Algoritme genetik adalah teknik pencarian yang di dalam ilmu komputer untuk menemukan penyelesaian perkiraan untuk optimisasi dan masalah pencarian. Algoritme genetik adalah kelas khusus dari algoritme evolusioner dengan menggunakan teknik yang terinspirasi oleh biologi evolusioner seperti warisan, mutasi, seleksi alam dan rekombinasi (atau crossover)

Algoritme Genetik pertama kali dikembangkan oleh John Holland pada tahun 1970-an di New York, Amerika Serikat. Dia beserta murid-murid dan teman kerjanya menghasilkan buku berjudul "Adaption in Natural and Artificial Systems" pada tahun 1975.

Algoritme Genetik khususnya diterapkan sebagai simulasi komputer di mana sebuah populasi representasi abstrak (disebut kromosom) dari solusi-solusi calon (disebut individual) pada sebuah masalah optimisasi akan berkembang menjadi solusi-solusi yang lebih baik. Secara tradisional, solusi-solusi dilambangkan dalam biner sebagai string '0' dan '1', walaupun dimungkinkan juga penggunaan penyandian (encoding) yang berbeda. Evolusi dimulai dari sebuah populasi individual acak yang lengkap dan terjadi dalam generasi-generasi. Dalam tiap generasi, kemampuan keseluruhan populasi dievaluasi, kemudian multiple individuals dipilih dari populasi sekarang (current) tersebut secara stochastic (berdasarkan kemampuan mereka), lalu dimodifikasi (melalui mutasi atau rekombinasi) menjadi bentuk populasi baru yang menjadi populasi sekarang (current) pada iterasi berikutnya dari algoritme.

Prosedur Algoritme Genetik

Algoritme genetik yang umum menyaratkan dua hal untuk didefinisikan: (1) representasi genetik dari penyelesaian, (2) fungsi kemampuan untuk mengevaluasinya.

Representasi baku adalah sebuah larik bit-bit. Larik jenis dan struktur lain dapat digunakan dengan cara yang sama. Hal utama yang membuat representasi genetik ini menjadi tepat adalah bahwa bagian-bagiannya mudah diatur karena ukurannya yang tetap, yang memudahkan operasi persilangan sederhana. Representasi panjang variabel juga digunakan, tetapi implementasi persilangan lebih kompleks dalam kasus ini. Representasi seperti pohon diselidiki dalam pemrograman genetik dan representasi bentuk bebas diselidiki di dalam HBGA.

Fungsi kemampuan didefinisikan di atas representasi genetik dan mengukur kualitas penyelesaian yang diwakili. Fungsi kemampuan selalu tergantung pada masalah. Sebagai contoh, jika pada ransel kita ingin memaksimalkan jumlah benda (objek) yang dapat kita masukkan ke dalamnya pada beberapa kapasitas yang tetap. Representasi penyelesaian mungkin berbentuk larik bits, di mana tiap bit mewakili objek yang berbeda, dan nilai bit (0 atau 1) menggambarkan apakah objek tersebut ada di dalam ransel atau tidak. Tidak setiap representasi seperti ini valid, karena ukuran objek dapat melebihi kapasitas ransel. Kemampuan penyelesaian adalah jumlah nilai dari semua objek di dalam ransel jika representasi itu valid, atau jika tidak 0. Dalam beberapa masalah, susah atau bahkan tidak mungkin untuk mendefinisikan lambang kemampuan, maka pada kasus ini digunakan IGA.

Sekali kita mendefinisikan representasi genetik dan fungsi kemampuan, algoritme genetik akan memproses inisialisasi populasi penyelesaian secara acak, dan memperbaikinya melalui aplikasi pengulangan dengan aplikasi operator-operator mutasi, persilangan, dan seleksi.

