Metode Pencarian Buta dan Metode Pencarian Heuristik

1. Metode Pencarian Buta

1. Breadth First Search 

     Pencarian dengan Breadth First Search menggunakan teknik dimana langkah pertamanya adalah root node diekspansi, setelah itu dilanjutkan semua successor dari root node juga di-expand. Hal ini terus dilakukan berulang-ulang hingga leaf (node pada level paling bawah yang sudah tidak mempunyai successor lagi).

     Pencarian dengan Breadth First Search akan menjadi optimal ketika nilai pada semua path adalah sama. Dengan sedikit perluasan, dapat ditemukan sebuah algoritma yang optimal dengan melihat kepada nilai tiap path di antara node-node yang ada. Selain menjalankan fungsi algoritma BFS, Uniform Cost Search melakukan ekspansi node dengan nilai path yang paling kecil. Hal ini bisa dilakukan dengan membuat antrian pada successor yang ada berdasar kepada nilai path-nya (node disimpan dalam bentuk priority queue). 

Keuntungannya :

• Tidak menemui jalan buntu.
• Jika ada suatu solusi, maka Breadth-first search akan menemukannya. Dan jika didapat lebih dari satu solusi, maka solusi minimum akan ditemukan. 

Kelemahannya :

• Membutuhkan memori yang cukup banyak, karena menyimpan semua node dalam suatu pohon.
• Membutuhkan waktu yang cukup lama, karena akan menguji n level untuk mendapatkan solusi pada level ke-(n + 1). 

2. Depth First Search 

     Teknik pencarian dengan Depth First Search adalah dengan melakukan ekspansi menuju node yang paling dalam pada tree. Node paling dalam dicirikan dengan tidak adanya successor dari node itu. Setelah node itu selesai diekspansi, maka node tersebut akan ditinggalkan, dan dilakukan ke node paling dalam lainnya yang masih memiliki successor yang belum diekspansi. 

     Pencarian menggunakan DFS akan berlanjut terus sampai kedalaman paling terakhir dari tree. Permasalahan yang muncul pada DFS adalah ketika proses pencarian tersebut menemui infinite state space. Hal ini bisa diatasi dengan menginisiasikan batas depth pada level tertentu semenjak awal pencarian. Sehingga node pada level depth tersebut akan diperlakukan seolah-olah mereka tidak memiliki successor. 

Keuntungannya :

• Membutuhkan memori yang relatif kecil, karena hanya node-node pada lintasan yang aktif yang di simpan.
• Secara kebetulan, metode Depth First Search akan menemukan solusi tanpa harus menguji lebih banyak lagi dalam ruang keadaan.

Kelemahannya :

• Memungkinkan tidak ditemukannya tujuan yang diharapkan.
• Hanya akan mendapatkan satu solusi pada setiap pencarian.

3. Contoh Penerapan 

Studi Kasus : Pada suatu hari ada seorang petani yang mempunyai seekor kambing dan serigala.Pada saat itu ia baru saja panen sayuran. Karena membutuhkan uang, petani tersebut hendak menjual kambing, serigala, dan sayurannya ke pasar Johar. Untuk sampai di pasar Johar, ia harus menyeberangi sebuah sungai. 

Permasalahan : Di sungai itu hanya tersedia satu perahu saja yang bisa memuat petani dan satu penumpang lainnya (kambing, srigala, atau sayuran). Jika ditinggalkan oleh petani tersebut, maka sayuran akan dimakan oleh kambing dan kambing akan dimakan oleh serigala. 

