BAB III METODOLOGI PENELITIAN III. 1 System Dynamics sebagai suatu Metodologi System Dynamics mendesak para pengambil keputusan untuk melihat arena kebijakannya sebagai suatu paradigma atau model yang meyeluruh (world view) (Meadows dalam Myrtveit, 2005). System dynamics tidak saja merupakan sebuah pandangan holistik atas suatu masalah, ia juga merupakan sebuah metodologi. Tujuan utama pemodelan system dynamics ialah meningkatkan pemahaman kita tentang suatu masalah dan mengidentifikasi kebijakan yang sedang berjalan dengan tujuan akhir untuk meningkatkan hasil atau output sistem sesuai dengan yang kita inginkan. Sebuah sistem (termasuk system dynamics) memuat sejumlah komponen dan relasi diantara komponen-komponennya. Jenis komponen dan interrelasi-nya membentuk identitas sistem dan cara sistem sistem mencapai tujuannya. Dengan menggambarkan relasinya (grafik 3.1) kita dapat melihat struktur suatu sistem termasuk boundary-nya.
X1 X3
X2
Batas Sistem
X4
Struktur Sistem
Gambar 3. 1 Sebuah sistem System Dynamics difokuskan pada pemahaman antara penyebab dan efek (the causes and effects) yang diekspresikan dengan hubungan antara stok (level) dan flow (rate). Dalam system dynamics dinamika model merupakan fungsi dari kondisi awal model dan struktur dari modelnya. System Dynamics utamanya ditujukan untuk meningkatkan pemahaman dan identifikasi penyebab dan solusi dari masalah dunia nyata, karena itu amat penting bagi pemodel untuk membangun model yang sesederhana mungkin tanpa melupakan tujuan pembuatan dan kompleksitas dunia nyata yang dimodelkan. Dengan membuat model yang sederhana kita akan lebih mudah meningkatkan
32
pemahaman kita tentang sistem nyata yang kita amati. Sebaliknya dengan membuat model yang besar dan kompleks kita akan kehilangan peluang untuk meningkatkan pemahaman. Karena itu sebelum membangun suatu model peneliti disarankan untuk mempelajari problem dengan tingkat pemahaman yang holistik dan tidak spasial. Tujuan utama dari pembuatan system dynamics ialah process oriented (Myrtveit, 2005). Pemahaman process oriented dimaksudkan untuk meningkatkan pengetahuan kita melalui simulasi model dengan menjawab pertanyaanpertanyaan kita dan mengumpulkan sebanyak mungkin informasi. Dengan kata lain, pemodelan system dynamics merupakan proses pembelajaran (learning process) bukan sekedar sebuah model belaka. Tujuan pemodelan system dynamics ialah untuk memahami perilaku sistem ke depan (long term prediction) dan tidak sekedar memahami perilaku historis dan fisik sistem. Metodologi system dynamics, dalam memprediksi masa depan, menekankan pentingnya pemahaman tentang delay, efek samping untuk memahami perilaku sistem lebih baik. Maksud
Lingkup
Asumsi
Hasil Akhir
Meningkatkan pemahaman tentang penyebab dan efek-efek yang menghasilkan masalah. Identifikasi solusi dan membangun sejumlah kebijakan untuk mencapai solusi Perspektif holistik, mencakup semua faktor penting yang menyebabkan masalah. Perspektif sistem secara agegrasi dengan menggabungkan eventevent dalam proses simulasi yang berjalan kontinu. Perilaku sistem merupakan fungsi keadaan awal dan struktur sistem. Pemahaman kualitatif sistem dibangun dari sejumlah umpan-balik Berfokus pada pemahaman proses (process oriented) Tabel 3.1 Karakteristik System Dynamics (Myrtveit, 2005)
III. 2 Pemodelan System Dynamics Menurut Richardson dan Pugh (1981), dalam membangun sebuah model, replika sistem nyata, kita selalu dihadapkan pada pertanyaan klasik mengenai keabsahan model sebagai replika sistem nyata. Pertanyaan klasik tersebut: a. Apakah suatu model telah baik ditinjau dari tujuan pembuatan dan masalah yang ingin dipecahkan ?
