Daftar Judul Paper Artificial Intelligence in Information System

Penelitian mengenai "Analisis Model Pengambilan Keputusan Berbasis Sistem Pendukung Keputusan dalam Lingkungan Bisnis Dinamis" menyoroti bagaimana teknologi Decision Support Systems (DSS) berperan dalam mendukung pengambilan keputusan yang efektif di lingkungan bisnis yang berubah cepat. Dengan memanfaatkan teknik pemodelan dan analisis, DSS dapat membantu organisasi mengidentifikasi peluang serta mengelola risiko secara lebih optimal. Sementara itu, "Analisis Peran Sistem Pendukung Keputusan dalam Pengelolaan Risiko dan Perencanaan Strategis Perusahaan" meneliti bagaimana DSS berkontribusi dalam mengelola ketidakpastian bisnis melalui pendekatan berbasis data.

Dalam ranah Business Intelligence, penelitian "Pemanfaatan Business Intelligence untuk Menganalisis Perilaku Konsumen dalam Industri E-Commerce" membahas bagaimana BI digunakan untuk memahami pola belanja konsumen, memungkinkan personalisasi layanan, serta meningkatkan retensi pelanggan. Selain itu, "Integrasi Business Intelligence dan Machine Learning dalam Meningkatkan Efisiensi Operasional Perusahaan" mengeksplorasi sinergi antara BI dan Machine Learning dalam mengoptimalkan pengambilan keputusan berbasis prediksi dan otomatisasi.

Di sektor industri manufaktur, penelitian "Peran Algoritma Genetik dalam Optimasi Pengambilan Keputusan pada Industri Manufaktur" menyoroti bagaimana Genetic Algorithm digunakan untuk mengoptimalkan produksi, mengurangi biaya operasional, serta meningkatkan efisiensi rantai pasok. Sejalan dengan itu, penelitian "Analisis Efektivitas Artificial Neural Networks dalam Prediksi Risiko Kredit Perbankan" mengevaluasi penggunaan Artificial Neural Networks (ANN) dalam memitigasi risiko kredit melalui model prediksi yang lebih akurat dibandingkan metode tradisional.

Dalam ranah kolaborasi organisasi dan manajemen pengetahuan, penelitian "Analisis Efektivitas Group Support Systems dalam Meningkatkan Kolaborasi dan Pengambilan Keputusan Organisasi" membahas bagaimana teknologi Group Support Systems (GSS) dapat meningkatkan efektivitas kerja tim dan proses pengambilan keputusan bersama. Selain itu, "Analisis Faktor Keberhasilan Knowledge Management System dalam Organisasi Berbasis Teknologi" berfokus pada faktor-faktor utama yang mempengaruhi keberhasilan implementasi Knowledge Management Systems (KMS) dalam organisasi berbasis teknologi, termasuk peran budaya organisasi, adopsi teknologi, dan keterlibatan pengguna.

Pada bidang kecerdasan buatan dan sistem pendukung keputusan berbasis AI, penelitian "Evaluasi Kinerja Sistem Pakar dalam Mendukung Pengambilan Keputusan di Sektor Keuangan" mengeksplorasi efektivitas sistem pakar dalam meningkatkan keakuratan keputusan finansial, sementara "Implementasi Intelligent Agents dalam Meningkatkan Efisiensi Operasional pada E-Commerce" membahas bagaimana agen cerdas dapat mengotomatisasi proses bisnis, meningkatkan pengalaman pelanggan, serta mempercepat pengambilan keputusan strategis.