Deskripsi:

• P = Petani
• Sy = Sayuran
• K = Kambing
• Sg = Serigala 

Ruang Keadaan:
Untuk daerah asal dan daerah seberang digambarkan. (P, Sy, K, Sg) 

Keadaan Awal:

• Daerah Asal = (P, Sy, K, Sg)
• Daerah seberang = (0, 0, 0, 0) 

Tujuan:

• Daerah Asal = (0, 0, 0, 0)
• Daerah seberang = (P, Sy, K, Sg) 

Metode Penyelesaian : 

Breadth First Search : 

1. Masukkan simpul akar ke dalam antrian Q. Jika simpul akar = simpul solusi (goal node), maka stop.
2. Jika Q kosong, tidak ada solusi. Stop.
3. Ambil simpul v dari kepala (head) antrian, bangkitkan semua anak-anaknya. Jika v tidak mempunyai anak lagi, kembali ke langkah 2. Tempatkan semua anak dari v di belakang antrian.
4. Jika suatu simpul anak dari v adalah simpul solusi, maka solusi telah ditemukan, kalau tidak kembali lagi ke langkah 2.

Depth First Search :

1. Masukkan simpul akar ke dalam antrian Q. Jika simpul akar = simpul solusi, maka stop.
2. Jika Q kosong, tidak ada solusi. Stop.
3. Ambil simpul v dari kepala (head) antrian. Jika kedalaman simpul v sama dengan batas kedalaman maksimum, kembali ke langkah 2
4. Bangkitkan semua anak dari simpul v. Jika v tidak mempunyai anak lagi, kembali ke langkah 2. Tempatkan semua anak dari v di awal antrian Q. Jika anak dari simpul v adalah simpul tujuan, berarti solusi telah ditemukan, kalau tidak, kembali lagi ke langkah 2.

2. Metode Pencarian Heuristik

Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namum dengan kemungkinan mengorbankan kelengkapan (completeness). 

Fungsi heuristik digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan. 

Jenis-jenis Heuristic Searching:
– Generate and Test.
– Hill Climbing.
– Best First Search.
– Means-EndAnlysis, Constraint Satisfaction, dll.

1. Generate and Test 

Metode ini merupakan penggabungan antara depth-first search dengan pelacakan mundur (backtracking), yaitu bergerak ke belakang menuju pada suatu keadaan awal. 

Algoritma : 

1. Bangkitkan suatu kemungkinan solusi (membangkitkan suatu tititk tertentu atau lintasan tertentu dari keadaan awal).
2. Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya dengan cara membandingkan node terebut atau node akhir dari suatu lintasan yang  dipilih dengan kumpulan tujuan yang diharapkan.
3. Jika solusi ditemukan, keluar. Jika tidak, ulangi kembali langkah pertama.

Contoh : “Travelling Salesman Problem (TSP)” 

*) Seorang salesman ingin mengunjungi n kota. Jarak antara tiap-tiap kota sudah diketahui. Kita ingin mengetahui ruter terpendek dimana setaip kota hanya  boleh dikkunjungi tepat 1 kali. Misalkan ada 4 kota  dengan jarak antara tiap-tiap kota seperti berikut ini :

Alur pencarian dengan Generate and Test

 

2. Hill Climbing 

Metode ini hampir sama dengan metode Generate and Test, hanya saja proses pengujian dilakukan dengan menggunakan fungsi heuristic. Pembangkitan keadaan berikutnya tergantung pada feedback dari prosedur pengetesan. Tes yang berupa fungsi heuristic ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnyayang mungkin. 

Algoritma:
Cari operator yang belum pernah digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru.
a) Kerjakan langkah-langkah berikut sampai solusinya ditemukan atau sampai tidak ada operator baru yang akan diaplikasikan pada keadaan sekarang : Cari operator yang belum digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru.
b) Evaluasi keadaan baru tersebut : 

• Jika keadaan baru merupakan tujuan, keluar 

• Jika bukan tujuan, namun nilainya lebih baik daripada keadaan sekarang, maka jadikan keadaan baru tersebut menjadi keadaan sekarang. 

• Jika keadaan baru tidak lebih baik daripada keadaan sekarang, maka lanjutkan iterasi.

