22122021-Pemodelan kebijakan metodologi system dynamics kemendag

Suatu
Pengantar
Muhammad
Tasrif
Penggunaan
Metodologi
SYSTEM DYNAMICS
(DINAMIKA SISTEM)
sebagai
ALAT ANALISIS
KEBIJAKAN
1
MT - 22 Desember 2021

Suatu fenomena adalah sesuatu yang dapat
kita lihat, alami, dan rasakan.
(Something experienced: a fact or
occurrence that can be observed.)
Fenomena (phenomenon)
Covid-19 (dengan PSBB/PPKM
Darurat-nya) dan Pertumbuhan
Ekonomi
Aktivitas
Perilaku
1. Fenomena
2

Fenomena
IPM (Indeks Pembangunan
Manusia)
2010-2020
Aktivitas
Perilaku
3

Fenomena
Waktu Pelayanan
(Pengurusan IMB)
Aktivitas
Perilaku
4
Waktu pelayanan
20
10
0
0 4 8 12 16 20 24 28
Time (hari)
hari
Waktu pelayanan : Test.vdf
x
Waktu pelayanan yang dijanjikan : Test.vdf
x

Fenomena yang tidak melibatkan campur tangan manusia
atau keputusan manusia (fenomena alam atau fenomena
yang dibuat manusia berdasarkan hukum alam) [a natural
phenomenon involving the physical properties of matter
and energy (physical law)]
Segala sesuatu yang dipengaruhi oleh kegiatan atau
aktivitas manusia melalui keputusan-keputusan yang
dibuatnya (proses pembuatan keputusan) [anything that
influences or is influenced by organisms sufficiently alive
to respond to one another (decision making)]
Fenomena Fisik
Fenomena Sosial
5

6
Suatu fenomena menyangkut 2 hal (aspek):
(1) Struktur (structure) Perilaku (behavior) (2)
(unsur pembentuk fenomena dan pola
keterkaitan antar unsur tersebut)
(perubahan suatu besaran/variabel
dalam suatu kurun waktu tertentu, baik
kuantitatif maupun kualitatif)
C
A
D
B
Tahun
Pertumbuhan ekonomi [%/tahun]
(A)
Fenomena sosial:
struktur fisik; dan
struktur pembuatan keputusan.
Pemahaman hubungan struktur dan perilaku sangat diperlukan
dalam mengenali suatu fenomena.

7
Suatu fenomena dibentuk oleh
sejumlah komponen (elemen, unsur)
yang terkait satu dengan yang lainnya.
(Unsur dan keterkaitan)
Sejumlah komponen dengan
keterkaitannya, yang membentuk suatu
fenomena, disebut sebagai struktur
(structure) suatu fenomena.
Suatu fenomena yang strukturnya
sudah diketahui disebut sebagai suatu
sistem.

8
 Struktur terdiri atas struktur fisik (stok dan jaringan
aliran materi) dan struktur pengambilan keputusan
(decision-making structure) bermacam aktor di dalam
sistem.
 Struktur pengambilan keputusan di sini dimaksudkan
sebagai kaidah-kaidah pembuatan keputusan dan
sumber informasi yang digunakan untuk pembuatan
keputusan tersebut.

9
9
Dua Macam Hubungan (keterkaitan):
(1) sebab-akibat (cause & effect); dan
(2) korelasi statistik.
 Hubungan sebab-akibat antar sepasang variabel (variabel
sebab terhadap variabel akibat), dalam suatu fenomena,
harus dipandang dengan suatu konsep bahwa hubungan
variabel lainnya terhadap variabel akibat dianggap tidak ada.
 Sedangkan suatu korelasi statistik antara sepasang variabel,
dalam suatu fenomena, diturunkan dari data kedua variabel
tersebut yang diperoleh dalam keadaan (kondisi) semua
variabel yang terdapat dalam fenomena itu berhubungan
satu dengan yang lainnya dan kesemuanya berubah secara
simultan (korelasi sebab-akibat: “fungsi daripada
koefisien korelasi adalah untuk menyatakan derajat
hubungan antara sejumlah peubah”; Sudjana 1992, hal 56).
XX

10
Erat kaitannya dengan penafsiran korelasi adalah mengenai kausa yang
sering dibuat bukan pada tempatnya. Jika diperhatikan uraian yang telah
diberikan, rasanya sulit bagi seseorang untuk mengatakan bahwa hal
kausa terjadi berdasarkan korelasi. Memang demikian sebenarnya bahwa
berapa pun besarnya koefisien korelasi tidaklah selalu terjadi kausa yang
mengatakan peubah yang satu penyebab bagi peubah lain. Meskipun
koefisien korelasi, dengan perantaraan koefisien determinasi, mengatakan
persentase variasi peubah yang satu dijelaskan oleh peubah lain melalui
regresinya, namun ini tidak perlu bahwa peubah terakhir penyebab peubah
pertama. Hal ini diperkuat oleh ketentuan bahwa fungsi daripada koefisien
korelasi adalah untuk menyatakan derajat hubungan antara sejumlah
peubah. Hanya jika betul-betul ada petunjuk dan penunjang kuat di luar
korelasi, penafsiran gabungan antara korelasi dan penunjang ini, secara
berhati-hati mungkin bisa memberi kesan sebagai kausa
kepada peneliti.
(Sudjana, 1992 ; Teknik Analisis Regresi dan Korelasi: Bagi para peneliti,
Tarsito Bandung, hal. 56)

11
11
 hubungan kausal positif (+ atau s); dan
 hubungan kausal negatif (- atau o).
Ada 2 macam polarisasi (arah) hubungan
sebab-akibat (kausal), yaitu:
+
-

12
Populasi meningkat (menurun), kelahiran akan meningkat (menurun)
(aspek perubahan, searah)
Hubungan Kausal Positif

13
Harga meningkat (menurun), konsumsi akan menurun (meningkat)
(aspek perubahan, negasi)
Hubungan Kausal Negatif

14
Ada 2 macam lingkar umpan-balik, yaitu:
• lingkar umpan-balik positif (growth); dan
• lingkar umpan-balik negatif (goal seeking).
Hubungan sebab-akibat (kausal) beberapa
pasangan variabel dapat membentuk suatu
lingkaran tertutup (lingkar umpan-balik,
feedback loop, atau causal loop).
Populasi
Kelahiran Kematian
+
-
+
(+) (-)
+

15
Struktur: (1) pembuatan keputusan; dan
(2) fisik.
Struktur pembuatan keputusan Proses pembuatan keputusan
Kaidah (rule)
Informasi
Keputusan
(aksi)
Proses pembuatan keputusan
(Teori pembuatan keputusan)
Struktur fisik Hukum alam
Keadaan
(actual state)
Keadaan yang
diinginkan(goal)
Lainnya

16
Struktur Fenomena Sosial

17
Dornbusch, Rudiger and Fischer, Stanley (1997). Mulyadi, Julius A. (Alih Bahasa).
Makro-ekonomi (Edisi Keempat). Penerbit Erlangga
Fenomena Suatu Perekonomian

19
19
S
Struktur
fisik
Struktur
keputusan
Saling bergantung (interdependent, feedback/causal loop)
Struktur Suatu Fenomena Sosial

20
Growth
Pola Karakteristik Perilaku Suatu
Fenomena
Growth with
Overshoot
Overshoot and
collapse
S-shaped
Growth
Goal
Seeking
Exponential
Growth
Oscillation

21
Konsep Kompleksitas
(Sterman, J.D., Business Dynamics: Systems Thinking and Modeling for a Complex
World, 2004, Mc Graw HIll)
(1) Struktur Perilaku (2)
C
A
D
B
Waktu
Tingkat pengangguran (%)
A
Fenomena Sosial:
Struktur fisik; dan struktur
pembuatan keputusan.

22
• Detail complexity
Complexity in terms of the number of
elements (components) in a phenomenon
(system), or the number of combinations one
must consider in making a decision.
• Dynamic complexity (Kompleksitas Dinamis)
Arises from the relationships (interactions)
among the agents (elements) over time.

