Dinamika sistem (SD) adalah pendekatan untuk memahami perilaku nonlinear dari sistem yang kompleks dari waktu ke waktu menggunakan stok, aliran, loop umpan balik internal, fungsi tabel, dan penundaan waktu.[1]

Stok dinamis dan diagram alir model Adopsi produk baru (model dari artikel oleh John Sterman 2001 - True Software)

Ringkasan

Dinamika sistem adalah metodologi dan teknik pemodelan matematis untuk membingkai, memahami, dan mendiskusikan masalah dan masalah yang kompleks. Awalnya dikembangkan pada 1950-an untuk membantu manajer perusahaan meningkatkan pemahaman mereka tentang proses industri, SD saat ini digunakan di seluruh sektor publik dan swasta untuk analisis dan desain kebijakan.[2]

Perangkat lunak dinamika sistem antarmuka pengguna grafis (GUI) yang nyaman dikembangkan menjadi versi yang ramah pengguna pada tahun 1990-an dan telah diterapkan ke berbagai sistem. Model SD memecahkan masalah simultanitas (penyebab timbal balik) dengan memperbarui semua variabel dalam peningkatan waktu yang kecil dengan umpan balik positif dan negatif serta penundaan waktu yang menyusun interaksi dan kontrol. Model SD yang paling terkenal mungkin adalah The Limits to Growth tahun 1972. Model ini meramalkan bahwa pertumbuhan penduduk dan modal secara eksponensial, dengan sumber sumber daya yang terbatas dan penurunan serta keterlambatan persepsi, akan menyebabkan keruntuhan ekonomi selama abad ke-21 di bawah berbagai skenario pertumbuhan.

Dinamika sistem merupakan salah satu aspek dari teori sistem sebagai metode untuk memahami perilaku dinamis dari sistem yang kompleks. Dasar dari metode ini adalah pengakuan bahwa struktur sistem apa pun, banyak hubungan melingkar, saling terkait, kadang-kadang tertunda waktu di antara komponen-komponennya, seringkali sama pentingnya dalam menentukan perilakunya seperti komponen individu itu sendiri. Contohnya adalah teori chaos dan dinamika sosial. Juga dikatakan bahwa karena sering terdapat sifat-sifat-keseluruhan yang tidak dapat ditemukan di antara sifat-sifat-unsur-unsur, dalam beberapa kasus perilaku keseluruhan tidak dapat dijelaskan dalam kaitannya dengan perilaku bagian-bagian.

Sejarah

Dinamika sistem diciptakan pada pertengahan 1950-an [3] oleh Profesor Jay Forrester dari Massachusetts Institute of Technology. Pada tahun 1956, Forrester menerima jabatan profesor di MIT Sloan School of Management yang baru dibentuk. Tujuan awalnya adalah untuk menentukan bagaimana latar belakangnya di bidang sains dan teknik dapat diterapkan, dalam beberapa cara yang berguna, pada isu-isu inti yang menentukan keberhasilan atau kegagalan perusahaan. Wawasan Forrester tentang fondasi umum yang mendasari rekayasa, yang menyebabkan terciptanya dinamika sistem, sebagian besar dipicu oleh keterlibatannya dengan para manajer di General Electric (GE) selama pertengahan 1950-an. Pada saat itu, para manajer GE bingung karena pekerjaan di pabrik peralatan mereka di Kentucky menunjukkan siklus tiga tahun yang signifikan. Siklus bisnis dinilai tidak cukup menjelaskan ketidakstabilan lapangan kerja. Dari simulasi tangan (atau kalkulasi) struktur umpan balik aliran stok pabrik GE, yang mencakup struktur pengambilan keputusan korporat yang ada untuk perekrutan dan PHK, Forrester mampu menunjukkan bagaimana ketidakstabilan dalam pekerjaan GE disebabkan oleh faktor internal. struktur perusahaan dan bukan pada kekuatan eksternal seperti siklus bisnis. Simulasi tangan ini adalah awal dari bidang dinamika sistem.[2]

Selama akhir 1950-an dan awal 1960-an, Forrester dan tim mahasiswa pascasarjana memindahkan bidang dinamika sistem yang muncul dari tahap simulasi tangan ke tahap pemodelan komputer formal. Richard Bennett menciptakan bahasa pemodelan komputer dinamika sistem pertama yang disebut SIMPLE (Simulasi Masalah Manajemen Industri dengan Banyak Persamaan) pada musim semi tahun 1958. Pada tahun 1959, Phyllis Fox dan Alexander Pugh menulis versi pertama DYNAMO (DYNAmic MODels), sebuah peningkatan versi SIMPLE, dan bahasa dinamika sistem menjadi standar industri selama lebih dari tiga puluh tahun. Forrester menerbitkan buku pertama, dan masih klasik, dalam bidang tersebut berjudul Industrial Dynamics pada tahun 1961.[2]

Dari akhir 1950-an hingga akhir 1960-an, dinamika sistem diterapkan hampir secara eksklusif untuk masalah perusahaan/manajerial. Namun, pada tahun 1968, kejadian tak terduga menyebabkan bidang ini meluas melampaui pemodelan perusahaan. John F. Collins, mantan walikota Boston, ditunjuk sebagai profesor tamu Urban Affairs di MIT. Hasil kolaborasi Collins-Forrester adalah sebuah buku berjudul Urban Dynamics. Model Urban Dynamics yang disajikan dalam buku ini adalah aplikasi utama non-korporat pertama dari dinamika sistem.[2]