1. Analisis Model Pengambilan Keputusan Berbasis Sistem Pendukung
Keputusan dalam Lingkungan Bisnis Dinamis
Deskripsi Penelitian
Lingkungan bisnis modern ditandai dengan perubahan yang cepat, persaingan yang ketat,
serta kebutuhan akan pengambilan keputusan yang lebih akurat dan efisien. Sistem
Pendukung Keputusan (Decision Support Systems atau DSS) memainkan peran penting dalam
membantu manajer dan pengambil keputusan untuk mengolah data, menganalisis tren, serta
memprediksi hasil keputusan yang lebih optimal.
Penelitian ini bertujuan untuk menganalisis model-model pengambilan keputusan berbasis
DSS dalam konteks lingkungan bisnis yang dinamis. Melalui kajian literatur sistematis
(Systematic Literature Review atau SLR), penelitian ini mengeksplorasi bagaimana DSS
digunakan untuk mendukung proses pengambilan keputusan, faktor-faktor yang
mempengaruhi efektivitasnya, serta tantangan dalam implementasinya di berbagai sektor
industri.
Research Question (Pertanyaan Penelitian)
1.Bagaimana model pengambilan keputusan berbasis DSS diterapkan dalam lingkungan
bisnis yang dinamis?
2.Faktor apa saja yang mempengaruhi efektivitas DSS dalam mendukung pengambilan
keputusan?
3.Apa tantangan utama dalam implementasi DSS dalam organisasi bisnis?
4.Bagaimana tren dan perkembangan terbaru dalam penggunaan DSS untuk
pengambilan keputusan strategis?
Data
Sumber Data: Artikel jurnal akademik, prosiding konferensi, buku akademik, dan
laporan industri terkait DSS dan pengambilan keputusan.
Rentang Waktu: 10 tahun terakhir (misalnya, 2014-2024) untuk memastikan relevansi
dengan tren teknologi terbaru.
Database: Scopus, Web of Science, IEEE Xplore, Springer, ScienceDirect, dan Google
Scholar.
Metode Penelitian: Systematic Literature Review (SLR)
Penelitian ini menggunakan metode Systematic Literature Review (SLR) untuk mengumpulkan,
menganalisis, dan menyintesis literatur terkait DSS dan model pengambilan keputusan dalam
lingkungan bisnis dinamis. Langkah-langkah penelitian ini meliputi:
1.Identifikasi dan Seleksi Literatur
oMenentukan kata kunci pencarian, seperti Decision Support Systems (DSS),
business decision-making models, dynamic business environment, dan decision
analytics.

2. oMenentukan kriteria inklusi (misalnya, artikel yang membahas DSS dalam
pengambilan keputusan bisnis) dan eksklusi (misalnya, artikel yang terlalu
teknis tanpa kaitan dengan bisnis).
2.Ekstraksi Data
oMengumpulkan informasi dari setiap studi yang relevan, termasuk metodologi,
temuan utama, dan implikasi untuk bisnis.
3.Analisis dan Sintesis
oMengelompokkan hasil berdasarkan tema utama, seperti model DSS yang
digunakan, dampaknya terhadap pengambilan keputusan, serta tantangan
implementasi.
oMembandingkan berbagai pendekatan dalam DSS dan mengevaluasi
efektivitasnya dalam konteks bisnis yang berubah-ubah.
4.Pelaporan Hasil
oMenyajikan temuan dalam bentuk tematik, mengidentifikasi kesenjangan
penelitian, serta memberikan rekomendasi untuk penelitian di masa depan.
Penelitian ini diharapkan dapat memberikan wawasan tentang bagaimana DSS dapat
dimanfaatkan secara optimal dalam menghadapi tantangan bisnis modern serta membantu
organisasi dalam mengembangkan strategi berbasis data yang lebih efektif.
Analisis Peran Sistem Pendukung Keputusan dalam Pengelolaan Risiko dan
Perencanaan Strategis Perusahaan
Deskripsi Penelitian
Dalam lingkungan bisnis yang semakin kompleks dan tidak pasti, perusahaan harus
menghadapi berbagai risiko, termasuk risiko operasional, finansial, dan strategis. Oleh karena
itu, diperlukan pendekatan berbasis teknologi untuk mendukung pengelolaan risiko dan
perencanaan strategis. Sistem Pendukung Keputusan (Decision Support Systems atau DSS) telah
menjadi alat penting dalam membantu organisasi dalam menganalisis data, memodelkan
skenario risiko, dan menyusun strategi yang lebih efektif.
Penelitian ini bertujuan untuk menganalisis bagaimana DSS digunakan dalam mengelola risiko
dan mendukung proses perencanaan strategis. Dengan menggunakan metode Systematic
Literature Review (SLR), penelitian ini akan mengidentifikasi manfaat utama DSS dalam
pengelolaan risiko, tantangan implementasinya, serta tren terbaru dalam penerapan DSS untuk
strategi bisnis.
Research Question (Pertanyaan Penelitian)
1.Bagaimana peran DSS dalam mendukung pengelolaan risiko di berbagai sektor
industri?
2.Bagaimana DSS digunakan dalam proses perencanaan strategis perusahaan?