Secara sederhana, algoritme umum dari algoritme genetik ini dapat dirumuskan menjadi beberapa langkah, yaitu:

1. Membentuk suatu populasi individual dengan keadaan acak
2. Mengevaluasi kecocokan setiap individual keadaan dengan hasil yang diinginkan
3. Memilih individual dengan kecocokan yang tertinggi
4. Bereproduksi, mengadakan persilangan antar individual terpilih diselingi mutasi
5. Mengulangi langkah 2 - 4 sampai ditemukan individual dengan hasil yang diinginkan

Sumber Artikel: id.wikipedia.org

Metode coba-coba (trial and error method) merujuk kepada upaya atau metode untuk mencapai sebuah tujuan melalui berbagai macam cara. Upaya ini yang dilakukan tersebut dilakukan beberapa kali hingga akhirnya mendapatkan cara yang paling sesuai. Kesalahan atau kekiliruan dicatat untuk dievaluasi dan sebagai bahan pembelajaran. Upaya tersebut dilakukan melalui lebih dari satu cara hingga satu car adapt berhasil. Metode coba-coba dapat juga didefinisikan sebagai sebuah metode demi mencari sebuah solusi yang benar dan memuaskan melalui berbagai macam cara dan teori hingga akhirnya kesalahan dapat dikurangi atau dihilangkan sama sekali. Hali ini juga kadang berarti melibatkan eksperimen praktis dan pengalaman daripada teori. Berbagai macam cara digunakan demi mengetahui cara-cara yang dianggap keliru dan salah dihilangkan agar mendapatkan solusi atau mencapai tujuan yang diinginkan. Contoh dalam kalimat adalah

Satu-satunya cara untuk menyelesaikan masalah ini adalah dengan melakukan [metode] coba-coba.

Istilah "salah" dalam hal ini berarti cara atau yang kurang tepat yang dilakukan hingga akhirnya cara yang paling tepat dapat ditemukan.

Sumber Artikel: id.wikipedia.org

Pengambilan keputusan dapat dianggap sebagai suatu hasil atau keluaran dari proses mental atau kognitif yang membawa pada pemilihan suatu jalur tindakan di antara beberapa alternatif yang tersedia. Setiap proses pengambilan keputusan selalu menghasilkan satu pilihan final. Keputusan dibuat untuk mencapai tujuan melalui pelaksanaan atau tindakan serta capaian. Dalam proses pengambilan keputusan bisa jadi berupa rasional atau irasional. Proses pengambilan keputusan adalah proses penalaran berdasarkan asumsi nilai, preferensi, dan keyakinan pembuat keputusan. Dalam proses memutuskan tentang sesuatu yang penting dapat dilakukan baik itu individu, sekelompok orang atau dalam suatu organisasi.

Tingkat-tingkat

Setiap keputusan mempunyai kadar tingkatan yang berbeda-beda. Keputusan biasanya memiliki empat tingkatan yaitu keputusan otomatis,keputusan yang bedasarkan informasi yang diharapakan,keputusan yang bedasarkan pertimbangan,serta keputusan bedasarkan ketidakpastian ganda. Keputusan otomatis merupakan bentuk keputusan yang dibuat dengan sangat sederhana. Contohnya seorang pengemudi mobil memperoleh informasi di perempatan jalan berupa lampu merah, secara langsung seorang pengemudi tersebut membuat keputusan otomatis untuk berhenti. Keputusan besarkan informasi yang diharapkan merupakan tingkatan keputusan yang telah mempunyai informasi yang sedikit kompleks, artinya informasi yang ada telah memberi aba-aba untuk mengambil keputusan. Akan tetapi keputusan belum dibuat karena informasi perlu dipelajari terlebih dahulu. Keputusan bedasarkan berbagai pertimbangan merupakan tingkat keputusan yang lebih banyak membutuhkan informasi dan informasi tersebut dikumpulkan serta dianalisis untuk dipertimbangkan agar menghasilkan keputusan. Contohnya seseorang yang akan membeli arloji akan membandingkan antara beberapa merek. Ia membandingkan harganya,kualitasnya serta modelnya dan untuk mengambil keputusan mungkin ia akan memerlukan waktu beberapa jam bahkan beberapa hari sebelum menjatuhkan keputusan. Keputusan bedasarkan ketidakpastian ganda, merupakan tingkat keputusan yang paling kompleks. Jumlah informasi yang diperlukan semakin banyak selain itu, dalam informasi yang sudah ada terdapat ketidakpastian. Keputusan semacam ini lebih banyak mengandung risiko dan terdapat keraguan dalam pengambilan keputusannya.