33
b. Pertanyaan kedua, apakah model konsisten dengan realita (sistem nyata) yang ingin dimodelkan ? Langkah-langkah dalam pemodelan system dynamics (Khalid Saeed, 1994) sebagai berikut: Mental Model, Pengalaman
Mental Model, Pengalaman, Literatur Bukti Empirik
Data empiris (time series)
Persepsi Struktur Sistem
Konseptualisasi Sistem Perbandingan dan Rekonsiliasi
Proses validasi struktur
Proses validasi perilaku
Perbandingan dan Rekonsiliasi
Formulasi Model Representasi Struktur Model
Tool diagram dan deskripsi
Deduksi Prilaku Model
Perlengkapan Komputer
Gambar 3.2 Prosedur pemodelan system dynamics menurut Saeed (1994) III.2.1 Proses Pengenalan Masalah Identifikasi masalah dalam sistem yang kita amati perlu diidentifikasi terlebih dahulu, sebelum kita mulai membuat modelnya. Identifikasi masalah biasanya disertai dengan menetapkan struktur dan perilaku fenomena yang kita amati. Pembentukan struktur-perilaku pada tahap ini dipengaruhi oleh literatur, pengalaman yang kemudian membentuk mental model kita. Fase ini melingkupi penetapan jangka waktu simulasi dan boundary model.
34
Pola referensi (reference mode)
Pola referensi dihasilkan dari pola historis yang menggambarkan perilaku persoalan (problem behaviour). Dalam tahap ini kita juga bisa mempelajari reference mode dari moel system dynamics yang telah ada sebelumnya dan mengembangkannya sesuai dengan tujuan pembuatan model. Pola referensi ini merupakan gambaran perubahan variabel-variabel penting dan variabel lain yang terkait, dari waktu ke waktu.
Hipotesa Dinamik
Hipotesa dinamik merupakan proses iterasi (berulang) dari kombinasi hipotesa awal dan interaksi sistem sesuai yang sesuai dengan hasil yang kita dapat pada tahap reference mode. Hipotesa dinamik juga mengandung perbandingan dengan bukti empiris dan reformulasi akan diperlukan untuk sampai pada suatu hipotesa yang logis dan sahih sesuai data empirik.
Batas Model
Dinamika sebuah sistem dipengaruhi oleh faktor internal dan eksternal. Faktor internal yang mempengaruhinya dinamakan faktor endogenous dan merupakan variabel yang penting dalam menganalisa sistem. Sedangkan faktor eksternal yang mempengaruhi sistem dinamakan faktor exogenous. Karena itu penentuan batas model perlu ditentukan terlebih dahulu dengan jelas agar kita mudah mendefinisikan faktor endogenous dan exogenous model.
Batas model ini
membantu kita untuk memisahkan proses-proses yang menyebabkan adanya kencenderungan internal yang diungkapkan dalam pola referensi dari prosesproses yang merepresentasikan pengaruh-pengaruh eksogen, yaitu pengaruh yang berasal dari luar sistem.
Waktu Simulasi
Setelah batas model ditetapkan bersamaan dengan penetapan variabel exogenous dan endogenous-nya, pemodel harus menetapkan dengan cermat jangka waktu simulasi model. Jangka waktu simulasi amat penting untuk mendapatkan dinamika perubahan yang
dibawa oleh interaksi diantara faktor internal dan
eksternal model. Jika waktu simulasi tidak cermat, bisa saja interaksi dalam model tidak teramati dengan baik.
35
III.2.2 Konseptualisasi Sistem Pada fase ini kita mulai untuk membangun struktur feedback sistem yang kita amati. Pemahaman struktur umpan-balik ini penting karena struktur inilah yang membangun dinamika model yang kita buat. Kita juga harus membangun struktur informasi, menguji validitas model dan rancangan untuk melakukan eksplorasi kebijakan. Dalam tahap ini kita mulai menggambarkan sistem dalam fase kualitatif yaitu membangun diagram causal loop. Dan mengembangkan diagram causal loop ke dalam diagram alir (flow diagram) komputer. III.2.3 Formulasi Model Fase ini termasuk tahap pembangunan model yang bersifat kuantitatif. Yaitu melengkapi model yang kita buat dengan persamaan-persamaan matematika yang menghubungkan antara variabel satu dengan variabel lainnya – dalam bahasa program simulasi yang kita gunakan. Proses kuantitatif ini memungkinkan model kita untuk melakukan simulasi untuk menentukan perilaku dinamis yang sesuai dengan konseptualisasi yang kita lakukan sebelumnya. Menurut Richardson (2008) ada beberapa yang perlu diperhatikan dalam menulis persamaan model:
Parameter yang dikenal (Recognizable parameters) Menggunakan parameter yang mudah dimengerti atau sudah dikenal luas.
