Sibernetika
Sibernetika adalah bidang teori sistem yang mempelajari sistem sebab akibat melingkar yang keluarannya juga merupakan masukan, seperti sistem umpan balik. Bidang ini berkaitan dengan prinsip-prinsip umum proses kausal melingkar, termasuk dalam sistem ekologi, teknologi, biologi, kognitif, dan sosial, serta dalam konteks kegiatan praktis seperti merancang, belajar, dan mengelola.

Bidang ini dinamai sesuai dengan contoh umpan balik kausal melingkar-yaitu mengemudikan kapal (bahasa Yunani kuno κυβερνήτης (kybernḗtēs) berarti "juru kemudi"). Dalam mengemudikan kapal, juru kemudi menyesuaikan kemudi mereka sebagai respons terus-menerus terhadap efek yang diamati, membentuk lingkaran umpan balik yang melaluinya arah yang stabil dapat dipertahankan dalam lingkungan yang berubah, merespons gangguan dari angin silang dan air pasang.

Karakter transdisipliner sibernetika berarti bahwa sibernetika bersinggungan dengan sejumlah bidang lain, sehingga memiliki pengaruh yang luas dan interpretasi yang beragam.

Definisi
Sibernetika telah didefinisikan dengan berbagai cara, yang mencerminkan "kekayaan basis konseptualnya."Salah satu definisi yang paling terkenal adalah dari Norbert Wiener yang mencirikan sibernetika sebagai sesuatu yang berkaitan dengan "kontrol dan komunikasi pada hewan dan mesin."Definisi awal lainnya adalah definisi konferensi sibernetika Macy, di mana sibernetika dipahami sebagai studi tentang "mekanisme sebab akibat dan umpan balik melingkar pada sistem biologis dan sosial." Margaret Mead menekankan peran sibernetika sebagai "suatu bentuk pemikiran lintas disiplin yang memungkinkan anggota dari banyak disiplin ilmu untuk berkomunikasi satu sama lain dengan mudah dalam bahasa yang dapat dimengerti oleh semua orang."

Definisi lain termasuk: "seni memerintah atau ilmu pemerintahan" (André-Marie Ampère); "seni kemudi" (Ross Ashby); "studi tentang sistem dalam bentuk apa pun yang mampu menerima, menyimpan, dan memproses informasi sehingga dapat menggunakannya untuk kontrol" (Andrey Kolmogorov); dan "cabang matematika yang berurusan dengan masalah kontrol, rekursif, dan informasi, yang berfokus pada bentuk-bentuk dan pola-pola yang menghubungkan" (Gregory Bateson).

Etimologi
Istilah Yunani Kuno κυβερνητικός (kubernētikos, '(pandai) menyetir') muncul dalam Republik Plato dan Alcibiades, di mana metafora kemudi digunakan untuk menandakan tata kelola masyarakat. Kata cybernétique dalam bahasa Prancis juga digunakan pada tahun 1834 oleh fisikawan André-Marie Ampère untuk menunjukkan ilmu pemerintahan dalam sistem klasifikasi pengetahuan manusia.

Menurut Norbert Wiener, kata cybernetics diciptakan oleh sebuah kelompok penelitian yang melibatkan dirinya dan Arturo Rosenblueth pada musim panas 1947. Hal ini telah dibuktikan dalam bentuk cetak setidaknya sejak tahun 1948 melalui buku Wiener yang berjudul Cybernetics: Atau Kontrol dan Komunikasi pada Hewan dan Mesin. Dalam buku tersebut, Wiener menyatakan:

Setelah banyak pertimbangan, kami sampai pada kesimpulan bahwa semua terminologi yang ada memiliki bias yang terlalu berat ke satu sisi atau sisi lain untuk melayani perkembangan masa depan bidang ini sebagaimana mestinya; dan seperti yang sering terjadi pada para ilmuwan, kami terpaksa menciptakan setidaknya satu ungkapan neo-Yunani buatan untuk mengisi kekosongan tersebut. Kami telah memutuskan untuk menyebut seluruh bidang teori kontrol dan komunikasi, baik pada mesin maupun pada hewan, dengan nama Sibernetika, yang kami bentuk dari bahasa Yunani κυβερνήτης atau kemudi.

Selain itu, Wiener menjelaskan, istilah ini dipilih untuk mengakui publikasi James Clerk Maxwell pada tahun 1868 tentang mekanisme umpan balik yang melibatkan pengatur, dengan mencatat bahwa istilah pengatur juga berasal dari κυβερνήτης (kubernḗtēs) melalui gubernator dalam bahasa Latin. Akhirnya, Wiener memotivasi pilihannya dengan mesin kemudi kapal sebagai "salah satu bentuk mekanisme umpan balik yang paling awal dan paling berkembang".

Sejarah
Gelombang pertama
Fokus awal sibernetika adalah pada kesamaan antara proses umpan balik pengaturan dalam sistem biologis dan teknologi. Dua artikel dasar diterbitkan pada tahun 1943: "Perilaku, Tujuan, dan Teleologi" oleh Arturo Rosenblueth, Norbert Wiener, dan Julian Bigelow - berdasarkan penelitian tentang organisme hidup yang dilakukan Rosenblueth di Meksiko - dan makalah "Kalkulus Logis dari Ide-ide yang Imanen dalam Aktivitas Saraf" oleh Warren McCulloch dan Walter Pitts. Dasar-dasar sibernetika kemudian dikembangkan melalui serangkaian konferensi transdisipliner yang didanai oleh Josiah Macy, Jr. Foundation, antara tahun 1946 dan 1953. Konferensi-konferensi tersebut diketuai oleh McCulloch dan diikuti oleh Ross Ashby, Gregory Bateson, Heinz von Foerster, Margaret Mead, John von Neumann, dan Norbert Wiener. Di Inggris, fokus serupa dieksplorasi oleh Ratio Club, sebuah klub makan informal yang beranggotakan psikiater, psikolog, fisiolog, matematikawan, dan insinyur muda yang bertemu antara tahun 1949 dan 1958. Wiener memperkenalkan neologisme sibernetika untuk menunjukkan studi tentang "mekanisme teleologis" dan mempopulerkannya melalui buku Cybernetics: Atau Kontrol dan Komunikasi pada Hewan dan Mesin.

