Perkembangan industri game telah mendorong inovasi dalam kecerdasan buatan, khususnya dalam pergerakan Non-Playable Character (NPC). Namun, masih banyak game yang memiliki NPC dengan pola gerak monoton dan mudah diprediksi, sehingga mengurangi tantangan dan pengalaman bermain. Penelitian ini bertujuan untuk mengimplementasikan metode Finite State Machine (FSM) dalam game top-down untuk menciptakan pergerakan NPC yang lebih dinamis dan adaptif. Metode penelitian mencakup perancangan, implementasi, dan pengujian sistem NPC berbasis FSM. Pengujian dilakukan dengan mengukur transisi state NPC dari Idle, Hide, Chase dan Attack berdasarkan interaksi dengan player. Hasil penelitian menunjukkan bahwa FSM berhasil meningkatkan variasi pergerakan NPC, membuatnya lebih responsif terhadap perubahan dalam game. Berdasarkan hasil pengujian menggunakan Deterministic Finite Automata (DFA), jumlah total perubahan state yang tercatat adalah 893 kali dari 190 data pengujian NPC. Perubahan state Idle terjadi sebanyak 244 kali (27,32%), Hide sebanyak 14 kali (1,57%), Chase sebanyak 378 kali (42,33%), dan Attack sebanyak 257 kali (28,78%). Data ini menunjukkan bahwa NPC lebih sering berada dalam kondisi Chase dan Attack, yang menunjukkan tingkat responsivitas yang tinggi terhadap keberadaan player dan kecenderungan NPC untuk mengejar dan menyerang dibandingkan dalam kondisi diam atau bersembunyi. Kesimpulan dari penelitian ini adalah bahwa FSM efektif dalam mengatur perilaku NPC, memberikan pengalaman bermain yang lebih menarik dan menantang.