Jenis-jenis

Keputusan biasanya terbagi menjadi dua jenis yaitu keputusan pribadi dan keputusan bersama. Keputusan pribadi merupakan keputusan yang diambil untuk kepentingan diri sendiri dan dilakukan secara perorangan. Keputusan bersama merupakan keputusan yang diambil bedasarkan kesepakatan bersama dan untuk kepentingan bersama. Keputusan bersama tidak boleh menguntungkan satu pihak dengan merugikan pihak lain.

Langkah-langkah

Suatu proses pengambilan keputusan membutuhkan langkah-langkah dalam membantu dan membuat keputusan yang lebih terdidik agar dapat mencegah pengambilan keputusan salah. Langkah-langkah tersebut dibagi menjadi beberapa bagian yakni identifikasi keputusan, pengumpulan informasi yang relevan, identifikasi alternatif, timbang buktinya, pilih di antara alternatif, mengambil tindakan, tinjau keputusan.

• Mengidentifikasi keputusan
  • Perlu menyadari pengidentifikasian keputusan sebelum membuat keputusan. Mendefinisikan dengan jelas baik itu sifat, situasi maupun data dari keputusan yang harus dibuat dan sekaligus menjadi langkah pertama yang sangat penting.
• Mengumpulkan informasi yang relevan
  • Mengumpulkan informasi yang relevan adalah kunci ketika mendekati proses pengambilan keputusan, akan tetapi penting untuk mengidentifikasi berapa banyak informasi latar belakang yang benar-benar diperlukan sehingga mencegah dari sekedar mengikuti intuisi belaka. Langkah ini dalam mengumpulkan informasi dapat berupa pengumpulan internal dan eksternal dimana informasi bersifat internal meliputi pencarian proses penilaian tersendiri. Sedangkan informasi bersifat eksternal meliputi pengumpulan sumber data baik online, di buku, dari orang lain, atau dari sumber lain.
• Mengidentifikasi alternatif
  • Saat mengumpulkan informasi, ada baiknya mengidentifikasi beberapa kemungkinan jalur tindakan atau alternatif lainnnya sehingga fase kritis dari proses pengambilan keputusan konsumen, telah relatif dan diteliti. Dapat dilakukan dengan menggunakan imajinasi dan informasi tambahan untuk membangun alternatif baru. Pada langkah ini, buatkan daftar semua alternatif yang memungkinkan dan dibutuhkan.
• Menimbang buktinya
  • Gambarkan informasi dan emosi dengan membayangkan seperti apa jadinya ataupun hasilnya apabila melakukan setiap alternatif sampai akhir. Evaluasi apakah kebutuhan yang diidentifikasi pada langkah mengidentifikasi keputusan sehingga dapat dipenuhi atau diselesaikan melalui penggunaan setiap alternatif. Apabila melalui proses internal dirasa sulit, dapat dimulai dengan menyukai alternatif tertentu seperti alternatif yang tampaknya memiliki potensi lebih tinggi untuk mencapai tujuan akhir. Terakhir, tempatkan alternatif dalam urutan prioritas, berdasarkan sistem penilaian sendiri.
• Pilih di antara alternatif
  • Setelah menimbang semua bukti dalam memilih alternatif yang tampaknya terbaik yang telah atau harus disiapkan sehingga dapat memilih kombinasi alternatif. Pilihan pada langkah ini, kemungkinan besar sama atau mirip dengan alternatif yang tempatkan atau diuraikan pada bagian akhir langkah menimbang buktinya.
• Mengambil tindakan
  • Sekarang siap untuk mengambil beberapa tindakan positif dengan mulai menerapkan alternatif yang pilih di langkah sebelumnya. Pengambilan tindakan dengan percaya diri dalam pengambilan keputusan dan kemampuan perencanaan yang dilakukan.
• Tinjau keputusan & konsekuensinya
  • Pada langkah terakhir ini, pertimbangkan hasil keputusan yang dilakukan dan evaluasi apakah keputusan tersebut telah menyelesaikan kebutuhan dengan identifikasi kembali dari pada langkah awal. Jika keputusan tersebut tidak memenuhi kebutuhan yang teridentifikasi, ulangi langkah-langkah tertentu dari proses untuk membuat keputusan baru. Misalnya, isu kemiskinan yang mempengaruhi pengambilan keputusan ekonomi. Maka, kemungkinan harus mengumpulkan informasi yang lebih detail atau agak berbeda atau menjelajahi alternatif tambahan.