Aplikasi dinamika sistem non-korporat utama kedua muncul tak lama setelah yang pertama. Pada tahun 1970, Jay Forrester diundang oleh Club of Rome ke sebuah pertemuan di Bern, Swiss. Club of Rome adalah sebuah organisasi yang ditujukan untuk memecahkan apa yang anggotanya gambarkan sebagai "kesulitan umat manusia"—yaitu, krisis global yang mungkin muncul suatu saat di masa depan, karena tuntutan ditempatkan pada daya dukung Bumi (sumbernya). sumber daya terbarukan dan tak terbarukan dan tempat pembuangannya untuk pembuangan polutan) oleh populasi dunia yang tumbuh secara eksponensial. Pada pertemuan Bern, Forrester ditanya apakah dinamika sistem dapat digunakan untuk mengatasi kesulitan umat manusia. Jawabannya, tentu saja, adalah bisa. Di pesawat kembali dari pertemuan Bern, Forrester membuat draf pertama model dinamika sistem dari sistem sosial ekonomi dunia. Dia menyebut model ini WORLD1. Sekembalinya ke Amerika Serikat, Forrester menyempurnakan WORLD1 sebagai persiapan untuk kunjungan ke MIT oleh anggota Club of Rome. Forrester menyebut versi halus dari model WORLD2. Forrester menerbitkan WORLD2 dalam sebuah buku berjudul World Dynamics.[2]

Topik dalam dinamika sistem

Elemen utama dari diagram dinamika sistem adalah umpan balik, akumulasi aliran ke stok dan penundaan waktu.

Sebagai ilustrasi penggunaan dinamika sistem, bayangkan sebuah organisasi yang berencana untuk memperkenalkan produk konsumen baru yang tahan lama dan inovatif. Organisasi perlu memahami kemungkinan dinamika pasar untuk merancang rencana pemasaran dan produksi.

Causal loop diagrams (Diagram lingkaran sebab akibat)

Dalam metodologi dinamika sistem, masalah atau sistem (misalnya, ekosistem, sistem politik, atau sistem mekanis) dapat direpresentasikan sebagai diagram lingkaran kausal.[4] Diagram loop kausal adalah peta sederhana dari suatu sistem dengan semua komponen penyusunnya dan interaksinya. Dengan menangkap interaksi dan akibatnya loop umpan balik (lihat gambar di bawah), diagram loop kausal mengungkapkan struktur sistem. Dengan memahami struktur suatu sistem, menjadi mungkin untuk memastikan perilaku sistem selama periode waktu tertentu.[5]

Diagram lingkaran sebab-akibat dari pengenalan produk baru mungkin terlihat sebagai berikut:

Gambar: Diagram lingkaran kausal dari model adopsi produk baru

Ada dua loop umpan balik dalam diagram ini. Lingkaran penguatan positif (berlabel R) di sebelah kanan menunjukkan bahwa semakin banyak orang yang telah mengadopsi produk baru, semakin kuat dampak dari mulut ke mulut. Akan ada lebih banyak referensi produk, lebih banyak demonstrasi, dan lebih banyak ulasan. Umpan balik positif ini harus menghasilkan penjualan yang terus tumbuh.

Lingkaran umpan balik kedua di sebelah kiri adalah penguatan negatif (atau "menyeimbangkan" dan karenanya diberi label B). Jelas, pertumbuhan tidak dapat berlanjut selamanya, karena semakin banyak orang yang mengadopsi, semakin sedikit pengadopsi potensial.

Kedua loop umpan balik bekerja secara bersamaan, tetapi pada waktu yang berbeda mereka mungkin memiliki kekuatan yang berbeda. Jadi orang mungkin mengharapkan peningkatan penjualan di tahun-tahun awal, dan kemudian penjualan menurun di tahun-tahun berikutnya. Namun, secara umum diagram lingkaran sebab akibat tidak menentukan struktur sistem secara memadai untuk memungkinkan penentuan perilakunya dari representasi visual saja.[6]

Stock and flow diagrams (Diagram stok dan flow)

Causal loop diagram membantu memvisualisasikan struktur dan perilaku sistem, dan menganalisis sistem secara kualitatif. Untuk melakukan analisis kuantitatif yang lebih rinci, diagram lingkaran sebab akibat ditransformasikan menjadi diagram stok dan aliran. Model stok dan aliran membantu dalam mempelajari dan menganalisis sistem secara kuantitatif; model seperti itu biasanya dibangun dan disimulasikan menggunakan perangkat lunak komputer.

Stok adalah istilah untuk setiap entitas yang terakumulasi atau habis dari waktu ke waktu. Aliran adalah tingkat perubahan stok.

Gambar: Aliran adalah tingkat akumulasi stok

Dalam contoh kami, ada dua stok: Pengadopsi potensial dan Pengadopsi. Ada satu aliran: Pengadopsi baru. Untuk setiap pengadopsi baru, stok pengadopsi potensial berkurang satu, dan stok pengadopsi bertambah satu.

Gambar: Diagram stok dan aliran model adopsi produk baru

Persamaan

Kekuatan nyata dari dinamika sistem dimanfaatkan melalui simulasi. Meskipun dimungkinkan untuk melakukan pemodelan dalam spreadsheet, ada berbagai paket perangkat lunak yang telah dioptimalkan untuk ini.

Langkah-langkah yang dilakukan dalam simulasi adalah:

• Tentukan batas masalah
• Identifikasi stok dan arus paling penting yang mengubah tingkat stok ini
• Mengidentifikasi sumber informasi yang berdampak pada arus
• Identifikasi loop umpan balik utama
• Gambarlah diagram lingkaran sebab akibat yang menghubungkan stok, aliran, dan sumber informasi
• Tuliskan persamaan yang menentukan aliran
• Perkirakan parameter dan kondisi awal. Ini dapat diperkirakan menggunakan metode statistik, pendapat ahli, data riset pasar, atau sumber informasi relevan lainnya.[7]
• Simulasikan model dan analisis hasilnya.

Dalam contoh ini, persamaan yang mengubah dua stok melalui aliran adalah:

Persamaan dalam waktu diskrit

Daftar semua persamaan dalam waktu diskrit, dalam urutan pelaksanaannya di setiap tahun, untuk tahun 1 sampai 15 :

Hasil simulasi dinamis
Hasil simulasi dinamis menunjukkan bahwa perilaku sistem akan memiliki pertumbuhan pengadopsi yang mengikuti bentuk kurva-s klasik.
Peningkatan pengadopsi sangat lambat pada awalnya, kemudian pertumbuhan eksponensial untuk suatu periode, akhirnya diikuti oleh kejenuhan.