3. 3.Faktor apa saja yang mempengaruhi efektivitas DSS dalam mengelola risiko dan
merancang strategi bisnis?
4.Apa tantangan utama dalam implementasi DSS untuk pengelolaan risiko dan
perencanaan strategis?
5.Bagaimana tren terbaru dalam penggunaan DSS untuk pengelolaan risiko dan
perencanaan strategis?
Data
Sumber Data: Artikel jurnal akademik, prosiding konferensi, buku akademik, dan
laporan industri terkait DSS, manajemen risiko, dan perencanaan strategis.
Rentang Waktu: 10 tahun terakhir (misalnya, 2014-2024) untuk memastikan bahwa
studi yang ditinjau masih relevan dengan perkembangan teknologi terkini.
Database: Scopus, Web of Science, IEEE Xplore, Springer, ScienceDirect, dan Google
Scholar.
Metode Penelitian: Systematic Literature Review (SLR)
Penelitian ini menggunakan metode Systematic Literature Review (SLR) untuk mengumpulkan,
mengevaluasi, dan mensintesis temuan dari berbagai studi terkait DSS dalam konteks
pengelolaan risiko dan perencanaan strategis. Langkah-langkah utama dalam penelitian ini
meliputi:
1.Identifikasi dan Seleksi Literatur
oMenentukan kata kunci pencarian, seperti Decision Support Systems (DSS), risk
management, strategic planning, business intelligence, dan decision analytics.
oMenetapkan kriteria inklusi (misalnya, artikel yang membahas DSS dalam
pengelolaan risiko dan strategi bisnis) dan eksklusi (misalnya, studi yang terlalu
teknis tanpa implikasi bisnis yang jelas).
2.Ekstraksi Data
oMengumpulkan informasi dari setiap studi yang relevan, seperti metodologi
penelitian, kasus penggunaan DSS, manfaat utama DSS, serta tantangan
implementasi.
3.Analisis dan Sintesis
oMengkategorikan hasil berdasarkan tema utama, seperti peran DSS dalam
mitigasi risiko, dukungannya dalam perencanaan strategis, serta faktor-faktor
yang mempengaruhi keberhasilannya.
oMembandingkan pendekatan DSS yang digunakan dalam berbagai industri dan
mengevaluasi efektivitasnya dalam pengambilan keputusan berbasis risiko.
4.Pelaporan Hasil
oMenyajikan temuan utama dalam bentuk tematik, mengidentifikasi
kesenjangan penelitian, serta memberikan rekomendasi untuk penelitian dan
implementasi DSS di masa depan.
Penelitian ini diharapkan dapat memberikan wawasan mendalam mengenai bagaimana DSS
dapat membantu perusahaan dalam mengelola risiko secara lebih efektif dan meningkatkan

4. kualitas perencanaan strategis berbasis data. Selain itu, hasil penelitian ini dapat menjadi
referensi bagi akademisi dan praktisi yang ingin memahami bagaimana teknologi DSS dapat
meningkatkan ketahanan bisnis dan daya saing perusahaan di era digital.
Pengembangan Sistem Pendukung Keputusan Adaptif: Studi Empiris pada
Industri Retail
Deskripsi Penelitian
Industri retail menghadapi tantangan besar dalam menghadapi perubahan tren pasar,
preferensi pelanggan, dan persaingan yang semakin ketat. Dalam lingkungan bisnis yang
dinamis ini, perusahaan retail memerlukan sistem yang mampu memberikan dukungan
pengambilan keputusan yang cepat, akurat, dan adaptif terhadap perubahan kondisi pasar.
Sistem Pendukung Keputusan (Decision Support Systems atau DSS) adaptif merupakan solusi
yang dapat membantu perusahaan dalam mengelola inventaris, menetapkan harga, merancang
promosi, serta merencanakan strategi pemasaran secara efektif.
Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi efektivitas DSS adaptif
dalam industri retail. Studi empiris dilakukan untuk memahami bagaimana sistem ini dapat
meningkatkan efisiensi operasional, mengoptimalkan strategi bisnis, dan meningkatkan
kepuasan pelanggan. Dengan menggunakan pendekatan berbasis data, penelitian ini akan
menguji bagaimana DSS adaptif dapat merespons perubahan pasar secara real-time dan
memberikan rekomendasi yang relevan bagi manajer retail.
Data Penelitian
Sumber Data:
oData transaksi penjualan retail dari sistem POS (Point of Sale).
oData inventaris dan rantai pasok (supply chain).
oData perilaku pelanggan dari program loyalitas atau e-commerce.
oWawancara dengan manajer retail dan pakar industri terkait penggunaan DSS.
oStudi kasus implementasi DSS pada beberapa perusahaan retail.
Rentang Waktu: Data historis minimal 2-3 tahun terakhir untuk analisis tren dan
prediksi.
Unit Analisis: Perusahaan retail skala menengah hingga besar yang telah mengadopsi
atau berencana mengadopsi DSS.
Metode Penelitian

