CONTOH AGENT CERDAS

1.     Agent : Taksi Otomatis

     Sebuah agent taksi otomatis yang menerima penumpang dan mengan-

     tarkannya ke tujuan. Task Environment :

·  Performance measure: keamanan, kecepatan, legalitas, kenyamanan perjalanan, keuntungan.

·       Environment: jalanan, lampu merah, lalulintas, pejalan kaki, cuaca.

·       Actuators: stir arah, gas, rem, klakson, sinyal kiri/kanan.

·   Sensors: kamera, sonar, speedometer, GPS, odometer, accelerometer, mesin sensor, keyboard.

Taksi Otomatis.

2. Agent : Medical diagnosis system

   Sebuah agent Medical diagnosis system yang mendiagnosa pasien secara 

   otomatis. Task Environment :

·   Performance measure: pasien sembuh, biya murah tidak menyalahi hukum.

·         Environment: pasien, rumah sakit, suster, dokter.

·       Actuators: layar monitor (pertanyaan, tes, diagnosa, treatment, petunjuk).

·        Sensors: keyboard (masukan gejala penyakit, jawaban pasien).

Medical Diagnosis System.

3.     Agent: Robot Pabrik Penjamin Mutu 
Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada ban berjalan ke dalam kotak berbeda. Task Environment :

·   Performance measure: presentase jumlah komponen yang diletakkan pada kotak yang benar.   

·        Environment: ban berjalan, komponen yang diuji, kotak.

·        Actuators: gerak lengan dan tangan robot.    

·        Sensors: kamera, sensor fisik.

4.     Agent: Interactiv English Tutor

Sebuah agent tutor yang memberikan latihan english secara interaktif. Task Environment :   

·        Performance measure: nilai skor maksimal.  

·        Environment: para siswa. 

·        Actuators: laya monitor (latihan, saran koreksi).    

·        Sensors: keyboard.

Sumber:

http://yogipratama97.blogspot.com/2016/10/pengenalan-intelligent-agents.html

http://shirlitalitha.blogspot.com/2018/12/rangkuman-sistem-cerdas-artifical.html

http://grasgrus.blogspot.com/2018/12/rangkuman-sistem-cerdas-artificial.html

http://agen-unikama.blogspot.co.id/2013/11/pengertian-agent-pada-ai-artificial.html

https://yanneevelynip.wordpress.com/2013/10/20/intelligent-agent-kecerdasan-buatan/

DEFINISI & KONSEP AGEN CERDAS

Pengertian Agent Cerdas 

      Agen cerdas (Artificial Intelligence) adalah sebuah agen yang menerima persepsi dari lingkungan dan melakukan tindakan.Tujuan utamanya adalah untuk menciptakan kecerdasan buatan sehingga agen tersebut dapat berpikir dan bertindak selayaknya manusia (atau mungkin lebih baik dari pikiran manusia).

Konsep Agen Cerdas dan lingkungan

·      Agen adalah segala sesuatu yang dapat dipandang sebagai entitas pada suatu lingkungan yang mengamati melalui alat sensor dan bertindak melalui alat aktuator.

·    Sebagai perbandingan, agen manusia memiliki alat sensor: mata, telinga, dan organ sensor lainnya; alat actuator: tangan, kaki, mulut, dan bagian tubuh lain sebagai alat gerak.

·        Sedangkan pada agen robot: kamera dan inframerahi untuk sensor, danlengan, serta berbagai motor sebagaiaktuator.

·   Agen menerima (percept) sensor dari lingkungan. Keseluruhan percept yang diterima agen pada suatu selang waktu disebut percept sequence.

               

Konsep Perancangan Agen Cerdas

Rasional : melakukan hal yang benar. Agen rasional melakukan hal yang benar berdasarkan percept apa yang ditangkap dan tindakan (action) apa yang diambil. Tindakan yang tepat adalah tindakan yang akan menyebabkan agen menjadi yang paling sukses.

Beberapa hal yang perlu ditekankan:

·     Rasionalitas berbeda dari omniscience (serba tahu/mengetahui semua dengan pengetahuan tak terbatas).

·        Agen dapat melakukan tindakan dalam rangka untuk mengubah persepsi masa depan untuk memperoleh informasi yang berguna (pengumpulan informasi, eksplorasi).

·      Sebuah agen dikatakan otonom jika perilaku agen ditentukan oleh pengalaman sendiri (dengan kemampuan untuk belajar dan beradaptasi).

Pengukuran kinerja: Sebuah kriteria obyektif untuk mengukur keberhasilan suatu perilaku agen. Misalnya, mengukur kinerja dari agen vacuum-cleaner:

·           Jumlah kotoran dibersihkan,

·           Jumlah waktu yang dibutuhkan,

·           Jumlah listrik yang dikonsumsi,

·           Jumlah kebisingan yang dihasilkan, dll.

    Pengukuran kinerja haruslah dapat dinyatakan dalam ukuran kuantitatif. Kata “jumlah” mengindikasikan suatu ukuran kuantitatif/terukur. Untuk setiap urutan persepsi (percept sequence) yang ada, agen rasional harus memilih tindakan yang diharapkan untuk memaksimalkan ukuran kinerjanya.

Tujuan (Goal): Setelah menentukan criteria obyektif (seperti diatas), pilih salah satu tujuan untuk menjadi fokus utama dari agen. Goal adalah tujuan utama yangberusaha dicapai oleh agen (prioritas utama).

        Konsep utama perancangan agen cerdas/rasional dapat dilakukan dengan bantuan PEAS yang merupakan singkatan dari:Performance measurement, Environment, Actuators, Sensors. PEAS harus ditentukan sebelum desain agen cerdas. Berdasarkan informasi PEAS, kita benar dapat merancang agen untuk memenuhi tujuan yang ingin dicapai.

Sumber:

http://yogipratama97.blogspot.com/2016/10/pengenalan-intelligent-agents.html

https://zhafran23.blogspot.com/2018/11/definisi-dan-konsep-agen-cerdas.html

http://shirlitalitha.blogspot.com/2018/12/rangkuman-sistem-cerdas-artifical.html

http://fardanalghipari.blogspot.com/2018/11/definisi-dan-contoh-agen-cerdas.html

http://anassetiawan1997.blogspot.com/2018/11/definisi-dan-konsep-agen-cerdas.html

MEMBUAT GARIS VERTIKAL, HORIZONAL, DAN DIAGONAL MENGGUNAKAN LIBRARY OPENGL PADA DEV C++

Tujuan pembuatan program ini (program garis) adalah untuk membuat garis vertical, horizontal, dan diagonal dengan nilai x awal, x akhir, y awal, dan y akhir sesuai dengan nilai yang diinput oleh user.

Untuk link full aplikasi beserta penjelasan berada disini
Untuk filenya saja disini

Pengertian & Contoh AI

v  Pengertian Artificial Intelligence

Kecerdasan Buatan (Artificial Intelligence) yaitu kecerdasan yang ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah. Atau adalah bagian dari ilmu komputer yang mempelajari tentang agaimana sebuah komputer bisa dibuat dengan sedemikian rupa agar dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia.

v  Sejarah Kecerdasan Buatan

Kecerdasan buatan sebenarnya sudah dimulai sejak musim panas tahun 1956. pada waktu itu sekelompok pakar komputer, pakar dan peneliti dari disiplin ilmu lain dari berbagai akademi, industri serta berbagai kalangan berkumpul di Dartmouth College untuk membahas potensi komputer dalam rangka menirukan atau mensimulasi kepandaian manusia. Beberapa ilmuwan yang terlibat adalah Allen Newel, Herbert Simon, Marvin Miskey, Oliver Selfridge, dan John McCarthy. Sejak saat itu, para ahli mulai bekerja keras untuk membuat, mendiskusikan, merubah dan mengembangkan sampai mencapai titik kemajuan yang penuh. Mulai dari laboratorium sampai pada pelaksanaan kerja nyata. Pada mulanya kecerdasan buatan hanya ada di universitas dan laboratorium penelitian, dan hanya sedikit sekali – jika ada produk praktis yang sudah dikembangkan. Menjelang akhir tahun 1970-an dan awal tahun 1980-an, mulai dikembangkan secara penuh dan hasilnya secara berangsur-angsur mulai dipasarkan. Saat ini, sudah banyak hasil penelitian yang sedang dan sudah dikonversikan menjadi produk nyata yang membawa keuntungan bagi pemakainya. Kecerdasan buatan atau artificial intelligence (AI), definisinya menurut beberapa pakar:

1.      Schalkoff (1990): AI adalah bidang studi yang berusaha menerangkan dan meniru perilaku cerdas dalam bentuk proses komputasi.

2.      Rich dan Knight (1991): AI adalah studi tentang cara membuat komputer melakukan sesuatu yang, sampai saat ini, orang dapat melakukannya lebih baik.

3.      Luger dan Stubblefield (1993): AI adalah cabang ilmu komputer yang berhubungan dengan otomasi perilaku yang cerdas.

4.      Haag dan Keen (1996): AI adalah bidang studi yang berhubungan dengan penangkapan, pemodelan, dan penyimpanan kecerdasan manusia dalam sebuah sistem teknologi informasi sehingga sistem tersebut dapat memfasilitasi proses pengambilan keputusan yang biasanya dilakukan oleh manusia.

v  Contoh Artificial Intelligence

1.      Google AI-Powered Predictions

Menggunakan data lokasi yang dianonimkan dari android, Google Maps (Peta) dapat menganalisis kecepatan pergerakan lalu lintas pada waktu tertentu. Dan, dengan akuisisi aplikasi lalu lintas crowdsourced Waze pada 2013, Maps dapat lebih mudah memasukkan insiden lalu lintas yang dilaporkan pengguna seperti konstruksi dan kecelakaan. Akses ke sejumlah besar data yang diumpankan ke algoritma kepemilikannya yang berarti Maps dapat memotong waktu dengan menyarankan rute tercepat dari tempat kita berdiri sampai ke tujuan.

2.      Aplikasi Ridesharing Seperti Uber dan Lyft

Pimpinan Teknik untuk Uber ATC Jeff Schneider membahas dalam sebuah wawancara NPR bagaimana perusahaan menggunakan ML untuk memprediksi permintaan pengendara untuk memastikan bahwa “lonjakan harga” (periode kenaikan harga yang tajam untuk mengurangi permintaan pengendara dan meningkatkan pasokan pengemudi) akan segera tidak lagi diperlukan . Kepala Pembelajaran Mesin Uber Danny Lange mengonfirmasi penggunaan pembelajaran mesin oleh Uber untuk ETA untuk perjalanan, perkiraan waktu pengiriman makanan di UberEATS, menghitung lokasi penjemputan yang optimal, serta untuk deteksi penipuan.

3.      Penerbangan Komersial Menggunakan Autopilot AI

Autopilot AI dalam maskapai komersial secara mengejutkan merupakan penggunaan awal teknologi AI yang berasal dari tahun 1914, tergantung pada seberapa longgar Anda mendefinisikan autopilot. The New York Times melaporkan bahwa penerbangan rata-rata dari sebuah pesawat Boeing hanya memerlukan tujuh menit penerbangan yang dikemudikan manusia, yang biasanya hanya digunakan untuk lepas landas dan mendarat.

4.      Voice-to-Text

Fitur standar pada telepon pintar saat ini adalah Voice-to_Text. Dengan menekan tombol atau mengucapkan frasa tertentu "Ok Google" misalnya, Anda dapat mulai berbicara dan telepon Anda mengubah audio menjadi teks. Saat ini, ini adalah tugas yang relatif rutin, tetapi selama bertahun-tahun, transkripsi otomatis yang akurat berada di luar kemampuan bahkan komputer yang paling canggih sekalipun. Google menggunakan jaringan saraf tiruan untuk memperkuat pencarian suara. Microsoft mengklaim telah mengembangkan sistem pengenalan ucapan yang dapat mentranskripsikan percakapan sedikit lebih akurat daripada manusia.

5.      Sistem Search

Pada zaman sekarang banyak system search yang jauh lebih akurat dan sempurna. Seperti sistem search yang dimiliki oleh google, atau beberapa aplikasi social media dan aplikasi online shop. Sistem search ini dapat mencari dan memberikan saran yang lebih tepat walaupun sang pengetik tidak begitu jelas maupun detail dalam menulisnya.

Sumber:

http://repository.uinjkt.ac.id/dspace/bitstream/123456789/44538/2/naskah%20kecerdasan%20buatan.pdf

https://library.binus.ac.id/eColls/eThesisdoc/Bab2/2010-2-00250-if%20bab%202.pdf

Abdul Kadir & Terra Ch. Triwahyuni. Pengenalan Teknologi Informasi. Yogyakarta: Penerbit Andi, 2003.

Andri Kristanto, Kecerdasan Buatan (Sebuah Pengantar), Edisi Pertama. Yogyakarta: Penerbit Graha Ilmu, 2004.

Anita Desiani dan M. Arhami. Konsep Kecerdasan Buatan. Yogyakarta: Penerbit Andi, 2006.

A. Walid Salameh. A Study in Informatics and Control, Vol. 13, No.2, June 200 pp.135.

https://emerj.com/ai-sector-overviews/everyday-examples-of-ai/

Pengertian Karakteristik & Contoh Sistem Cerdas

v  Pengertian Sistem Cerdas

Sistem Cerdas adalah kecerdasan yang diciptakan dan dimasukkan ke dalam suatu mesin (computer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Sistem cerdas adalah sistem yang menerapkan kecerdasan buatan. Jadi, “kecerdasan” inilah yang diciptakan untuk kemudian dimasukkan ke dalam suatu mesin atau komputer. Sistem ini dibuat agar dapat berpikir layaknya manusia.

v  Ciri-ciri Sistem Cerdas:

1.      Dapat berpikir

Sistem cerdas dapat berfikir layaknya manusia. Sistem kerja otak manusia dilukiskan dalam sebuah sel saraf yang akan berintegrasi satu sama lain pada otak manusia. Pada mesin di tanamkan cara kerja sel saraf yang menyerupai manusia, sehingga diperlukan perumusan persamaan model matematik. Model persamaan matematik tersebut dituliskan pada program-program komputer seperti pada Visual Basic, Delphi, DEV C++,Matlab dan lain-lain.

2.      Memiliki perasaan

Mesin yang memiliki logika juga dapat memiliki perasaan. Logika Samar merupakan perasaan yang ditanamkan pada komputer, sehingga komputer dapat mengambil keputusan 'diantara 1 dan 0' atau dengan kata lain, komputer dapat memiliki toleransi, unsur rasa, atau 'kira-kira'. Komputer juga dapat memiliki kesensitifan dari input yang diberikan sehingga berpengaruh dalam output yang didapat. Sehingga dalam kerjanya, logika tersebut menggunakan perasaan. 

v  Contoh Implementasi Sistem Cerdas:

1.      Bidang Komputer dan Sains

Beberapa daftar aplikasi yang sebelumnya dikembangkan oleh para peneliti kecerdasan buatan adalah GUI (Graphical User Interface), Kalkulasi koordinat mouse pada layar monitor, manajemen penyimpanan otomatis, pemrograman dinamis serta pemrograman orientasi objek.

2.      Finansial

Pada bidang finansial, penggunaan kecerdasan buatan ditujukan pada pengorganisasian operasi, investasi saham, dan memanajemen properti. Sebuah sistem yang memiliki kecerdasan buatan dapat mengkalkulasi inflasi maupun deflasi yang akan terjadi di masa depan serta dapat mengkalkulasi probabilitas naik turunnya harga saham sehingga dapat digunakan untuk menentukan investasi secara detail.

3.      Kesehatan

Pada bidang kesehatan, sistem kecerdasan buatan telah digunakan, slah satunya adalah algoritma genetika yang memungkinkan simulasi proses evolusi dan rekayasa genetika diuji coba tanpa memerlukan “korban” makhluk hidup. Algoritma ini juga dapat digunakan untuk pencocokan DNA yang sering digunakan dan saat ini mungkin populer untuk mengidentifikasi identitas seseorang

4.      Industri

Mesin – mesin industri menggantikan pekerjaan yang berbahaya bagi pekerja.

5.      Telekomunikasi

Pada Bidang telekomunikasi, sistem kecerdasan buatan juga banyak digunakan antara lain untuk pencarian heuristik tentang tenaga kerja mereka, mengatur penjadwalan puluhan ribu pekerjanya, serta menentukan jumlah gaji sesuai dengan kualitas kerja mereka. Semuanya dilakukan secara otomatis dengan kecerdasan buatan yang telah diimplementasikan ke dalam sistemnya.

6.      Pengembangan Game

Game masa kini sudah menggunakan rule yang berbeda dari sebelumnya. Kini jika pemain harus memulai lagi permainan maka dia tidak akan menemui pola yang sama dengan yang dimainkannya sebelumnya.

7.      Pengembangan Mainan

Peralatan permainan seperti AIBO dan ASIMO, robot anjing cerdas dan robot yang menyerupai manusia yang dapat berinteraksi dengan manusia menjadi salah satu favorit alat bermain yang telah menggunakan kecerdasan buatan pada sistemnya. AIBO dan ASIMO ini dapat berinteraksi dengan manusia melalui suara, fitur speech recognition di dalamnya, robot ini dapat mengerti apa yang diucapkan manusia dan menanggapinya.

Sumber:

http://shofa-f-r-fst11.web.unair.ac.id/artikel_detail-137749-Umum-OVERVIEW%20SISTEM%20CERDAS.html

https://maghfiramaulan.blogspot.com/2016/11/sistem-cerdas-intelligent-information.html

http://tiaraserr.blogspot.com/2016/10/sistem-cerdas.html

https://www.academia.edu/7242399/Robot-untuk-industri

TUGAS IV ITSM (Information Technology Service Management)

ITSM (Information Technology Service Management)

IT service management adalah sebuah penyediaan layanan pelanggan yang berkualitas dengan memastikan kebutuhan dan expetasi  pelanggan terpenuhi. Manajemen Layanan TI mengacu pada jumlah proses dan praktik yang diperlukan untuk mengelola dan mendukung Layanan Teknologi Informasi. Praktik ITSM dimaksudkan untuk mendukung, dengan cara yang independen dari vendor, sepenuhnya spektrum layanan TI dari jaringan ke aplikasi hingga layanan bisnis lengkap. Manajemen Pelayanan kerangka kerja proses dan standar seperti ITIL, IT4IT, eTOM atau COBIT telah berkontribusi untuk menentukan standar prosedur operasi dan layanan pendukung dalam organisasi sambil memberikan kualitas dan perolehan efisiensi untuk tim Operasi TI.

Secara umum, ITSM meliputi:

Ø  Metode, alat, dan proses yang digunakan departemen TI untuk mendukung dan mengaktifkan ekosistemnya;

Ø  memberikan layanan bisnis;

Ø  Kerangka di mana efektivitas dan nilai layanan TI diukur;

Ø  Dukungan untuk integrasi Agile dan Waterfall DevOps;

Ø  Mendukung domain teknik dan operasi;

Ø  Kemampuan untuk diterapkan pada fase / lingkungan pra-produksi dan produksi.

Dalam lingkungan yang kompleks saat ini, klien ditantang untuk memberikan inovasi dan nilai bisnis lebih cepat mengoptimalkan operasi. Tim-tim operasi perlu mendukung Cloud dan hibrid di tempat dan di luar lokasi layanan infrastruktur dan mengintegrasikannya dengan aset ITSM mereka saat ini dan memberikan dengan kecepatan dan ketangkasan. Mengelola peningkatan kompleksitas operasional, merespons perubahan yang berkelanjutan sambil menyediakan operasional umpan balik kepada seluruh tim Operasi adalah tantangan utama alamat Manajemen Layanan TI.

Dalam lingkungan yang kompleks saat ini, klien ditantang untuk memberikan inovasi dan nilai bisnis lebih cepat mengoptimalkan operasi. Tim-tim operasi perlu mendukung Cloud dan hibrid di tempat dan di luar lokasi layanan infrastruktur dan mengintegrasikannya dengan aset ITSM mereka saat ini dan memberikan dengan kecepatan dan ketangkasan. Mengelola peningkatan kompleksitas operasional, merespons perubahan yang berkelanjutan sambil menyediakan operasional umpan balik kepada seluruh tim Operasi adalah tantangan utama alamat Manajemen Layanan TI.

Domain dan kemampuan Manajemen Layanan TI termasuk, tetapi tidak terbatas pada:

Ø  Hosting katalog layanan TI, memfasilitasi dan mengoordinasikan permintaan dan pemenuhan efisien layanan tersebut;

Ø  Mengelola Ketersediaan & Ketahanan Proses Bisnis melalui teknologi yang memungkinkan;

Ø  Jaminan Layanan TI - termasuk Kesehatan / Kinerja serta Identifikasi, Analisis dan Penyelesaian masalah yang terkait dengan layanan yang mendukung teknologi;

Ø  Manajemen siklus hidup penuh aset TI - baik itu perangkat keras, perangkat lunak,; aplikasi atau virtual (mis. Cloud).

Selain mendukung layanan infrastruktur cloud dan hybrid, ITSM juga memainkan peran kunci mendukung Agile dan praktik dan tujuan DevOps seperti:

Ø  Manajemen konfigurasi untuk memastikan lingkungan yang konsisten di seluruh pengembangan, pengujian dan produksi;

Ø  Manajemen Insiden untuk memungkinkan tindakan korektif yang tepat waktu;

Ø  Infrastruktur dan manajemen kinerja aplikasi untuk menyediakan pemantauan berkelanjutanvdiperlukan untuk kualitas aplikasi berkelanjutan;

Ø  Manajemen layanan bisnis untuk menyediakan dasbor bisnis yang ditenagai oleh analitik umpan balik bisnis berkelanjutan para pemangku kepentingan memungkinkan mereka untuk menyesuaikan rencana mereka.

Akhirnya, praktik dan alat Manajemen Layanan TI memungkinkan dan memastikan operasi yang konsisten dan andal korporasi dan memberikan umpan balik kepada semua pemangku kepentingan. Tanpa mereka, proyek akan sulit untuk mengarahkan pada rute yang terus berkembang dilacak oleh kebutuhan inovasi bisnis Anda.

ITIL dan ITSM

ITSM menyediakan kerangka kerja untuk menyelaraskan kegiatan yang terkait dengan teknis IT dan interaksi personel-personel didalamnya dengan proses bisnis dan pengguna. ITIL adalah salah satu framework Best Practice yang sudah umum digunakan dalam dunia industri. Tujuannya adalah agar sebuah layanan dapat memenuhi kebutuhan bisnis dan sesuai dengan perspektif kualitas yang telah disepakati dengan pengguna dengan biaya dan resiko yang dapat diminimalisir. Siklus hidup dari ITIL dapat dilhat pada Gambar 2.

Gambar 2. Siklus Hidup Framework ITIL

(Sumber : http://www.bmc.com/guides/itil-introduction.html)

ITIL V3 terdiri dari 5 buku, yang memuat prinsip-prinsip, proses, fungsi dan topik-topik terkait dari masing-masing siklus hidup mulai dari Service Strategy, Service Design, Service Transition, Service Operation, dan Continual Service Improvement.

ITIL Mendukung ITSM dengan cara berikut:

Service Strategy (Strategi layanan) - adalah tahap perencanaan di mana Anda berjuang untuk cara penyampaian yang efektif jasa. Pada tahap ini Anda melihat secara strategis bagaimana Anda dapat memanfaatkan kemampuan teknologi dan proses bisnis dan memberikan panduan tentang bagaimana merancang dan mengembangkan layanan secara efektif kemampuan manajemen sebagai aset strategis.

Service Design (Desain layanan)– Merencanakan dan membangun arsitektur layanan generasi selanjutnya di lokasi, cloud, dan infrastruktur hybrid. Di sini kita perlu merancang layanan yang skalabel dan hemat biaya dengan mempertimbangkan infrastruktur, aplikasi, dan teknologi manajemen layanan yang akan digunakan untuk mengelola layanan.

Service Transition (Transisi layanan)– Pada tahap ini kami sedang melihat proses inti Manajemen Dukungan Layanan TI (ITSSM) berfokus pada alur kerja dan cara yang efektif untuk memindahkan layanan ke dalam operasi. Di sini kita melihat otomatisasi konfigurasi, perubahan, dan rilis mengalir terlalu efektif menyebarkan layanan ini ke dalam produksi.

Service Operation (Operasi layanan) - Pada titik ini kami secara efektif mengelola layanan berdasarkan basis sehari-hari. Kita memastikan ketersediaan dan kinerja layanan dan infrastruktur bisnis. Kami menggunakan pemantauan dan otomatisasi untuk meningkatkan keandalan layanan dan memastikan kami memiliki kapasitas dan ketahanan yang memadai layanan untuk mempertahankan operasi layanan.

Continual Service Improvement (Peningkatan layanan)– Di sini, kami memberikan peningkatan layanan dan solusi yang berkelanjutan melalui peningkatan visibilitas dan integrasi alat dan proses. Kami mengumpulkan metrik dan mengukur KPI untuk memahami tingkat kematangan layanan dan memastikan kami menyediakan layanan berkualitas yang diharapkan oleh pelanggan kami. Kami fokus pada siklus hidup layanan penuh dan memahami di mana kami dapat memberikan peningkatan dalam pengoperasian layanan.

Perkembangan Era Industri 4.0 memaksa adanya penyesuain-penyesuaian pada ITIL V3 menjadi ITIL V4 yang merupakan sebuah inisiatif berbasis masyarakat dan industri. Disrupsi teknologi di Industri 4.0 memaksa organisasi untuk terus menerus beradaptasi secara lincah dan cepat, sehingga ada banyak perubahan di dalam ITSM. Hal ini menunjukkan bahwa disiplin ilmu dalam ITSM juga bergerak dinamis mengikuti perkembangan zaman.

INDUSTRI 4.0

Konsep Industri 4.0 tidak terbatas hanya untuk manufaktur langsung di perusahaan tetapi mencakup juga rantai nilai lengkap dari penyedia layanan kepada pelanggan dan semua fungsi dan layanan bisnis perusahaan. Industri 4.0 mengasumsikan dukungan luas dari seluruh siklus hidup sistem, produk dan seri, didistribusikan secara spasial dan organisasional.

Gambar 3. Level Eksekusi dan Implementasi Industry 4.0 (Crnjac, Veža and

Banduka, 2017).

Berdasarkan Gambar 3 dapat ditangkap peengertian bahwa untuk melakukan eksekusi dan implementasi Industry 4.0 perlu dilakukan Manajemen terhadap Teknologi Informasi. Hal ini dikarenakan konsep Industri 4.0 tidak terlepas dari adopsi teknologi informasi.

Transofrmasi digital telah menjadi tren utama di era Industri 4.0, mengarahkan strategi IT kedalam strategi bisnis tidaklah cukup. Dibutuhkan kemampuan untuk integrasi serta menjadikan peran teknologi lebih kepada enabler sebuah bisnis atau kunci utama dalam menjalankan bisnis, bukan lagi sebagai penyedia layanan saja. Hubungan antara teknologi informasi dan bisnis menjadi jauh lebih kuat daripada sebelumnya.

Sumber:

MANAJEMEN LAYANAN TEKNOLOGI INFROMASI: TANTANGAN DALAM KURIKULUM PERGURUAN TINGGI DI ERA REVOLUSI INDUSTRI 4.0 -

e-prosiding.poliban.ac.id/index.php/snrt/article/download/272/231/

IT Service Management – IBM -https://www.ibm.com/developerworks/community/files/form/anonymous/api/library/42529e82-173a-4f45-805b-93d9eb35ffa6/document/794a9a0c-7213-439d-a147-abc43ca86303/media/ITSM%20Reference%20Architecture%20-%20ITSM%20-%20Whitepaper.pdf

Smarter IT: Optimize IT Delivery, Accelerate – http://www.bitpipe.com/fulfillment/1424190373_917

The Open GROUP Request to Fulfill (R2F) Value Stream - http://pubs.opengroup.org/it4it/refarch20/chap07.html

The Open GROUP Detect to Resolve (D2R) Value Stream - http://pubs.opengroup.org/it4it/refarch20/chap08.html

Smart IT: Optimize IT Delivery, Accelerate Innovation - http://www.innovise-esm.com/assets/media/integrated_service_management_-_ibm.pdf.pdf

The ITIL® and ITSM Directory - http://www.itil-itsm-world.com/

Aoun, J. E. (2017) Robot-proof: higher education in the age of artificial intelligence. MIT Press.

Bowers, D. and Morse, D. (2018) ‘Including IT service management in the Computing curriculum: a caricature approach’, in Computing Education Practice. University of Durham. Available at: http://libeprints.open.ac.uk/52883/1/CEP-2018 ITIL caricatures.pdf.

Cox, R. and Marriott, I. (2003) ‘Trust and control: the key to optimal outsourcing relationships’.

Crnjac, M., Veža, I. and Banduka, N. (2017) ‘From Concept to the Introduction of Industry 4.0’, International Journal of Idustrial Engineering and Management, 8, p. 21.

Galup, S. D. et al. (2009) ‘An overview of {IT} service management’, Commun. {ACM}, 52(5), pp. 124–127. doi: 10.1145/1506409.1506439.

Gunadarma. (n.d.). Kurikulum SIstem Informasi. Retrieved from http://filkom.gunadarma.ac.id/sisinformasi/page/detail/39/Kurikulum

ITS. (2014). Kurikulum 2014-2019 Program Studi S1 Sistem Informasi. Retrieved September 26, 2018, from http://is.its.ac.id/apps/masters_v2/wp- content/uploads/2015/02/bukupanduan_kurikulum2014- 2019_published3.pdf