23
Dynamic complexity (kompleksitas dinamis)
Kompleksitas dinamis dicirikan oleh:
 kenyataan yang sering kali dijumpai yang memperlihatkan
gagalnya kebijakan-kebijakan yang diyakini dapat menanggulangi
suatu persoalan, atau bahkan memperburuk situasi yang ada
(policy resistant) (Sterman 2004);
 adanya suatu keputusan yang dapat menghasilkan dinamika
sesuai dengan yang diinginkan hanya dalam jangka pendek saja,
dalam jangka panjang keputusan tersebut menghasilkan perilaku
yang tidak diinginkan, atau sebaliknya (tradeoffs in time);
 adanya suatu keputusan yang dapat memperbaiki perilaku suatu
sektor tertentu sesuai dengan tujuannya, akan tetapi keputusan
itu memperburuk perilaku sektor yang lainnya (sectoral
tradeoffs).
Suatu fenomena yang strukturnya dibentuk oleh unsur-unsur yang saling bergantung,
secara alamiah (nature) memiliki karakter kompleksitas dinamis (dynamic complexity).

24
Heraclitus said, “All is change.” What appears to be unchanging is,
over a longer time horizon, seen to vary. Change in systems occurs
at many time scales, and these different scales sometimes interact.
A star evolves over billions of years as it burns its hydrogen fuel,
then can explode as a supernova in seconds. Bull markets can go on
for years, then crash in a matter of hours.
Kompleksitas dinamis muncul karena fenomena
mempunyai karakteristik:
 Dynamic

25
 Tightly coupled
The actors in the system interact strongly with one another and with the
natural world. Everything is connected to everything else. As a famous
bumper sticker from the 1960s proclaimed, “You can’t do just one thing.”
 Governed by feedback
Because of the tight couplings among actors, our actions feed back on
themselves. Our decisions alter the state of the world, causing
changes in nature and triggering others to act, thus giving rise to a
new situation which then influences our next decisions. Dynamics
arise from these feedbacks.

26
Effect is rarely proportional to cause, and what happens locally in a system (near
the current operating point) often does not apply in distant regions (other states of
the system). Nonlinearity often arises from the basic physics of systems:
Insufficient inventory may cause you to boost production, but production can
never fall below zero no matter how much excess inventory you have. Nonlinearity
also arises as multiple factors interact in decision making: Pressure from the boss
for greater achievement increases your motivation and effort-up to the point
where you perceive the goal to be impossible. Frustration then dominates
motivation and you give up or get a new boss.
 Nonlinier

27
 History-dependent
Taking one road often precludes taking others and determines where you
end up (path dependence). Many actions are irreversible: You can’t
unscramble an egg (the second law of thermodynamics). Stocks and flows
(accumulations) and long-time delays often mean doing and undoing have
fundamentally different time constants: During the 50 years of the Cold
War arms race the nuclear nations generated more than 250 tons of
weapons-grade plutonium (239Pu)T. he half life of 239Pu is about 24,000
years.

28
 Self Organizing
The dynamic of systems arise spontaneously from their internal
structure. Often, small, random pertubations are amplified and
molded by feedback structure, generating patterns in space and time
and creating path dependence.The pattern of stripes on a zebra, the
rhythmic contraction of your hearth, the persistent cycles in the real
estate market, and structures such as sea shells and markets all
emerge spontaneously from the feddbacks among the agents and
elements of the system.

29
Adaptive
The capabilities and decision rules of the agents in
complex systems change over time. Evolution leads to
selection and proliferation of some agents while others
become extinct. Adaptation also occurs as people learn
from experience, especially as they learn new ways to
achieve their goals in the face of obstacles. Learning is not
always beneficial, however.

30
 Counterintuitive
In complex systems cause and effect are distant in
time and space while we tend to look for causes near
the events we seek to explain. Our attention is drawn
to the symptoms of difficulty rather than the
underlying cause. High leverage policies are often not
obvious.

31
Policy resistant
The complexity of the systems in which we are
embedded overwhelms our ability to
understand them. The result: Many seemingly
obvious solutions to problems fail or actually
worsen the situation.

32
 Characterized by trade-offs
Time delays in feedback channels mean the long-run
response of a system to an intervention is often different
from its short-run response. High leverage policies often
cause worse-before-better behavior, while low leverage
policies often generate transitory improvement before
the problem grows worse.

33
Pertanyaan terhadap fenomena (perilaku)
a) Berapakah nilai (angka) besaran itu pada suatu titik
waktu yang akan datang? [point prediction]
(prakiraaan, prediksi masa depan)
b) Mengapa perubahan besaran tersebut seperti itu?
(why ?) Dan dengan cara bagaimanakah
mengubahnya? (how ?) [behavior prediction]
(menyusun strategi dan memformulasikan
kebijakan, analisis kebijakan atau policy analysis)
2. Analisis Kebijakan

34
Sumber: BPS, 2021
(a) Berapakah pertumbuhan ekonomi pada Q4 tahun
2022?
Fenomena Pertumbuhan Ekonomi
5.01 5.01 5.06 5.19 5.06 5.27 5.17 5.18 5.07 5.05 5.02 4.97
2.97
-5.32
-3.49
-2.19
-0.74
-6
-4
-2
0
2
4
6
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1
2017 2018 2019 2020 2021
Pertumbuhan Ekonomi Indonesia Year on Year
(%)
?

35
5.01 5.01 5.06 5.19 5.06 5.27 5.17 5.18 5.07 5.05 5.02 4.97
2.97
-5.32
-3.49
-2.19
-0.74
-6
-4
-2
0
2
4
6
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1
2017 2018 2019 2020 2021
Pertumbuhan Ekonomi Indonesia Year on Year
(%)
(b)
Bagaimanakah caranya agar pertumbuhan ekonomi naik kembali?
Caranya?
Mengapa?
Mengapa pertumbuhan ekonomi turun pada Q1 tahun 2020
dan naik kembali pada Q3 Tahun 2020?
Sumber: BPS, 2021
Fenomena Pertumbuhan Ekonomi
Mengapa?

36
Sumber: BPS, 2021
(a) Berapakah nilai IPM pada tahun 2022?
Fenomena IPM
?

37
(b)
Bagaimanakah caranya agar pertumbuhan IPM naik kembali?
Caranya?
Mengapa pertumbuhan IPM pada periode tahun 2018-2020 melambat bila
dibandingkan dengan pertumbuhannya pada periode 2010-2018?
Sumber: BPS, 2021
Fenomena IPM
Mengapa?

38
(a) Berapakah besarnya (angka) waktu pelayanan pada hari ke-40?
Fenomena Waktu Pelayanan
?
Waktu pelayanan
20
10
0
0 4 8 12 16 20 24 28
Time (hari)
hari
Waktu pelayanan : Test.vdfx
Waktu pelayanan yang dijanjikan : Test.vdfx

39
Caranya?
(b)
Bagaimanakah caranya agar dinamika waktu pelayanan selalu mendekati waktu
pelayanan yang dijanjikan?
Mengapa perkembangan waktu pelayanan sampai hari ke-20 meningkat dan
kemudian menurun serta masih di atas waktu pelayanan yang dijanjikan?
Fenomena Waktu Pelayanan
Waktu pelayanan
20
10
0
0 4 8 12 16 20 24 28
Time (hari)
hari
Waktu pelayanan : Test.vdf
x
Waktu pelayanan yang dijanjikan : Test.vdf
x
Mengapa?

