ANALISIS KEBIJAKAN

DENGAN SYSTEM DYNAMIC

OUTLINE
SYSTEM DYNAMIC DAN KEBIJAKAN

SYSTEM DYNAMIC SEBAGAI METODOLOGI

PERANGKAT LUNAK SIMULASI

LATIHAN SIMULASI

CONTOH MODEL KEBIJAKAN

SYSTEM DYNAMIC
❑ Suatu metodologi untuk mempelajari dan mengelola sistem-sistem umpan-
balik yang kompleks, seperti dalam bisnis dan sistem-sistem sosial lainnya.
❑ Sistem adalah sekumpulan komponen/elemen yang saling berinteraksi dan
bekerja sama untuk mencapai tujuan yang sama.
❑ Kompleksitas:
❑ Detail Complexity: Kompleksitas dalam hal jumlah elemen (komponen)
dalam suatu fenomena (sistem), atau jumlah kombinasi yang harus
dipertimbangkan dalam membuat keputusan.
❑ Dynamic Complexity: Meningkatknya hubungan (interaksi) antara agen
(elemen) dari waktu ke waktu.
STRATEGI DAN KEBIJAKAN
Tujuan

Menciptakan kondisi & iklim yang mendukung

diwujudkan dengan

Strategi Kebijakan

perwujudan dan pelaksanaan

diungkapkan
diimplementasikan
dalam bentuk
melalui berbagai

Program
•Policy statements
•Policy instruments
direalisasikan dengan •Policy measures
melaksanakan

Aktivitas
KEBIJAKAN
❑ Petunjuk-petunjuk (directives) yang dikeluarkan dan
disebarluaskan (oleh pemerintah) dengan tujuan:
 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.
PELAKSANAAN KEBIJAKAN
Untuk melaksanakan kebijakan, setelah mengeluarkan
kebijakan (pernyataan):
❑ Membentuk, merumuskan, dan mengkeluarkan instrumen-
instrumen kebijakan (hukum, peraturan, petunjuk-petunjuk);
❑ Membentuk dan mendirikan badan-badan administratif dan
prosedurprosedur untuk mencatat (to administer)kegiatan-
kegiatan yang berkaitan dengan pelaksanaan kebijakan; dan
❑ Mengalokasikan sumberdaya (dana, manusia, fasilitas) untuk
mendukung badan administratif di atas.
PEMODELAN KEBIJAKAN (POLICY MODELLING)
MODEL
❑ Model suatu fenomena adalah deskripsi (penjelasan atau gambaran)
struktu fenomena tersebut yang dinyatakan (diungkapkan) menggunakan
bentuk- bentuk media yang dapat dikomunikasikan.
❑ Bentuk Model:
❑ Iconic model (patung dan maket),
❑ graphical model (grafik dan gambar),
❑ mathematical model (persamaan matematik),
❑ tabular model (tabel inputoutput/tabel I-O yang menyatakan transaksi
antarindustri dalam suatu perekonomian), dan
❑ computer model (model matematik yang dapat dioperasikan atau
disimulasikan).
MODEL MENTAL
❑ 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.
❑ Kelemahan model mental sering kali tidak adaptif terhadap konsekuensi-
konsekuensi dinamis yang muncul.

Keputusan berdasarkan model mental, Hasil Keputusan:

Dibutuhkan suatu model eksplisit ???

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 DIBENTUK HARUS
▪ 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 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.
PRINSIP-PRINSIP MEMBUAT MODEL DINAMIK

❑ 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.
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.
METODE ILMIAH (SAEED 1984)
PEMODELAN
❑ 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).
❑ KESUKARAN:
▪ menentukan batas-batas model (model boundary); dan
▪ menentukan struktur pembuatan keputusan.
CARA
1. Pendekatan kotak hitam (black box approach), hubungan- hubungan struktural
biasanya dicari melalui suatu proses deduksi dari data historis tentang perilaku
sistem. Penentuan variabel-variabel yang penting yang harus masuk dalam model
ditentukan melalui pengujian-pengujian statistik berdasarkan data historis
perilaku sistem tersebut.
2. Alternatif lain adalah memodelkan struktur proses pembuatan keputusan aktor-
aktor dalam sistem (fenomena) berdasarkan struktur informasi sistem yang di
dalamnya terdapat aktor-aktor, sumber-sumber informasi, dan jaringan aliran
informasi yang menghubungkan keduanya.
❑ Analogi fisik, sumber informasi merupakan suatu tempat penyimpanan
(storage/stock), sedangkan keputusan merupakan aliran yang masuk ke
atau keluar dari tempat penyimpanan itu.
❑ Analogi matematik, sumber informasi dinyatakan sebagai variabel
keadaan (state variable), sedangkan keputusan merupakan turunan
(derivative) variabel keadaan tersebut.
PROSES PENGAMBILAN KEPUTUSAN
STRUKTUR FISIK DAN STRUKTUR PEMBUATAN
KEPUTUSAN
Proses pembuatan keputusan menyangkut fenomena- fenomena
yang dinamis. Fenomena dinamis ini dimunculkan oleh adanya
struktur fisik dan struktur pembuatan keputusan yang saling
berinteraksi.
▪ Struktur fisik dibentuk oleh akumulasi (stok) dan jaringan aliran
orang, barang, energi, dan bahan.
▪ Struktur pembuatan keputusan dibentuk oleh akumulasi (stok)
dan jaringan aliran informasi yang digunakan oleh aktor-aktor
(manusia) dalam sistem yang menggambarkan kaidah-kaidah
proses pembuatan keputusannya.
SYSTEM DYNAMIC SEBAGAI
METODOLOGI
 Suatu fenomena menyangkut 2 hal (aspek):