Gambar: Stok dinamis dan diagram alir model adopsi produk baru

Gambar: Nilai stok dan aliran selama bertahun-tahun = 0 hingga 15

Persamaan dalam waktu kontinu

Untuk mendapatkan nilai menengah dan akurasi yang lebih baik, model dapat berjalan dalam waktu yang berkelanjutan: kita mengalikan jumlah unit waktu dan membagi nilai secara proporsional yang mengubah tingkat stok. Dalam contoh ini kita mengalikan 15 tahun dengan 4 untuk mendapatkan 60 kuartal, dan kita membagi nilai arus dengan 4.
Membagi nilai adalah yang paling sederhana dengan metode Euler, tetapi metode lain dapat digunakan sebagai gantinya, seperti metode Runge–Kutta.

Daftar persamaan dalam waktu kontinu untuk trimester = 1 sampai 60 :

Mereka adalah persamaan yang sama seperti pada bagian Persamaan waktu diskrit di atas, kecuali persamaan 4.1 dan 4.2 diganti dengan yang berikut:

Dalam diagram stok dan aliran di bawah ini, aliran perantara 'Valve New adopters' menghitung persamaan:

Gambar: Stok dinamis dan diagram alir model adopsi produk baru dalam waktu kontinu

Aplikasi

Dinamika sistem telah menemukan aplikasi dalam berbagai bidang, misalnya sistem kependudukan, pertanian, [8] ekologi dan ekonomi, yang biasanya berinteraksi kuat satu sama lain.

Dinamika sistem memiliki berbagai aplikasi manajemen "bagian belakang amplop". Mereka adalah alat ampuh untuk:

Ajarkan refleks berpikir sistem kepada orang yang dilatih
Menganalisis dan membandingkan asumsi dan model mental tentang cara kerja sesuatu
Dapatkan wawasan kualitatif tentang cara kerja suatu sistem atau konsekuensi dari suatu keputusan
Kenali arketipe sistem disfungsional dalam praktik sehari-hari
Perangkat lunak komputer digunakan untuk mensimulasikan model dinamika sistem dari situasi yang sedang dipelajari. Menjalankan simulasi "bagaimana jika" untuk menguji kebijakan tertentu pada model tersebut dapat sangat membantu dalam memahami bagaimana sistem berubah dari waktu ke waktu. Dinamika sistem sangat mirip dengan pemikiran sistem dan membangun diagram lingkaran kausal yang sama dari sistem dengan umpan balik. Namun, dinamika sistem biasanya melangkah lebih jauh dan memanfaatkan simulasi untuk mempelajari perilaku sistem dan dampak kebijakan alternatif.[9]

Dinamika sistem telah digunakan untuk menyelidiki ketergantungan sumber daya, dan menghasilkan masalah, dalam pengembangan produk.[10][11]

Sebuah pendekatan dinamika sistem makroekonomi, yang dikenal sebagai Minsky, telah dikembangkan oleh ekonom Steve Keen. [12] Ini telah digunakan untuk berhasil memodelkan perilaku ekonomi dunia dari stabilitas yang tampak dari Moderasi Hebat hingga krisis keuangan yang tiba-tiba tidak terduga pada tahun 2007–08.

Contoh: Pertumbuhan dan penurunan perusahaan

Gambar: Causal loop diagram dari model yang memeriksa pertumbuhan atau penurunan perusahaan asuransi jiwa

Gambar di atas adalah diagram lingkaran sebab akibat dari model dinamika sistem yang dibuat untuk memeriksa kekuatan yang mungkin bertanggung jawab atas pertumbuhan atau penurunan perusahaan asuransi jiwa di Inggris Raya. Sejumlah fitur figur ini patut disebutkan. Yang pertama adalah loop umpan balik negatif model diidentifikasi oleh C, yang merupakan singkatan dari Counteracting loop. Yang kedua adalah bahwa garis miring ganda digunakan untuk menunjukkan tempat-tempat di mana ada penundaan yang signifikan antara sebab (yaitu, variabel di ujung panah) dan efek (yaitu, variabel di ujung panah). Ini adalah konvensi diagram lingkaran kausal yang umum dalam dinamika sistem. Ketiga, apakah garis yang lebih tebal digunakan untuk mengidentifikasi loop umpan balik dan tautan yang ingin penulis fokuskan pada audiens. Ini juga merupakan konvensi diagram dinamika sistem yang umum. Terakhir, jelas bahwa seorang pembuat keputusan akan merasa tidak mungkin memikirkan perilaku dinamis yang melekat pada model, dari pemeriksaan gambar saja. [13]

Contoh: gerak piston

1. Tujuan: mempelajari sistem batang penghubung engkol.
Kami ingin memodelkan sistem batang penghubung engkol melalui model sistem dinamis. Dua deskripsi lengkap yang berbeda dari sistem fisik dengan sistem persamaan terkait dapat ditemukan di sini (dalam bahasa Inggris) dan di sini (dalam bahasa Prancis); mereka memberikan hasil yang sama. Dalam contoh ini, engkol, dengan jari-jari variabel dan frekuensi sudut, akan menggerakkan piston dengan panjang batang penghubung variabel.

2. Pemodelan dinamis sistem: sistem sekarang dimodelkan, menurut logika dinamis sistem stok dan aliran.
Gambar di bawah ini menunjukkan diagram stok dan aliran

Gambar: Diagram stok dan aliran untuk sistem batang penghubung engkol

3. Simulasi: perilaku sistem dinamis batang penghubung engkol kemudian dapat disimulasikan.
Gambar selanjutnya adalah simulasi 3D yang dibuat menggunakan animasi prosedural. Variabel model menganimasikan semua bagian animasi ini: engkol, radius, frekuensi sudut, panjang batang, dan posisi piston.