Contoh: TSP dengan Simple Hill Climbing Disini ruang keadaan berisi semua kemungkinan lintasan yang mungkin. Operator digunakan untuk menukar posisi kota-kota yang bersebelahan. Apabila ada n kota, dan kita ingin mencari kombinasi lintasan dengan menukar posisi urutan 2 kota, maka kita akan mendapatkan sebanyak n!/2!(n-2)! atau sebanyak 6 kombinasi. Fungsi heuristic yang digunakan adalah panjang lintasan yang terjadi.

Sumber:
http://azizmusyaffaa.blogspot.co.id/2016/10/breadth-first-search-depth-first-search.html
https://shabri-prayogi.blogspot.co.id/2013/08/teknik-pencarian-heuristik-heuristic.html

Laporan Pertama Grafik Komputer

Nama : Muhammad Husein Nasution
NPM : 14115634
Kelas : 3KA31





FILE PDF : DOWNLOAD 

LISTING PROGRAM : DOWNLOAD

Definisi PEAS (Performance Measure, Environment, Actuators, Sensors)

1. Pengertian PEAS

• Performance measure, berisi komponen-komponen yang akan menjadi tolak ukur keberhasilan agent.
• Environment, berisi kondisi yang dapat mempengaruhi disekitar agent.
• Actuators, berisi kemampuan yang dapat agent itu lakukan.
• Sensors, berisi hal-hal apa saja yang dapat diinput agent.

Ketika merancang sebuah agen, harus mendefinisikan lingkungan masalah (task environment), yakni:

• Performance Measure: Apa saja komponen pengukur keberhasilan si agent?
• Environment: Kondisi apa saja yang ada disekitar agent?
• Actuators: Apa saja yang bisa dilakukan si agent?
• Sensors: Apa saja yang menjadi inout si agent?

2. Contoh PEAS Pada Agents

Taksi Otomatis
Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan

• Performance measure: sampai tujuan, tidak melanggar lalu lintas, perjalanan nyaman, hemat bensin.
• Environment: jalan, lalu lintas, pejalan kaki, pelanggan.
• Actoators: arah stir, gas, rem, klakson, sinyal kiri atau kanan.
• Sensors: video, speedometer, GPS, keyboard.

Medical Diagnosis System
Sebuah agent Medical Diagnosis System yang mendiagnosa pasien secara otomatis.

• Performance measure: pasien sembuh, biaya murah, tidak menyalahi hukum.
• Environment: pasien, rumah sakit, suster, dokter.
• Actoators: layar monitor (pertanyaan, test, diagnosa, treatment, petunjuk).
• Sensors: keyboard (masukkan gejala penyakit, jawaban pasien).

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

• 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. 

Interactiv English Tutor
Sebuah agent tutor yang memberikan latihan english secara interaktif.

• Performance measure: nilai skor maksimal.
• Environment: para siswa.
• Actuators: laya monitor (latihan, saran koreksi).
• Sensors: keyboard.

Sumber:
http://yogipratama97.blogspot.co.id/2016/10/pengenalan-intelligent-agents.html

Definisi, Konsep Serta Contoh Agents

1. Pengertian Agents

          Agent adalah segala sesuatu yang dapat dipandang sebagaiman mengamati lingkungan melalui sensor dan bertindak atas lingkungan yang melalui efektor. Agen manusia memiliki mata, telinga dan organ lain untuk sensor dan tangan, kaki, mulut dan bagian tubuh lainnya untuk efektor.
          Dalam kecerdasan buatan, intelligent agent (IA) adalah sebuah entitas otonom yang mengamati dan bertindak atas lingkungan dan mengarahkan aktivitasnya untuk mencapai tujuan  yaitu rasional. Intelligent agen juga dapat belajar atau menggunakan pengetahuan untuk mencapai tujuan mereka. Russell & Norvig (2003) mengartikan Rational Agent yang mengerjakan segala sesuatu hal dengan benar.

