Simulasi berbasis agen-BASED MODELING (ABM) menggunakan netlogo

ABSTRAKS

Agent-based modeling telah digunakan untuk mempelajari fenomena sosial seperti perilaku manusia ketika evakuasi, perilaku pejalan kaki dan proses yang terjadi dalam bisnis. agent-based simulation juga mulai digunakan dalam dunia pendidikan untuk mendukung proses belajar siswa. Paper ini bertujuan memberikan gambaran tentang agent-based modeling dan bagaimana cara mengembangkannya. Untuk itu sejumlah literatur ditampilkan dan dibahas pada paper ini. paper ini juga memberikan gambaran bagaimana mengembangkan agent-based simulation dengan membuat simulasi proses rantai makanan. Dalam mengembangkan simulasi, kami menggunakan metode masim dan menggunakan netlogo sebagai tool untuk implementasi. hasil penelitian ini menunjukkan simulasi rantai makanan yang dikembangkan mampu memvisualisasikan konsep rantai makanan yang terjadi pada dunia nyata.

 Kata Kunci: Agent-Based Modeling, NetLogo, MASIM

Agent-based modeling has been increasingly used to study a wide range of social phenomena such as human movement in evacuation, pedestrian behavior and bussines process. Recently agent-based modeling has also been used in education as a tools to support learning process. This paper is aimed to introducing agent-based modeling and how to develop it. For that reason some literature was examined and discussed in this paper. We also demonstrates how to develop agent-based modeling by develop a simulation for food chain process. We use MASIM as a method to modeling the simulation and NetLogo as a tool to develop the simulation. The results of this research show, food chain process simulation able to show how the concept food chain is work in the real world.

Keywords : Agent-Based Modeling, NetLogo, MASIM

PENDAHULUAN

Sebagian besar anak – anak lebih mudah mengingat sesuatu hal ketika ia melihat dan terlibat secara langsung dibandingkan dengan jika ia membaca atau mendengarnya dari orang lain. Ada juga istilah yang mengatakan “ Sebuah gambar lebih bermakna dari seribu kata”. Hal ini menunjukkan pentingnya visualisasi bagi manusia dalam memahami sesuatu, demikian juga dalam proses belajar mengajar. Beberapa mata pelajaran memiliki konsep – konsep yang abstrak sehingga dapat menyulitkan siswa dalam memahaminya dan mungkin saja dapat menyebabkan pemahaman yang keliru. Oleh karena itu visualisasi menjadi penting dalam mendukung dan meningkatkan pemahaman siswa terhadap konsep dan materi dari suatu mata pelajaran. Sistem komputer seperti simulasi dan animasi dapat memberikan pengalaman belajar yang kongkrit kepada siswa (Mursiti et.al, 2006).

Simulasi komputer merupakan suatu program komputer yang digunakan untuk meniru suatu kejadian atau sistem tertentu (Sridadi, 2009). Melalui simulasi konsep – konsep yang bersifat abstrak dapat divisualisasikan dalam bentuk gambar dan animasi. Melalui simulasi juga siswa dapat langsung berinteraksi, melakukan percobaan dan langsung melihat pengaruh yang ditimbulkan pada sebuah sistem. Simulasi berbasis agen (Agent-based Modeling ABM) merupakan metode yang relatif baru dalam mengembangkan simulasi (Macal et,al, 2010).

Simulasi berbasis agen telah digunakan secara luas oleh para peneliti dalam mempelajari dan memvisualisasi fenomena seperti interaksi individu pada ekosistem, reaksi kimia dan perilaku serangga (Wilensky et.al, 2007). Kelebihan dari ABM terletak pada kemampuannya memodelkan sistem dunia nyata yang semakin kompleks. ABM juga dapat menghasilkan perilaku sistem yang kompleks, perilaku ini dihasilkan dari interaksi agen – agen sederhana didalamnya (Macal et.al, 2010).

Paper ini bertujuan memperkenalkan konsep simulasi dengan ABM. Secara khusus penggunaan ABM untuk mendukung pembelajaran. Untuk itu paper ini juga memberikan contoh pengembangan ABM. Simulasi yang dikembangkan menggunakan metode MASIM (Campos et.al, 2004) dan NetLogo sebagai tool dalam implementasi.