Gambar: Animasi prosedural 3D dari sistem batang penghubung engkol yang dimodelkan 

Sumber: wikipedia

 

Sistem yang kompleks adalah sistem yang terdiri dari banyak komponen yang dapat berinteraksi satu sama lain. Contoh sistem yang kompleks adalah iklim global Bumi, organisme, otak manusia, infrastruktur seperti jaringan listrik, sistem transportasi atau komunikasi, perangkat lunak dan sistem elektronik yang kompleks, organisasi sosial dan ekonomi (seperti kota), ekosistem, sel hidup, dan akhirnya seluruh alam semesta.

Sistem kompleks adalah sistem yang perilakunya secara intrinsik sulit untuk dimodelkan karena ketergantungan, persaingan, hubungan, atau jenis interaksi lain antara bagian-bagiannya atau antara sistem tertentu dan lingkungannya. Sistem yang "kompleks" memiliki sifat berbeda yang muncul dari hubungan ini, antara lain, nonlinier, kemunculan, keteraturan spontan, adaptasi, dan putaran umpan balik. Karena sistem seperti itu muncul di berbagai bidang, kesamaan di antara mereka telah menjadi topik penelitian independen mereka. Dalam banyak kasus, sistem seperti itu berguna untuk direpresentasikan sebagai jaringan di mana node mewakili komponen dan tautan ke interaksinya.

Istilah sistem kompleks sering mengacu pada studi tentang sistem kompleks, yang merupakan pendekatan sains yang menyelidiki bagaimana hubungan antara bagian-bagian sistem memunculkan perilaku kolektifnya dan bagaimana sistem berinteraksi dan membentuk hubungan dengan lingkungannya.[1] Studi tentang sistem yang kompleks menganggap perilaku kolektif, atau seluruh sistem, sebagai objek studi fundamental; untuk alasan ini, sistem yang kompleks dapat dipahami sebagai paradigma alternatif untuk reduksionisme, yang mencoba menjelaskan sistem dari segi bagian penyusunnya dan interaksi individual di antara mereka.

Sebagai domain interdisipliner, sistem yang kompleks menarik kontribusi dari berbagai bidang, seperti studi tentang pengaturan diri dan fenomena kritis dari fisika, keteraturan spontan dari ilmu sosial, kekacauan dari matematika, adaptasi dari biologi, dan banyak lainnya. Oleh karena itu, sistem kompleks sering digunakan sebagai istilah luas yang mencakup pendekatan penelitian terhadap masalah dalam berbagai disiplin ilmu, termasuk fisika statistik, teori informasi, dinamika nonlinier, antropologi, ilmu komputer, meteorologi, sosiologi, ekonomi, psikologi, dan biologi.

Konsep kunci

Sistem

Sistem terbuka memiliki aliran input dan output, mewakili pertukaran materi, energi atau informasi dengan lingkungannya.

Sistem kompleks terutama berkaitan dengan perilaku dan sifat sistem. Sebuah sistem, didefinisikan secara luas, adalah sekumpulan entitas yang, melalui interaksi, hubungan, atau ketergantungan mereka, membentuk satu kesatuan yang utuh. Itu selalu didefinisikan dalam batasannya, yang menentukan entitas yang menjadi atau bukan bagian dari sistem. Entitas yang berada di luar sistem kemudian menjadi bagian dari lingkungan sistem.

Suatu sistem dapat memperlihatkan sifat-sifat yang menghasilkan perilaku yang berbeda dari sifat dan perilaku bagian-bagiannya; sifat-sifat dan perilaku seluruh sistem atau global ini adalah karakteristik dari bagaimana sistem berinteraksi dengan atau muncul di lingkungannya, atau bagaimana bagian-bagiannya berperilaku (katakanlah, dalam menanggapi rangsangan eksternal) berdasarkan berada di dalam sistem. Gagasan perilaku menyiratkan bahwa studi sistem juga berkaitan dengan proses yang terjadi dari waktu ke waktu (atau, dalam matematika, beberapa parameterisasi ruang fase lainnya). Karena penerapannya yang luas dan interdisipliner, konsep sistem memainkan peran sentral dalam sistem yang kompleks.

Sebagai bidang studi, sistem kompleks adalah bagian dari teori sistem. Teori sistem umum berfokus sama pada perilaku kolektif entitas yang berinteraksi, tetapi mempelajari kelas sistem yang jauh lebih luas, termasuk sistem non-kompleks di mana pendekatan reduksionis tradisional mungkin tetap layak. Memang, teori sistem berusaha untuk mengeksplorasi dan menggambarkan semua kelas sistem, dan penemuan kategori yang berguna bagi para peneliti di berbagai bidang adalah salah satu tujuan utama teori sistem.

Karena berkaitan dengan sistem yang kompleks, teori sistem memberikan kontribusi penekanan pada cara hubungan dan ketergantungan antara bagian-bagian sistem dapat menentukan properti seluruh sistem. Ini juga berkontribusi pada perspektif interdisipliner dari studi sistem yang kompleks: gagasan bahwa properti bersama menghubungkan sistem lintas disiplin ilmu, membenarkan pengejaran pendekatan pemodelan yang berlaku untuk sistem kompleks di mana pun mereka muncul. Konsep khusus yang penting untuk sistem yang kompleks, seperti kemunculan, putaran umpan balik, dan adaptasi, juga berasal dari teori sistem.

Kompleksitas

Agar suatu sistem menunjukkan kompleksitas berarti bahwa perilaku sistem tidak dapat dengan mudah disimpulkan dari sifat-sifatnya. Pendekatan pemodelan apa pun yang mengabaikan kesulitan-kesulitan tersebut atau mencirikannya sebagai kebisingan pasti akan menghasilkan model yang tidak akurat dan tidak berguna. Belum ada teori yang sepenuhnya umum tentang sistem kompleks yang muncul untuk mengatasi masalah ini, sehingga peneliti harus menyelesaikannya dalam konteks khusus domain. Peneliti dalam sistem yang kompleks mengatasi masalah ini dengan melihat tugas utama pemodelan untuk menangkap, bukan mengurangi, kompleksitas sistem masing-masing kepentingan.