(1) Struktur (structure) Perilaku (behavior) (2)

(Unsur pembentuk fenomena dan pola (perubahan suatu besaran/variabel
keterkaitan antar unsur tersebut) dalam suatu kurun waktu tertentu, baik
kuantitatif maupun kualitatif)
A
Produksi padi (ton/tahun)

D
B

C
Tahun
Fenomena sosial :
struktur fisik; dan
struktur pembuatan keputusan.
Pemahaman hubungan struktur dan perilaku sangat diperlukan dalam
mengenali suatu fenomena.
20
POLA KETERKAITAN ANTAR UNSUR
(1) feedback (causal loop)
(2) stock (level) dan flow (rate)
(3) delay
(4) nonlinearity
1). HUBUNGAN (KETERKAITAN): SEBAB-AKIBAT (CAUSE & EFFECT ); DAN
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.
22
 + Ada 2 macam polarisasi (arah) hubungan
sebab-akibat (kausal), yaitu:
• hubungan kausal positif (+ atau s); dan
- • hubungan kausal negatif (- atau o).

23
Hubungan Kausal Positif
+
Kelahiran Populasi
(sebab) (akibat)

Kelahiran menambah Populasi

+
Populasi Kelahiran
(sebab) (akibat)

Populasi meningkat (menurun), kelahiran akan meningkat (menurun)

(aspek perubahan, searah)
24
Hubungan Kausal Negatif -
Kematian Populasi
(sebab) (akibat)

Kematian mengurangi Populasi

-
Harga Konsumsi
(sebab) (akibat)

Harga meningkat (menurun), konsumsi akan menurun (meningkat)

(aspek perubahan, negasi)
25
Hubungan sebab-akibat (kausal) beberapa
pasangan variabel dapat membentuk suatu
lingkaran tertutup (lingkar umpan-balik,
feedback loop, atau causal loop).
Ada 2 macam lingkar umpan-balik, yaitu:
lingkar umpan-balik positif (growth); dan
lingkar umpan-balik negatif (goal seeking)

Causal Loop Diagram (CLD) populasi

+ +

Kelahiran (+) Populasi ( -) Kematian

+ -
26
 2) LEVEL (STOCK) DAN RATE (FLOW)

❑ Dalam merepresentasikan aktivitas dalam suatu lingkar umpan-

balik, digunakan dua jenis variabel yang disebut sebagai level
dan rate.
❑ Level menyatakan kondisi sistem pada setiap saat. 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)
27
3) DELAY

28
4) NONLINEARITY
Pola keterkaitan Non-Linearity. Perubahan “sebab” tidak selalu
berpengaruh linier terhadap “akibat”

[nonlinier]

29
POLA KARAKTERISTIK PERILAKU SISTEM

Exponential Goal
Seeking
Growth

Oscillation

Overshoot and
S-shaped Growth with collapse
Growth
Growth Overshoot
PERILAKU TINGKAT KONSENTRASI BEKERJA
Kondisi Umum Hari Jum’at Bulan puasa

Sumber: Hidayatno (2013)

PERANGKAT LUNAK SIMULASI
32
PERANGKAT LUNAK SIMULASI

1.
• Powersim: https://www.powersim.no/

2.
• Vensim: https://vensim.com/

3.
• Any Logic: https://www.anylogic.com/

4.
• STELLA: https://iseesystems.com/store/products/stella-online.aspx

5.
• Dynamo, dll
POWERSIM STUDIO 10
VENSIM 8.0.4
LATIHAN SIMULASI
Model Populasi: LOOP POSITIF
Causal Loop Diagram (CLD)