40
Strategi dan Kebijakan
Tujuan
Strategi
Program
Aktivitas
diwujudkan dengan
diimplementasikan
melalui berbagai
direalisasikan dengan
melaksanakan
 Policy statements
 Policy instruments
 Policy measures
Kebijakan
diungkapkan
dalam bentuk
Menciptakan
kondisi
&
iklim
yang
mendukung
perwujudan
dan
pelaksanaan

41
Sebuah rencana (metode) aksi untuk mencapai
suatu tujuan tertentu [a plan (method) of action
to achieve a particular goal (aim)]
Strategi (strategy)

42
Kebijakan
 Menciptakan serta membangun iklim dan kondisi
yang perlu untuk mendukung (to facilitate)
pelaksanaan strategi;
 Memberikan kepastian kepada unsur-unsur dunia
usaha, masyarakat luas, dan peyelenggara
pemerintahan; tentang arah, ruang lingkup, dan
tingkat keleluasaan masing-masing di dalam memilih
upaya yang berkaitan dengan strategi tersebut.
Petunjuk-petunjuk (directives) yang dikeluarkan dan
disebarluaskan (oleh pemerintah) dengan tujuan:

43
Proses Pendekatan
Perumusan Kebijakan
‘TUJUAN’
[ T ]
Deskriptif
Orientatif
‘STRATEGI’
[ S ]
Preskriptif
‘PROGRAM’
[ P ]
Preskriptif
Keinginan (desired)
yang ingin dicapai
Kegiatan dan
rencana untuk
merealisasikan
strategi
‘KEBIJAKAN’
[ K ]
Orientatif, Preskriptif
Arahan-arahan yang
perlu untuk
mendukung S&P
Informasi yang
relevan
(Basis informasi
untuk
mengidentifikasi
dan
memformulasikan T,
S, P, dan K)
Arahan dasar
bagi tindakan
untuk
mencapai
tujuan
Pengamatan analitik tentang
dunia nyata (deskriptif)
Informasi
Informasi
Informasi

44
44
 Why is our performance
following its current path?
 Where is it going if we carry on
as we are?
 How can we design a robust
strategy to radically improve this
performance into the future?
The fundamental challenges facing
management …
Source: Warren, Kim (2001). Strategy Dynamics: .... back to fact-
based strategic management in World Congress on Systemic
Management: Vienna, 4th May, 2001.
[www.strategydynamics.com, kwarren@london.edu]

45
Pendekatan statistik dan medis untuk melihat aspek kelahiran,
kematian, migrasi, urbanisasi, dan pekerjaan dalam masalah
kependudukan, sudah sepatutnya tidak dianut lagi.
Karena semua itu tak mampu menjelaskan permasalahan
yang akan muncul, tak bisa menemukan upaya pemecahan
yang tepat, dan mengabaikan sifat dinamis dari manusia,
maupun masyarakat.
Pernyataan bahwa tingkat urbanisasi tahun 1980 mencapai
angka 22 persen, artinya 22 orang dari 100 berdiam di
perkotaan, dan akan mencapai 33 persen pada tahun 2000,
dinilai tidak cukup kalau tak diikuti dengan penjelasan
mengapa dan bagaimana bisa mencapai angka itu, serta
akibat apa yang akan muncul. Begitu pula…
(Emil Salim, “Kompas”, 12 Januari 1988)
?

46
Alexander Ryzhenkov (2000)
dalam
UNFOLDING the ECO-WAVE
Why Renewal is Pivotal
It is well documented that econometrics and mathematical
statistics have their limitations. For the first time Unfolding the
Eco-Wave sets out to prove that system dynamics does provide
a coherent structure, language, and process for learning about
and explaining economic phenomena in a way that is impossible
to achieve with mathematical statistics and econometrics.
???

47
3. Pemodelan Kebijakan

48
MT - 22 Desember 2021 48
Dasar Pikiran – Premise
(Dua aspek suatu fenomena)
(1) Struktur Perilaku (2)
C
A
D
B
Waktu
Waktu pelayanan (hari)
A
Fenomena Sosial: struktur fisik dan
struktur pembuatan keputusan
Untuk menyusun strategi dan memformulasikan kebijakan
pemahaman hubungan struktur dan perilaku sangat diperlukan.

49
Ability to
intervene
(create
changes)
Events
Patterns
Structure
• Fenomena Gunung Es (The Iceberg Phenomenon)
Fenomena gunung es (the iceberg) ini menggambarkan bahwa sturktur yang
sistematis merupakan fondasi terbentuknya suatu pola (patterns) dan
kejadian (events). Namun struktur sistematis tersebut sulit untuk dilihat. Sering
kali kita hanya melihat kejadiannya saja (puncak dari gunung es), dan hal
tersebut menjadi dasar pengambilan keputusan. Padahal kejadian (events)
hanyalah merupakan akibat (hasil) suatu struktur. Sehingga keputusan yang
dibuat berdasarkan kejadian (events) tidak akan menyelesaikan suatu
persoalan.
Logical Framework (Approach)
(Sumber: Innovation Associates)

50
Reaktif Saat ini Mengamati
kejadian
“Bagaimana
cara tercepat
untuk merespon
kejadian ini?”
Adaptif
Mengamati pola
perubahan
kejadian
“Seperti apa
kecenderungan
dan pola dari
kejadian
tersebut,
apakah terdapat
pengulangan?”
Perubahan Masa depan
Causal loop
diagrams dan
metode systems
thinking lainnya
“Struktur seperti
apakah yang
menyebabkan
terbentuknya
pola tersebut?”
Kejadian
Struktur
Pola
Tindakan Waktu
Cara
Pemahaman
Pertanyaan yang
dapat diajukan
Tingkatan Pemahaman
(Levels of Understanding)
Sumber : Anderson, Virginia and Lauren Johnson, 1997: Systems Thinking Basics: From
Concepts to Causal Loops, Pegasus Communications, Inc. MA USA.

51
Tiga (3) Pertanyaan yang Perlu Dijawab
dalam
Analisis Kebijakan (Pemodelan Kebijakan)
 Apa-apa sajakah kebijakan (strategi)-nya?
What ???
 Seberapa besarkah (angka/nilai) kebijakan-kebijakan tersebut?
Magnitude ???
 Bagaimanakah penjadwalan kebijakan-kebijakan tersebut?
Timing ???

52
Unknown process
Real world
decisions
Real world
history
Model
structure
Model
behavior
Policy (intervention)? Real world (fenomena)
Model
Simulation
Membuat suatu model simulasi (pemodelan, modeling):
pemodelan kebijakan (policy modeling)
Pemodelan
Kerangka Pemikiran (Pendekatan)
???

53
 Struktur terdiri atas struktur fisik (stok dan jaringan
aliran materi) dan struktur pengambilan keputusan
(decision-making structure) bermacam aktor di dalam
sistem.
 Struktur pengambilan keputusan di sini dimaksudkan
sebagai kaidah-kaidah pembuatan keputusan dan
sumber informasi yang digunakan untuk pembuatan
keputusan tersebut.

54
Oleh karena itu, model untuk analisis
kebijakan dalam kasus suatu fenomena sosial
haruslah merupakan suatu model dinamis
dan mampu merepresentasikan secara relatif
cukup rinci (detail) aras-mikro (micro-level)
individu dan organisasi (industri/perusahaan),
relasi-relasi fisik dan teknik, dan proses-
proses pengambilan keputusan yang
digunakan oleh aktor-aktor di dalam sistem.

55
• Model suatu fenomena adalah deskripsi (penjelasan
atau gambaran) struktur fenomena tersebut yang
dinyatakan (diungkapkan) menggunakan bentuk-
bentuk media yang dapat dikomunikasikan.
• Iconic model (patung dan maket), graphical model
(grafik dan gambar), mathematical model
(persamaan matematik), tabular model (tabel input-
output/tabel I-O yang menyatakan transaksi antar-
industri dalam suatu perekonomian), dan computer
model (model matematik yang dapat dioperasikan
atau disimulasikan).