Meskipun belum ada definisi kompleksitas yang diterima secara umum, ada banyak contoh pola dasar kompleksitas. Sistem dapat menjadi kompleks jika, misalnya, mereka memiliki perilaku kacau (perilaku yang menunjukkan kepekaan ekstrim terhadap kondisi awal, di antara sifat-sifat lainnya), atau jika mereka memiliki sifat muncul (sifat yang tidak terlihat dari komponennya secara terpisah tetapi dihasilkan dari hubungan dan dependensi yang mereka bentuk ketika ditempatkan bersama dalam suatu sistem), atau jika mereka secara komputasi sulit untuk dimodelkan (jika mereka bergantung pada sejumlah parameter yang tumbuh terlalu cepat sehubungan dengan ukuran sistem).

Jaringan

Komponen yang berinteraksi dari sistem yang kompleks membentuk jaringan, yang merupakan kumpulan objek diskrit dan hubungan di antara mereka, biasanya digambarkan sebagai grafik berarah dari simpul yang dihubungkan oleh tepi. Jaringan dapat menggambarkan hubungan antara individu dalam suatu organisasi, antara gerbang logika dalam suatu sirkuit, antara gen dalam jaringan pengatur gen, atau antara kumpulan entitas terkait lainnya.

Jaringan sering menggambarkan sumber kompleksitas dalam sistem yang kompleks. Mempelajari sistem yang kompleks sebagai jaringan, oleh karena itu, memungkinkan banyak aplikasi yang berguna dari teori graf dan ilmu jaringan. Banyak sistem yang kompleks, misalnya, juga merupakan jaringan yang kompleks, yang memiliki sifat-sifat seperti transisi fase dan distribusi derajat hukum pangkat yang dengan mudah memunculkan perilaku yang muncul atau kacau. Fakta bahwa jumlah tepi dalam graf lengkap tumbuh secara kuadratik dalam jumlah simpul memberi penjelasan tambahan pada sumber kompleksitas dalam jaringan besar: ketika jaringan tumbuh, jumlah hubungan antar entitas dengan cepat mengerdilkan jumlah entitas dalam jaringan.

Nonlinearity

 

Solusi sampel dalam atraktor Lorenz ketika ρ = 28, σ = 10, dan β = 8/3

Emergence

Glider Gun milik Gosper menciptakan "glider" dalam robot seluler Conway's Game of Life[2]

Fitur umum lainnya dari sistem yang kompleks adalah adanya perilaku dan properti yang muncul: ini adalah ciri-ciri sistem yang tidak terlihat dari komponen-komponennya dalam isolasi tetapi dihasilkan dari interaksi, ketergantungan, atau hubungan yang mereka bentuk ketika ditempatkan bersama dalam suatu sistem. Kemunculan secara luas menggambarkan penampilan perilaku dan sifat tersebut, dan memiliki penerapan pada sistem yang dipelajari baik dalam ilmu sosial maupun fisika. Sementara kemunculan sering digunakan untuk merujuk hanya pada kemunculan perilaku terorganisir yang tidak direncanakan dalam sistem yang kompleks, kemunculan juga dapat merujuk pada kehancuran suatu organisasi; itu menggambarkan setiap fenomena yang sulit atau bahkan tidak mungkin diprediksi dari entitas yang lebih kecil yang membentuk sistem.

Salah satu contoh sistem kompleks yang sifat kemunculannya telah dipelajari secara ekstensif adalah otomata seluler. Dalam otomat seluler, kisi-kisi sel, masing-masing memiliki salah satu dari banyak keadaan terhingga, berkembang menurut seperangkat aturan sederhana. Aturan ini memandu "interaksi" setiap sel dengan tetangganya. Meskipun aturan hanya didefinisikan secara lokal, aturan tersebut telah terbukti mampu menghasilkan perilaku yang menarik secara global, misalnya dalam Game of Life karya Conway.

Spontaneous order and self-organization (Tatanan spontan dan pengaturan diri)\

Ketika kemunculan menggambarkan munculnya tatanan yang tidak direncanakan, itu adalah tatanan spontan (dalam ilmu sosial) atau swaorganisasi (dalam ilmu fisika). Urutan spontan dapat dilihat dalam perilaku kawanan, di mana sekelompok individu mengoordinasikan tindakan mereka tanpa perencanaan terpusat. Self-organization dapat dilihat dalam simetri global kristal tertentu, misalnya simetri radial kepingan salju yang tampak, yang muncul dari gaya tarik dan tolak lokal murni antara molekul air dan lingkungan sekitarnya.

Adaptasi

Sistem adaptif kompleks adalah kasus khusus dari sistem kompleks yang adaptif karena memiliki kapasitas untuk berubah dan belajar dari pengalaman. Contoh sistem adaptif yang kompleks termasuk pasar saham, serangga sosial dan koloni semut, biosfer dan ekosistem, otak dan sistem kekebalan, sel dan embrio yang sedang berkembang, kota, bisnis manufaktur, dan usaha berbasis kelompok sosial manusia apa pun di sistem budaya dan sosial seperti partai politik atau komunitas.[3]

Fitur
Sistem yang kompleks mungkin memiliki ciri-ciri berikut:

Sistem yang kompleks mungkin terbuka

Sistem yang kompleks biasanya merupakan sistem terbuka — yaitu, mereka ada dalam gradien termodinamika dan energi yang terdisipasi. Dengan kata lain, sistem kompleks seringkali jauh dari kesetimbangan energetik: tetapi meskipun fluks ini, mungkin ada stabilitas pola, [5] lihat sinergi.

Sistem yang kompleks dapat menunjukkan transisi kritis

Representasi grafis dari status stabil alternatif dan arah pelambatan kritis sebelum transisi kritis (diambil dari Lever et al. 2020).[6] Panel atas (a) menunjukkan lanskap stabilitas pada kondisi yang berbeda. Panel tengah (b) menunjukkan tingkat perubahan yang mirip dengan kemiringan lanskap stabilitas, dan panel bawah (c) menunjukkan pemulihan dari gangguan menuju keadaan sistem di masa depan (c.I) dan ke arah lain (c.II).