Agen Intelligent menurut Nikola Kasabov adalah bahwa Agent harus menunjukkan karakteristik berikut.:

• Mengakomodasi pemecahan masalah baru aturan bertahap.
• Beradaptasi online dan real time.
• Mampu menganalisis sendiri dalam hal perilaku, kesalahan dan kesuksesan.
• Belajar dan meningkatkan melalui interaksi dengan lingkungan (perwujudan).
• Belajar dengan cepat dari sejumlah besar data.
• Memiliki penyimpanan memori berbasis contoh dan kapasitas pengambilan.
• Memiliki parameter untuk mewakili umur pendek dan jangka panjang memori.

2. Konsep Agents

1. Rational Agent

• Definisi Rational Agent: suatu agent yang selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati tentang lingkungan (sejarah input) dan pengetahuan lain yang dimilikinya.
• Rational tidak berarti sempurna: ada aspek lingkungan yang tidak diketahui, di luar kendali.
• Terkadang agent bermulai tanpa pengetahuan lingkungan → exploration, learning, autonomy. 

2. Task Environment

Ketika merancang sebuah agent, kita harus mendefinisikan lingkungan masalah (task environment), yakni:

• Performance measure: apa saja yang menjadi ukuran kinerja agent?
• Environment: di manakah agent berperan?
• Actuators: apa saja yang bisa dilakukan si agent?
• Sensors: apa saja yang menjadi perantara input untuk agent?
• PEAS

3. Jenis Environment

• Fully-observable vs. partially-observable: semua info relevan diketahui?
• Deterministic vs. stochastic: next state = current state + action?
• Episodic vs. sequential: apakah tergantung sejarah?
• Static vs. dynamic: environment berubah jika agent tidak bertindak?
• Discrete vs. continuous: bisa terhadap sifat state, percept, action.
• Single agent vs. multiagent: apakah ia kawan (kooperatif) atau lawan (kompetitif)?
• Tentunya, dunia nyata kita partially-observable, stochastic, sequential, dynamic, continuous, dan multiagent.

4. Struktur Sebuah Agent

• Agent Function: Sebuah fungsi yang memetakan sejarah input (percept sequence) terhadap tindakan yang dilakukan (action)
• f : P* → A
• Agent Program: Sebuah program yang mengimplementasikan fungsi f di atas arsitektur
• Agent = Arsitektur + Program
• Agent Program menerima input percept terakhir (*mungkin* ia menyimpan percept sequence di dalam memory-nya) 

3. Contoh Agents

Taksi Otomatis
Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan

• Performance measure: sampai tujuan, tidak melanggar lalu lintas, perjalanan nyaman, hemat bensin.
• Environment: jalan, lalu lintas, pejalan kaki, pelanggan.
• Actoators: arah stir, gas, rem, klakson, sinyal kiri atau kanan.
• Sensors: video, speedometer, GPS, keyboard.

Medical Diagnosis System
Sebuah agent Medical Diagnosis System yang mendiagnosa pasien secara otomatis.

• Performance measure: pasien sembuh, biaya murah, tidak menyalahi hukum.
• Environment: pasien, rumah sakit, suster, dokter.
• Actoators: layar monitor (pertanyaan, test, diagnosa, treatment, petunjuk).
• Sensors: keyboard (masukkan gejala penyakit, jawaban pasien).

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

• 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.

Interactiv English Tutor
Sebuah agent tutor yang memberikan latihan english secara interaktif.

• Performance measure: nilai skor maksimal.
• Environment: para siswa.
• Actuators: laya monitor (latihan, saran koreksi).
• Sensors: keyboard.

Sumber:
http://artikel-teknologi-informasi.blogspot.co.id/2012/11/pengertian-agent-pada-ai-artificial.html
https://layangantw.wordpress.com/2014/10/26/konsep-intellegent-agents/
http://yogipratama97.blogspot.co.id/2016/10/pengenalan-intelligent-agents.html

Sejarah, Definisi serta Contoh Artificial Intelligence (AI)

Sejarah Artificial Intelligence (AI)

Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.

Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan "Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas " pada 1943 yang meletakkan pondasi untuk jaringan syaraf.

Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah "kecerdasan buatan " pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan "Turing test" sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.

Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.

Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.

Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.

Beberapa ahli memukakan defisini kecerdasan buatan (Artificial Intelligence), yaitu sebagi berikut:

• John McCarthy [1956]: Kecerdasan buatan (Artificial Intelligence) ialah Memodelkan proses berpikir manusia dan mendesain mesin agar menirukan perilaku manusia.
• H. A. Simon [1987]“ Kecerdasan buatan (Artificial Intelligence) ialah sebuah tempat sebuah penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang -dalam pandangan manusia adalah- cerdas”
• Rich and Knight [1991]: “Kecerdasan Buatan (Artificial Intelligence) ialah sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.”
• Encyclopedia Britannica: “Kecerdasan Buatan (Artificial Intelligence) ialah cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan.”

Contoh Penerapan Artificial Intelligence (AI) :

1. Sistem Pakar (Expert System). Disini, komputer digunakan sebagai sarana untuk menyimpan pengetahuan para pakar. Dengan demikian, komputer akan memiliki keahlian untuk menyelesaikan permasalahan dengan meniru keahlian yang dimiliki oleh pakar.
2. Pengolahan Bahasa Alami (Natural Language Processing). Dengan pengolahan bahasa alami ini diharapkan user dapat berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari.
3. Pengenalan Ucapan (Speech Recognition). Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi dengan komputer menggunakan suara.
4. Robotika & Sistem Sensor (Robotics & Sensory Systems).
5. Computer Vision, mencoba untuk dapat menginterpretasikan gambar atau objek-objek tampak melalui komputer.
6. Intelligent Computer-aided Instruction. Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar.
7. Game Playing.

Sumber:

http://www.sarjanaku.com/2013/01/makalah-pengertian-kecerdasan-buatan.html

http://www.pendidikanmu.com/2015/04/pengertian-kecerdasan-buatan-menurut-para-ahli.html

Artikel Mengenai Service Level Agreements (SLA) dan Operasional Level Agreements (OLA)

SERVICE LEVEL AGREEMENT (SLA)

Perjanjian Tingkat Layanan (SLA) adalah bagian dari perjanjian layanan secara keseluruhan antara 2 dua entitas untuk peningkatan kinerja atau waktu pengiriman harus di perbaiki selama masa kontrak. Dua entitas tersebut biasanya dikenal sebagai penyedia layanan dan klien, dan dapat melibatkan perjanjian secara hukum karena melibatkan uang, atau kontrak lebih informal antara unit-unit bisnis internal.
SLA ini biasanya terdiri dari beberapa bagian yang mendefinisikan tanggung jawab berbagai pihak, dimana layanan tersebut bekerja dan memberikan garansi, dimana jaminan tersebut bagian dari SLA memilikitingkat harapan yang disepakati, tetapi dalam SLA mungkin terdapat tingkat ketersediaan, kemudahan layanan, kinerja, operasi atau tingkat spesifikasi untuk layanan itu sendiri. Selain itu, Perjanjian Tingkat Layanan akan menentukan target yang ideal, serta minimum yang dapat diterima.


PERJANJIAN TINGKAT LAYANAN(SERVICE LEVEL AGREEMENTS)
Mana satu pihak memberikan layanan lain, itu adalah ide yang baik untuk memiliki semacam menetapkan perjanjian dasar di mana Layanan ini disediakan. Perjanjian-perjanjian tersebut akan biasanya berisi, antara lain, deskripsi dari apa yang harus disediakan, key performance indikator, cara layanan ini akan dikenakan biaya untuk (jikarelevan) dan tanggung jawab masing-masing pihak. Dalam ITIL SLM, perjanjian antara internal layanan penyedia dan pelanggan bisnis yang mendukung dikenal sebagai service level agreements (SLA) dan itu adalah melalui SLA SLM berhasil hubunganantara sendiri dan para pelanggannya.