TINJAUAN PUSTAKA

Penggunaan simulasi untuk mendukung proses belajar mengajar telah dilakukan selama beberapa tahun terakhir. Mursiti et.al (2006) mengembangkan simulasi untuk konsep kimia khususnya orbital atom, orbital molekul dan hibridisasi. Hal ini dilakukan untuk memperbaiki kesalahpahaman konsep (miskonsepsi) siswa terhadap 3 konsep tersebut. Handari et.al (2008) mengembangkan simulasi sebagai alat bantu analisis farmakokinetik. Analisis farmakokinetik obat dibutuhkan untuk memperoleh informasi tentang kinetika absorbsi, distribusi dan eliminasi obat.

Bonabeau (2006) menyatakan dalam ABM suatu sistem dimodelkan dengan kumpulan entitas – entitas yang dapat mengambil keputusan secara otonom, entitas ini disebut ‘agen’. Setiap agen bertindak dan berperilaku berdasarkan aturan tertentu di dalam lingkungannya. Pada Agent-Based Modeling, pengamatan dan pembelajaran dilakukan terhadap interaksi – interaksi yang terjadi antar agen (Yin, 2010). Agent-Based Modeling digunakan dalam memodelkan proses bisnis seperti pada (Yin, 2010; Yue-qi, 2011). Entitas yang terlibat didalam proses bisnis dimodelkan sebagai agen dan proses bisnis yang terjadi dimodelkan sebagai interaksi yang terjadi antar agen.

Blikstein dan Wilensky (2009) menggunakan MaterialSim dalam mendukung pengajaran pada mahasiswa. MaterialSim merupakan simulasi yang dibangun menggunakan NetLogo untuk pemodelan struktur atom yang menyusun suatu benda atau materi. MaterialSim memungkinkan mahasiswa untuk memilih topik yang menarik untuk mahasiswa tersebut dan memodelkan serta mengamati proses yang terjadi melalui simulasi. Hasil dari penelitian ini menunjukkan dengan menjadi pembuat model dalam simulasi, mahasiswa dapat meningkatkan pemahamannya terhadap konsep – konsep dari materi yang hendak dipelajari.

METODOLOGI PENELITIAN

Paper ini megangkat contoh proses makan memakan diantara individu pada suatu ekosistem yang disebut dengan rantai makanan. Rantai makanan merupakan salah satu konsep yang terdapat pada pelajaran biologi. Proses ini menempatkan tumbuhan pada dasar dari rantai makanan dan pemangsa (karnivora) pada ujung teratas rantai makanan.

Gambar 1. Rantai makanan

 

Pada simulasi berbasis ABM untuk rantai makanan, agen digunakan untuk memodelkan individu dalam ekosistem. Setiap agen ini memiliki properties dan perilaku masing – masing. Interaksi yang terjadi adalah ketika agen saling memangsa satu sama lain. Salah satu metode yang dapat digunakan dalam membangun ABM adalah MASIM (Campos et.al, 2004).

MASIM merupakan suatu metode yang difokuskan pada pengembangan simulasi berbasis agen/multi agen. Konsep agen digunakan dalam metode MASIM terutama untuk memodelkan peran, interaksi dan ketergantungan dari tiap entitas dalam lingkungan simulasi. MASIM terbagi menjadi 5 fase yaitu Requirements, Modeling, Design dan Architectural, Implementation dan yang terakhir adalah Verification, validation dan Accreditation.

Fase Requirements

Tahap requirements pada MASIM akan menghasilkan skenario. Pada kasus rantai makanan salah satu skenario adalah mangsa-memangsa yang terjadi ketika posisi satu agen sama dengan agen pemangsanya.

Fase Modeling

Tujuan utama fase ini adalah mengindentifikasi entitas, peran, tugas, aktifitas dan interaksi diantara elemen – elemen yang terlibat. Fase ini memodelkan organisasi sistem secara makro (keseluruhan elemen) dan mikro (individu). Contoh entitas : tumbuhan, tikus, ular dan elang. Aktifitas : bergerak, makan dan bereproduksi.

Fase Design dan Architectural

Kelanjutan dari fase modeling. Pada fase ini model konsep pada fase sebelumnya dijabarkan secara mendetail mengikuti pendekatan programing. Hal ini dimaksudkan untuk mempermudah tahap selanjutnya, tahap implementasi. Contoh untuk aktor elang :

 

Aktor : Elang

Atribut : umur dan energi

Procedure :

Makan ()

Setiap bergerak, cek :

Jika ada ular atau tikus maka makan

Energi energi + 10

End if

End

Gambar 2. Prosedure aktor elang

Fase Implementation

Melakukan coding dan implementasi hasil perancangan menggunakan tool atau bahasa pemrograman tertentu.

Fase Verification, validation dan Accreditation

Sebelum simulasi digunakan oleh user maka perlu diverifikasi dan divalidasi. Fase ini membandingkan hasil fase Requirements dengan hasil fase implementation (software).