Transisi kritis adalah perubahan tiba-tiba dalam keadaan ekosistem, iklim, sistem keuangan, atau sistem kompleks lainnya yang mungkin terjadi ketika perubahan kondisi melewati titik kritis atau percabangan.[7][8][9][10] 'Arah pelambatan kritis' dalam ruang keadaan sistem mungkin merupakan indikasi keadaan masa depan sistem setelah transisi tersebut ketika umpan balik negatif tertunda yang mengarah ke osilasi atau dinamika kompleks lainnya lemah.[6]

Sistem yang kompleks mungkin bersarang

Komponen dari sistem yang kompleks mungkin sendiri merupakan sistem yang kompleks. Sebagai contoh, ekonomi terdiri dari organisasi, yang terdiri dari orang-orang, yang terdiri dari sel-sel – semuanya merupakan sistem yang kompleks. Susunan interaksi dalam jaringan bipartit yang kompleks juga dapat bersarang. Lebih khusus lagi, jaringan ekologi dan organisasi bipartit dari interaksi yang saling menguntungkan ditemukan memiliki struktur bersarang.[11][12] Struktur ini mempromosikan fasilitasi tidak langsung dan kapasitas sistem untuk bertahan dalam keadaan yang semakin keras serta potensi pergeseran rezim sistemik berskala besar.[13][14]

Jaringan multiplisitas yang dinamis

Selain aturan kopling, jaringan dinamis dari sistem yang kompleks juga penting. Jaringan dunia kecil atau bebas skala [15] [16] yang memiliki banyak interaksi lokal dan sejumlah kecil koneksi antar area sering digunakan. Sistem kompleks alami sering menunjukkan topologi seperti itu. Di korteks manusia misalnya, kita melihat konektivitas lokal yang padat dan beberapa proyeksi akson yang sangat panjang antara wilayah di dalam korteks dan ke wilayah otak lainnya.

Dapat menghasilkan fenomena yang muncul

Sistem yang kompleks mungkin menunjukkan perilaku yang muncul, artinya sementara hasilnya mungkin cukup ditentukan oleh aktivitas konstituen dasar sistem, mereka mungkin memiliki sifat yang hanya dapat dipelajari pada tingkat yang lebih tinggi. Sebagai contoh, jaring makanan empiris menampilkan fitur skala-invarian yang teratur di seluruh ekosistem air dan darat ketika dipelajari pada tingkat spesies 'trofik' yang berkelompok.[17][18] Contoh lain ditawarkan oleh rayap dalam gundukan yang memiliki perkembangan fisiologi, biokimia dan biologis pada satu tingkat analisis, sedangkan perilaku sosial dan bangunan gundukan mereka adalah properti yang muncul dari kumpulan rayap dan perlu dianalisis pada tingkat yang berbeda. .

Hubungan tidak linier

Dalam istilah praktis, ini berarti gangguan kecil dapat menyebabkan efek yang besar (lihat efek kupu-kupu), efek proporsional, atau bahkan tanpa efek sama sekali. Dalam sistem linier, akibat selalu berbanding lurus dengan sebab. Lihat nonlinier.

Hubungan mengandung putaran umpan balik

Umpan balik negatif (redaman) dan positif (memperkuat) selalu ditemukan dalam sistem yang kompleks. Efek dari perilaku elemen diberi umpan balik sedemikian rupa sehingga elemen itu sendiri diubah.

Sejarah

Perspektif tentang perkembangan ilmu kompleksitas (lihat referensi untuk versi yang dapat dibaca)

Meskipun bisa dibilang, manusia telah mempelajari sistem yang kompleks selama ribuan tahun, studi ilmiah modern tentang sistem yang kompleks relatif masih muda dibandingkan dengan bidang sains yang sudah mapan seperti fisika dan kimia. Sejarah studi ilmiah sistem ini mengikuti beberapa tren penelitian yang berbeda.

Di bidang matematika, bisa dibilang kontribusi terbesar untuk mempelajari sistem yang kompleks adalah penemuan kekacauan dalam sistem deterministik, fitur dari sistem dinamis tertentu yang sangat terkait dengan nonlinier. [20] Studi tentang jaringan saraf juga merupakan bagian integral dalam memajukan matematika yang diperlukan untuk mempelajari sistem yang kompleks.

Gagasan tentang sistem pengorganisasian diri terkait dengan kerja dalam termodinamika nonequilibrium, termasuk yang dipelopori oleh ahli kimia dan peraih Nobel Ilya Prigogine dalam studinya tentang struktur disipatif. Yang lebih tua lagi adalah karya Hartree-Fock tentang persamaan kimia kuantum dan kalkulasi selanjutnya dari struktur molekul yang dapat dianggap sebagai salah satu contoh paling awal kemunculan dan keutuhan yang muncul dalam sains.

Salah satu sistem kompleks yang mengandung manusia adalah ekonomi politik klasik Pencerahan Skotlandia, yang kemudian dikembangkan oleh mazhab ekonomi Austria, yang berpendapat bahwa tatanan dalam sistem pasar bersifat spontan (atau muncul) karena merupakan hasil tindakan manusia, tetapi bukan hasil dari tindakan manusia. pelaksanaan desain manusia apa pun.[21][22]

Setelah ini, mazhab Austria mengembangkan dari abad ke-19 hingga awal abad ke-20 masalah perhitungan ekonomi, bersama dengan konsep pengetahuan yang tersebar, yang memicu perdebatan melawan ekonomi Keynesian yang dominan saat itu. Perdebatan ini terutama akan mengarahkan para ekonom, politisi, dan pihak lain untuk mengeksplorasi pertanyaan tentang kompleksitas komputasi

Seorang perintis di lapangan, dan terinspirasi oleh karya Karl Popper dan Warren Weaver, ekonom dan filsuf pemenang Nobel Friedrich Hayek mendedikasikan sebagian besar karyanya, dari awal hingga akhir abad ke-20, untuk mempelajari fenomena kompleks,[23] tidak membatasi karyanya. bekerja untuk ekonomi manusia tetapi merambah ke bidang lain seperti psikologi, [24] biologi dan sibernetika. Cybernetician Gregory Bateson memainkan peran kunci dalam membangun hubungan antara antropologi dan teori sistem; dia mengakui bahwa bagian budaya yang interaktif berfungsi seperti ekosistem.