Sumber Artikel: id.wikipedia.org

Heuristika adalah seni dan ilmu pengetahuan yang berhubungan dengan suatu penemuan. Kata ini berasal dari akar yang sama dalam bahasa Yunani dengan kata "eureka", berarti 'untuk menemukan'. Heuristika yang berkaitan dengan pemecahan masalah adalah cara menujukan pemikiran seseorang dalam melakukan proses pemecahan sampai masalah tersebut berhasil dipecahkan. Ini berbeda dari algoritme di mana hanya digunakan sebagai peraturan atau garis pedoman, bertentangan dengan prosedur invarian.

Heuristika mungkin tidak selalu mencapai hasil yang diinginkan atau memecahkan masalah atau mungin justru menimbulkan masalah baru untuk dipecahkan, tetapi proses heuristika ini dapat teramat berharga pada proses berpikir seseorang di mana pada proses pemecahan masalah banyak menuntut pemikiran relasional antarkomponen yang membentuk masalah tersebut sehingga dapat meningkatkan kualitas pemikiran yang lebih tinggi. Heuristika yang baik secara dramatis bisa mengurangi waktu yang diharuskan memecahkan masalah dengan menghapuskan keperluan untuk mempertimbangkan kemungkinan atau relasi antar komponen pembentuk masalah yang mungkin tidak relevan digunakan.

Gambaran Umum

Heuristika adalah strategi yang diambil dari pengalaman sebelumnya dengan permasalahan yang serupa. Strategi ini bergantung pada informasi yang siap diakses, meskipun belum tentu berhubungan, untuk mengontrol penyelesaian masalah dari manusia, mesin, dan isu abstrak.

Heuristika yang paling fundamental adalah coba dan salah, yang bisa digunakan dalam segala permasalahan dari hal paling sederhana sampai menetukan variabel dalam permasalahan aljabar. Dalam matematika, beberapa heuritik paling umum melibatkan penggunaan presentasi visual, asumsi tambahan, penalaran maju/mundur, dan simplifikasi. Berikut adalah beberapa heuristika umum dari buku How to Solve It karya George Pólya:

• Jika Anda menemui kesulitan dalam memahami permasalahan, cobalah membuat gambar.
• Jika Anda tidak mampu menemukan solusi, coba asumsikan Anda sudah memiliki solusi dan lihat apa yang bisa ditarik dari sana ("berpikir mundur").
• Jika permasalahannya abstrak, coba telaah contoh yang konkret.
• Coba atasi permasalahan umum terlebih dulu (paradoks inventor: perencanaan yang lebih ambisius memiliki kemungkinan lebih besar untuk berhasil).

Sejarah

Heuristika sebagai prosedur preskriptif

Metode heuristika pertama kali dikembangkan dalam filsafat dan matematika yang dikembangkan oleh filsuf Catalan bernama Raimundus Lullus (1232–1316) pada abad ketiga belas dengan melihat perkembangan skolastisisme dari Aristoteles kemudian menyelesaikan sejumlah masalah dengan metode pendekatan. Dalam mengilustrasikan algoritma tradisional, di mana perangkat dapat secara otomatis menghasilkan semua kombinasi agama dan filosofis atribut yang bisa digunakan dalam debat.