Simulasi pada paper ini menggunakan NetLogo dalam implementasi. NetLogo merupakan program yang dikembangkan oleh Uri Wilensky dan tersedia gratis pada http://ccl.northwestern.edu/netlogo/. NetLogo dikembangkan dengan maksud untuk memberikan kemudahan bagi para peneliti dan siswa dalam membangun simulasi (Wilensky, 2007).

Lingkungan antar muka NetLogo seperti tampak pada Gambar 3. NetLogo memiliki jendela tempat simulasi berjalan, tempat dimana agen diletakan dan menjadi lingkungan bagi agen. Pengguna dapat merancang antar muka simulasi yang hendak dibuat sesuai dengan keinginan dari pengguna. NetLogo juga menyediakan sejumlah komponen untuk perancangan antar muka seperti button, slider dan plot.

Gambar 3. Antar muka NetLogo

PENGUJIAN DAN PEMBAHASAN

Model hasil perancangan dengan metode MASIM diimplementasi menggunakan NetLogo. Terdapat 4 agen dalam simulasi yang digunakan untuk memodelkan individu seperti tumbuhan, tikus, ular dan elang. Gambar 4 menunjukkan baris program yang mendefenisikan 4 agen dan atribut yang dimilikinya.

breed [mouses mouse]

breed [snakes snake]

breed [eagles eagle]

breed [grass gras]

grass-own [ umur ]

mouses-own [ energi umur ]

snakes-own [ energi umur ]

eagles-own [ energi umur ]

Gambar 4. Kode program pendefenisian agen

NetLogo menggunakan prosedur untuk mengatur perilaku dari tiap agen. Sebagai contoh agen tikus memiliki perilaku makan, bergerak, bereproduksi dan mati. Untuk mendefenisikan perilaku ini dapat digunakan 4 prosedur. Gambar 5 menunjukkan baris program untuk perilaku makan dari agen tikus

to tikus-makan

let ada-rumput one-of grass-here

if ada-rumput != nobody

[

ask ada-rumput [ die ]

set energi energi + 5

]

End

Gambar 5. Kode program prosedur tikus makan

Antar muka simulasi rantai makanan ini terdiri dari 2 button, 4 monitor, 4 slider dan 1 buat plot. Selengkapnya dapat dilihat pada Gambar 6. Gambar 6 menunjukkan tampilan awal simulasi dengan jumlah rumput sebanyak 200, jumlah tikus 30, jumlah ular 20 dan jumlah elang 10.

Gambar 6. Tampilan awal simulasi

Pengguna dapat berinteraksi dengan merubah jumlah populasi awal tiap individu melalui 4 buah slider seperti pada Gambar 7.

Gambar 7. Slider pengaturan populasi awal

Simulasi dijalankan melalui tombol run, sedangkan tombol Set Up digunakan untuk melakukan pengaturan awal simulasi. Hasil tombol Set Up tampak seperti Gambar 6. NetLogo memungkinkan untuk menjalankan simulasi secara terus menerus, selain itu pengguna juga dapat menjalankan simulasi secara langkah demi langkah untuk dapat melihat perubahan yang terjadi. Pengguna dapat mengamati jalannya simulasi dan perubahan yang terjadi pada variabel melaui monitor dan plot. Gambar 8 menunjukkan perubahan yang terjadi pada jumlah elang, ular, tikus dan rumput yang tampak pada monitor. Perubahan ini juga dapat dilihat pada plot yang menampilkannya dalam bentuk garis.

Gambar 8. Monitor dan plot

Ketika simulasi dijalankan, tiga agen yaitu tikus, ular dan elang akan selalu berpindah tempat. Sedangkan rumput tetap pada posisinya semula. Jika terjadi posisi agen sama dengan posisi agen lainnya maka akan dilakukan pengecekan. Agen yang posisinya sebagai mangsa akan hilang dimakan oleh agen pemangsa. NetLogo menggunakan istilah “ticks” untuk menampilkan jumlah perulangan selama simulasi. Gambar 9 menampilkan simulasi yang dijalankan pada ticks ke 10.

 

Gambar 9. Keadaan pada ticks ke 10

Jumlah dari masing – masing individu dapat dilihat pada monitor dan plot seperti Gambar 10.

Gambar 10. Monitor dan plot pada ticks ke 10

Pada rantai makanan perbandingan antara jumlah individu perlu dijaga agar tercipta keseimbangan. Jika jumlah pemangsa lebih banyak dari mangsa akan menyebabkan pengurangan dari jumlah pemangsa itu sendiri. Fenomena ini dapat dilihat ketika simulasi memasuki ticks ke 25 seperti tampak pada Gambar 11.