Persamaan yang handal (Robust equation forms) Menggunakan persamaan yang handal dalam artian mampu menjelaskan dinamika model dalam keadaan ekstrim.
Fase relasi (Phase relations) Membangun relasi yang jelas antara persamaan dalam model.
Richardson’s Rule: Menggunakan persamaan matematika yang sesederhana mungkin. Dalam pandangan Richardson (2008) persamaan matematika yang kompleks dan berlebihan akan mengurangi tingkat konfidensi model.
36
Prinsip-prinsip untuk membuat model dinamik menurut 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 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 ekstrim.
Struktur dasar dalam pemodelan system dynamics yaitu:
State Variabel, variabel ini sering dinamakan level atau stock, yang berfungsi sebagai media storage perubahan yang terjadi dalam simulasi model. Variabel ini sangat penting karena perubahan-perubahan variabel lain diakumulasikan dalam variabel ini. Level pada suatu loop hanya bisa didahului oleh rate, tetapi bisa diikuti oleh auxiliary atau rate.
Persamaan rate atau flow, menggambarkan aliran materi atau informasi yang ada dalam model. menggambarkan aliran materi atau informasi yang ada dalam model. Nilainya dipengaruhi oleh informasi-informasi atau materi yang melaluinya.
Persamaan auxiliary, sesuai dengan namanya persamaan ini berfungsi sebagai persamaan bantu dalam merumuskan persamaan rate, yang digunakan untuk mendefinisikan faktor-faktor yang menentukan persamaan rate secara terpisah.
Persamaan sisipan (supplementary). Untuk mempermudah pemahaman tentang model, kita juga dapat mencantumkan persamaan sisipan yang dipergunakan untuk mempermudah pembacaan model.
Persamaan nilai awal (initial value), variabel level harus ditentuksn terlebih dahulu nilai initial-nya agar dapat disimulasikan.Terkadang nilai awal rate
37
harus terlebih dahulu ditentukan sebelum siklus pertama perhitungan persamaan model dilakukan.
Aliran material, yaitu aliran benda fisik dari suatu variabel ke variabel lain yang perpindahannya per waktu dinyatakan dalam persamaan rate.
Aliran informasi, yaitu suatu struktur yang berperan dalam fungsi-fungsi keputusan yang tidak mempengaruhi variabel secara langsung.
III.2.4 Pengujian dan Pengembangan Model a. Pengujian Model Untuk mengetahui kesahihan model sebagai replika sistem nyata, perlu dilakukan pengujian model. Uji model dilakukan dengan membandingkan perilaku model dengan perilaku sistem yang sebenarnya yang direpresentasikan oleh data empirik di lapangan. Jika perbandingan hasil simulasi model mempunyai kesesuaian dengan data empirik, maka model dapat dinyataakan sebagai replika sistem nyata yang baik atau valid. Validasi ialah proses untuk menguji konfidensi struktur dan perilaku model sebagai suatu representasi sistem nyata yang dapat dipercaya. Validasi diperlukan dalam upaya untuk membandingkannya dengan pola referensi dan secara terusmenerus memodifikasi dan memperbaiki struktur model. Suatu model secara struktur dapat dikatakan valid jika model tidak hanya dapat membuat reproduksi perilaku sistem, akan tetapi juga dapat mengungkapkan bagaimana sistem bekerja dalam menghasilkan perilaku tersebut. Oleh karena itu model dapat dikatakan baik jika model dapat menambah pemahaman terhadap perilaku sistem yang dimaksud, mudah dikomunikasikan dan dapat menolong perbaikan pada sistem tersebut. Bila ada korespondensi antara model dan sistem nyata, makamodel yang dibuat dapat diterima sebagai suatu representasi persoalan yang sahih dan dapat digunakan
untuk analisis
kebijakan. Validasi model dapat dilakukan dengan 2 cara yaitu:
Validasi melalui komparasi grafik hasil simulasi dengan data statistik; Validasi jenis ini ditampilkan dengan menyatukan representasi data empirik dan data hasil simulasi dalam satu grafik.
38
Validasi dengan uji statistik (Theil Statistics).