+
Population
+
Population
Growth +
+

Population
Growth Fraction

37
Flow Diagram Model Populasi

38
Perilaku Model Populasi

39
Model Pendingin (AC): LOOP NEGATIF
Causal Loop Diagram (CLD)

+
Suhu ruangan

Perubahan -
- suhu + -
Perbedaan suhu
+
Waktu penyesuaian
suhu Setting suhu

40
Flow Diagram Model Pendingin (AC)

41
 Model Investasi
Causal Loop Diagram (CLD)

+
Investment - Capital
- +-
Time to
Adjust Desired
Capital Capital

42
Flow Diagram Model Investasi

43
Perilaku Model Investasi

44
Positive Feedback dan
Negative Feedback
(Model Populasi)

45
 Causal Loop Diagram Model Populasi

+
Population
+ -
-
+
Birth Rate +
Death Rate
+ +

Fertility Mortality

46
Flow Diagram Model Populasi

47
Perilaku Model Populasi

48
 Delay
(Model Pegawai)

49
• CLD Tanpa Delay

+
Pengangkatan + -
Pegawai Pensiun
Pegawai
+ - -

-
Pegawai yang
Pertambahan Pegawai
Dibutuhkan
dari Kebutuhan
+

50
• CLD Dengan Delay
+
Pengangkatan + -
Pegawai Pensiun
Pegawai
+ + - -

- Delay
Pegawai yang
Pertambahan Pegawai
Dibutuhkan
dari Kebutuhan
+
+ +
Pensiun Rata-Rata
Pertambahan
Pegawai dari Pensiun
+

51
• Simulasi Model Pegawai Tanpa Delay
Masa Kerja

Pegawai
Pengangkatan Pensiun

Pegawai yang
Pertambahan Pegawai dibutuhkan
dari yang dibutuhkan
Selected Variables
20
Waktu 20
pengangkatan

14.5
15

9
10
0 1 2 3 4 5 6 7 8 9 10
Time (Year)
Pegawai : Current
Pegawai yang dibutuhkan : Current
52
• Simulasi Model Pegawai Dengan Delay
Waktu merata-ratakan
Pensiun Rata2 Pensiun
Pertambahan
Pegawai dari Pensiun

Masa Kerja

Pegawai
Selected Variables
Pengangkatan Pensiun
20
20

Pegawai yang
Pertambahan Pegawai dibutuhkan 14.5
dari yang dibutuhkan 15

Waktu
pengangkatan 9
10
0 1 2 3 4 5 6 7 8 9 10
Time (Year)
Pegawai : Current
Pegawai yang dibutuhkan : Current

53
Nonlinearity
(Model Polusi)

54
CLD Linear
++ ++
Pollution Growth
Pollution Pollution
Pollution
Rate Growth Pollution
Pollution -
Absorption Rate
Rate Absorption- Rate
--
-

Pollution
AbsorptionPollution
Time
Absorption Time

55
CLD Nonlinear
++ ++
Pollution Growth
Pollution Pollution
Rate Growth
Pollution
Pollution
Pollution -
Absorption Rate
Rate Absorption- Rate
--
-

Pollution
AbsorptionPollution
Time
+ Absorption Time

56
 Model Linear
Pollution
20

15
Pollution Pollution
Pollution Growth
Absorption Rate
Rate 10

Pollution Growth Pollution 5

Rate Constant Absorption Time
0
0 1 2 3 4 5 6 7 8 9 10
Time (year)
Pollution : polgr 20 Pollution : polgr 4
Pollution : polgr 8 Pollution : polgr 2

57
 Model nonlinear Pollution
200
PR[ ] PAT(Year)
0 0.6
150
Pollution Pollution
Pollution Growth 10 2.5
Absorption Rate
Rate 100
20 5

50 30 8
Pollution Growth Pollution
40 11.5
Rate Constant Absorption Time 0
Pollution Ratio
0 1 2 3 4 5 6 7 8 9 10 50 15.5
(PR) (PAT) Time (year)
60 21
Pollution Standard Pollution : nonlinear polgr 20
Pollution : nonlinear polgr 8 70 31
Pollution : nonlinear polgr 4
Pollution : nonlinear polgr 2 80 50

58
MODEL KEBIJAKAN
 Model Pertanian
Kajian Peningkatan Produksi Padi Dengan Pendekatan
System Dynamics
(Studi Kasus : Kabupaten Bandung)

*) Nuraeni Arumsari (2017) 60

 Teori dan Konsep (1)
Produksi padi dalam setahun (ton/tahun) ditentukan: luas
lahan yang ditanami padi (ha),
• yield per hektar varietas (bibit) padi yang ditanam
(ton/ha),
• faktor pengali tingkat kesuburan tanah [tanpa dimensi
atau ()],
• faktor pengali gangguan hama [tanpa dimensi atau ()],
dan
• intensitas penanaman padi dalam setahun (/tahun).

