Permainan strategis Quoridor yang kompleks menuntut Kecerdasan Buatan (AI) yang optimal. Penelitian ini menerapkan dan membandingkan performa tiga varian algoritma—Parallel Minimax, Minimax dengan Alpha-Beta Pruning (ABP), dan Hybrid Parallel Alpha-Beta Pruning—untuk mengidentifikasi AI yang paling unggul. Metodologi penelitian melibatkan pengembangan algoritma dalam C++ di Unreal Engine, diikuti serangkaian uji tanding AI vs AI pada kedalaman (depth) 4 dan 5, serta pengujian AI vs manusia. Pengujian AI vs AI mengungkap adanya fenomena first-player disadvantage yang signifikan, di mana pemain kedua secara konsisten mendominasi pertandingan. Hasil menunjukkan bahwa algoritma Minimax dengan Alpha-Beta Pruning memiliki keseimbangan terbaik; ia secara telak mengalahkan Parallel Minimax dalam efisiensi waktu (waktu keputusan rata-rata 0.25 detik vs 0.36 detik) dan tingkat kemenangan (menang 73.3% sebagai pemain kedua). Selain itu, algoritma ini tetap sangat kompetitif saat melawan algoritma Hybrid. Disimpulkan bahwa Minimax dengan Alpha-Beta Pruning adalah pilihan paling optimal untuk pengalaman bermain melawan manusia, terbukti dari kemampuannya memenangkan 23 dari 30 pertandingan (76.7%) sambil menjaga waktu respons yang ideal dengan keputusan maksimal 8 detik per giliran.