Dalam uji statistik, standar yang digunakan untuk mengukur kesalahan adalah rataan kuadrat kesalahan (mean square error; MSE), yang dinyatakan dengan persamaan berikut (Sterman, 1984) : n
∑ [(S – A )/A ]
MSE = 1/n
t
t
t
2
………….. (3.1)
n=1 dimana: MSE = Mean Square Error; St = nilai simulasi pada waktu t; At = nilai aktual pada waktu t; n
= jumlah pengamatan (t = 1, …, n);
Semakin rendah nilai MSE menunjukan tingkat kesalahan yang kecil, dan demikian
sebaliknya.
Penafsiran
kesalahan-kesalahan
hasil
simulasi
dipresentasikan dengan Root Mean Square Percent Error (RMSPE), yang dinyatakan dengan persamaan berikut : n RMSPE =
√1/n
..……….. (3.2)
∑ [(S – A )/A ] t
t
t
2
n=1 Kesalahan-kesalahan yang termaktub dalam MSE dapat disusun dalam 3 jenis kesalahan. Uji statistik Theil didasarkan pada perhitungan bahwa error dalam model merupakan proporsi ketidaksamaan bias (Um), ketidaksamaan varian (Us) dan ketidaksamaan kovarian (Uc). Dalam meningkatkan kepercayaan terhadap model,
model yang ideal seharusnya memiliki
kesalahan yang
sangat kecil dan terkonsentrasi pada UC dan US. Namun dari semua uji statistik dimaksud, penentuan signifikansi dan tingkat tolerasinya bergantung pada tujuan model dibuat dan karakteristik datanya.
39
Persamaan-persamaan ketidaksamaan tersebut diuraikan di bawah ini :
( Ŝ– Ā)2 UM =
………….. (3.3)
n
1/n ∑ [ St – At ]2 n=1
( SS– SA)2 US =
………….. (3.4)
n
1/n ∑ [ St – At ]2 n=1
2 ( 1– r) SS . SA C
U =
n
………….. (3.5) 2
1/n ∑ [ St – At ] n=1
………….. (3.6)
UM + US + UC = 1 Dimana : Nilai
dari masing-masing besaran di atas
diberikan oleh persamaan-
persamaan berikut ini: Ŝ = 1/n ∑ St
………….. (3.7)
Aˆ = 1/n ∑ At
………….. (3.8)
SS = √1/n ∑ [ St – Ŝ ]2
………….. (3.9)
SA = √1/n ∑ [ At – Ā ]2
r =
1/n ∑ [ St – Ŝ ]2 [ At – Ā ]2 SS.SA
………….. (3.10)
………….. (3.11)
40
dimana: UM = proporsi MSE karena bias US = proporsi MSE karena varian UC = proporsi MSE karena kovarian Sˆ
= rata-rata nilai simulasi
Aˆ = rata-rata nilai aktual St = nilai simulasi pada waktu t At = nilai aktual pada waktu t SS = standar deviasi nilai simulasi SA = standar deviasi nilai aktual n = jumlah pengamatan (t = 1, …, n) Hasil uji ketidaksamaan Theil menjelaskan hal-hal sebagai berikut: a. Kesalahan karena bias diindikasikan
dengan nilai UM yang besar,
sementara nilai US dan UC kecil. Kesalahan karena bias dianggap berpotensi serius dan biasanya merupakan kesalahan dalam mengestimasi parameter. Kesalahan ini dikategorikan
sebagai kesalahan sistematis
antara model dengan kenyataan. b. Kesalahan karena ketidaksamaan varian yang besar juga termasuk kesalahan sistematis. Terdapat dua kasus kesalahan yang tergolong dalam kelompok ini, yaitu:
Jika nilai US mendominasi kesalahan, dengan nilai UM dan UC kecil, berarti terdapat rata-rata yang sama dan korelasi yang tinggi, tetapi jarak varian rata-ratanya berbeda. Keadaan ini menunjukkan nilai simulasi dan nilai aktual yang mempunyai kecenderungan berbeda.
Jika US besar, tetapi memiliki rata-rata yang sama (UM = 0) dan UC kecil, berarti kesalahan terjadi karena gangguan acak (random noise) atau nilai aktual mempunyai siklus yang berbeda dengan nilai simulasi. Interpretasi atas kesalahan ini sangat ditentukan oleh tujuan membuat model. Jika model dibuat untuk menyelidiki pola siklus sistem, maka kesalahan ini dapat dikategorikan sebagai kesalahan sistematis. Akan
41
tetapi apabila tujuan membuat model untuk menganalisa perilaku jangka panjang, maka kesalahan ini tidak penting dan tidak bersifat sistematis.