Gambar 11. Keadaan pada ticks ke 25

Gambar 12 menunjukkan ketika pemangsa diatasnya seperti ular dan elang tidak ada lagi maka populasi tikus menjadi tidak terkendali.

Gambar 12. Keadaan pada ticks 62

KESIMPULAN

Agent-Based Modeling dapat dikatakan sebagai suatu paradigma dalam membangun simulasi. Agent-Based Modeling merupakan konsep simulasi yang menggunakan agen dan interaksinya dalam memunculkan fenomena atau perilaku baru tanpa perlu didefenisikan terlebih dahulu.

Kemampuan dan kelebihan dari Agent-Based Modeling dapat digunakan dalam membuat model visualisasi dari konsep – konsep dalam bidang mata pelajaran tertentu. Hal ini diharapkan dapat meningkatkan pengertian siswa terhadap konsep tersebut. Berdasarkan hasil percobaan terlihat bahwa Agent-Based Modeling berhasil memodelkan proses rantai makanan. Sekaligus menampilkan fenomena yang terjadi didalamnya tanpa perlu didefenisikan.

NetLogo merupakan salah satu tool yang dapat digunakan untuk membangun simulasi berbasis Agent-Based Modeling. Penggunaan NetLogo yang relatif mudah dapat mendukung para pendidik dalam membangun simulasi untuk mendukung proses belajar mengajar.

DAFTAR PUSTAKA

Mursiti, S., Fardhyanti, D.S., Cahyono, E & Sudarmin. 2006. Misconception Remediation of Atomic Orbital, Molecular Orbital and Hibriziation Concepts by Computer Asissted Instruction with Animation and Simulation Model. Indonesian Journal of Chemistry, (Online), Vol 6, No. 1, (http://pdm-mipa.ugm.ac.id/ojs/index.php/ijc/article/viewFile/272/229, diakses 28 Januari 2012).

Sridadi, B. 2009. Pemodelan dan Simulasi Sistem, Teori, Aplikasi dan Contoh Program dalam Bahasa C. Penerbit INFORMATIKA Bandung.

Macal, C.M., Chan, W.K.V & Young-Jun, S. 2010. Agent-Based Simulation Tutorial-Simulation of Emergent Behavior and Differences Between Agent-Based Simulation and Discrete-Event Simulation. Dalam B. Johansson, S. Jain, J. Montoya-Torres, J. Hugan, and E. Yucesan (eds), Proceedings of the 2010 Winter Simulation Conference (hal 135 – 150).

Wilensky, U., Blikstein, P. & Abrahamson, D. 2007. Classroom Model, Model Classroom : Computer-Supported Methodology for Investigating Collaborative-Learning Pedagogy. Dalam C. Chinn, G. Erkens & S. Puntambekar (Eds), Proceedings of the Computer Supported Collaborative Learning (CSCL) Conference (hal 46 – 55) NJ: Rutgers University.

Campos, A., Canuto, A., Fernandes, J. & de Moura, E. 2004. MASIM: A Methodology for the Development of Agent-Based Simulations. Dalam Gyorgy Lipovszky, Istvan Molnar, Proceedings 16th European Simulation Symposium, SCS Press.

Handari, B., Djajadisastra, J. & Silaban, D. 2006. Pengembangan Perangkat Lunak Simulasi Komputer Sebagai Alat Bantu dalam Analisis Farmakokinetik. Jurnal MAKARA SAINS, (Online), Vol 10, No. 1, (http://journal.ui.ac.id, diakses 28 Januari 2012).

Bonabeau, E. 2006. Agent-Based Modeling : Meethods and Techniques for Simulating Human Systems. Dalam Proceedings of National Academy of Sciences of the United States of America (hal 7280 – 7287).

Yin, Q., Li, Y & Zhi, K. 2010. Multi-Agent Based Simulation of Negotiate Pricing Process in B2C. Second WRI Global Congress on Intelligent Systems.

Yue-qi, L. 2011. Analysis and Design of the Business Simulation Based on the Multi-Agent. Fourth International Joint Conference on Computational Science and Optimization.

Blikstein, P & Wilensky, U. 2009. An Atom is Known by the Company it Keeps : A constructionist Learning Environment for Materials Science Using Agent-Based Modeling. International Journal of Computer Math Learning, Vol 14 (hal 81 – 119). Springer Science+Business Media.

 

 

 

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

%d blogger menyukai ini: