Sosiologi Komputasional (Inggris: Computational sociology) atau disebut juga dengan Sosiologi Komputasi adalah sebuah cabang ilmu sosiologi yang menggunakan metode komputasi intensif untuk menganalisis dan memodelkan tentang fenomena sosial yang sedang terjadi. Menggunakan sistem simulasi komputer, kecerdasan buatan, metode statistik kompleks, dan juga pendekatan analitik seperti analisis jaringansosial. Sosiologi komputasional akan mengembangkan dan menguji teori proses sosial yang kompleks melalui pemodelan interaksi sosial dari bawah ke atas.[1]
Sosiologi komputasional akan melibatkan agen sosial, dengan melakukan interaksi di antara agen-agen ini, dan pengaruh interaksi ini pada kelompok sosial.[2] Meskipun materi pelajaran dan metodologi di ilmu sosial berbeda dari yang ada di ilmu alam atau ilmu komputer, beberapa pendekatan yang digunakan dalam simulasi sosial kontemporer berasal dari bidang-bidang seperti ilmu fisika dan kecerdasan buatan.[3][4] Beberapa pendekatan yang berasal dari bidang ini telah diimpor ke dalam ilmu alam, seperti dalam ukuran sentralitas jaringan dari bidang analisis jaringan sosial dan ilmu jaringan. Dalam literatur yang relevan, sosiologi komputasi sering dikaitkan dengan studi tentang kompleksitas sosial.[5]
Dalam empat dekade terakhir, sosiologi komputasi telah diperkenalkan dan mendapatkan popularitas.Ini telah digunakan terutama untuk memodelkan atau membangun penjelasan proses sosial dan bergantung pada munculnya perilaku kompleks dari aktivitas sederhana.[6] Ide di balik kemunculan adalah bahwa properti dari sistem yang lebih besar tidak selalu harus berupa properti dari komponen yang membuat sistem.[7] Orang-orang yang bertanggung jawab atas pengenalan gagasan kemunculan adalah Alexander, Morgan, dan Broad, yang merupakan kaum emergentis klasik. Masa di mana para kaum emergentis ini muncul dengan konsep dan metode ini adalah pada awal abad kedua puluh. Tujuan dari metode ini adalah untuk menemukan akomodasi yang cukup baik antara dua ontologi yang berbeda dan ekstrim, yaitu materialisme reduksionis dan dualisme.[6]
Sementara kemunculan memiliki peran yang berharga dan penting dengan dasar Sosiologi Komputasi, ada orang yang belum tentu setuju. Salah satu pemimpin utama di bidangnya, Epstein, meragukan penggunaannya karena ada aspek yang tidak dapat dijelaskan. Epstein mengajukan klaim terhadap emergentisme, di mana dia mengatakan itu "justru kecukupan generatif dari bagian-bagian yang merupakan penjelasan keseluruhan".[6]
Model berbasis agen memiliki pengaruh historis pada Sosiologi Komputasi. Model ini pertama kali muncul pada 1960-an, dan digunakan untuk mensimulasikan proses kontrol dan umpan balik di organisasi, kota, dll. Selama 1970-an, aplikasi memperkenalkan penggunaan individu sebagai unit utama untuk analisis dan menggunakan strategi bottom-up untuk perilaku pemodelan. Gelombang terakhir terjadi pada 1980-an. Saat ini, modelnya masih bottom-up; satu-satunya perbedaan adalah bahwa agen berinteraksi secara interdependen.[6]
Pada masa pasca-perang, beberapa paradigma dari beberapa orang berpengaruh menjadi permodelan dalam sistem teknik, diantaranya Vannevar Bush, Norbert Wiener, John von Neumann (sibernetika), dan Claude Shannon (teori informasi). Dan tanggapan dari beberapa ilmuwan di bidang ilmu fisika, biologi, elektronik, dan ekonomi menjelaskan tentang teori sistem bahwa semua fenomena alam dan fisik merupakan manifestasi dari elemen yang saling berkaitan dalam sistem. Émile Durkheim menyebut dalam menganalisis masyarakat modern yang kompleks sebagai Sui generis,[8]sosiolog fungsionalis struktural pasca-perang seperti Talcott Parsons menggunakan teori-teori interaksi sistematis dan hierarkis di antara komponen-komponen penyusun untuk menghasilkan teori-teori sosiologis terpadu yang besar, seperti Paradigma AGIL.[9]
Diakhir tahun 1960an dan awal tahun 1970an, ilmuwan sosial menggunakan teknologi komputasi dalam melakukan simulasi makro proses kontrol dan umpan balik dalam berbagai organisasi, industri, kota, dan populasiglobal. Model ini menggunakan persamaan diferensial dalam memprediksi distribusi populasi secara holistik seperti pengendalian inventaris, lalu lintas perkotaan, migrasi, dan penularan penyakit di dalam kehidupan masyarakat.[10][11]