56
 Dalam pemodelan kebijakan (policy modeling), tujuan utama
model adalah untuk membuat perakiraan perilaku (behavior
prediction) yang ditimbulkan oleh intervensi-intervensi kebijakan
terhadap suatu fenomena (sistem).
 Prakiraan perilaku, secara sederhana, menggambarkan perjalanan
perilaku suatu besaran (variabel) dari waktu ke waktu (dapat
menurun, meningkat, stagnan, berfluktuasi, runtuh atau collapse,
dan kombinasinya dengan bermacam urutan) karena adanya
intervensi-intervensi kebijakan yang diimplementasikan dalam
fenomena tersebut.
 Proses pemodelannya berorientasi pada proses (process oriented),
sehingga dapat memperlihatkan kompleksitas dinamis fenomena
tersebut.
 Dengan demikian, analisis dan perancangan kebijakan (policy
analysis) suatu fenomena (sistem) memerlukan suatu model
simulasi (pemodelan kebijakan/policy modeling) yang cukup
memadai dan kokoh (robust).

57
• Setiap manusia secara naluriah menggunakan suatu
model untuk membuat suatu keputusan (kebijakan),
model mental. Model mental tidak lengkap dan
kabur. Konsep sistem dan interpretasi terhadap
hubungan-hubungan yang ada di dalam sistem, tidak
kita miliki secara lengkap. Selanjutnya, model mental
sering kali tidak adaptif terhadap konsekuensi-
konsekuensi dinamis yang muncul.
• “....... the human mind is not adapted to interpreting
how social systems behave. Our social systems
belong to the class called multiloop nonlinear
feedback systems.” (Forrester, 1970)

58
Keputusan berdasarkan model
mental,

59
hasil yang tidak diharapkan!
Dibutuhkan suatu model eksplisit ???

60
Prinsip-Prinsip Pemodelan Kebijakan
• Model yang memenuhi syarat dan mampu dijadikan
sarana analisis untuk merumuskan (merancang)
kebijakan haruslah merupakan suatu wahana untuk
menemukan jalan dan cara intervensi yang efektif
dalam suatu sistem (fenomena).
• Melalui jalan dan cara intervensi inilah perilaku
sistem yang diinginkan dapat diperoleh (perilaku
sistem yang tidak diinginkan dapat dihindari).
• Model yang dibentuk untuk tujuan seperti di atas
haruslah memenuhi syarat-syarat berikut:

61
• karena efek suatu intervensi (kebijakan), dalam bentuk perilaku, merupakan suatu
kejadian berikutnya; maka untuk melacaknya, unsur (elemen) waktu perlu ada
(dynamic);
• mampu mensimulasikan bermacam intervensi dan dapat memunculkan perilaku
sistem karena adanya intervensi tersebut;
• memungkinkan mensimulasikan suatu intervensi yang efeknya dapat berbeda secara
dramatik: (1) dalam konteks waktu (efek jangka pendek vs jangka panjang, trade offs
in time), dan (2) dalam konteks sektoral (efek memperbaiki performance suatu sektor
yang berakibat memperburuk performance sektor yang lain, trade offs between
sectors); disebut dengan istilah dynamic complexity (kompleksitas dinamik);
• perilaku sistem di atas dapat merupakan perilaku yang pernah dialami dan teramati
(historis) ataupun perilaku yang belum pernah teramati (pernah dialami tetapi tidak
teramati atau belum pernah dialami tetapi kemungkinan besar terjadi); dan
• mampu menjelaskan mengapa (why) suatu perilaku tertentu (transisi yang sukar
misalnya) dapat terjadi.

62
Prinsip-Prinsip Membuat Model
Dinamis (Sterman, 1981)
• Keadaan yang diinginkan dan keadaan yang terjadi harus secara
eksplisit dinyatakan dan dibedakan di dalam model;
• Adanya struktur stok dan aliran dalam kehidupan nyata harus dapat
direpresentasikan di dalam model;
• Aliran-aliran yang secara konseptual berlainan cirinya harus secara
tegas dibedakan di dalam menanganinya;
• Hanya informasi yang benar-benar tersedia bagi aktor-aktor di dalam
sistem yang harus digunakan dalam pemodelan keputusan-
keputusannya;
• Struktur kaidah pembuatan keputusan di dalam model haruslah
sesuai (cocok) dengan praktek-praktek manajerial; dan
• Model haruslah robust dalam kondisi-kondisi ekstrem.

63
Kesahihan (validity) Model
• Dalam hubungannya dengan kesahihan (validity) model, suatu model
haruslah sesuai (cocok) dengan kenyataan empirik (realitas) yang
ada.
• Model merupakan hasil dari suatu upaya untuk membuat tiruan
kenyataan tersebut (Burger, 1966).
• Upaya pemodelan haruslah memenuhi (sesuai dengan) metode
ilmiah. Saeed (1984) telah melukiskan metode ilmiah ini berdasarkan
kepada konsep penyangkalan (refutation) Popper (1969).
• Metode ini menyaratkan bahwa suatu model haruslah mempunyai
banyak titik kontak (points of contact) dengan kenyataan (reality) dan
pembandingan yang berulang kali antara model dengan dunia nyata
(real world) melalui titik-titik kontak tersebut haruslah membuat
model menjadi robust.

64
Patterns
recognized
Decision rules
experienced
Induction
Contact point for
comparison
Unknown process
Real world
decisions
Real world
history
Model
structure
Model
behavior
Deductive logic
Metode Ilmiah (Saeed, 1984)
(epistemological: how our
knowledge claims could be
justified)

65
Usaha pertama dari penyelidikan ilmiah adalah upaya untuk
memahami bagaimana suatu perilaku dunia nyata muncul
dari strukturnya. Karena tidak ada cara langsung yang dapat
digunakan untuk mengetahuinya, suatu model yang mewakili
struktur dunia nyata itu harus dikonstruksikan dan
perilakunya kemudian diperoleh melalui logika deduktif.
Struktur model ini didapat melalui suatu proses induksi
yang didasarkan kepada pengetahuan empirik tentang
dunia nyata tersebut. Pembandingan-pembandingan baik
struktur maupun perilaku model dengan struktur dan
perilaku dunia nyata akan menegakkan kepercayaan dalam
model, dan pada gilirannya kepercayaan itu akan menjadi
dasar kesahihan model tersebut (Kemeny, 1959).

66
FENOMENA
ANALISIS
STRUKTUR
•unsur pembentuk
•pola keterkaitan
FUNGSI-FUNGSI
YANG DAPAT
DITEGAKKAN
POLA LAKU
(behavior pattern)
MEMANFAATKAN
MENGOPERASIKAN
MENGENDALIKAN
MEMBENTUK ATAU
MENCIPTAKAN
STRUKTUR-
STRUKTUR BARU
DGN MENGUBAH
STRUKTUR ATAU
MENSINTESIS DGN
STRUKTUR LAIN
METODOLOGI
Dengan melakukan
diketahui
Dapat
dilacak
dan
diketahui
Dapat
dilacak
dan
digagas-
kan cara
untuk
Sumber: Sasmojo (2000)
Analisis
FENOMENA
LAIN

67
Struktur suatu Fenomena

68
Contoh: pengisian air ke dalam
gelas sampai penuh
(Sumber: “The Fifth Discipline”, Peter M. Senge,
1990)

69
Fenomena pengisian
air ke dalam gelas
sampai penuh

70
Selected Variables
200 ml
70 ml/Second
100 ml
35 ml/Second
0 ml
0 ml/Second
3
3
3
3
3
3
3 3 3 3 3 3 3
2
2
2
2
2
2 2 2 2 2 2 2 2 1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Time (Second)
Air dalam gelas yang diinginkan : BASE ml
1 1 1 1 1 1 1
Volume air dalam gelas : BASE ml
2 2 2 2 2 2 2 2 2
Air yang masuk ke dalam gelas : BASE ml/Second
3 3 3 3 3 3
A. Jika sumber air mencukupi

71
Selected Variables
200 ml
70 ml/Second
100 ml
35 ml/Second
0 ml
0 ml/Second
3
3
3
3 3 3 3 3 3 3 3 3 3
2
2
2
2 2 2 2 2 2 2 2 2 2
1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Time (Second)
1 1 1 1 1 1 1
2 2 2 2 2 2 2 2 2
3 3 3 3 3 3
B. Jika sumber air terbatas
Kemungkinan perilaku