5. Penelitian ini menggunakan pendekatan studi empiris dengan metode campuran (mixed-
methods research), yang menggabungkan analisis kuantitatif dan kualitatif untuk memahami
implementasi dan dampak DSS adaptif dalam industri retail.
1.Tahap Pengumpulan Data
oStudi Literatur: Mengkaji penelitian terdahulu mengenai DSS adaptif dalam
sektor retail.
oSurvei dan Wawancara: Mengumpulkan persepsi manajer retail tentang
efektivitas dan tantangan dalam penggunaan DSS.
oPengumpulan Data Transaksi: Menganalisis pola penjualan, stok barang, dan
preferensi pelanggan menggunakan teknik data mining.
2.Tahap Pengembangan DSS Adaptif
oIdentifikasi Kebutuhan Bisnis: Merancang fitur-fitur utama yang
dibutuhkan dalam DSS adaptif.
oPengembangan Model DSS: Menggunakan teknik analitik seperti machine
learning dan prediksi berbasis data.
oUji Coba Sistem: Mengimplementasikan sistem dalam lingkungan bisnis retail
dan mengukur kinerjanya.
3.Tahap Evaluasi dan Analisis
oAnalisis Kuantitatif: Mengukur peningkatan efisiensi operasional sebelum
dan sesudah implementasi DSS.
oAnalisis Kualitatif: Menganalisis wawancara dan umpan balik dari pengguna
DSS untuk mengevaluasi efektivitas dan tantangan yang dihadapi.
oPerbandingan Studi Kasus: Meninjau penerapan DSS adaptif di beberapa
perusahaan retail untuk mengidentifikasi praktik terbaik.
Kontribusi Penelitian
Penelitian ini diharapkan memberikan kontribusi dalam:
1.Pengembangan DSS Adaptif yang Lebih Efektif bagi industri retail dalam
menghadapi perubahan pasar.
2.Peningkatan Efisiensi Operasional, terutama dalam manajemen stok, penetapan
harga, dan strategi pemasaran.
3.Memberikan Wawasan bagi Praktisi dan Akademisi mengenai implementasi
teknologi DSS dalam sektor retail.
Hasil penelitian ini dapat digunakan oleh perusahaan retail untuk merancang strategi bisnis
yang lebih berbasis data dan meningkatkan daya saing mereka di pasar yang terus berubah.
Analisis Peran Data Mining dalam Meningkatkan Keputusan Bisnis Berbasis
Business Intelligence