Kesalahan karena ketidaksamaan kovarian yang diindikasikan dengan nilai UC
yang besar, sedangkan nilai UM dan US
kecil.
Hal ini
menunjukkan bahwa nilai tiap-tiap titik (point by point) antara simulasi dengan hasil aktual tidak sama
meskipun model dapat dikatakan
memiliki nilai rata-rata dan kecenderungan yang sama dengan nilai aktualnya.
Nilai UC
yang
besar merupakan indikasi terjadinya
gangguan (noise) pada pola siklus (cyclical modes) pada data historis yang tidak dapat ditangkap oleh model. Kesalahan ini pada umumya bukan merupakan kesalahan sistematis. Proses validasi harus pula dilengkapi dengan proses-proses pengujian validasi struktur dan perilaku. Selengkapnya pengujian-pengujian yang dapat dilakukan dalam suatu proses pemodelan system dynamics dapat dinyatakan dalam tabel dibawah ini. Tabel 3.2 Pengujian-pengujian dalam System Dynamics Tipe Uraian Pengujian Pengujian Proses pengujian Verifikasi struktur model Struktur Verifikasi Paramater Kondisi Ekstrim Kecukupan Bts (Struktur) Konsistensi Dimensional Pengujian Perilaku Model
Reproduksi Perilaku Anomali Perilaku
Pertanyaan selama pengujian model Apakah struktur model konsisten dengan pengetahuan deskriptif yang relevan tentang sistem? Apakah parameter-parameter konsisten dengan pengetahuan deskriptif dan numerik mengenai sistem? Apakah masing-masing persamaan masuk akal kendati inputnya memiliki nilai-nilai ekstrim? Apakah konsep-konsep yang penting menyangkut persoalan telah tercakup (endogenus) dengan model ? Apakah masing-masing persamaan konsisten secara dimensional tanpa menggunakan parameter-parameter yang tidak ada di dunia nyata ? Apakah model secara endogenus membangkitkan gejala-gejala dari persoalan, mode-mode perilaku, frekuensi, dan karakteristik lain dari perilaku sistem ril ? Apakah perilaku abnormal muncul jika suatu asumsi model ditiadakan ?
42
Family Member
Perilaku Mengejutkan Kebijakan Ekstrim Kecukupan Batas (Perilaku) Sensitivitas Perilaku
Pengujian Implikasi Kebijakan
Karakter Statistika Perbaikan Sistem Prediksi Perilaku Kecukupan Batas (Kebijakan) Sensitivitas Kebijakan
Dapatkah model mereproduksi perilaku dari contoh-contoh sistem lain dalam kelas yang sama seperti model (mis.: dapatkah sebuah model perkotaan membangkitkan perilaku kota New York, Dallas, Carson City, dan Calcutta bilamana diberi parameter masing-masing kota tersebut) ? Apakah model menunjukkan adanya suatu mode perilaku yang sebelumnya tidak dikenali dalam sistem ril? Apakah model berperilaku sebagaimana mestinya bila dihadapkan pada kebijakan-kebijakan ekstrim atau input-input pengujian ? Apakah perilaku model sensitif terhadap penambahan atau perubahan struktur untuk mewakili teori-teori alternatif yang dapat dapat diterima ? Apakah perilaku model sensitif terhadap variasivariasi yang dapat diterima dalam parameterparameternya ? Apakah output model memiliki karakter statistika yang sama dengan “output” dari sistem ril ? Apakah kinerja sistem ril meningkat melalui penggunaan model ? Apakah model dengan benar menjabarkan hasilhasil dari kebijakan yang baru ? Apakah rekomendasi kebijakan sensitif terhadap penambahan atau pengubahan struktur untuk merepresentasikan teori-teori alternatif yang dapat diterima ? Apakah rekomendasi-rekomendasi kebijakan sensitif dengan variasi-variasi yang masuk akal dalam parameter-parameternya ?
Dikutip dari Taufik (2008, Sumber: Diadaptasi dari Sterman (1984)) b. Pengembangan Model
Dalam tahapan-tahapan awal pemodelan sampai dengan pengujian model (dalam tiap tahapannya) mungkin saja dilakukan perubahan struktur model, baik dengan melakukan penambahan atau pengurangan struktur model. Tujuan utama dari tahap ini adalah untuk memperoleh suatu model yang sesuai dengan sistem yang sebenarnya, atau sesuai dengan tujuan-tujuan yang hendak dicapai, dan dapat dimengerti dengan baik. Pengembangan model dapat dilakukan dengan menambah/mengurangi variabel, menambah/mengurangi umpan-balik, atau memperkecil/memperluas
boundary
model.
