Fenomena Penurunan Performa dan Asumsi Buta Pengembang

Pernahkah kamu merasakan bidikan meriam tank mendadak tersendat tepat saat baku tembak paling sengit meletus di layar monitor? Fenomena anjloknya frame rate ini kerap dialami pengembang ketika menguji prototipe game aksi seperti Creed of Steel pada Unreal Engine 5. Game simulasi pertempuran tank tersebut menuntut kalkulasi lintasan balistik secara langsung di samping ratusan efek ledakan yang berhamburan serentak. Banyak pengembang pemula langsung panik lalu memotong resolusi tekstur maupun memangkas kualitas bayangan visual secara serampangan. Asumsi coba-coba semacam itu terbukti keliru karena biang kerok penurunan performa sebenarnya berasal dari penumpukan objek bergerak yang memadati memori secara tiba-tiba. Artikel ini merupakan rangkuman dan cerita penelitian yang tengah dilakukan oleh pengembang.

Gambar
Gambar 1. Pengembangan game Creed of Steel (Sumber: https://fenkosoft.itch.io/)

Keterbatasan Profiler Bawaan Melacak Ledakan Objek

Ketika menghadapi masalah lag yang parah, langkah logis yang lazim ditempuh pengembang adalah menyalakan fitur pemantau performa bawaan engine. Alat diagnosa resmi seperti Unreal Insights memang sangat andal dalam merekam jejak eksekusi sistem hingga ke tingkatan instruksi pada utas komputasi. Kendalanya, data visualisasi jejak waktu tersebut sangat rumit serta sulit dikorelasikan langsung dengan jumlah objek dinamis yang sedang aktif bertarung di arena pertempuran. Pengembang hanya disuguhkan lonjakan beban kerja tanpa mengetahui pasti berapa gelombang proyektil atau partikel yang menyebabkannya. Ketiadaan korelasi langsung antara kepadatan entitas dan waktu pemrosesan membuat pelacakan akar masalah menjadi lambat serta tidak efisien.

Merancang Performance Report System dan Pemfilteran Data

Guna membedah kendala tersebut, dirancang sebuah modul diagnostik runtime mandiri bernama Performance Report System. Modul ini disematkan langsung pada siklus hidup fungsi GameMode EndPlay untuk merekam metrik performa secara berkala dari awal hingga akhir pertempuran. Setiap frame dicatat secara mendalam mencakup nilai frame per second (FPS), waktu pemrosesan frame dalam milidetik, persentase beban CPU, durasi render GPU, konsumsi memori RAM, serta total entitas aktif di layar. Seluruh data diekspor ke format CSV melalui mekanisme atomic I/O menggunakan fungsi SaveStringToFile agar proses pencatatan tidak membebani komputasi game. Data telemetri mentah kemudian dihaluskan dengan Python melalui algoritma Moving Average, Exponential Weighted Moving Average (EWMA), dan filter Savitzky-Golay guna meredam derau visual tanpa menghilangkan pola beban yang sebenarnya.

Gambar 2. Flowchart proses dari profilling tools (Sumber: Wahyudi, 2026)

Penyaringan data telemetri empiris tersebut mengungkap temuan mengejutkan terkait perilaku game object spawning saat simulasi meriam tank berlangsung masif. Ketika penembakan beruntun memunculkan hingga 5.565 proyektil aktif di udara, grafik performa memperlihatkan korelasi negatif yang sangat kuat dengan nilai koefisien r sebesar minus 0,91 terhadap kestabilan FPS. Titik kritis penurunan performa mulai terjadi saat objek aktif menyentuh 1.500 hingga 2.000 unit, di mana laju bingkai terjun bebas dari kisaran 110 sampai 120 FPS ke rata-rata 34 koma 1 FPS dengan lonjakan waktu frame mencapai 250 milidetik. Menariknya, beban kerja CPU justru turun dari 30 persen ke 10 persen, sementara beban GPU melonjak ekstrem akibat kelelahan menangani ribuan antrean draw calls dan data geometri simpul. Data empiris ini membuktikan bahwa ribuan proyektil balistik mandiri dengan cepat menggeser beban komputasi menjadi hambatan grafis murni pada kartu grafis.

Gambar 3. Unreal Insights, Profiling Tool bawaan Unreal Engine (Sumber: https://cesium.com/learn/cesium-unreal/ref-doc/performance-profiling-unreal-insights.html)

Dampak yang jauh lebih drastis terlihat ketika pengujian beralih ke simulasi efek partikel ledakan dan semburan asap. Sebanyak 2.431 partikel aktif yang dimuntahkan ke arena mampu menjatuhkan performa dari 110 FPS ke 20 FPS hanya dalam kurun 100 frame awal saat 1.500 partikel pertama muncul dengan waktu frame 70 hingga 80 milidetik. Pencatatan aktor biasa bahkan menampilkan angka nol karena partikel dikelola oleh sistem pemancar terpusat tanpa dianggap sebagai entitas independen. Hambatan sistemik ini memukul tiga komponen sekaligus melalui beban CPU yang melonjak 40 hingga 60 persen untuk kalkulasi simulasi, waktu GPU menyentuh 40 milidetik, serta RAM berfluktuasi tajam antara 1.450 hingga 1.800 megabita akibat kerja keras garbage collection. Situasi tersebut memperlihatkan bagaimana pemanggilan efek visual tanpa kendali dapat melumpuhkan seluruh alur kerja komputasi secara serempak.

Rekayasa Solusi Optimasi dan Refleksi Telemetri

Memahami akar masalah secara empiris memandu pengembang menerapkan rekayasa perangkat lunak yang tepat sasaran tanpa terjebak spekulasi. Masalah ribuan proyektil dapat dituntaskan secara efisien lewat penerapan teknik GPU instancing dan sistem Level of Detail (LOD) dinamis sehingga kartu grafis hanya memproses satu cetak geometri untuk ribuan amunisi sejenis. Beban partikel diredam memakai pola desain object pooling serta memindahkan seluruh kalkulasi pergerakan ke utas GPU compute shaders guna meringankan prosesor utama. Di sisi lain, sistem pemantau performa menuntut kompromi teknis karena susunan memori statis selama perekaman runtime menaikkan konsumsi RAM secara linier jika durasi pengujian terlalu panjang. Temuan berharga ini memberi pelajaran penting bagi mahasiswa rekayasa game bahwa optimasi perangkat lunak wajib berpijak pada telemetri empiris demi menjaga keutuhan pengalaman bermain.

Penulis:

Daniel Kevin Jhon Feko Wahyudi, S.Kom – FDP Scholar

Referensi

Epic Games. (2026). Introduction to performance profiling and configuration in Unreal Engine. Unreal Engine Documentation. https://dev.epicgames.com/documentation/en-us/unreal-engine/introduction-to-performance-profiling-and-configuration-in-unreal-engine. Diakses pada 4 November 2026

Epic Games. (2026). Unreal Insights in Unreal Engine. Unreal Engine Documentation. https://dev.epicgames.com/documentation/en-us/unreal-engine/unreal-insights-in-unreal-engine. Diakses pada 4 November 2026

Wahyudi, D. K. J. F., & Chowanda, A. (2026). Constructing a performance report system as a profiling tool to measure game object spawning performance on Unreal Engine 5. Procedia Computer Science, 289, 335–344.

Wahyudi, D. K. J. F. (2025). Creed of Steel devlog. Itch.io. https://fenkosoft.itch.io/creed-of-steel. Diakses pada 4 November 2026