72
Posisi keran
Air keluar
dari keran
Sumber air
Air
dalam gelas
Gap yang
dirasakan
Volume air dalam gelas
yang diinginkan
_
_
_
_
+
+
+
+
+
delay
nonlinear
Struktur Pembuatan
Keputusan
Struktur Fisik
Struktur Fenomena
Causal loop diagram (CLD)

73
unsur pembentuk
pola keterkaitan antar unsur :
(1) feedback (causal loop)
(2) stock (level) dan flow (rate)
(3) delay
(4) nonlinearity
Struktur
 Fisik
 Pembuatan Keputusan
Selected Variables
200 ml
70 ml/Second
100 ml
35 ml/Second
0 ml
0 ml/Second
3
3
3
3
3
3
3 3 3 3 3 3 3
2
2
2
2
2
2 2 2 2 2 2 2 2 1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Time (Second)
1 1 1 1 1 1 1
2 2 2 2 2 2 2 2 2
3 3 3 3 3 3
Selected Variables
200 ml
70 ml/Second
100 ml
35 ml/Second
0 ml
0 ml/Second
3
3
3
3 3 3 3 3 3 3 3 3 3
2
2
2
2 2 2 2 2 2 2 2 2 2
1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Time (Second)
1 1 1 1 1 1 1
2 2 2 2 2 2 2 2 2
3 3 3 3 3 3
Perilaku

74
S
Struktur
fisik
Struktur
keputusan
Saling bergantung (interdependent, feedback/causal loop)
Struktur fenomena pengisian air ke dalam gelas

75
4. Metodologi Pemodelan
Systems Thinking dan System Dynamics
Struktur Perilaku
unsur pembentuk
pola keterkaitan antar unsur :
(1) feedback (causal loop)
(2) stock (level) dan flow (rate)
(3) delay
(4) nonlinearity
(ontological: the ways reality itself could be)
Pendekatan Struktural
Systems Thinking
System Dynamics

76
Model System Dynamics
Struktur Perilaku
(fisik & pembuatan keputusan)
unsur pembentuk
pola keterkaitan antar unsur:
(1) feedback loop (causal loop, sebab-akibat [bukan
korelasi]);
(2) stock (level) dan flow (rate);
(3) delay; dan
(4) nonlinearity.
(ontological: the ways reality itself could be)

77
Level (Stock) dan Rate (Flow)
 Dalam merepresentasikan aktivitas dalam suatu lingkar
umpan-balik (feedback/causal loop), digunakan dua jenis
variabel yang disebut sebagai level dan rate.
 Level menyatakan kondisi sistem pada setiap saat. Dalam
kerekayasaan (engineering) level sistem lebih dikenal sebagai
state variable system. Level merupakan akumulasi di dalam
sistem.
 Persamaan suatu variabel rate merupakan suatu struktur
kebijakan (policy) yang menjelaskan mengapa dan bagaimana
suatu keputusan (action) dibuat berdasarkan kepada
informasi yang tersedia di dalam sistem. Rate inilah satu-
satunya variabel dalam model yang dapat mempengaruhi
level.
(rate disebut juga sebagai decision point)

78
A stock represents an amount you want
to track in a model. It’s an accumulation.
It can be concrete, like the number of
trees or animals in an ecosystem or
abstract, like an amount of happiness.
Stock/Level
From Model Mysteries (Anne LaVigne and Lees Stuntz, 2016)

79
Flows go into and out from stocks. The
amount of “stuff” of a stock increases or
decreases through one or more flows.
The flow is kind of like a river flowing into
or out from a lake.
Flows work in a similar way, showing how
quickly “stuff” moves in or out of a stock.
Flows/Rates

80
Delay
Information smoothing/averaging, perceived

81
Nonlinearity
[nonlinier]

82
Penyusunan Causal Loop Diagram (CLD)
dan
Flow Diagram

83
Guidelines for Causal-loop Diagrams
1. Think of variables in causal-loop diagrams as quantities that can
rise or fall, grow or decline, or be up or down. But do not worry if
you can not readily think of existing measures of them.
Corollaries:
a) Use nouns or noun phrases in causal-loop diagrams, not verbs. The
actions are in the arrows (see Figure 1).
b) be sure it is clear what is means to say a variable increases or
decreases. (Not attitude toward crime”, but “tolerance for crime”.)
c) Do not use causal-links to mean “and then…..”
The apparent simplicity of causal-loop diagram is deceptive. It is
easy for would-be modelers to go astray with them. The following
suggestion may help to prevent the more common difficulties.

84
Figure 1 Loops illustrating that the action in causal-loop
diagram is best left to the arrows
Rising
orders
Falling
inventory
Lengthening
delivery
delay
Shortening
delivery
delay
Rising
inventory
Falling
orders
Not:
Orders Inventory
Delivery
delay
But rather:
-
-
-

85
2. Identify the units of the variables in causal-loop diagram, if
possible. If necessary, invent some: some psychological
variables might have to be thought of in “stress units” or
“pressure units”, for example. Units help to focus the meaning
of a phrase in a diagram.
3. Phrase most variables positively (“emotional state” rather than
“depression”. It is hard to understand what it to say
“depression increases” when testing link and loop polarities.

86
4. If a link needs explanation, disaggregate it – make it a sequence
of links. For example, a study of heroin-related crime claimed a
positive link from heroin price to heroin-related crime. The link is
clear if disaggregated as in Figure 2 into the sequence of positive
links from heroin price to money required per addict, frequency
of crimes per addict, and finally heroin-related crime. Some
might feel a high price deters addict and so lowers the number of
addicts as it well might, but that is another link (see Figure 3.3).
5. Beware of interpreting open loops as feedback loops. Figure 2,
for example, does not show a feedback loop.

87
Figure 2 Links relating heroin price and crime
Money needed
to support habit
Frequency of
crimes per addict
Heroin-related
crime
Heroin
price
Addicts
+ +
+
+
-

88
Contoh-contoh
Fenomena tabungan (deposito)
Tabungan Bunga per tahun

89
Kinerja murid
Pengetahuan murid Kinerja murid
Dinamika hutan
Jumlah pohon Biji benih yang dihasilkan

90
Penjualan
Hasil penjualan Jumlah wira usaha
Populasi dan kelahiran
Populasi Kelahiran

91
Lapangan pekerjaan vs urbanisasi
Lapangan pekerjaan
di kota
Urbanisasi
Populasi dan kematian
Populasi Kematian

92
Fenomena penyejukan ruangan
Suhu ruangan Operasi penyejukan
Fenomena polusi (pencemaran)
Pengendalian
polusi
Perhatian terhadap
polusi
Tingkat polusi

93
Fenomena harga daging sapi
Harga daging sapi
Stok daging sapi
Sapi yang
disembelih
Konsumsi daging
sapi

94
System Dynamics Methodology
(Metodologi Dinamika Sistem)
&
Systems Thinking
(Berpikir Sistem)

95
4.1 System Dynamics Methodology
(Metodologi Dinamika Sistem)

96
A. Source:
System Dynamics Home Page.htm

97
System Dynamics Methodology
 System dynamics is a methodology for studying
and managing complex feedback systems, such as
one finds in business and other social systems.
 In fact, it has been used to address practically
every sort of feedback system.
 While the word system has been applied to all
sorts of situations, feedback is differentiating
descriptor here.

98
 Feedback refers to the situation of X affecting
Y and Y in turn affecting X perhaps through a
chain of causes and effects.
 One cannot study the link between X and Y
and, independently, the link between Y and X
and predict how the system behave. Only the
study of the whole system as a feedback
system will lead to correct results.

99
What is the relationship of Systems
Thinking to System Dynamics
 Systems thinking looks at the same type of problems
from the same perspective as does system dynamics.
 The two techniques share the same causal loop
mapping techniques.
 System dynamics takes the additional step of
constructing computer simulation models to confirm
that the structure hypothesized can lead to the
observed behavior and to test the effects of
alternative policies on key variables over time.

100
B. Source:
Richardson, George P. & Alexander L. Pugh III
(1981), Introduction to System Dynamics Modeling
with Dynamo, MIT Press/Wright-Allen series in
system dynamics.

101
Overview of the System Dynamics Approach
 The system dynamics approach to complex problems focuses on
feedback processes. It takes the philosophical position that
feedback structures are responsible for the changes we
experience over time. The premise is that dynamic behavior is
consequence of system structure and will become meaningful
and powerful. At this point, it may be treated as a postulate, or
perhaps as a conjecture yet to be demonstrated.
 As both a cause and a consequence of the feedback perspective,
the system dynamics approach tends to look within a system for
the sources of its problem behavior. Problems are not seen as
being caused by external agents outside the system.

102
 Inventories are not assumed to oscillate merely because consumers
periodically vary their orders. A ball does not bounce merely because
someone drops it. A pendulum does not oscillate merely because it
was displaced from the vertical. The system dynamicist prefers to take
the point of view that these systems behave as they do for reasons
internal to each system. A ball bounces and a pendulum oscillates
because there is something about their internal structure that gives
them the tendency to bounce or oscillate.
 In practice, this internal point of view results in models of feedback
system that bring external agents inside the system. Customers orders
become endogenous to a production system, part of the feedback
structure of the system. Orders affect production; production affects
orders. Part and parcel with the notion of feedback, the endogenous
point of view helps to characterize the system dynamics approach.

103
(1) Problem identification and definition;
(2) System conceptualization;
(3) Model formulation;
(4) Analysis of model behavior;
(5) Model evaluation;
(6) Policy analysis; and
(7) Model use or implementation.
The are roughly seven stages in approaching a
problem from the system dynamics perspective:

104
The process begins and ends with
understandings of a system and its problems,
so it forms a loop, not a linear progression.
Figure 4.1.1 shows these stages and the likely
progression through them, together with some
arrows that represent the cycling, iterative
nature of the process. At a number of stages
along the way one’s understanding of the
system and the problem are enhanced by the
modeling process, and that increased
understanding further aids the modeling effort.
Policy
implementation
Understanding
of a system
Policy
analysis
Simulation
Model
formulation
System
conceptualization
Problem
definition
Figure 4.1.1 Seven stages in approaching a problem
from the system dynamics perspective

105
Figure 4.1.1 shows that final policy
recommendations from a system dynamics
study come not merely from manipulations
with the formal model but also from the
additional understandings one gains about the
real system by iterations at a number of stages
in the modeling process. Done properly, a
system dynamics study should produce policy
recommendations that can be presented,
explained, and defended without resorting to
the formal model. The model is a means to an
end, and that end is understanding.
Policy
implementation
Understanding
of a system
Policy
analysis
Simulation
Model
formulation
System
conceptualization
Problem
definition
Figure 4.1.1 Seven stages in approaching a problem
from the system dynamics perspective

106
4.2 Systems Thinking

107
Systems Thinking
(Anderson, Virginia and Lauren Johnson, 1997: Systems Thinking Basics: From
Concepts to Causal Loops, Pegasus Communications, Inc. MA USA)
In general, systems thinking is characterized by these
principles:
(1) thinking of the “big picture”;
(2) balancing short-term and long-term perspective;
(3) recognizing the dynamic, complex, and
interdependent nature of system;
(4) taking into account both measurable and non
measurable factors; and
(5) remembering that we are all part of the systems in which
we function, and that we each influence those systems
even as we are being influenced by them.

108
Linear Thinking vs Systems Thinking
(Kim, Daniel H., 1997: Introduction to Systems Thinking, Pegasus
Communications, Inc. MA USA)
A
D
B C D
C
A B
Systems Thinking
Linear Thinking

109
Prinsip systems thinking (Senge, 1990) :
 To observe the interdependent relationship (influenced
and influence or feedback or interdependent), not a
direct cause-effect relationships;
 To observe the processes of change (the process
continues, ongoing processes), not just portraits.

110
 Model yang dibangun melalui suatu analisis struktural (structural
analysis), berdasarkan pendekatan systems thinking,
dimungkinkan untuk mempunyai titik kontak yang banyak.
 Dalam paradigma systems thinking, struktur fisik ataupun
struktur pengambilan keputusan diyakini dibangun oleh unsur-
unsur yang saling-bergantung (interdependent) dan membentuk
suatu lingkar tertutup (closed-loop atau feedback loop).
 Hubungan unsur-unsur yang saling bergantung itu merupakan
hubungan sebab-akibat umpan-balik dan bukan hubungan
sebab-akibat searah (Senge, 1990). Lingkar umpan-balik ini
merupakan blok pembangun (building block) model yang utama.

111
4.3 Persediaan dan Aliran
(Teori makroekonomi – edisi ke 5 oleh N. Gegori Mankiw, Harvard University – Penerbit
Erlangga 2003, hal 18)

112
 Banyak variabel ekonomi mengukur jumlah sesuatu - jumlah uang,
jumlah barang, dan seterusnya. Para ahli ekonomi membedakan
antara dua jenis variabel jumlah: persediaan (stocks) dan aliran
(flows). Persediaan (stocks) adalah jumlah yang diukur pada titik
waktu tertentu, sedangkan aliran (flow) adalah jumlah yang diukur
per unit waktu.
 Bak mandi, ditunjukkan pada Gambar 4.3.1, adalah contoh klasik
yang digunakan untuk menggambarkan persediaan dan aliran.
Jumlah air di dalam bak adalah persediaan: yaitu jumlah air di bak
mandi pada titik waktu tertentu. Jumlah air yang keluar dari kran
adalah aliran: yaitu jumlah air yang sedang ditambahkan ke bak per
unit waktu. Catat bahwa kita mengukur persediaan dan aliran dalam
unit yang berbeda. Kita berkata bahwa bak mandi berisi 50 galon air,
tetapi air yang keluar dari kran adalah 5 galon per menit.

113
Gambar 4.3.1
Aliran
Persediaan
Persediaan dan Aliran
Jumlah air di bak mandi
adalah persediaan:
jumlahnya diukur pada
titik waktu tertentu.
Jumlah air yang keluar
dari kran adalah aliran:
jumlahnya diukur per
unit waktu.

114
 GDP mungkin adalah variabel aliran paling penting dalam perekonomian:
GDP menyatakan berapa banyak uang yang mengalir mengelilingi aliran
sirkuler perekonomian per unit waktu. Ketika Anda mendengar seseorang
berkata GDP AS adalah $10 triliun, Anda seharusnya mengerti, ini berarti
bahwa GDP adalah $10 triliun per tahun. (Demikian pula, kita bisa
mengatakan bahwa GDP AS adalah $17.000 per detik.)
 Persediaan dan aliran seringkali berkaitan. Dalam contoh bak mandi,
hubungan ini jelas. Persediaan air di bak menunjukkan akumulasi dari aliran
yang keluar dari kran, dan aliran air menunjukkan perubahan dalam
persediaan. Ketika membangun teori untuk menjelaskan variabel-variabel
ekonomi, seringkali berguna untuk menentukan apakah variabel-variabel itu
adalah persediaan atau aliran dan apakah ada hubungan di antara keduanya.

115
Inilah beberapa contoh lain persediaan dan aliran yang akan kita
pelajari dalam bab-bab berikutnya:
 Kekayaan seseorang adalah persediaan; pendapatan dan
pengeluarannya adalah aliran.
 Jumlah orang yang menganggur adalah persediaan; jumlah orang
yang kehilangan pekerjaan mereka adalah aliran.
 Jumlah modal dalam perekonomian adalah persediaan; jumlah
investasi adalah aliran.
 Utang pemerintah adalah persediaan; defisit anggaran pemerintah
adalah aliran.

116
5.
Pemodelan Kebijakan:
Metodologi System Dynamics

117
Perancangan Kebijakan

118
Perancangan Kebijakan (1)
 Suatu prinsip dasar dalam proses analisis (perancangan)
kebijakan menggunakan metodologi system dynamics adalah
bahwa perilaku suatu fenomena (dunia nyata – real world)
dimunculkan (diakibatkan) oleh struktur (kebijakan-kebijakan)
fenomena tersebut.
 Perbaikan perilaku tersebut oleh karena itu memerlukan suatu
pemahaman tentang hubungan keterkaitan antara struktur,
kebijakan, dan perilaku.
 Pemahaman ini dapat diperoleh melalui eksperimen simulasi
kebijakan menggunakan suatu model untuk analisis kebijakan.
 Model simulasi ini diharapkan menjadi suatu wahana yang dapat
menemukan jalan dan cara yang efektif untuk mempengaruhi
fenomena tersebut sehingga kinerja (performance) fenomena
yang diinginkan dapat dicapai.

119
Perancangan Kebijakan (2)
Perancangan kebijakan menggunakan pendekatan model
system dynamics terdiri atas empat tahap utama sebagai
berikut ini.
1. Mengidentifikasi perilaku persoalan.
2. Membuat suatu model komputer berdasarkan hubungan-
hubungan sebab-akibat yang diyakini sebagai penyebab
perilaku tersebut (membuat CLD dan mengkonversikannya
menjadi flow diagram).
3. Mengembangkan suatu pemahaman tentang hubungan
antara struktur dan perilaku (eksperimen simulasi).
4. Merancang kebijakan untuk memperbaiki persoalan
(perilaku fenomena yang tidak diinginkan).

120
Mengidentifikasi perilaku persoalan
Beberapa perilaku persoalan yang boleh jadi perlu diperbaiki
antara lain:
 pertumbuhan (growth), pertumbuhan dan penurunan yang
bergantian, peluruhan (decay), dan variasi siklik
(ketidakstabilan); serta
 simton perilaku persoalan dalam suatu organisasi/unit kerja
(under-performance) antara lain menurunnya peran
organisasi/unit kerja (loss of role), menurunnya
produktivitas, dan fluktuasi tingkat pelayanan dan pekerja.

121
Membuat suatu model komputer (1)
 Setelah perilaku persoalan dapat diidentifikasi, suatu
deskripsi tentang interaksi-interaksi perilaku yang
mendasari pola perlaku persoalan tersebut perlu dicari
yang kemudian menjadi dasar dalam penentuan batas
model.
 Batas model ini memisahkan proses-proses yang
menyebabkan adanya tendensi internal (yang diungkapkan
oleh perilaku persoalan) dengan proses-proses yang
merepresentasikan pengaruh-pengaruh eksogenus.
 Batas model ini akan menggambarkan cakupan analisis dan
akan meliputi semua interaksi sebab-akibat yang
berhubungan dengan perilaku persoalan.

122
 Deskripsi tersebut menyakut lingkar-lingkar umpan-balik
(feedback loops), akumulasi, kelambatan (delay), dan
kebijakan-kebijakan organisasi/unit kerja yang boleh jadi
sebagai penyebab perilaku persoalan.
 Deskripsi inilah merupakan dasar untuk membentuk model
yang pada akhirnya terungkap dalam lingkaran-lingkaran
tertutup.
 Dalam suatu lingkar umpan-balik digunakan dua macam
variabel yang disebut sebagai level dan rate.
 Level menyatakan kondisi sistem pada setiap saat (state
variable system).

123
 Level merupakan hasil akumulasi di dalam sistem,
sedangkan rate menyatakan aktivitas sistem.
 Persamaan suatu variabel rate merupakan suatu struktur
kebijakan yang menjelaskan mengapa dan bagaimana suatu
keputusan dibuat berdasarkan kepada informasi yang
tersedia di dalam sistem.
 Rate inilah satu-satunya variabel dalam model yang dapat
mempengaruhi/mengubah level.

124
Memahami hubungan antara struktur dan
perilaku
 Langkah ini merupakan suatu proses simulasi model yang
berulang-ulang, yaitu membandingkan hasilnya dengan
perilaku persoalan yang sebenarnya terjadi (perilaku/data
historis), memperbaiki struktur model untuk mendapatkan
korespondensi antara model dan perilaku persoalan,
mensimulasikannya kembali, dan seterusnya (proses iterasi).
 Melalui proses iterasi ini diharapkan pemahaman antara
struktur dan perilaku akan diperoleh.

125
Merancang kebijakan
 Langkah ini terdiri atas dua fase: pelacakan kebijakan yang
dapat menanggulangi perilaku persoalan, dan kemudian
kebijakan yang diusulkan itu diuji dalam bermacam-macam
perubahan parameter maupun struktur model (analisis
sensitivitas).
 Kebijakan yang diusulkan dianalisis dalam asumsi-asumsi:
adanya kondisi (condition)/faktor-faktor internal
organisasi/unit kerja yang tidak mendukung, dan adanya
iklim (climate)/faktor-faktor eksternal yang boleh jadi tidak
mendukung pula.

126
Langkah-Langkah Pemodelan
menggunakan
Metodologi System Dynamics

127
Skema Perancangan suatu Model System Dynamics (1)
Concept from
written
literature
Miscellaneous
numerical data
Mental and
written
information
Principle of
feedback loops
Time-series
data
Comparison of
model behavior
and real-world
behavior
Discrepancies
in behavior
Structure
Purpose
Parameter
Model
Behavior
Policy
changes
Policy
evaluation
Alternative
behavior

128
behavior validation
computer
simulation
empirical evidence
structure validation
reference mode
model
policy design
dynamic hypothesis
comparison and
reconciliation
comparison and
reconciliation
(methodological: the procedures employed
to arrive to such knowledge claims)
Skema Perancangan suatu Model System Dynamics (2)

129
Tests for Building
Confidence in System
Dynamics Model
(Forrester and Senge 1980, Richardson and Pugh 1981):
1. Structure Verification
(Is the model structure consistent with relevant descriptive knowledge of the system?)
2. Parameter Verification
(Are the parameters consistent with relevant descriptive [and numerical, when available]
knowledge of system?)
3. Extreme Conditions
(Does each equation make sense even when its inputs take on extreme values?)
4. Structure Boundary Adequacy
(Are the important concepts for addressing the problem endogenous of the model?)
5. Dimensional Consistency
(Is each equation dimensionally consistent without the use of parameters having no real-
world counterpart?)
Test of Model Structure

130
1. Behavior Reproduction
(Does the model endogenously generate the symptoms of the problem,
behavior modes, phasing, frequencies, and other characteristics of the
behavior of the real system?)
2. Behavior Anomaly
(Does anomalous behavior arise if an assumption of the model is deleted?)
3. Family Member
(Can the model reproduce the behavior of other examples of the systems
in the same class as the model?)
4. Surprise Behavior
(Does the model point to the existence of a previously unrecognized mode
of behavior in the real system?)
Test of Model Behavior

131
5. Extreme Policy
(Does the model behave properly when subjected to extreme policies
or test inputs?)
6. Behaviour Boundary Adequacy
(Is the behavior of the model sensitive to the addition or alteration of
structure to represent plausible alternative theories?)
7. Behaviour Sensitivity
(Is the behavior of the model sensitive to plausible variations in
parameters?)
8. Statistic Character
(Does the output of the model have the same statistical character as
the “output” of the real system?)

132
Test of Policy Implications
1. System Improvement
(Is the performance of the real system improved through use of the model?)
2. Behavior Prediction
(Does the model correctly describe the results of a new policy?)
3. Policy Boundary Adequacy
(Are the policy recommendations sensitive to the addition or alteration of
structure to represent plausible alternative theories?)
4. Policy Sensitivity
(Are the policy recommendations sensitive to plausible variations in
parameters?)

133
Data dalam Pemodelan System Dynamics

134
 Information for modeling is available from
many different sources (Forrester, 1980).
Figure 5.1 suggests three kinds of data
bases: mental, written and numerical.
 Those working with statistics may think of
data as always coming in measured,
numerical form. But Webster's Third
Unabridged Dictionary gives no hint that
data are restricted to numerical
information.
Mental data base
Observation
Experience
Written data
base
Numerical data
base
Figure 5.1 Mental data base and decreasing
content of written and numerical data bases
Data
[Jay W. Forrester: Policies, decisions and information sources for modeling,
European Journal of Operational Research 59 (1992) 42-63 North-Holland]

135
 Webster's defines data as "something
that is given from being experientially
encountered" and "material serving as a
basis for discussion, inference, or
determination of policy" and "detailed
information of any kind". This broad
definition must include data stored
mentally in people's heads, data stored
descriptively in writing, and data
available numerically.
Mental data base
Observation
Experience
Written data
base
Numerical data
base

136
As suggested by the figure, the amount of
available information declines, probably by many
orders of magnitude, in going from mental to
written information and again by another similar
large factor in going from written to numerical
information.
Furthermore, the character of information content
changes as one moves from mental to written to
numerical information. In moving down the
diagram, there is a progressively smaller
proportion of information about structure and
policies. Each kind of information can fill a
different role in modeling a business or social
system.
Mental data base
Observation
Experience
Written data
base
Numerical data
base

137
Mental data base
Observation
Experience
Written data
base
Numerical data
base
Qualitative data collection techniques
that support System Dynamics model building
[Luis Felipe Luna-Reyes and Deborah Lines Andersen, Collecting and analyzing qualitative
data for system dynamics: methods and models; System Dynamics Review Volume 19
Number 4 Winter 2003]

138
Qualitative data collection:
interviews, oral history, focus groups, Delphi groups,
observation,
participant observation, and experimental approaches.
Qualitative data analysis:
hermeneutics, discourse analysis, grounded theory,
ethnographic decision models, and content analysis.

139
6.
Analisis (Pemodelan)
Kebijakan:
Studi Kasus Waktu Pelayanan

140
Bagaimanakah caranya agar dinamika waktu pelayanan menurun dan pada
akhirnya selalu mendekati waktu pelayanan yang dijanjikan?
Mengapa perkembangan waktu pelayanan terus meningkat (sempat menurun
sesaat) dan makin menjauh dari waktu pelayanan yang dijanjikan?
1. Perilaku persoalan waktu pelayanan
Caranya?
Waktu pelayanan lebih
lama dari waktu
pelayanan yang dijanjikan
dan terus meningkat.
Mengapa?

141
Pola referensi (Reference mode)

142
CLD waktu pelayanan
Dokumen
dalam proses
[berkas]
Dokumen
masuk
[berkas/hari]
Waktu pelayanan
[hari]
Dokumen
selesai
[berkas/hari]
Kapasitas kantor
[berkas/hari]
Produktivitas SDM
[berkas/hari/orang]
Waktu pelayanan
yang dijanjikan [hari]
SDM [orang]
Penambahan/
pengurangan SDM
[orang/hari]
???

143
CLD waktu pelayanan
Dokumen dalam
proses [berkas]
Waktu pelayanan
[hari]
Dokumen selesai
[berkas/hari]
Dokumen masuk
[berkas/hari]
Kapasitas kantor
[berkas/hari]
Produktivitas SDM
[berkas/hari/orang]
SDM [orang]
Penambahan SDM
[orang/hari]
Waktu pelayanan
+
+ -
-
+
+
+
+

145
Hipotesis dinamis (Dynamic hypothesis)
 SDM kurang, tidak mengikuti perkembangan dokumen masuk;
perlu ditambah?
 Produktivitas SDM tetap; perlu ditingkatkan?

146
SFD (Stock Flow Diagram)
Dokumen
dalam proses
[berkas]
Dokumen
masuk
[berkas/hari]
Waktu pelayanan
[hari]
Dokumen
selesai
[berkas/hari]
Kapasitas kantor
[berkas/hari]
Produktivitas SDM
[berkas/hari/orang]
Waktu pelayanan
SDM [orang]
Pertambahan/
pengurangan SDM
[orang/hari]
???

147
Model
Dokumen
dalam proses
Dokumen masuk
Dokumen selesai
Waktu pelayanan
Kapasitas kantor
SDM
Penambahan SDM
Waktu
penambahan SDM
Produktivitas
SDM
Skenario dokumen
masuk
Waktu pelayanan
yang dijanjikan
SDM yang
dibutuhkan
<Time>
<Time>

148
Perancangan kebijakan
 Eksperimen simulasi (pemahaman hubungan struktur terhadap
perilaku, dan simulasi perilaku historis)
 Pengujian model (analisis sensitivitas model)
 Pelacakan strategi/kebijakan
 Pengujian strategi/kebijakan dari “gangguan” baik internal maupun
eksternal
 Usulan strategi/kebijakan

149
1. Burger, Peter L., T. Lockman (1966), The Social Construction of Reality, Allen lane.
2. Dornbusch, Rudiger and Fischer, Stanley (1997). Mulyadi, Julius A. (Alih Bahasa). Makro-ekonomi
(Edisi Keempat). Penerbit Erlangga.
3. Duncan, Richard C. (1991), “The Life-Expectancy of Industrial Civilization”, SYSTEM DYNAMICS ’91
Proceedings of the 1991 International System Dynamics Conference, Bangkok-Thailand, August 27-30,
1991.
4. Forrester, Jay W. (1961), Industrial Dynamics, Cambridge, Mass.: MIT Press.
5. Forrester, Jay W. (1969), Urban Dynamics, Cambridge, Mass.: MIT Press.
6. Forrester, Jay W. (1971), World Dynamics, Cambridge, Mass.: Wright-Allen Press.
7. Forrester, Jay W. and Peter M. Senge (1980), “Test for Building Confidence in System Dynamics
Models”, TIMS Studies in the Management Sciences.
8. Hamilton, H.R., et al. (1969), Systems Simulation for Regional Analysis, Cambridge, Mass.: MIT Press.
9. Kemeny, John G. (1959), A Philosopher Looks at Science, D.van Nostrand.
10. Parkin, Michael (1996). Macroeconomics (third edition). Addison - Wesley Publishing Company, Inc..
11. Popper, Karl R. (1969), Conjectures and Refutations, Routledge and Kegan Paul.
12. Richardson, G.P. & A.L. Pugh III (1981), Introduction to System Dynamics Modeling with Dynamo, The
MIT Press, Cambridge, Massachusetts.
13. Saeed, K. (1984), Policy-Modelling and the Role of the Modeller, Research Paper, Industrial
Engineering & Management Division, Asian Institute of Technology, Bangkok.
14. Saeed K. 1994. Development Planning and Policy Design: A System Dynamics Approach. Avebury.
15. Sasmojo, Saswinadi (2004), Sains, Teknologi, Masyarakat dan Pembangunan, Program Pascasarjana
Studi Pembangunan ITB.
16. Senge, Peter M. (1990), The Fifth Discipline : the art and practice of the learning organization,
Doubleday/Currency, New York.
17. Sterman, John D. (1981), The Energy Transition and The Economy: A System Dynamics Approach, PhD
Thesis, Cambridge : MIT.
18. Sterman, J.D. (2004), Business Dynamics: Systems Thinking and Modeling for a Complex World, Mc
Graw Hill.

150
Sekian
&
Terima kasih

22122021-Pemodelan kebijakan metodologi system dynamics kemendag

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to 22122021-Pemodelan kebijakan metodologi system dynamics kemendag

Similar to 22122021-Pemodelan kebijakan metodologi system dynamics kemendag (6)

More from KutsiyatinMSi

More from KutsiyatinMSi (20)

22122021-Pemodelan kebijakan metodologi system dynamics kemendag