PERJANJIAN TINGKAT LAYANAN
      ITIL mendefinisikan Layanan level agreement (SLA) sebagai kesepakatan antara penyedia layanan IT dan pelanggan. SLA menjelaskan layanan, catatan target tingkat layanan, dan menentukan tanggung jawab untukpenyedia layanan IT dan pelanggan. SLA tunggal dapat mencakup beberapa layanan TI atau beberapa pelanggan. Agar efektif, SLA harus dokumen tertulis yang ditandatangani oleh semua pihak-pihak yang terpengaruh oleh itu. SLA penting sehingga mereka jarang akan disetujui tanpa negosiasi antara penyedia layanan IT dan nasabah, mulai dengan pernyataan maksud bahwa menetapkan persyaratan, ketentuan, dan target akan disetujui.
SLA akan mencakup rincian kontak, apa yang harus terjadi jika sesuatu yang tidak beres,cara setiap sengketa yang harus ditangani, ketentuan untuk ganti rugi, Mekanisme untuk mendapatkan SLA diubah jika diperlukan dan periode dimana perjanjian akan berdiri kecuali jika tidak berubah oleh perjanjian. Jika layanan ini akan dikenakan biaya untuk, maka biaya cara yang ditentukan dan pengaturan untuk faktur harus dimasukkan. Biaya juga dapat disertakan. Dalam dokumen TARIF, dirujuk dalam SLA.
      Hal ini umum di dalamnya untuk pelayanan pribadi untuk digunakan bersama oleh sejumlah pelanggan, dan pelanggan individu akan menggunakan berbagai layanan. Ini berarti bahwa ada pilihan dalam merancang SLA: mereka dapat menjadi berbasis pelanggan,

Berbasis pelanggan SLA(Customer-based SLAs)
SLA berbasis pelanggan adalah perjanjian dengan nasabah tertentu atau kelompok pelanggan yang meliputi seluruh layanan TI yang mereka gunakan. Misalnya, otoritas lokal pendidikan Departemen mungkin memiliki perjanjian tunggal merangkul penggajian, administrasi sekolah, sumber daya manusia, pembelian, sistem manajemen keuangan, dan seterusnya. Dalam beberapa hal, ini menyederhanakan hubungan antara itu dan nasabah, menempatkan perspektif pelanggan kedepan. Di sisi lain, SLA berbasis pelanggan kompleks dan sering sulit untuk setuju dan mengelola.

Layanan berbasis SLA(Service-based SLAs)
Layanan berbasis SLA adalah perjanjian dengan semua pelanggan layanan tertentu.Sebuah contoh mungkin Layanan intranet organisasi. Perjanjian semacam ini masuk akal dimana semua pelanggan ditawarkan tingkat layanan yang sama, tetapi menjadi rumit ketika hal ini tidak terjadi. Kadang-kadang, tingkat layanan yang berbeda tak terelakkan (misalnya mana remote user harus bergantung pada kecepatan rendah komunikasi).

Multi-tingkat SLA(Multi-level SLAs)
Beberapa organisasi memilih pendekatan multi-tingkat SLA, yang mana elemen Layanan Umum untuk semua pelanggan ditutupi oleh SLA tingkat perusahaan. Masalah berhubungan dengan pelanggan tertentu atau kelompok pelanggan, tidak peduli apa layanan, kemudian ditutupi oleh pelanggan-tingkat SLA dan semua isu-isu yang berkaitan dengan tertentu layanan untuk pelanggan atau kelompok pelanggan ditutupi oleh SLA khusus layanan.

SLA untuk layanan harus didasarkan pada realistis, dapat dicapai target (misalnya untuk kinerja dan ketersediaan), dan pencapaian target ini tergantung pada kinerja layanan internal dan eksternal yang mendukung pengiriman layanan utama.

Dalam rangka untuk SLM untuk menjadi percaya diri tentang pencapaian targetSLA, harus memiliki kesepakatan tertentu dengan penyedia internal dan eksternal. Perjanjian ini terbagi dalam dua jenis yang berbeda:
• Bantalan kontrak (UCs);
• Operasional perjanjian tingkat (OLAs).

Keduanya harus dinegosiasikan, disepakati dan di tempat sebelum komitmen yangdibuat untuk SLA relevan.

OPERATIONAL LEVEL AGREEMENT (OLA)
Banyak organisasi bermanfaat menulis perjanjian antara bagian yang berbeda dari penyedia layanan TI yang Tentukan target kinerja yang setiap bagian bisa dan siap untuk menanggung. Perjanjian tersebut, yang dikenal sebagai Perjanjian tingkat operasional (OLAs), mengaktifkan SLM untuk memiliki keyakinandalam SLA mereka bernegosiasi dengan pelanggan.

PERJANJIAN TINGKAT OPERASIONAL(OPERATIONAL LEVEL AGREEMENT)
Kesepakatan tingkat operasional (OLA) merupakan sebuah kesepakatan antara penyedia layanan IT dan bagian lain dari organisasi yang sama. OLA mendukung itu penyedia layanan pengiriman itu layanan kepada pelanggan.

Mengelola tingkat pelayanan(Managing service levels)
Menempatkan SLA di tempat dengan konsisten UCs dan OLAs mencapai apa-apa kecuali kinerja terhadap SLA diukur, dimonitor dan dilaporkan dan sesuai tindakan-tindakan untuk mempertahankan dan terus meningkatkan layanan pengiriman. Tanggung jawab berkelanjutan SLM prihatin dengan mempertahankanhubungan yang konstruktif dan positif dengan pelanggan, mengukur dan pemantauan kinerja terhadap SLA, pelaporan dan meninjau kinerja dengan customer, berurusan dengan mengubah persyaratan dan terus-menerus berusaha untuk memperbaiki tingkat pelayanan yang mana ini biaya-efektif. Ini bukanlah suatu hubungan satu sisi, namun. SLM juga memiliki tanggung jawab untuk membantu para pelanggan dan membuat bisnis penggunaan paling efektif dan memenuhi kewajiban mereka termasuk dalam SLA.

CONTOH KASUS :
jika kita melakukan redundansi server sebanyak 1 buah (total menjadi 2 server), maka untuk mendapatkan availability komponen tersebut, harus dihitung probability of failure -nya terlebih dahulu. Perhatikan hitungan dibawah ini:

Probability of failure (2 server) = Prob of failure server 1 x Prob of failure server 2
Probability of failure (2 server) = 0.05 x 0.05 = 0.0025 = 0.25%
Availability (2 server) = 100% - 0.25% = 99.75%

Ternyata, dengan melakukan redundansi satu buah server saja, sudah didapatkan availability sebesar 99.75%. Tapi, apakah hal ini cukup? Dengan menggunakan rumus yang sama sebelumnya, ternyata SLA layanan email setelah dilakukan redundansi server hanya mencapai 97.76%. Masih kurang 1.24% untuk mencapai SLA 99%. Lalu apa yang harus dilakukan? Kita coba untuk melakukan redundansi jaringan. Dengan menambahkan satu jalur cadangan jaringan maka tingkat availability jaringan mencapai 99.99%. SLA layanan email setelah dilakukan redundansi server dan jaringan mencapai 99.87%. Ternyata masih belum cukup juga mz bro. Terakhir, kita coba melakukan redundansi database, dan akhirnya didapatkan SLA email sebesar 99.74%. Pfiuuh...

Dari perhitungan sederhana diatas, dapat terbayang untuk mencapai target SLA yang tinggi, dibutuhkan biaya dan usaha yang sangat besar. Menggunakan contoh email diatas, jika kita ingin menaikkan SLA dari 93% ke 97%, maka penambahan satu server redundansi sudahlah cukup. Namun, jika ingin mencapai 99% lebih, ternyata semua komponen harus dilakukan redundansi minimal satu buah. Sungguh biaya yang sangat besar.

