ekonomi mengapa koalisi terbentuk di ambang batas 7 pelabuhan daripada menunggu hingga 9 atau 10 pelabuhan. Di 7 pelabuhan, pemain mempunyai pendapatan yang cukup untuk menjadi ancaman — namun tindakan koalisi masih bisa menentukan sebelum keuntungan pendapatan menjadi tidak dapat diatasi secara matematis. Seorang desainer yang sampai pada angka-angka ini melalui pengujian permainan saja mungkin bisa menyimpulkannya dengan benar; seorang desainer yang memahami fungsi eksponensial sejak awal dapat menentukan ambang batas dengan tepat.

Prinsip yang lebih luas: ketika penskalaan eksponensial adalah desain permainan yang disengaja, perancang harus mendokumentasikan fungsi penskalaan dan memverifikasi bahwa ambang batas yang dibuatnya sesuai dengan yang mereka inginkan. Jika ambang batas koalisi harus berada di 6 pelabuhan, bukan 7, rumus pendapatan perlu disesuaikan — yang mengharuskan kita mengetahui rumusnya, bukan hanya mengamati bahwa “permainan terasa seimbang.”

Varians dan Persepsi Pemain

Variance adalah ukuran seberapa besar penyebaran hasil aktual di sekitar nilai yang diharapkan. Varians yang tinggi berarti hasil individu dapat berbeda secara dramatis dari ekspektasi; varians rendah berarti hasil mengelompok erat di sekitar rata-rata. Bagi desainer game, varians adalah kenop kontrol yang memengaruhi keadilan matematis game dan pengalaman subjektif dalam memainkannya.

Wawasan psikologis utama: varians tinggi terasa buruk meskipun secara matematis seimbang. Pelemparan koin benar-benar adil — 50/50, nilai yang diharapkan sama persis untuk kedua pemain — tetapi memainkan permainan di mana setiap keputusan diselesaikan dengan pelemparan koin terasa sewenang-wenang dan tidak menguntungkan. Pemain perlu merasa bahwa keputusan mereka penting, yang berarti mereka memerlukan hubungan sebab akibat antara keputusan yang baik dan hasil yang baik agar dapat dipahami dalam sesi permainan. Varians tinggi memutuskan koneksi itu.

Masalah hex Catan 7 versus 2 menggambarkan hal ini dengan jelas. Pada Catan, angka 7 paling banyak dicetak pada heksa karena mempunyai probabilitas tertinggi dengan 2d6 (16.7%). Angka 2 dicetak pada heksa yang paling sedikit (2,8%). Pemain berpengalaman tahu cara memprioritaskan sumber daya pada angka 6, 8, 5, dan 9 — heksa dengan probabilitas tinggi. Namun dalam sesi mana pun, pemain yang menempatkan penyelesaian awalnya dengan benar pada segi enam ini masih bisa berkinerja buruk secara signifikan oleh pemain dengan penempatan probabilitas lebih rendah jika pelemparan dadu sebenarnya menyimpang dari nilai yang diharapkan. Hal ini bukannya tidak adil – ini adalah variasi statistik yang normal.Namun hal ini terasa tidak adil karena hubungan antara keputusan (penempatan yang baik) dan hasil (pendapatan sumber daya yang sering) dikaburkan oleh varians.

Solusi desain untuk mengelola persepsi ketidakadilan dari varian meliputi: Mekanisme mitigasi (reroll, bank sumber daya, mekanisme catch-up yang aktif saat nasib buruk berlangsung), poin keputusan yang tetap berarti bahkan setelah nasib buruk (sehingga pemain yang melakukan roll buruk masih memiliki pilihan menarik), dan variance yang mendukung pemain yang tertinggal (mengejar ketinggalan melalui varians: pemain terdepan menginginkan pendapatan yang stabil dan dapat diprediksi; pemain yang tertinggal mendapat manfaat dari pendekatan variansi tinggi yang dapat menutup kesenjangan dengan cepat, meskipun nilai yang diharapkan sama).

Kingmaker dari dadu — di mana lemparan acak menentukan pemain mana yang menang atau kalah di babak final — adalah hasil varians yang paling merusak bagi kepuasan pemain. Solusinya bukan menghilangkan dadu tetapi menyusun permainan akhir sehingga hasil dadu mempengaruhi jalan menuju kemenangan daripada menentukannya secara langsung. Ketika beberapa pemain memiliki posisi kemenangan yang layak untuk memasuki babak final, lucky roll akan memuaskan bagi pemenang namun tidak terasa tidak sah bagi yang kalah — karena yang kalah juga memiliki jalur untuk menang yang bisa saja dimungkinkan oleh lucky roll mereka sendiri.

Pengujian Keseimbangan dengan Math

Kerangka kerja MEQA (Pengukuran, Keterlibatan, Kualitas, Aksesibilitas) memberikan pendekatan terstruktur untuk pengujian keseimbangan permainan. Pilar Measurability — M dalam MEQA — adalah tempat matematika memasuki proses desain secara formal: sebelum pengujian permainan dimulai, desainer mendefinisikan apa arti "seimbang" dalam istilah yang dapat diukur.

Untuk game dengan faksi asimetris seperti Neutronium: Parallel Wars, keseimbangan terukur berarti: setiap faksi harus mencapai tingkat kemenangan dalam rentang toleransi yang ditentukan pada sampel game yang memadai dengan tingkat keahlian yang sebanding. Jika targetnya adalah tingkat kemenangan 50% (keseimbangan murni) dengan kisaran ±10% yang dapat diterima, maka faksi yang memenangkan 42% permainan berada dalam toleransi dan faksi yang memenangkan 63% tidak. Namun untuk mencapai standar ini memerlukan mengetahui target sebelum pengujian — bukan menyatakan post-hoc bahwa tingkat kemenangan yang diamati "cukup dekat".

