Industri game terus berkembang, dengan genre horror yang sangat bergantung pada respons emosional pemain seperti rasa takut dan tegang sebagai inti pengalaman bermain. NPC berperan penting dalam membentuk persepsi ancaman pada game horror, namun sebagian besar NPC masih menggunakan pendekatan rule-based seperti Behavior Tree dan EmoBT yang bersifat reaktif terhadap peristiwa saat ini tanpa mempertimbangkan histori interaksi pemain. Kondisi ini menyebabkan NPC menghasilkan pola perilaku yang berulang dan mudah diprediksi, sehingga menurunkan tingkat imersi pemain. Penelitian ini mengusulkan integrasi Case-Based Reasoning (CBR) ke dalam EmoBT sebagai mekanisme knowledge layer yang menyimpan dan memanfaatkan histori perilaku pemain, sehingga pemilihan aksi NPC tidak hanya bergantung pada kondisi emosi sesaat, tetapi juga pada pengalaman interaksi sebelumnya melalui mekanisme retrieve, reuse, revise, dan retain. Evaluasi dilakukan dengan membandingkan mode Normal (EmoBT) dan mode Hard (EmoBT+CBR) berdasarkan tiga aspek, yaitu action entropy, performance metrics (FPS, CPU, memory usage), dan pengalaman pemain menggunakan Game Experience Questionnaire (GEQ) terhadap 15 responden pada permainan stealth horror "Runaway". Hasil pengujian menunjukkan nilai action entropy mode Normal sebesar 2,1347 dan mode Hard sebesar 2,0979, mengindikasikan keberagaman aksi NPC tidak meningkat secara signifikan. Pada aspek performa, integrasi CBR hanya menambah beban komputasi rendah, dengan FPS turun 1,14%, CPU naik 1,48%, dan memori turun 0,12%. Secara deskriptif, permainan menunjukkan nilai GEQ yang tinggi pada seluruh komponen pengalaman positif dan nilai rendah pada negative affect. Uji Wilcoxon Signed-Rank Test menunjukkan bahwa peningkatan challenge (3,600 menjadi 3,967) belum signifikan secara statistik (p > 0,05), demikian pula pada komponen immersion dan tension.