Pada abad ketujuh belas Gottfried Wilhelm Leibniz (1646–1716) seorang filsuf Jerman memiliki tujuan serupa, meskipun bahkan lebih megah dari pada Raimundus Lullus, yaitu untuk mengembangkan algoritma untuk memecahkan masalah yang mungkin dengan menggunakan bahasa universal yang akan memungkinkan setiap masalah yang mungkin untuk diwakili. Semakin jelas, dengan pendekatan algoritmik Raimundus Lullus dapat dengan mudah menyebabkan ledakan kombinatorial sehingga ia mengeksplorasi heuristika dan menjelajahinya ruang lebih mendalam. René Descartes (1596–1650), matematikawan Prancis dari abad ketujuh belas, telah merumuskan aturan-aturan sederhana untuk memandu memecahkan masalah dengan cukup melihat aspek yang relevan daripada melihat keseluruhan masalah.

Pada abad kesembilan belas, ahli matematika dan filsuf Bernard Bolzano (1781–1848), mengembangkan lebih lanjut pendekatan ini untuk agen epistemik. Ilmuwan ini mengemukakan bahwa heuristika terdiri dari prosedur yang lebih umum dan relatif tidak jelas. Sehingga ia bertujuan untuk menawarkan solusi menuju pengetahuan di luar deduksi yang tepat agar dapat mendorong pemikiran kreatif dan membantu memecah masalah.

Metode heuristika untuk pemecahan masalah dan penemuannya, menerima pengakuan yang lebih luas di bidang matematika modern melalui karya matematikawan George Pólya (1887–1985). Seperti, menemukan analogi untuk masalah, menemukan masalah yang lebih spesifik, atau menguraikan dan menggabungkan kembali masalah.

Prinsip satisficing merupakan heuristika untuk pengambilan keputusan berurutan menurut Simon (1956). Ia membandingkan dengan mengidentifikasi pilihan terbaik secara keseluruhan ataupun mengevaluasi setiap pilihan yang disesuaikan dengan memenuhi tingkat aspirasi minimum terhadap pilihan pertama yang ditemui sehingga memenuhi persyaratan yang dipilih.

Studi heuristika dalam pengambilan keputusan manusia dikembangkan pada 1970-an dan 1980-an oleh psikolog Amos Tversky dan Daniel Kahnemanmeskipun konsep tersebut awalnya diperkenalkan oleh peraih Nobel Herbert A. Simon, Sebagai objek utama penelitian, ia mengemukakan bahwa pembuat keputusan harus dipandang sebagai rasional yang terbatas, dan telah menawarkan model yang menghasilkan utilitas tertinggi atau perolehan kepuasan dalam operasi pengambilan. Dia menciptakan istilah satisficing, yang menunjukkan situasi di mana orang mencari solusi, atau menerima pilihan atau penilaian, yang "cukup baik" untuk tujuan mereka meskipun mereka dapat dioptimalkan.

Heuristika sebagai strategi model komputasi

Kemunculan komputer sebagai alat komputasi dan metafora pikiran di tahun 1970-an melahirkan upaya untuk mensimulasikan perilaku cerdas dalam mesin dalam memecahkan masalah berupa komputasi. Beberapa heuristika telah diidentifikasi dalam berbagai konteks. Penelitian sistematis yang heuristika diterapkan ketika suatu proses kognitif yang mana mendasari heuristika.   (1979) mengklasifikasikan aturan keputusan sepanjang beberapa dimensi. Gigerenzer (2001) telah mengusulkan "Kotak Alat Adaptif (Toolbox Adaptif)", Svenson    yang mencirikan heuristika di sepanjang tiga modul: aturan pencarian, aturan berhenti dan aturan keputusan. Prinsip-prinsip dasar model komputasi yang disesuaikan dengan tugas, situasi dan keputusan pembuat yakni pertama-tama mengubah dua pendekatan dari literatur menjadi bentuk yang lebih formal. Lalu setelah memperoleh prosedur keputusan komputasi umum yang menggabungkan kedua pendekatan dan mendiskusikan serta bagaimana komponennya membentuk blok bangunan heuristika yang berbeda. Kemudian mendiskusikan model dengan sehubungan dengan peralatan adaptif dan klasifikasi Svenson (1979).