Sumber : M. Tasrif (2017) 61

 Teori dan Konsep (2)
P = L * Y * FS * FH * I
P = produksi padi [ton/tahun]
L = luas lahan yang ditanami padi [ha]
Y = yield per hektar varietas padi [ton/ha]
FS = faktor pengali tingkat kesuburan tanah []
FH = faktor pengali gangguan hama []
I = intensitas penanaman padi [/tahun]
Sumber : M. Tasrif (2017)

62
 Global Model Produksi Padi (Revitalisasi)

+
Luas Lahan Intensitas Tanam

+ +
Produksi Padi
-
+

Yield
Kesuburan Tanah Hama
63
 Causal Loop Diagram Model
Produksi Padi di Kabupaten Bandung
intensitas tanam target produksi
yield maksimum padi 2045
+
+ yield maksimum efek kesuburan + Kebijakan
intensitas tanam peningkatan - Ketahanan Pupuk
tanah
+ produksi padi ydi
+ + +
+
- + Kebijakan
+ luas panen
efek produksi padi yield aktual efek hama Penanggulangan
ketersediaan air + + Hama
+
+ +
+ -
efek implementasi + Kebijakan Penggunaan
Kebijakan + produktivitas ydi target yield Bibit Varietas Unggul
+ produktivitas
Irigasi -
padi
+ +
lahan sawah - konversi lahan sawah ke
lahan non
lahan non pertanian
- - pertanian
+ +

-
Kebijakan Lahan efek ketersediaan lahan tambahan lahan non
Sawah Abadi sawah terhadap konversi pertanian ydi
+ lahan non pertanian + +
lahan non pertanian
perkapita aktual
Kebijakan Pembangunan kebutuhan minimum -
lahan non +
Pemukiman dan lahan non pertanian
+ pertanian ydi
Infrastruktur Vertikal perkapita +

+
Kebijakan Pengendalian laju pertumbuhan pertumbuhan
+ penduduk
Pertambahan Penduduk penduduk + penduduk
-
+
64
 Flow Diagram Sub Model Lahan
Sub Model Lahan

produktivitas waktu mengkonversi initial lahan non

<produksi padi lahan sawah ke lahan non pertanian 2008
pertanian
padi>

tabel lahan sawah initial lahan sawah lahan lahan non

historis 2008 sawah konversi lahan sawah ke pertanian
lahan non pertanian

lahan sawah rasio lahan sawah

terhadap batas yg efek ketersediaan lahan sawah tambahan lahan non
historis
dipertahankan terhadap konversi lahan non pertanian ydi
pertanian

batas lahan sawah

<Time>
yang dipertahankan

<lahan non
pertanian ydi>
65
Flow Diagram Sub Model Penduduk
Sub Model Penduduk

tabel skenario kebutuhan

minimum lahan non lahan non pertanian
pertanian perkapita perkapita aktual

lahan non
<Time> pertanian ydi
skenario kebutuhan <lahan non
minimum lahan non pertanian>
pertanian perkapita
tabel skenario laju
pertumbuhan penduduk
penduduk
pertumbuhan
penduduk

<Time> skenario laju

initial penduduk
pertumbuhan penduduk
2008

penduduk historis tabel penduduk

historis

66
 Flow Diagram Sub Model Produksi
Sub Model Produksi

<waktu mulai intensitas tanam yield tabel skenario faktor tabel intensitas tabel produksi
kebijakan yield> maksimum ketersediaan air tanam historis padi historis

<Time> intensitas tanam

intensitas tanam
potensial historis
produksi padi
historis
intensitas tanam
tabel skenario efek
yield 2008
skenario faktor <Time> kesuburan tanah
ketersediaan air

intensitas tanam
normal luas panen historis
yield maksimum skenario efek
kesuburan tanah
tabel skenario
intensitas tanam tabel luas panen efek hama
<waktu implementasi historis
varietas baru>
<Time>
luas panen produksi yield aktual
padi skenario efek
hama
target produksi
padi 2045

<lahan sawah> <implementasi

target yield>

67
Flow Diagram Sub Model Implementasi Yield
Sub Model Implementasi Yield

target pangsa lahan sawah waktu mulai pangsa lahan sawah

dengan yield maksimum kebijakan yield dengan yield maksimum
2008

<Time>
pangsa lahan sawah
dengan yield maksimum
potensial
waktu implementasi
persentase lahan sawah varietas baru
yield maksimum

pangsa lahan sawah

persen 100 yield 2008
dengan yield maksimum

lahan sawah dengan implementasi

yield maksimum target yield <yield
maksimum>
persentase lahan
sawah yield 2008 pangsa lahan sawah
dengan yield 2008

lahan sawah dengan

yield 2008

68
<lahan sawah>
MODEL GUNA LAHAN
HIPOTESIS DINAMIS MODEL GUNA LAHAN
CAUSAL LOOP DIAGRAN MODEL GUNALAHAN KEBUN
SAWIT SWADAYA