Sementara studi eksplisit tentang sistem kompleks dimulai setidaknya pada tahun 1970-an,[25] lembaga penelitian pertama yang berfokus pada sistem kompleks, Santa Fe Institute, didirikan pada tahun 1984.[26][27] Peserta Institut Santa Fe awal termasuk peraih Nobel fisika Murray Gell-Mann dan Philip Anderson, peraih Nobel ekonomi Kenneth Arrow, dan ilmuwan Proyek Manhattan George Cowan dan Herb Anderson. Saat ini, terdapat lebih dari 50 institut dan pusat penelitian yang berfokus pada sistem yang kompleks. [rujukan?]

Sejak akhir 1990-an, minat fisikawan matematika dalam meneliti fenomena ekonomi semakin meningkat. Proliferasi penelitian lintas disiplin dengan penerapan solusi yang berasal dari epistemologi fisika telah menyebabkan perubahan paradigma secara bertahap dalam artikulasi teoritis dan pendekatan metodologis di bidang ekonomi, terutama di bidang ekonomi keuangan. Perkembangan tersebut mengakibatkan munculnya cabang disiplin baru, yaitu "ekonofisika", yang secara luas didefinisikan sebagai lintas disiplin ilmu yang menerapkan metodologi fisika statistik yang sebagian besar didasarkan pada teori sistem kompleks dan teori chaos untuk analisis ekonomi. [29]

Penghargaan Nobel Fisika 2021 diberikan kepada Syukuro Manabe, Klaus Hasselmann, dan Giorgio Parisi atas karya mereka dalam memahami sistem yang kompleks. Karya mereka digunakan untuk menciptakan model komputer yang lebih akurat tentang efek pemanasan global terhadap iklim bumi.[30]

Aplikasi

Kompleksitas dalam praktik

Pendekatan tradisional untuk menghadapi kompleksitas adalah dengan mengurangi atau membatasinya. Biasanya, ini melibatkan kompartementalisasi: membagi sistem besar menjadi bagian-bagian yang terpisah. Organisasi, misalnya, membagi pekerjaan mereka menjadi departemen yang masing-masing menangani masalah yang berbeda. Sistem rekayasa sering dirancang menggunakan komponen modular. Namun, desain modular menjadi rentan terhadap kegagalan ketika muncul masalah yang menjembatani divisi tersebut.

Manajemen kompleksitas

Karena proyek dan akuisisi menjadi semakin kompleks, perusahaan dan pemerintah ditantang untuk menemukan cara yang efektif untuk mengelola mega-akuisisi seperti Sistem Tempur Masa Depan Angkatan Darat. Akuisisi seperti FCS bergantung pada jaringan bagian yang saling terkait yang berinteraksi secara tak terduga. Ketika akuisisi menjadi lebih jaringan-sentris dan kompleks, bisnis akan dipaksa untuk menemukan cara untuk mengelola kompleksitas sementara pemerintah akan ditantang untuk menyediakan tata kelola yang efektif untuk memastikan fleksibilitas dan ketahanan.[31]

Ekonomi kompleksitas

Selama beberapa dekade terakhir, dalam bidang ekonomi kompleksitas yang muncul, alat prediksi baru telah dikembangkan untuk menjelaskan pertumbuhan ekonomi. Demikian halnya dengan model yang dibangun oleh Institut Santa Fe pada tahun 1989 dan indeks kompleksitas ekonomi (ECI) yang lebih baru, yang diperkenalkan oleh fisikawan MIT Cesar A. Hidalgo dan ekonom Harvard Ricardo Hausmann. Berdasarkan ECI, Hausmann, Hidalgo dan tim mereka dari The Observatory of Economic Complexity telah menghasilkan prakiraan PDB untuk tahun 2020.[rujukan?] Analisis kuantifikasi perulangan telah digunakan untuk mendeteksi karakteristik siklus bisnis dan perkembangan ekonomi. Untuk tujuan ini, Orlando et al.[32] mengembangkan apa yang disebut indeks korelasi kuantifikasi rekurensi (RQCI) untuk menguji korelasi RQA pada sinyal sampel dan kemudian menyelidiki penerapannya pada deret waktu bisnis. Indeks tersebut telah terbukti mendeteksi perubahan tersembunyi dalam deret waktu. Selanjutnya, Orlando et al.,[33] melalui kumpulan data yang luas, menunjukkan bahwa analisis kuantifikasi pengulangan dapat membantu dalam mengantisipasi transisi dari fase laminar (yaitu reguler) ke turbulen (yaitu kacau) seperti PDB AS pada tahun 1949, 1953, dll. Terakhir tetapi tidak kalah pentingnya, telah ditunjukkan bahwa analisis kuantifikasi perulangan dapat mendeteksi perbedaan antara variabel ekonomi makro dan menyoroti fitur tersembunyi dari dinamika ekonomi.

Kompleksitas dan pendidikan

Berfokus pada isu-isu kegigihan siswa dengan studi mereka, Forsman, Moll dan Linder mengeksplorasi "kemampuan menggunakan ilmu kompleksitas sebagai kerangka untuk memperluas aplikasi metodologis untuk penelitian pendidikan fisika", menemukan bahwa "membingkai analisis jaringan sosial dalam perspektif ilmu kompleksitas menawarkan penerapan baru dan kuat di berbagai topik PER".[34]

Kompleksitas dan biologi

Ilmu kompleksitas telah diterapkan pada organisme hidup, dan khususnya pada sistem biologis. Salah satu bidang penelitian adalah kemunculan dan evolusi sistem cerdas. Analisis parameter sistem intelektual, pola kemunculan dan evolusinya, ciri khas, serta konstanta dan batasan struktur dan fungsinya memungkinkan untuk mengukur dan membandingkan kapasitas komunikasi (~100 hingga 300 juta m/dtk), untuk menghitung jumlah komponen dalam sistem intelektual (~1011 neuron), dan untuk menghitung jumlah tautan sukses yang bertanggung jawab untuk kerja sama (~1014 sinapsis)[35] Dalam bidang fisiologi fraktal yang muncul, sinyal tubuh, seperti detak jantung atau aktivitas otak, ditandai dengan menggunakan indeks entropi atau fraktal. Tujuannya seringkali untuk menilai keadaan dan kesehatan sistem yang mendasarinya, dan mendiagnosis gangguan dan penyakit potensial.

Kompleksitas dan pemodelan

Salah satu kontribusi utama Friedrich Hayek pada teori sistem kompleks awal adalah pembedaannya antara kapasitas manusia untuk memprediksi perilaku sistem sederhana dan kapasitasnya untuk memprediksi perilaku sistem kompleks melalui pemodelan. Dia percaya bahwa ilmu ekonomi dan ilmu tentang fenomena kompleks pada umumnya, yang dalam pandangannya mencakup biologi, psikologi, dan sebagainya, tidak dapat dimodelkan menurut ilmu-ilmu yang berurusan dengan fenomena yang pada dasarnya sederhana seperti fisika.[36] Hayek secara khusus akan menjelaskan bahwa fenomena kompleks, melalui pemodelan, hanya dapat memungkinkan prediksi pola, dibandingkan dengan prediksi tepat yang dapat dibuat dari fenomena non-kompleks.[37]

Kompleksitas dan teori kekacauan

Teori sistem kompleks berakar pada teori chaos, yang pada gilirannya berawal lebih dari seabad yang lalu dalam karya matematikawan Prancis Henri Poincaré. Kekacauan terkadang dipandang sebagai informasi yang sangat rumit, bukan sebagai ketiadaan keteraturan.[38] Sistem kacau tetap deterministik, meskipun perilaku jangka panjangnya sulit diprediksi dengan akurasi apa pun. Dengan pengetahuan sempurna tentang kondisi awal dan persamaan yang relevan yang menggambarkan perilaku sistem kacau, seseorang secara teoritis dapat membuat prediksi sistem yang sangat akurat, meskipun dalam praktiknya hal ini tidak mungkin dilakukan dengan akurasi yang berubah-ubah. Ilya Prigogine berpendapat[39] bahwa kompleksitas bersifat non-deterministik dan tidak memberikan cara apa pun untuk memprediksi masa depan secara tepat.[40]

Munculnya teori sistem kompleks menunjukkan domain antara tatanan deterministik dan keacakan yang kompleks.[41] Hal ini disebut sebagai "tepi kekacauan".[42]

Plot penarik Lorenz.

Ketika seseorang menganalisis sistem yang kompleks, kepekaan terhadap kondisi awal, misalnya, bukanlah masalah yang sepenting dalam teori chaos, di mana ia berlaku. Sebagaimana dinyatakan oleh Colander, [43] studi tentang kompleksitas adalah kebalikan dari studi tentang kekacauan. Kompleksitas adalah tentang bagaimana sejumlah besar rangkaian hubungan yang sangat rumit dan dinamis dapat menghasilkan beberapa pola perilaku sederhana, sedangkan perilaku kacau, dalam arti kekacauan deterministik, adalah hasil dari sejumlah kecil interaksi non-linier.[41] Untuk contoh terbaru di bidang ekonomi dan bisnis, lihat Stoop et al.[44] yang membahas posisi pasar Android, Orlando [45] yang menjelaskan dinamika perusahaan dalam hal sinkronisasi timbal balik dan regularisasi kekacauan ledakan dalam kelompok sel yang meledak secara kacau dan Orlando et al. [46] yang memodelkan data keuangan (Indeks Stres Keuangan, swap dan ekuitas, muncul dan berkembang, perusahaan dan pemerintah, jatuh tempo pendek dan panjang) dengan model deterministik dimensi rendah.

Oleh karena itu, perbedaan utama antara sistem kacau dan sistem kompleks adalah sejarahnya.[47] Sistem kacau tidak bergantung pada sejarahnya seperti yang dilakukan sistem kompleks. Perilaku kacau mendorong sistem dalam keseimbangan ke dalam tatanan kacau, yang berarti, dengan kata lain, keluar dari apa yang secara tradisional kita definisikan sebagai 'keteraturan'. [klarifikasi diperlukan] Di sisi lain, sistem yang kompleks berkembang jauh dari keseimbangan di tepi kekacauan. Mereka berevolusi pada keadaan kritis yang dibangun oleh sejarah peristiwa yang tidak dapat diubah dan tidak terduga, yang oleh fisikawan Murray Gell-Mann disebut sebagai "akumulasi kecelakaan beku". [48] Dalam arti tertentu, sistem chaos dapat dianggap sebagai bagian dari sistem kompleks yang dibedakan secara tepat oleh ketiadaan ketergantungan historis ini. Banyak sistem kompleks yang nyata, dalam praktiknya dan dalam periode yang panjang tetapi terbatas, kuat. Namun, mereka memiliki potensi untuk perubahan kualitatif radikal sambil tetap mempertahankan integritas sistemik. Metamorfosis mungkin lebih dari sekadar metafora untuk transformasi semacam itu.

Complexity and network science (Kompleksitas dan ilmu jaringan)

Suatu sistem yang kompleks biasanya terdiri dari banyak komponen dan interaksinya. Sistem seperti itu dapat diwakili oleh jaringan di mana node mewakili komponen dan tautan mewakili interaksinya.[49][50] Misalnya, Internet dapat direpresentasikan sebagai jaringan yang terdiri dari node (komputer) dan tautan (koneksi langsung antar komputer). Contoh lain dari jaringan yang kompleks termasuk jaringan sosial, saling ketergantungan lembaga keuangan, [51] jaringan maskapai penerbangan, [52] dan jaringan biologis.

Sumber: wikipedia