Macam-Macam Framework dan Perbandingan antar Framework

Macam-macam Framework :

1. ITIL (Information Technology Infrastructure Library)

ITIL ialah sebuah kerangka kerja atau konsep yang menggambarkan praktek terbaik dalam manajemen layanan teknologi informasi (TI)  dan berfokus pada pengembangan dan pengukuran yang terus menerus terhadap kualitas dari layanan IT yang diberikan baik terhadap bisnis atau pelanggan

2. COBIT (Control Objectives for Information and Related Technology)

COBIT adalah suatu panduan standar praktik manajemen teknologi informasi yang dimana menjadi sekumpulan dokumentasi best practices untuk IT governance yang dapat membantu auditor, manajemen dan user untuk menjembatani gap antara risiko bisnis, kebutuhan kontrol dan permasalahan-permasalahan teknis.

3. Application Services Library (ASL)

Aplikasi Layanan Perpustakaan (ASL) adalah kerangka kerja domain publik dari praktik terbaik yang digunakan untuk standarisasi proses dalam aplikasi manajemen, disiplin memproduksi dan memelihara sistem informasi dan aplikasi. Istilah “perpustakaan” digunakan karena ASL disajikan sebagai satu set buku yang menggambarkan praktek-praktek terbaik dari industri TI. Hal ini dijelaskan dalam beberapa buku dan artikel (banyak dari mereka hanya tersedia dalam bahasa Belanda) dan di situs resmi ASL BiSL Foundation.

 
4. Software Maintenance Maturity Model

Maturity Model adalah suatu metode untuk mengukur level pengembangan manajemen proses, yang berarti adalah mengukur sejauh mana kapabilitas manajemen tersebut. Seberapa bagusnya pengembangan atau kapabilitas manajemen tergantung pada tercapainya tujuan-tujuan COBIT.

5. Business Information Services Library (BISL)

BISL adalah standar domain publik sejak tahun 2005, diatur oleh Lembaga ASL BiSL (sebelumnya Lembaga ASL). Kerangka kerja ini menggambarkan standar untuk proses dalam manajemen informasi bisnis di strategi, manajemen dan operasi tingkat. BiSL berkaitan erat dengan kerangka ITIL dan ASL, namun perbedaan utama antara kerangka kerja ini adalah bahwa ITIL dan ASL fokus pada pasokan sisi informasi (tujuan organisasi TI), sedangkan BiSL berfokus pada sisi permintaan (yang timbul dari organisasi pengguna akhir).

6. Microsoft Operations Framework (MOF)

Microsoft Operations Framework (MOF) 4.0 adalah serangkaian panduan yang bertujuan membantu Teknologi Informasi (TI) profesional menetapkan dan menerapkan layanan yang handal dan hemat biaya.

Perbandingan Framework:

BISL VS MOF

• MOF mengelola manajemen operasional TI sedekemikian rupa sehingga bisnisnya dapat mengandalkan ketersediaan layanan yang tinggi, sementara BISL hanya berfokus pada sisi permintaan.
• BISL memberikan atau memfasilitasi pamahanan dan komunikasi yang lebih baik, sementara MOF tidak terfokuskan dengan itu.

COBIT VS ITIL

• ITIL  lebih ke focus ke IT sedangkan COBIT lebih ke pandangan yang lebih menyeluruh
• COBIT datang dengan assestment framework, training dan sertifikasinya pun dilengkapi dengan assessor program, assestment akan didasarkan capability dibandingan dengan tingkat maturity nya.
• COBIT berada di area konseptual sedangkan ITIL lebih ke sisi implementasi di lapangannya.

Software Maintenance Maturity Model VS MOF

• Pada MOF lebih menetapkan layanan dimana memberikan layanan yang handal, relevan dan praktis sementara BISL masih standar dalam melakukan proses layanannya.
• Software Maintenance Maturity Model memfokuskan untuk mengukur level pengembangan manajemen proses saja.