Meskipun simulasi sistem sosial mendapat perhatian substansial pada pertengahan 1970-an setelah Club of Rome menerbitkan laporan perkiraan bahwa kebijakan mendukung pertumbuhan ekonomi eksponensial dapat menjadi bencana lingkungan global,[12] membuat banyak penulis di masa itu berusaha mendiskreditkan model, mencoba membuat para peneliti itu sendiri tampak tidak ilmiah.[2][13]
Pada tahun 1970-an dan 1980-an para fisikawan dan matematikawan mencoba memodelkan dan menganalisis bagaimana unit komponen sederhana, seperti atom, menimbulkan sifat global, seperti sifat material kompleks pada suhu rendah, bahan magnet, dan dalam aliran turbulen.[14] Dengan menggunakan automata seluler, para ilmuwan dapat menentukan sistem yang terdiri dari kisi-kisi sel di mana setiap sel hanya menempati beberapa keadaan terbatas dan perubahan antara keadaan hanya diatur oleh keadaan tetangga terdekat. Seiring dengan kemajuan dalam kekuatan kecerdasan buatan dan komputer mikro, metode ini berkontribusi pada pengembangan "teori chaos" dan "teori kompleksitas" yang, pada gilirannya, minat baru dalam memahami sistem fisik dan sosial yang kompleks melintasi batas-batas disiplin ilmu.[2]
Paradigma automata seluler ini memunculkan gelombang ketiga simulasi sosial yang menekankan pemodelan berbasis agen. Seperti simulasi mikro, model ini menekankan desain bottom-up tetapi mengadopsi empat asumsi utama yang berbeda dari simulasi mikro yakni otonomi, saling ketergantungan, aturan sederhana, dan perilaku adaptif.[1] Model berbasis agen kurang mementingkan akurasi prediksi dan sebaliknya menekankan pengembangan teoritis.[15] Pada tahun 1981, ahli matematika dan ilmuwan politik Robert Axelrod dan ahli biologi evolusi W.D. Hamilton menerbitkan makalah Sciense berjudul "The Evolution of Cooperation" yang menggunakan pendekatan pemodelan berbasis agen untuk menunjukkan bagaimana kerja sama sosial berdasarkan timbal balik dapat dibangun dan distabilkan dalam permainan dilema tahanan ketika agen mengikuti aturan sederhana untuk kepentingan pribadi.[16]
Axelrod dan Hamilton mendemonstrasikan bahwa agen individu yang mengikuti seperangkat aturan sederhana:
Bekerja sama pada giliran pertama
Setelah itu mereplikasi tindakan mitra sebelumnya mampu mengembangkan "norma" kerja sama dan memberikan sanksi jika tidak ada konstruksi sosiologis kanonik seperti itu. sebagai demografi, nilai, agama, dan budaya sebagai prasyarat atau mediator kerjasama.[4]
Tantangan
Sama seperti pada studi lainnya, sosiologi komputasi, memiliki berbagai tantangan yang dihadapi.[17] Setiap tantangan tersebut harus ditangani dengan baik, supaya tetap memiliki manfaat yang baik bagi kehidupan masyarakat. Sebagai contoh dari tantangan tersebut ialah bahwa setiap masyarakat cenderung memiliki komunitas sendiri, bisa berada pada level mikro maupun level makro. Level tersebut dapat diartikan berupa kelompok, jaringan ataupun komunitas tertentu.[17]
Dampak
Sosiologi komputasi tentu memiliki dampat atau pengaruh pada perkembangan ilmu pengetahuan, teknologi dan sosial. Pada Ilmu pengetahuan, bisa dengan perkembangan inovasi baru, seperti alat analisis yang baru, algoritma yang lebih baik, dan ini akan memengaruhi perkembangan ilmu pengetahuan dimasa yang akan datang. Semetara untuk sosial, pembentuk sistem hukum yang lebih adil, seimbang, akan dibutuhkan dalam masyarakat.[17]
Referensi
^ abMacy, Michael W.; Willer, Robert (2002). "From Factors to Actors: Computational Sociology and Agent-Based Modeling". Annual Review of Sociology. 28: 143–166. doi:10.1146/annurev.soc.28.110601.141117. JSTOR3069238.
^ abcGilbert, Nigel; Troitzsch, Klaus (2005). "Simulation and social science". Simulation for Social Scientists (edisi ke-2). Open University Press.
^Durkheim, Émile. The Division of Labor in Society. New York, NY: Macmillan.
^Bailey, Kenneth D. (2006). "Systems Theory". Dalam Jonathan H. Turner. Handbook of Sociological Theory. New York, NY: Springer Science. hlm. 379–404. ISBN978-0-387-32458-6.
^Forrester, Jay (1971). World Dynamics. Cambridge, MA: MIT Press.
^Ignall, Edward J.; Kolesar, Peter; Walker, Warren E. (1978). "Using Simulation to Develop and Validate Analytic Models: Some Case Studies". Operations Research. 26 (2): 237–253. doi:10.1287/opre.26.2.237.
^Meadows, DL; Behrens, WW; Meadows, DH; Naill, RF; Randers, J; Zahn, EK (1974). The Dynamics of Growth in a Finite World. Cambridge, MA: MIT Press.