Selama tahun 1950-an, sibernetika dikembangkan sebagai disiplin ilmu yang terutama bersifat teknis, seperti dalam "Engineering Cybernetics" karya Qian Xuesen pada tahun 1954. Di Uni Soviet, Sibernetika awalnya dianggap dengan kecurigaan tetapi mulai diterima dari pertengahan hingga akhir 1950-an.

Namun, pada tahun 1960-an dan 1970-an, transdisiplineritas sibernetika terpecah-pecah, dengan fokus teknis yang terpisah-pisah ke dalam bidang-bidang yang berbeda. Kecerdasan buatan (AI) didirikan sebagai disiplin ilmu yang berbeda di lokakarya Dartmouth pada tahun 1956, yang membedakan dirinya dari bidang sibernetika yang lebih luas. Setelah beberapa kali hidup berdampingan dengan tidak nyaman, AI mendapatkan pendanaan dan menjadi terkenal. Akibatnya, ilmu-ilmu sibernetika seperti studi tentang jaringan syaraf tiruan diremehkan. Demikian pula, ilmu komputer didefinisikan sebagai disiplin akademis yang berbeda pada tahun 1950-an dan awal 1960-an.

Gelombang kedua
Gelombang kedua sibernetika menjadi terkenal sejak tahun 1960-an dan seterusnya, dengan fokusnya yang bergeser dari teknologi ke arah keprihatinan sosial, ekologi, dan filosofis. Hal ini masih didasarkan pada biologi, terutama autopoiesis Maturana dan Varela, dan dibangun di atas karya sebelumnya tentang sistem pengorganisasian diri dan kehadiran antropolog Mead dan Bateson dalam pertemuan Macy. Laboratorium Komputer Biologi, yang didirikan pada tahun 1958 dan aktif hingga pertengahan 1970-an di bawah arahan Heinz von Foerster di Universitas Illinois di Urbana-Champaign, merupakan inkubator utama dari tren penelitian sibernetika ini.

Fokus dari gelombang kedua sibernetika termasuk sibernetika manajemen, seperti model sistem yang layak yang terinspirasi secara biologis dari Stafford Beer; pekerjaan dalam terapi keluarga, yang mengacu pada Bateson; sistem sosial, seperti dalam karya Niklas Luhmann; epistemologi dan pedagogi, seperti dalam pengembangan konstruktivisme radikal. Tema inti sibernetika yaitu kausalitas melingkar dikembangkan di luar proses yang berorientasi pada tujuan menjadi perhatian pada refleksivitas dan perulangan. Hal ini terutama terjadi dalam pengembangan sibernetika orde dua (atau sibernetika dari sibernetika), yang dikembangkan dan dipromosikan oleh Heinz von Foerster, yang berfokus pada pertanyaan-pertanyaan tentang observasi, kognisi, epistemologi, dan etika.

Pada tahun 1960-an dan seterusnya, sibernetika juga mulai mengembangkan pertukaran dengan seni kreatif, desain, dan arsitektur, terutama dengan pameran Cybernetic Serendipity (ICA, London, 1968), yang dikuratori oleh Jasia Reichardt, dan proyek Fun Palace yang tidak terealisasi (London, tidak terealisasi, 1964 dan seterusnya), di mana Gordon Pask menjadi konsultan arsitek Cedric Price dan sutradara teater Joan Littlewood.

Gelombang ketiga
Sejak tahun 1990-an dan seterusnya, ada minat baru dalam sibernetika dari berbagai arah. Karya-karya awal sibernetika pada jaringan syaraf tiruan telah dikembalikan sebagai paradigma dalam pembelajaran mesin dan kecerdasan buatan. Keterikatan masyarakat dengan teknologi yang muncul telah menyebabkan pertukaran dengan teknosains feminis dan posthumanisme. Pemeriksaan ulang sejarah sibernetika telah membuat para sarjana studi sains menekankan kualitas sibernetika yang tidak biasa sebagai sebuah ilmu, seperti "ontologi performatif."Disiplin desain praktis telah memanfaatkan sibernetika untuk landasan teoritis dan koneksi transdisipliner. Topik yang muncul termasuk bagaimana keterlibatan sibernetika dengan konteks sosial, manusia, dan ekologi dapat bersatu dengan fokus teknologi sebelumnya, baik sebagai wacana kritis atau "cabang teknik baru".

Bidang dan aplikasi terkait
Konsep utama sibernetika tentang kausalitas melingkar memiliki penerapan yang luas, yang mengarah pada beragam aplikasi dan hubungan dengan bidang-bidang lain. Banyak aplikasi awal sibernetika berfokus pada teknik, biologi, dan pertukaran antara keduanya, seperti sibernetika medis dan robotika serta topik-topik seperti jaringan saraf, heterarki. Dalam ilmu sosial dan perilaku, sibernetika telah memasukkan dan mempengaruhi pekerjaan dalam antropologi, sosiologi, ekonomi, terapi keluarga, ilmu kognitif, dan psikologi.

Seiring perkembangannya, sibernetika telah meluas cakupannya hingga mencakup pekerjaan di bidang manajemen, desain, pedagogi, dan seni kreatif, sementara juga mengembangkan pertukaran dengan filosofi konstruktivis, gerakan kontra-budaya, dan studi media. Perkembangan sibernetika manajemen telah menghasilkan berbagai aplikasi, terutama pada ekonomi nasional Chili di bawah pemerintahan Allende dalam Proyek Cybersyn. Dalam desain, sibernetika telah berpengaruh pada arsitektur interaktif, interaksi manusia-komputer, penelitian desain, dan pengembangan desain sistemik dan praktik metadesain.

Sibernetika sering dipahami dalam konteks ilmu sistem, teori sistem, dan pemikiran sistem. Pendekatan sistem yang dipengaruhi oleh sibernetika termasuk pemikiran sistem kritis, yang menggabungkan model sistem yang layak; desain sistemik; dan dinamika sistem, yang didasarkan pada konsep loop umpan balik kausal.

Banyak bidang yang melacak asal-usulnya secara keseluruhan atau sebagian dari pekerjaan yang dilakukan dalam sibernetika, atau sebagian diserap ke dalam sibernetika ketika dikembangkan. Bidang-bidang tersebut antara lain kecerdasan buatan, bionik, ilmu kognitif, teori kontrol, ilmu kompleksitas, ilmu komputer, teori informasi, dan robotika. Beberapa aspek dari kecerdasan buatan modern, khususnya mesin sosial, sering digambarkan dalam istilah sibernetik.

Disadur dari: en.wikipedia.org

Simulasi komputer

Simulasi komputer adalah proses pemodelan matematis, yang dilakukan di komputer, yang dirancang untuk memprediksi perilaku, atau hasil dari, dunia nyata atau sistem fisik. Keandalan beberapa model matematika dapat ditentukan dengan membandingkan hasilnya dengan hasil dunia nyata yang ingin diprediksi. Simulasi komputer telah menjadi alat yang berguna untuk pemodelan matematis dari banyak sistem alam dalam fisika (fisika komputasi), astrofisika, klimatologi, kimia, biologi, dan manufaktur, serta sistem manusia di bidang ekonomi, psikologi, ilmu pengetahuan sosial, kesehatan, dan teknik. Simulasi suatu sistem direpresentasikan sebagai menjalankan model sistem. Simulasi dapat digunakan untuk mengeksplorasi dan mendapatkan wawasan baru tentang teknologi baru dan untuk memperkirakan kinerja sistem yang terlalu kompleks untuk solusi analitis.

Simulasi komputer diwujudkan dengan menjalankan program komputer yang dapat berupa program kecil, yang berjalan hampir seketika di perangkat kecil, atau program berskala besar yang berjalan berjam-jam atau berhari-hari di kelompok komputer berbasis jaringan. Skala peristiwa yang disimulasikan oleh simulasi komputer telah jauh melampaui apa pun yang mungkin (atau bahkan mungkin dapat dibayangkan) menggunakan pemodelan matematika kertas dan pensil tradisional.

Pada tahun, simulasi pertempuran gurun dari satu pasukan yang menyerang pasukan lain melibatkan pemodelan tank, truk, dan kendaraan lain di medan simulasi di sekitar Kuwait, menggunakan beberapa superkomputer dalam Program Modernisasi Komputer Kinerja Tinggi DoD. Contoh lainnya termasuk model atom dari deformasi material; model atom dari organel penghasil protein kompleks dari semua organisme hidup, ribosom, di; simulasi lengkap siklus hidup Mycoplasma genitalium di; dan proyek Blue Brain di EPFL (Swiss), yang dimulai pada bulan Mei untuk membuat simulasi komputer pertama dari seluruh otak manusia, hingga ke tingkat molekuler. Karena biaya komputasi dari simulasi, eksperimen komputer digunakan untuk melakukan inferensi seperti kuantifikasi ketidakpastian.

Simulation vs Model

Sebuah model terdiri dari persamaan-persamaan yang digunakan untuk menangkap perilaku suatu sistem. Sebaliknya, simulasi komputer adalah menjalankan program yang sebenarnya yang menjalankan algoritme yang memecahkan persamaan-persamaan tersebut, seringkali dengan cara perkiraan. Oleh karena itu, simulasi adalah proses menjalankan sebuah model. Dengan demikian, seseorang tidak akan "membuat simulasi"; sebaliknya, seseorang akan "membuat model (atau simulator)", dan kemudian "menjalankan model" atau secara ekuivalen "menjalankan simulasi".

Sejarah

Simulasi komputer berkembang seiring dengan pesatnya pertumbuhan komputer, setelah penggunaan skala besar pertamanya selama Proyek Manhattan pada Perang Dunia II untuk memodelkan proses peledakan nuklir. Itu adalah simulasi 12 bola keras menggunakan algoritma Monte Carlo. Simulasi komputer sering digunakan sebagai tambahan, atau pengganti, sistem pemodelan yang tidak dapat diselesaikan dengan solusi analitik bentuk tertutup yang sederhana. Ada banyak jenis simulasi komputer; fitur umum mereka adalah upaya untuk menghasilkan sampel skenario representatif untuk sebuah model di mana penghitungan lengkap dari semua keadaan yang mungkin terjadi pada model tersebut akan menjadi penghalang atau tidak mungkin dilakukan.

Persiapan data

Kebutuhan data eksternal untuk simulasi dan model sangat bervariasi. Bagi sebagian orang, input mungkin hanya berupa beberapa angka (misalnya, simulasi bentuk gelombang listrik AC pada kabel), sementara yang lain mungkin memerlukan informasi terabyte (seperti model cuaca dan iklim).

Sumber masukan juga sangat bervariasi:

• Sensor dan perangkat fisik lainnya yang terhubung ke model;
• Permukaan kontrol yang digunakan untuk mengarahkan kemajuan simulasi dengan cara tertentu;
• Data saat ini atau data historis yang dimasukkan dengan tangan;
• Nilai yang diekstrak sebagai produk sampingan dari proses lain;
• Nilai yang dihasilkan untuk tujuan simulasi, model, atau proses lain.

Terakhir, waktu ketersediaan data bervariasi:

• Data "invarian" sering kali dimasukkan ke dalam kode model, baik karena nilainya benar-benar invarian (misalnya, nilai π) atau karena perancang menganggap nilai tersebut invarian untuk semua kasus yang diminati;
• data dapat dimasukkan ke dalam simulasi saat simulasi dimulai, misalnya dengan membaca satu atau lebih file, atau dengan membaca data dari preprocessor;
• data dapat disediakan selama simulasi berjalan, misalnya dengan jaringan sensor.
• Karena keragaman ini, dan karena sistem simulasi yang beragam memiliki banyak elemen umum, ada banyak bahasa simulasi khusus. Yang paling terkenal mungkin Simula. Sekarang ada banyak yang lain.

Sistem yang menerima data dari sumber eksternal harus sangat berhati-hati dalam mengetahui apa yang mereka terima. Meskipun mudah bagi komputer untuk membaca nilai dari teks atau file biner, yang jauh lebih sulit adalah mengetahui keakuratannya (dibandingkan dengan resolusi dan presisi pengukuran) dari nilai tersebut. Sering kali nilai tersebut dinyatakan sebagai "bilah kesalahan", penyimpangan minimum dan maksimum dari rentang nilai di mana nilai yang sebenarnya (diharapkan) berada. Karena matematika komputer digital tidak sempurna, kesalahan pembulatan dan pemotongan melipatgandakan kesalahan ini, sehingga sangat berguna untuk melakukan "analisis kesalahan"[8] untuk memastikan bahwa nilai yang dihasilkan oleh simulasi akan tetap akurat.

Visualization

Sebelumnya, data keluaran dari simulasi komputer terkadang disajikan dalam bentuk tabel atau matriks yang menunjukkan bagaimana data dipengaruhi oleh berbagai perubahan dalam parameter simulasi. Penggunaan format matriks terkait dengan penggunaan tradisional konsep matriks dalam model matematika. Namun, para psikolog dan yang lainnya mencatat bahwa manusia dapat dengan cepat melihat tren dengan melihat grafik atau bahkan gambar bergerak atau gambar bergerak yang dihasilkan dari data, seperti yang ditampilkan oleh animasi yang dibuat oleh komputer (computer-generated-imagery/CGI).

Meskipun pengamat tidak dapat membaca angka atau mengutip rumus matematika, dengan mengamati grafik cuaca yang bergerak, mereka mungkin dapat memprediksi kejadian (dan "melihat bahwa hujan akan turun") lebih cepat dibandingkan dengan memindai tabel koordinat awan hujan. Tampilan grafis yang begitu intens, yang melampaui dunia angka dan rumus, terkadang juga menghasilkan keluaran yang tidak memiliki kisi koordinat atau cap waktu yang dihilangkan, seolah-olah menyimpang terlalu jauh dari tampilan data numerik. Saat ini, model prakiraan cuaca cenderung menyeimbangkan tampilan awan hujan/salju yang bergerak dengan peta yang menggunakan koordinat numerik dan stempel waktu numerik dari peristiwa.

Demikian pula, simulasi komputer CGI dari pemindaian CAT dapat mensimulasikan bagaimana tumor dapat menyusut atau berubah selama periode perawatan medis yang lama, menyajikan perjalanan waktu sebagai tampilan berputar dari kepala manusia yang terlihat, saat tumor berubah.Aplikasi lain dari simulasi komputer CGI sedang dikembangkanuntuk menampilkan data dalam jumlah besar secara grafis, dalam gerakan, saat perubahan terjadi selama simulasi berjalan.

Perangkap

Meskipun terkadang diabaikan dalam simulasi komputer, sangat penting untuk melakukan analisis sensitivitas untuk memastikan keakuratan hasil yang diperoleh. Sebagai contoh, analisis risiko probabilistik terhadap faktor-faktor yang menentukan keberhasilan program eksplorasi ladang minyak melibatkan penggabungan sampel dari berbagai distribusi statistik dengan menggunakan metode Monte Carlo. Jika, misalnya, salah satu parameter kunci (misalnya, rasio bersih strata yang mengandung minyak) diketahui hanya satu angka signifikan, maka hasil simulasi mungkin tidak akan lebih tepat daripada satu angka signifikan, meskipun mungkin (secara menyesatkan) disajikan sebagai memiliki empat angka signifikan.

Disadur dari: en.wikipedia.org

Simulasi Komputer

Pada artikel ini kita akan membahasa tentang simulasi komputer yang merupakan implementasi dari analis sistem. Simulasi komputer adalah proses pemodelan matematika yang dilakukan pada komputer untuk memprediksi perilaku atau hasil sistem fisik atau dunia nyata. Keandalan model matematika tertentu dapat diuji dengan membandingkan hasil simulasi dengan hasil sebenarnya yang ingin diprediksi.

Simulasi komputer menjadi alat yang sangat bermanfaaat untuk memodelkan banyak sistem di berbagai bidang seperti fisika komputasi, astrofisika, klimatologi, kimia, biologi, dan teknik, serta sistem sosial di bidang ekonomi, psikologi, ilmu sosial, kedokteran, dan teknik.

Simulasi sistem sering disebut sebagai pemodelan sistem. Hal ini memungkinkan peneliti untuk mengeksplorasi dan mendapatkan wawasan baru mengenai teknologi baru, serta memperkirakan kinerja sistem yang sangat kompleks untuk menyelesaikan analisis. Jam atau hari dalam jaringan komputer. Skala peristiwa yang disimulasikan oleh simulasi komputer melampaui batas dari apa yang mungkin atau dapat dibayangkan melalui pemodelan matematika tradisional.

Contoh simulasi komputer adalah model siklus material yang mengandung 1 miliar molekul, model ribosom yang mengandung 2,64 juta molekul, simulasi lengkap siklus hidup Mycoplasma genitalium, dan Blue Brain yang bertujuan untuk membuat simulasi komputer manusia pertama. Sebuah proyek, dll. Otak dibedah hingga ke tingkat atom. Karena simulasi komputer mahal, eksperimen komputer digunakan untuk mengambil keputusan seperti mengukur ketidakpastian.

Perbedaan antara simulasi dengan model

Model berisi persamaan yang digunakan untuk menangkap perilaku sistem. Sebaliknya, simulasi komputer menjalankan program yang menjalankan algoritma yang menyelesaikan persamaan ini, yang umunya masih kasar. Jadi simulasi adalah peran manajemen model. Jadi jangan "membuat simulasi". Sebaliknya, "membuat model (atau simulator)" adalah "menjalankan model" atau setara dengan "menjalankan simulasi".

Sejarah simulasi

Simulasi komputer berkembang pesat setelah penerapan besar pertamanya selama Proyek Manhattan selama Perang Dunia II untuk memodelkan proses ledakan nuklir. Pembobotan kompleks 12 bola menggunakan algoritma Monte Carlo. Simulasi komputer sering digunakan untuk melengkapi atau menggantikan sistem pemodelan ketika solusi analitis bentuk tertutup tidak memungkinkan. Ada banyak jenis simulasi komputer. Situasi yang umum terjadi adalah ketika mencoba membuat sampel fitur untuk model tertentu, tidak mungkin atau tidak mungkin untuk menghitung semua fitur model.

Persiapan data

Bayangkan sebuah laboratorium sains sibuk yang dipenuhi peralatan canggih dan peneliti yang antusias. Di tengah ruangan, sebuah komputer besar menjalankan simulasi kompleks untuk memprediksi perilaku sistem lingkungan yang kompleks. Para ilmuwan disekitarnya memantau layar komputernya, memasukkan data baru dan memperhatikan setiap detail yang muncul. Mereka mendiskusikan hasil simulasi dan mencoba memahami makna dari pola yang mereka temukan.

Sementara itu, di dalam ruang lainnya, tim teknik sedang bekerja keras mempersiapkan sensor dan perangkat fisik lainnya yang akan berperan penting dalam simulasi. Mereka bekerja keras untuk memastikan bahwa data yang dikumpulkan selalu akurat. Semua orang di lab ini bekerja sama menggunakan simulasi komputer untuk lebih memahami dunia di sekitar kita dan membuat prediksi yang lebih akurat tentang masa depan.

Disadur dari: en.wikipedia.org

Kontrol Ilmiah

Pengendalian ilmiah merupakan suatu proses eksperimen atau observasi yang dirancang untuk meminimalkan pengaruh variabel non-independen yang disebut dengan perancu. Tujuan validitas ilmiah adalah untuk meningkatkan reliabilitas hasil penelitian dengan memastikan bahwa perubahan variabel independen menjadi penyebab perubahan hasil observasi. Hal ini dilakukan dengan membandingkan pengukuran kelompok kontrol yang variabel independennya tidak diubah dengan pengukuran kelompok eksperimen yang variabel independennya dimanipulasi.

Validitas ilmiah merupakan bagian penting dari metode ilmiah karena memungkinkan peneliti menarik kesimpulan yang valid tentang hubungan sebab akibat antara variabel tertentu dan hasil yang diamati. Dengan mengurangi pengaruh variabel perancu, peneliti dapat lebih yakin bahwa perubahan hasil merupakan hasil manipulasi variabel independen dibandingkan faktor lain yang tidak terkontrol.

Eksperimen terkontrol

Pengendalian dalam konteks ilmiah bertujuan untuk menghilangkan penjelasan alternatif terhadap hasil pengujian, terutama kesalahan pengujian dan bias pelaku eksperimen. Ada banyak jenis kontrol berbeda yang digunakan dalam pengujian berbeda, dan setiap kontrol memiliki tujuan berbeda bergantung pada pengujian yang dilakukan.

Contoh pengendalian yang umum adalah pengendalian negatif dan pengendalian positif. Kontrol negatif dirancang untuk mencegah terjadinya efek ketika variabel independen tidak dimanipulasi, kontrol positif dirancang untuk memastikan bahwa efek yang diharapkan terjadi ketika variabel independen dimanipulasi, dan dapat digunakan untuk mengontrol untuk memastikan bahwa kru. Misalnya, penanda molekuler digunakan sebagai kontrol dalam eksperimen SDS-PAGE untuk mengoptimalkan kinerja elektroforesis gel.

Pengukuran daya juga dapat digunakan untuk tujuan lain, seperti mengurangi kebisingan latar belakang dalam pengukuran sinyal. Misalnya, mengukur kebisingan latar belakang mikrofon saat tidak ada sinyal dapat meningkatkan kualitas sinyal yang diproses dengan mengurangi kebisingan pada pengukuran sinyal berikutnya. Pengendalian seringkali diperlukan ketika perancu tidak dapat dengan mudah diisolasi selama penanganan awal. Misalnya, jika seorang peneliti memberikan zat manis kepada tikus laboratorium dan memeriksa dampaknya, prosedur pengendalian harus ada untuk memastikan bahwa efek yang diamati disebabkan oleh zat manis itu sendiri dan bukan oleh faktor lain seperti pengenceran. Hal ini dapat dilakukan dengan melakukan pengujian yang sama dua kali: sekali dengan pemanis buatan dalam pengencer dan sekali dengan pengencer saja. Kontrol lainnya mencakup kontrol kendaraan, kontrol buatan, dan kontrol. Bandingkan, semuanya untuk dipersiapkan: dibuat. Validitas tes yang dihasilkan harus ditentukan dengan mengendalikan variabel lain yang mungkin mempengaruhi hasil.

Negatif

Ketika menganalisis hasil tes yang memiliki dua hasil, positif atau negatif, keputusan penting dapat diambil dengan membandingkan kelompok perlakuan dan kelompok kontrol negatif. Jika hasil negatif dari dua kelompok, kita dapat menyimpulkan bahwa kelompok perlakuan: tidak bekerja. Namun jika kedua hasil positifnya sama, hal ini menunjukkan bahwa variabel yang terlibat dalam hasil tersebut bersifat perancu, sehingga hasil positif tersebut bukan satu-satunya perlakuan.

Misalnya, jika Anda mengukur hasil dalam bentuk waktu, periode, atau persentase, seperti tes narkoba, Anda dapat mengukur persentase pasien yang pulih. Apabila kelompok perlakuan dan kelompok kontrol negatif menunjukkan hasil yang sama, berarti kelompok perlakuan tidak menunjukkan pengaruh yang signifikan. Namun, jika kelompok perlakuan menunjukkan hasil yang lebih baik, sebaiknya dibandingkan dengan kelompok plasebo. Jika kedua kelompok menunjukkan efek yang sama, hal ini menunjukkan bahwa perbaikan mungkin disebabkan oleh efek plasebo, bukan karena pengobatan itu sendiri. Pengobatan efektif jika kelompok perlakuan menunjukkan perbaikan yang lebih baik dibandingkan kelompok plasebo.

Positif

Kontrol positif digunakan untuk menilai validitas tes dan eksperimen. Misalnya, ketika menilai kemampuan (sensitivitas) suatu tes baru untuk mendeteksi suatu penyakit, tes tersebut dapat dibandingkan dengan tes yang sudah ada. Tes yang terbukti efektif digunakan sebagai kontrol positif karena kita sudah mengetahui bahwa hasilnya seharusnya positif.

Dalam contoh lain, dalam pengujian enzim untuk menentukan jumlah enzim yang ada dalam suatu ekstrak, kontrol positif adalah pengujian yang mengandung enzim yang dimurnikan dalam jumlah yang diketahui, karena kontrol negatif tidak mengandung enzim. Kelompok kontrol positif harus memiliki aktivitas enzim yang tinggi, dan kelompok kontrol negatif harus memiliki aktivitas enzim yang sangat sedikit atau tidak ada sama sekali. . Untuk pengujian yang lebih kompleks atau sulit, hasil kontrol positif juga dapat dibandingkan dengan hasil pengujian sebelumnya. Misalnya, jika hasil tes untuk suatu penyakit cocok dengan temuan peneliti sebelumnya, ini menunjukkan bahwa tes tersebut dilakukan dengan benar.

Jika memungkinkan, beberapa kekuatan baik dapat digunakan. Misalnya, jika lebih dari satu tes untuk suatu penyakit terbukti efektif, mungkin diperlukan lebih dari satu tes. Penggunaan beberapa kontrol positif memungkinkan perbandingan hasil yang lebih baik, terutama ketika hasil yang diharapkan dari kontrol positif berbeda. Misalnya, dalam pengujian enzim yang disebutkan di atas, kurva standar dapat dibuat menggunakan sampel berbeda yang mengandung jumlah enzim berbeda.

Eksperimen buta

Membutakan, juga dikenal sebagai "pemblokiran", berarti menyembunyikan informasi yang mungkin membahayakan eksperimen. Misalnya, peserta mungkin tidak mengetahui apakah mereka menerima pengobatan aktif atau plasebo. Jika peserta mengetahui informasi ini, efek plasebo akan lebih besar, peneliti dapat mempengaruhi hasil percobaan berdasarkan harapan mereka (efek pengamat), dan pengulas akan terpengaruh oleh konfirmasi. Blinding dapat diterapkan pada berbagai kelompok yang terlibat dalam suatu uji coba, termasuk peserta, peneliti, ahli teknologi, analis data, dan peninjau. Dalam beberapa kasus, pembedahan diperlukan untuk menaikkan prostesis ke tingkat yang diperlukan untuk kebutaan.

Selama percobaan, jika peserta setuju untuk mengambil keputusan atau menerima informasi rahasia, mereka tidak lagi dibutakan. Kurangnya blinding yang terjadi sebelum keputusan eksperimen dibuat dapat menyebabkan kesalahan eksperimen karena blinding mencegah terulangnya kesalahan tersebut. Definisi tersebut harus terukur dan dinyatakan dengan jelas. Studi meta menunjukkan tingginya tingkat ketidakandalan dalam uji coba medis, khususnya uji coba antidepresan. Meskipun pedoman pelaporan merekomendasikan agar semua penelitian dievaluasi dan dilaporkan tanpa membutakan, sangat sedikit penelitian yang dilakukan tanpa membutakan. Kebutaan adalah alat penting dalam metode ilmiah dan digunakan di banyak bidang penelitian. Di beberapa bidang, seperti kedokteran, kebutaan dianggap penting. Dalam penelitian klinis, uji coba yang tidak menggunakan blinding disebut uji terbuka.

Disadur dari: en.wikipedia.org

Simulasi

Simulasi, suatu konsep yang mengacu pada bagaimana suatu proses atau sistem berperilaku di dunia nyata, diinterpretasikan melalui model. Biasanya, model digunakan sebagai dasar simulasi, dengan model yang mewakili karakteristik atau perilaku utama sistem tertentu, dan simulasi menunjukkan evolusi model dari waktu ke waktu. Namun secara umum simulasi juga dapat diartikan sebagai pengujian tersendiri ketika suatu model digunakan sebagai basis. Simulasi biasanya dilakukan dengan menggunakan komputer dan sistem atau prosesnya dapat direalisasikan sepenuhnya.

Penggunaan simulasi tersebar luas dalam berbagai konteks, termasuk optimasi dan optimalisasi kinerja, metode pengujian dan pelatihan, serta di bidang pendidikan dan video game. Dalam sains, simulasi digunakan untuk memodelkan sistem alam atau manusia untuk mendapatkan pemahaman yang lebih mendalam tentang proses dan interaksi dalam sistem tersebut. Simulasi juga memungkinkan peneliti untuk mengeksplorasi berbagai skenario dan dampak dari tindakan yang diambil, bahkan di area dimana sistem nyata tidak dapat diakses, berisiko, atau tidak mungkin untuk diuji.

Namun, pemodelan dan simulasi juga merupakan tantangan. Proses ini melibatkan pengumpulan data empiris, memilih fitur dan perilaku utama yang relevan dengan pembuatan model, dan menggunakan metode dan asumsi sederhana. Validitas hasil simulasi juga penting, sehingga validasi dan verifikasi model menjadi bagian penting dalam pengembangan simulasi, terutama dalam konteks pengembangan teknologi computer vision.

Klasifikasi dan terminology

Meskipun simulasi berkembang secara independen di beberapa bidang, kemajuan teori sistem dan Internet pada abad ke-20, serta meluasnya penggunaan komputer di mana-mana, membawa konsep-konsep ini dan pandangan yang lebih sistematis.

Misalnya, simulasi fisik menggunakan objek fisik untuk mewakili suatu sistem atau proses, dipilih karena lebih efisien atau lebih murah dibandingkan menggunakan objek, sistem, atau Simulasi interaktif adalah bentuk interaksi manusia yang spesifik, seperti pilot pesawat atau supir taksi.

Simulasi berkelanjutan dan simulasi kejadian diskrit adalah dua cara utama untuk memodelkan perubahan sistem seiring waktu. Simulasi stokastik memperhitungkan perubahan acak dalam proses, sedangkan simulasi deterministik tidak memperhitungkan fenomena acak.

Ada juga variasi simulasi, termasuk simulasi hybrid, yang menggabungkan pendekatan kontinu dan diskrit, dan simulasi terdistribusi, yang menggunakan banyak komputer untuk menjalankan simulasi. Simulasi paralel mempercepat kinerja dengan mendistribusikan tugas ke beberapa prosesor, memodelkan dan mensimulasikan sebagai layanan yang dapat diakses melalui Internet.

Konsep lainnya mencakup fidelitas simulasi, yang menggambarkan seberapa baik simulasi mencerminkan situasi dunia nyata, dan lingkungan sintetik, yang contohnya dapat dimasukkan ke dalam Person-In-The-Loop. Simulasi juga digunakan dalam analisis kegagalan untuk menentukan penyebab kegagalan peralatan dengan menciptakan lingkungan yang sesuai. Jenis simulasi ini memungkinkan pengguna untuk memodelkan sistem yang kompleks dan mendapatkan wawasan berharga tentang pengoperasian sistem di dunia nyata.

Simulasi computer

Simulasi komputer adalah upaya untuk memodelkan situasi nyata atau hipotetis pada komputer untuk mempelajari cara kerja sistem. Dengan mengubah variabel dalam simulasi, Anda dapat memprediksi perilaku sistem. Simulasi komputer adalah alat yang sangat berguna untuk memodelkan banyak sistem alam dalam fisika, kimia, dan biologi, serta sistem manusia dalam bidang ekonomi dan kehidupan sosial, seperti ilmu komputer. Di bidang teknik, simulasi komputer memberikan wawasan tentang cara kerja sistem.

Misalnya, dalam simulasi lalu lintas jaringan, perilaku model berubah bergantung pada parameter awal yang dipertimbangkan untuk lingkungan tertentu. Di masa lalu, pemodelan formal sistem dilakukan dengan menggunakan model matematika untuk menemukan solusi analitis guna memprediksi perilaku sistem dari parameter dan kondisi awal. Namun, simulasi komputer digunakan sebagai tindakan tambahan, dalam tindakan lain di mana solusi analitis tidak memungkinkan.

Ada berbagai jenis simulasi komputer, termasuk simulasi Monte Carlo, pemodelan stokastik, dan pemodelan multimetode. Jenis simulasi ini memiliki tujuan yang sama. Dengan kata lain, untuk membuat model situasi yang mewakili model yang mustahil, tidak mungkin mewakili semua situasi yang mungkin terjadi.

Berbagai paket perangkat lunak telah dikembangkan untuk melakukan pemodelan simulasi komputer, sehingga membuat pemodelan menjadi lebih mudah. Dalam konteks modern, istilah "otomasi komputer" mencakup hampir semua deskripsi sistem komputer.

Ilmu Komputer

Dalam ilmu komputer, konsep simulasi memiliki beberapa arti berbeda. Misalnya, Alan Turing menggunakan istilah "perhitungan" untuk merujuk pada proses dimana mesin tujuan umum membangun tabel transisi. Dengan kata baru, ini adalah pengalihan lahan, integrasi dan produksi sistem pemerintahan yang terpisah. Dengan kata lain, komputer mensimulasikan mesin target. Dalam konteks komputasi teoritis, istilah "paralel" penting untuk memahami hubungan antara sistem transisi keadaan, yang berguna untuk mempelajari indikator kinerja.

Dalam ilmu komputer, konsep simulasi memiliki banyak arti berbeda. Misalnya, Alan Turing menggunakan istilah "promosi" untuk menggambarkan proses dimana mesin serba guna menjalankan tabel silang. Dengan kata lain, transisi negara, integrasi dan produksi sistem manajemen independen. Dengan kata lain, komputer mensimulasikan sistem target. Dalam konteks komputasi teoretis, istilah "paralel" penting untuk memahami hubungan antara sistem peralihan status, yang berguna untuk mempelajari metrik kinerja.

Simulator juga berguna untuk menguji pohon kesalahan atau menguji desain logika VLSI sebelum konstruksi fisik. Simulasi simbolik menggunakan variabel untuk mewakili nilai yang tidak diketahui. Di bidang optimasi, simulasi proses fisik digunakan bersama dengan pengembangan perangkat lunak untuk mengoptimalkan strategi operasional. Oleh karena itu, simulasi memainkan peran penting dalam ilmu komputer dalam berbagai konteks, mulai dari pengembangan program hingga manajemen optimasi strategis.

Disadur dari: en.wikipedia.org

Analisis Sistem

Dalam topik ini kita akan membahas salah satu bagian penting dalam ilmu teknik industri maupun teknologi informasi khususnya desain dan rekayasa sistem yaitu analisis sistem. Analisis sistem adalah salah satu teknik yang cukup penting untuk memahami dan meningkatkan kinerja suatu sistem atau bisnis. Pada dasarnya, analisis ini membagi sistem menjadi beberapa sub sitem dan memeriksa bagaimana masing-masing subsistem berkontribusi terhadap tujuan keseluruhan. Dengan cara ini Anda dapat menentukan tujuan dan sasaran sistem. Anda juga dapat merancang sistem dan proses yang efektif untuk mencapainya.

Cara lain untuk menganalisis sistem adalah melalui teknik pemecahan masalah. Dalam hal ini, analisis sistem membantu mengidentifikasi masalah dalam sistem, menganalisis akar permasalahan, dan mengevaluasi alternatif-alternatif solusi yang ada. Analisis ini memungkinkan pengambil keputusan untuk membuat keputusan yang lebih baik dan menerapkan perubahan yang diperlukan untuk meningkatkan kinerja sistem.

Konsep analisis sistem berkaitan erat dengan bidang analisis kebutuhan dan operation reserach. Analisis sistem membantu Anda memahami persyaratan sistem dan merancang solusi yang memenuhi persyaratan tersebut. Analisis ini juga mencakup penelitian untuk membantu perencana mengidentifikasi cara terbaik untuk mencapai tujuan sistem.

Dengan menggunakan teknik analisis sistem, peneliti dan praktisi memperoleh pemahaman yang lebih mendalam tentang sistem yang terlibat dan menciptakan gambaran yang lebih lengkap tentang cara kerja sistem. Oleh karena itu, analisis sistem penting tidak hanya untuk memahami sistem yang kompleks, tetapi juga untuk merancang solusi yang efektif dan efisien untuk meningkatkan kinerja sistem tersebut.

Teknologi Informasi

Mengembangkan sistem informasi komputer melibatkan banyak langkah, termasuk analisis sistem. Langkah ini sangat penting karena membantu Anda membuat model data yang akan menjadi dasar untuk membangun atau meningkatkan database Anda. Ada beberapa metode yang dapat digunakan ketika melakukan analisis sistem.

Pendekatan yang umum digunakan adalah model brainstorming, yang melibatkan kegiatan seperti mengembangkan studi kelayakan untuk menilai aspek ekonomi, sosial, teknis dan organisasi proyek. Aktivitas lainnya mencakup pencarian fakta untuk memastikan kebutuhan pengguna akhir terpenuhi dan mengukur bagaimana pengguna berinteraksi dengan sistem.

Selain model brainstorming, ada cara lain untuk membagi sistem menjadi beberapa komponen. Aktivitas-aktivitas ini termasuk menentukan ruang lingkup proyek, menganalisis masalah untuk memahaminya dan menemukan solusi yang tepat, analisis persyaratan untuk menentukan kondisi yang harus dipenuhi sistem, desain logis untuk mengidentifikasi hubungan antara material dan desain, dan pengambilan keputusan. keputusan akhir tentang rasa hormat analisis Sistem implementasi.

Use case dapat menjadi alat pemodelan yang sangat berguna untuk mendefinisikan dan mengekspresikan kebutuhan fungsional suatu sistem. Setiap kasus merupakan situasi atau peristiwa bisnis yang memerlukan sistem untuk memberikan respons yang tepat. Kasus penggunaan muncul dari pendekatan analitis berorientasi objek dan telah menjadi pusat pengembangan sistem informasi modern.

Praktisi

Personel analisis sistem sering kali harus menganalisis sistem yang ada untuk menentukan komponen sistem yang ada. Contoh dari hal ini terjadi pada tahun 2000-an ketika teknik modern memandang bisnis dan operasi manufaktur sebagai bagian dari ledakan otomasi pada tahun 2000. Pekerjaan yang berkaitan dengan analisis sistem mencakup banyak posisi seperti analis sistem, analis bisnis, insinyur sistem produksi, perancang sistem, perancang bisnis, software engineer, dll.

Analisis sistem profesional dapat bekerja untuk merancang sistem baru, namun juga sering terlibat dalam memodifikasi, memperluas, atau menulis ulang sistem yang sudah ada, termasuk metode, adat istiadat, dan tradisinya. Peneliti dan praktisi mengandalkan analisis sistem di berbagai bidang, termasuk manajemen, reformasi pendidikan, dan teknologi pendidikan.

Disadur dari: en.wikipedia.org