Konsepsi baru heuristika dalam hal ekologis strategi rasional Gigerenzer (2001) juga menantang keyakinan yang mengakar kuat bahwa heuristika ditakdirkan untuk menghasilkan hasil terbaik kedua dan pengoptimalan itu selalu lebih baik dari toolbox adaptif.

Penilaian probabilitas dan frekuensi

Strategi heuristika dalam pemecahan masalah dapat dibagi menjadi empat bagian untuk dapat mempengaruhi penilaian dari probalitas dan frekuensinya yakni ketersediaan, keterwakilan, penahan dan penyesuaian, serta keakraban.^[21]

• Ketersediaan
  • Heuristika ketersediaan beroperasi pada gagasan bahwa jika sesuatu dapat dipanggil ulang,^[22] hal itu harus penting, atau setidaknya lebih penting daripada solusi alternatif agar mudah diingat karena informasi mudah didapat.
• Keterwakilan
  • Heuristika keterwakilan digunakan ketika membuat penilaian tentang probabilitas subjektif dari suatu informasi/peristiwa dengan menentukan sejauh mana peristiwa memilik kemiripan karakteristik penting atau mencerminkan fitur yang menonjol dari proses yang dihasilkan
• Penahan dan penyesuaian
  • Heuristika penahan dan penyesuaian digunakan untuk memengaruhi cara orang menilai probabilitas secara intuitif di mana orang mulai dengan titik referensi yang disarankan secara implisit ("jangkar atau penahan") dan membuat penyesuaian untuk mencapai perkiraan mereka berupa informasii tambahan.
• Keakraban
  • Heuristika keakraban didefinisikan untuk menilai peristiwa sebagai lebih sering atau penting karena lebih akrab dalam ingatan Heuristika keakraban ini didasarkan pada penggunaan skema atau tindakan masa lalu sebagai perancah untuk perilaku dalam situasi baru (namun akrab).

Kecerdasan Buatan

Sebuah heuristika dapat digunakan dalam sistem kecerdasan buatan ketika mencari sebuah ruang solusi. Heuristika ini diambil dengan menggunakan beberapa fungsi yang ditaruh dalam sistem oleh desainer, atau dengan menyesuaikan beban dari cabang yang ditentukan dari seberapa besar peluang setiap cabang mengarah kepada goal node.

Kritik dan Kontroversi

Konsep heuristika memiliki kritik dan kontroversi. Kritik "Kita Tidak Mungkin Sebodoh Itu" berargumen bahwa rata-rata manusia memiliki kemampuan yang rendah untuk membuat pertimbangan yang efektif dan berdasar data.

Sumber Artikel: wid.wikipedia.org

Loloh balik atau umpan-balik atau suap-balik (feedback) adalah suatu proses di mana sebagian dari output (keluaran) di-loloh-balik-kan ke bagian input (masukan). Hal ini sering dipakai untuk pengendalian suatu sistem yang bersifat dinamis sehingga sistem tersebut dapat diatur untuk mencapai keadaan yang stabil yang diinginkan. Beberapa contohnya dapat dijumpai pada sistem kompleks yang dipakai di bidang teknik, instrumentasi, elektronika, termodinamika, biologi, arsitektur, maupun ekonomi, dan lain lain.

Contoh konkret dari sistem kendali dengan loloh-balik ini adalah stir mobil pada saat kita mengendarai/menyetir mobil kita. Jika di tengah jalan kita menjumpai bahwa mobil kita terlalu ke pinggir (dan takut akan menabrak orang), maka informasi ini kita pakai (di-feedback-kan ke input) untuk mengubah kedudukan stir mobil sehingga mobil akan berada pada posisi jalur yang benar (output yang kita inginkan).

Sumber Artikel: id.wikipedia.org

Dinamika Sistem (Bahasa Inggris: System dynamics) adalah suatu metode pemodelan yang diperkenalkan oleh Jay Forrester pada tahun 1950-an dan dikembangkan di Massachusetts Institute of Technology Amerika. Sesuai dengan namanya, penggunaan metode ini erat berhubungan dengan pertanyaan-pertanyaan tentang tendensi-tendensi dinamik sistem-sistem yang kompleks, yaitu pola-pola tingkah laku yang dibangkitkan oleh sistem itu dengan bertambahnya waktu. Asumsi utama dalam paradigma dinamika sistem adalah bahwa tendensi-tendensi dinamik yang persistent (terjadi terus menerus) pada setiap sistem yang kompleks bersumber dari struktur kausal yang membentuk sistem itu. Oleh karena itulah model-model dinamika sistem diklasifikasikan ke dalam model matematik kausal (theory-like).

Prinsip-prinsip

Metodologi dinamika sistem pada dasarnya menggunakan hubungan-hubungan sebab-akibat (causal) dalam menyusun model suatu sistem yang kompleks, sebagai dasar dalam mengenali dan memahami tingkah laku dinamis sistem tersebut. Dengan perkataan lain, penggunaan metodologi dinamika sistem lebih ditekankan kepada tujuan-tujuan peningkatan pengertian kita tentang bagaimana tingkah laku sistem muncul dari strukturnya. Persoalan yang dapat dengan tepat dimodelkan menggunakan metodologi dinamika sistem adalah masalah yang:

• mempunyai sifat dinamis (berubah terhadap waktu); dan
• struktur fenomenanya mengandung paling sedikit satu struktur umpan- balik (feedback structure).

Menurut Sterman (1981) prinsip-prinsip untuk membuat model dinamik dengan ciri-ciri seperti yang diuraikan di atas adalah sebagai berikut:

1. keadaan yang diinginkan dan keadaan yang sebenarnya terjadi harus dibedakan di dalam model;
2. adanya struktur stok dan aliran dalam kehidupan nyata harus dapat direpresentasikan di dalam model;
3. aliran-aliran yang berbeda secara konseptual, di dalam model harus dibedakan;
4. hanya informasi yang benar-benar tersedia bagi aktor-aktor di dalam sistem yang harus digunakan dalam pemodelan keputusannya;
5. struktur kaidah pembuatan keputusan di dalam model haruslah sesuai (cocok) dengan praktik-praktik manajerial; dan
6. model haruslah robust dalam kondisi-kondisi ekstrem.

Mengenai robust-nya sebuah model, menurut Sterman sejumlah pengujian tertentu perlu dilakukan terhadap sehingga pada gilirannya akan meningkatkan keyakinan pengguna terhadap kemampuan model di dalam mengungkapkan sistem yang diwakilinya. Keyakinan ini menjadi dasar bagi kesahihan model. Bila kesahihan model telah dapat dicapai, simulasi selanjutnya dapat digunakan untuk merancang kebijakan-kebijakan yang efektif.

Struktur dan Hubungan Dalam Model

Suatu model dinamika sistem dibentuk karena adanya hubungan sebab-akibat (causal) yang memengaruhi struktur di dalamnya baik secara langsung antar dua struktur, maupun akibat dari berbagai hubungan yang terjadi pada sejumlah struktur, hingga membentuk umpan-balik (causal loop). Struktur umpan-balik ini merupakan blok pembentuk model yang diungkapkan melalui lingkaran-lingkaran hubungan sebab-akibat dari variabel-variabel yang melingkar secara tertutup.

Ada 2 (dua) macam hubungan kausal, yaitu

1. hubungan sebab-akibat positif; dan
2. hubungan sebab-akibat negatif.

Ada 2 (dua) macam umpan-balik, yaitu:

1. umpan-balik positif (growth); dan
2. umpan –balik negatif (goal seeking).

Dalam merepresentasikan aktivitas dalam suatu lingkar umpan-balik, digunakan dua jenis variabel utama yang disebut sebagai stok dan aliran (level and rate atau dikenal juga dengan sebutan stock and flow). Stok menyatakan kondisi sistem pada setiap saat. Dalam kerekayasaan (engineering) stok sistem lebih dikenal sebagai state variable system. Stok merupakan akumulasi di dalam sistem. Persamaan suatu variabel rate merupakan suatu struktur kebijaksanaan yang menjelaskan mengapa dan bagaimana suatu keputusan dibuat berdasarkan kepada informasi yang tersedia di dalam sistem. Aliran adalah satu-satunya variabel dalam model yang dapat memengaruhi stok.

Melengkapi variabel stok dan aliran, dalam memodelkan dinamika sistem dikenal juga variable lain auxilary, konstanta (constant) dan tundaan (delay). Auxilary merupakan variabel yang bisa berubah seiring dengan waktu, perubahannya dapat disebabkan atas hubungan-hubungan sebab-akibat yang terjadi antara variabel dalam model ataupun akibat variabel dari luar secara independen. Konstanta merupakan variabel dengan nilai tetap yang tidak berubah sepanjang waktu. Sedangkan tundaan adalah variabel waktu pada perilaku perubahan yang tidak serta-merta (tertunda) atas proses yang terjadi dalam hubungan-hubungan antar struktur hingga memengaruhi perilaku model.

Penggunaan

Pada mulanya Forrester menerapkan metodologi dinamika sistem untuk memecahkan persoalan-persoalan yang terdapat dalam industri (perusahaan). Model-model dinamika sistem pertama kali ditujukan kepada permasalahan manajemen yang umum seperti fluktuasi inventori, ketidakstabilan tenaga kerja, dan penurunan pangsa pasar suatu perusahaan (lihat Forrester 1961). Perkembangannya terus meningkat semenjak pemanfaatannya dalam persoalan sistem-sistem sosial yang sangat beragam, yang dilakukan dan dimanfaatkan oleh pemegang kebijakan.

Pemanfaatan Perangkat Lunak

Pembuatan model dinamika sistem umumnya dilakukan dengan menggunakan perangkat lunak yang memang dirancang khusus. Perangkat lunak tersebut seperti Powersim, Vensim, Stella, dan Dynamo. Dengan perangkat lunak tersebut model dibuat secara grafis dengan simbol-simbol atas variabel dan hubungannya. Namun tidak menutup kemungkinan sebuah perangkat lunak yang dapat mengolah operasi matematis jenis spreadsheet seperti Microsoft Excel atau Lotus juga bisa dimanfaatkan untuk kebutuhan pembuatan model dinamika sistem.

Perkembangan Dinamika Sistem di Indonesia

Di Indonesia, salah satu lembaga pendidikan yang mengajarkan dinamika sistem adalah Institut Teknologi Bandung (ITB). Di ITB dinamika sistem diberikan melalui Mata Kuliah Pemodelan pada Program Magister Studi Pembangunan (S2). Selain itu ITB juga membuka peluang untuk mempelajari dinamika sistem melalui jalur kursus. Pada bidang cabang ilmu transportasi, dinamika sistem diberikan melalui mata kuliah Pemodelan Transportasi Laut pada jurusan Transportasi Laut (S1), Sistem Informasi(S1, S2, S3) pada pemodelan dan simulasi sejak 2006, dan Teknik Sistem dan Industri yang ada di lembaga pendidikan Institut Teknologi Sepuluh Nopember (ITS), dan pada mata kuliah Dynamic System and Modeling di jurusan Sistem Informasi Bisnis (SIB) Institut Sains dan Teknologi Terpadu Surabaya (ISTTS) sejak 2021.

Khusus untuk Institut Teknologi Sepuluh Nopember (ITS), sejak 2020, Departemen Studi Sistem Informasi telah memiliki Professor Pemodelan Sistem Dinamik bernama Prof. Erma Suryani, S.T., M.T., Ph.D., yang dikukuhkan pada 14 April 2021.

Selain itu terdapat lembaga swasta yang mengajarkan dan mempopulerkan dinamika sistem yaitu System Dynamics Center (SDC), SDC bekerja sama dengan universitas-universitas di Indonesia untuk mengembangkan dan mempopulerkan pemodelan dinamika sistem dengan tujuan membangun indonesia dengan skenario terbaik.

Sumber Artikel: id.wikipedia.org