Pengembangan
model
pada
peinsipnya ditujukan untuk process oriented, yaitu meningkatkan pemahaman tentang struktur sistem nyata yang kita amati.
43
III.2.5 Analisis Kebijakan dan Penggunaan Model
Menurut Tasrif (2005) analisa kebijakan ialah menggunakan model untuk melacak kebijakan-kebijakan yang dapat memberikan efek perubahan perilaku sistem nyata sesuai dengan yang diinginkan (menanggulangi/ memperbaiki perilaku sistem yang tidak diinginkan atau mewujudkan perilaku sistem yang diinginkan). Analisa kebijakan mencakup 1) apa kebijakannya, mengapa 2) besaran dan 3) kapan kebijakan diterapkan (Tasrif, 2005). Analisis lebih mendalam dapat dilakukan untuk menyelidiki kemungkinan dampak dari berbagai kebijakan yang dipilih. Penyusunan alternatif kebijakan merupakan tindakan atau kombinasi dari dua jenis intervensi terhadap model yaitu perubahan parameter (nilai konstanta atau besaran variabel) dan perubahan struktural (yang mencakup bentuk dan variasi persamaan variabel model). a. Perubahan Parameter
Perubahan parameter menurut Tasrif (2005) mengandung perubahan parameterparameter kebijakan yang sensitif dalam suatu model yang mengindikasikan titiktitik pengungkit (leverage points) dalam sistem nyata, tempat suatu perubahan dapat dilakukan dalam sistem nyata yang akan mengubah (memperbaiki) perilaku sistem. Menguji sensitivitas model terhadap suatu nilai parameter kebijakan merupakan uji sensitivitas sistem kebijakan.
yang sebenarnya dalam kaitannya dengan
perubahan
Di dalam model terdapat sejumlah parameter yang dikategorikan
sebagai parameter kebijakan, yaitu sejumlah nilai yang berada di bawah kendali para pengambil kebijakan dalam sistem nyata. b. Perubahan Struktural
Perubahan struktur dalam model mencakup penambahan/pengurangan struktur umpan balik dalam model. Perubahan struktur ini menandakan adanya perubahan kaidah keputusan. Perubahan struktur juga dapat dimaksudkan untuk mengubah arah model ke arah yang diinginkan (desired state). Dengan kata lain perubahan struktur ditujukan untuk meningkatkan pemahaman kita mengenai pengaruh keputusan-keputusan terhadap hasil simulasi model.
44
Struktur umpan-balik dalam pemodelan system dynamics seringkali digunakan untuk meningkatkan pemahaman kita tentang kompleksitas sistem amatan. Umpan-balik timbul jika efek variabel satu ke variabel lainnya ditransfer ke variabel asal. Ini biasanya menghasilkan efek-efek yang sering tidak disadari oleh pengambil kebijakan. Karena itu banyak pakar menyatakan bahwa struktur umpan balik merupakan salah satu keunggulan system dynamics khususnya dalam memahami rangkaian halus (coupling subtle) yang bekerja dalam sistem nyata. c. Hasil Akhir Analisis Kebijakan
Hasil akhir analisa kebijakan ialah menyusun rekomendasi kebijakan yang didasarkan atas hasil simulasi dengan berbagai perubahan (parameter dan struktural) yang dibuat pemodel. Hasil analisa kebijakan juga mencakup bagaimana keadaan aktual kini dan berbagai intervensi kebijakan membawa perubahan sistem di masa datang. Menurut Richardson dan Pugh (1981), rekomendasi kebijakan dianggap memiliki kekuatan yang memadai jika kebijakan tersebut dianggap sebagai kebijakan terbaik meskipun dilakukan sejumlah perubahan dalam parameter model sewaktu menghadapi kondisi exogenus yang berbeda. Dalam pandangan Sterman (2000) tidak ada model yang benar-benar sesuai dengan sistem sebenarnya (Sterman, 2002) karena itu, kekuatan rekomendasi merupakan hal vital dalam mengusulkan suatu rekomendasi kebijakan. Kemampuan kebijakan dapat dilihat dari kemungkinan pelaksanaan kebijakan itu dalam dunia nyata. Jika perubahan parameter dan struktur dimungkinkan dalam dunia nyata, maka semakin besar kekuatan rekomendasi kebijakan itu sendiri.