Mendefinisikan metrik sebelum pengujian bermain mengubah apa yang Anda amati. Jika Anda tahu bahwa Anda mengukur tingkat kemenangan per faksi, Anda melacak tugas dan hasil faksi di seluruh sesi. Jika Anda tahu bahwa Anda mengukur rata-rata durasi permainan, Anda mencatat stempel waktu. Keputusan ini harus dibuat sebelum sesi playtest pertama, karena metrik retrospektif tidak dapat diandalkan — memori bersifat selektif dan manusia secara alami mengingat sesi yang mendukung keyakinan yang ada.

Persyaratan ukuran sampel untuk kesimpulan keseimbangan sering kali lebih besar dari perkiraan desainer. Untuk permainan 2 pemain dengan 2 faksi, 30 permainan menyediakan data dasar untuk mendeteksi ketidakseimbangan yang lebih besar dari 15% dengan tingkat kepercayaan 80%. Untuk game 4 pemain dengan 6 faksi, ruang kombinasinya jauh lebih besar: 30 game memberi Anda sekitar 5 game per pasangan faksi — hampir tidak cukup untuk mendeteksi ketidakseimbangan ekstrem, dan tidak cukup untuk mendeteksi keuntungan halus.Penerbit indie jarang memiliki sumber daya untuk validasi statistik yang ketat; pendekatan praktisnya adalah menggunakan matematika untuk memverifikasi nilai yang diharapkan, pengujian permainan untuk menangkap outlier, dan masukan komunitas pasca-rilis untuk mengidentifikasi masalah yang masih ada.

Untuk kerangka kerja lengkap — termasuk bagaimana Measurability terintegrasi dengan pilar MEQA lainnya — lihat panduan kerangka keseimbangan game MEQA, yang mencakup pendekatan lengkap untuk mendefinisikan, mengukur, dan mencapai keseimbangan di seluruh sistem game.

Rumus penskalaan pendapatan di Neutronium terhubung langsung ke detail mekanika di /mechanics/nuclear-port-scaling, di mana fungsi eksponensial didokumentasikan bersama dengan alasan desain untuk setiap nilai ambang batas.

Alat Probabilitas untuk Desainer

Beberapa alat membuat matematika desain game dapat diakses tanpa memerlukan pelatihan statistik tingkat lanjut. Inilah yang berhasil dalam praktiknya.

AnyDice (anydice.com) adalah kalkulator probabilitas dadu standar untuk desainer game. Ia menerima notasi dadu bahasa alami (2d6, d4+d8, 3d6 tetap tertinggi 2) dan mengembalikan distribusi probabilitas, nilai yang diharapkan, dan probabilitas kumulatif. Untuk mekanik mana pun yang melibatkan dadu, AnyDice harus menjadi alat pertama yang dikonsultasikan. Grafik keluarannya membuat distribusi langsung dapat dibaca dan dibandingkan — tempelkan dua ekspresi dadu yang berbeda secara berdampingan untuk segera melihat perbedaan distribusinya.

Simulasi spreadsheet (Google Sheets, Excel) menangani penghitungan yang tidak dapat dilakukan AnyDice: akumulasi sumber daya dalam beberapa putaran, pendapatan dengan berbagai sumber, durasi permainan yang diharapkan berdasarkan asumsi strategis yang berbeda. Model spreadsheet dasar perekonomian game — dengan kolom untuk setiap giliran, baris untuk setiap jenis sumber daya, dan rumus yang mewakili mekanisme pendapatan dan pembelanjaan inti game — membutuhkan waktu 2–3 jam untuk dibuat dan mengungkap masalah keseimbangan yang memerlukan 20+ pengujian permainan untuk ditemukan secara empiris.

Simulasi Monte Carlo adalah alat dengan presisi tertinggi: menjalankan mekanisme permainan ribuan kali secara komputasi untuk menghasilkan distribusi statistik di semua kemungkinan hasil. Untuk desainer dengan latar belakang pemrograman, Python dengan NumPy sudah cukup untuk sebagian besar kebutuhan simulasi game. Untuk desainer tanpa latar belakang pemrograman, terdapat alat visual Monte Carlo dan bahkan simulasi berbasis spreadsheet yang memberikan hasil yang berarti dengan pengetahuan teknis yang terbatas. Monte Carlo paling berguna untuk permainan dengan saling ketergantungan yang kompleks di mana perhitungan analitis sulit dilakukan — ketika beberapa peristiwa acak berinteraksi, simulasi menghasilkan perkiraan distribusi yang lebih andal daripada perhitungan manual.

Kapan mempercayai matematika versus kapan harus bermaintes: menggunakan matematika untuk memverifikasi keseimbangan teoritis dan menangkap kesalahan desain yang jelas sebelum berinvestasi dalam pengujian bermain. Gunakan pengujian bermain untuk mengetahui bagaimana psikologi manusia berinteraksi dengan matematika — tempat di mana strategi optimal berbeda dari apa yang sebenarnya dilakukan pemain, dan tempat di mana matematika memprediksi keseimbangan tetapi pengalamannya terasa tidak adil. Keduanya diperlukan. Tidak ada yang cukup sendirian.

Pertanyaan yang Sering Diajukan