6. Deskripsi Penelitian
Dalam era digital, volume data yang dihasilkan oleh bisnis meningkat secara eksponensial.
Untuk mengoptimalkan pengambilan keputusan, perusahaan memanfaatkan Business
Intelligence (BI) yang didukung oleh data mining. Data mining memungkinkan perusahaan
mengekstrak pola tersembunyi, tren, dan wawasan yang dapat meningkatkan efisiensi dan
efektivitas strategi bisnis.
Penelitian ini bertujuan untuk menganalisis peran data mining dalam mendukung keputusan
bisnis berbasis BI. Melalui metode Systematic Literature Review (SLR), penelitian ini akan
mengidentifikasi teknik data mining yang paling efektif, dampaknya terhadap pengambilan
keputusan, serta tantangan yang dihadapi dalam implementasi data mining dalam BI.
Research Question (Pertanyaan Penelitian)
1.Bagaimana data mining digunakan dalam sistem Business Intelligence untuk
meningkatkan pengambilan keputusan?
2.Teknik data mining apa saja yang paling efektif dalam mendukung pengambilan
keputusan bisnis?
3.Apa dampak implementasi data mining terhadap kualitas keputusan bisnis?
4.Apa saja tantangan utama dalam penerapan data mining dalam lingkungan Business
Intelligence?
5.Bagaimana tren terbaru dalam penggunaan data mining untuk analitik bisnis?
Data
Sumber Data:
oArtikel jurnal akademik dan prosiding konferensi terkait data mining dan
Business Intelligence.
oBuku akademik yang membahas penerapan data mining dalam bisnis.
oStudi kasus dan laporan industri mengenai penggunaan data mining dalam
pengambilan keputusan.
Rentang Waktu: 10 tahun terakhir (2014–2024) untuk memastikan keterkinian
penelitian.
Database: Scopus, Web of Science, IEEE Xplore, Springer, ScienceDirect, dan Google
Scholar.
Metode Penelitian: Systematic Literature Review (SLR)

7. Penelitian ini menggunakan metode Systematic Literature Review (SLR) untuk mengumpulkan,
menganalisis, dan mensintesis penelitian sebelumnya mengenai data mining dalam konteks BI.
Langkah-langkah penelitian ini meliputi:
1.Identifikasi dan Seleksi Literatur
oMenentukan kata kunci pencarian seperti data mining, business intelligence,
decision-making analytics, dan predictive analytics.
oMenentukan kriteria inklusi (misalnya, artikel yang membahas hubungan
antara data mining dan pengambilan keputusan bisnis) dan eksklusi (misalnya,
artikel yang hanya membahas aspek teknis tanpa implikasi bisnis).
2.Ekstraksi Data
oMengumpulkan informasi dari setiap studi yang relevan, seperti metodologi
penelitian, teknik data mining yang digunakan, serta manfaat dan tantangan
implementasi dalam BI.
3.Analisis dan Sintesis
oMengelompokkan hasil berdasarkan tema utama, seperti peran data mining
dalam analitik prediktif, deteksi tren pasar, serta personalisasi layanan
pelanggan.
oMembandingkan pendekatan data mining yang digunakan di berbagai industri
dan mengevaluasi efektivitasnya.
4.Pelaporan Hasil
oMenyajikan temuan dalam bentuk tematik, mengidentifikasi kesenjangan
penelitian, serta memberikan rekomendasi untuk penelitian di masa depan.
Kontribusi Penelitian
Penelitian ini diharapkan dapat memberikan pemahaman mendalam tentang bagaimana data
mining dapat meningkatkan pengambilan keputusan berbasis BI. Selain itu, hasil penelitian ini
dapat membantu akademisi dan praktisi bisnis dalam mengembangkan strategi berbasis data
yang lebih efektif dan inovatif.
Pemanfaatan Business Intelligence untuk Menganalisis Perilaku Konsumen
dalam Industri E-Commerce
Deskripsi Penelitian
Industri e-commerce berkembang pesat dengan semakin meningkatnya jumlah transaksi
digital dan perubahan perilaku konsumen yang dinamis. Untuk memahami pola belanja dan
preferensi pelanggan, perusahaan e-commerce memanfaatkan Business Intelligence (BI)
sebagai alat analisis yang membantu dalam pengambilan keputusan strategis. BI
memungkinkan perusahaan mengolah data transaksi, interaksi pelanggan, serta tren pasar
untuk meningkatkan pengalaman pelanggan dan meningkatkan penjualan.

8. Penelitian ini bertujuan untuk menganalisis bagaimana BI digunakan dalam memahami dan
memprediksi perilaku konsumen dalam industri e-commerce. Dengan menggunakan metode
Systematic Literature Review (SLR), penelitian ini akan mengidentifikasi teknik analitik yang
digunakan dalam BI, manfaatnya dalam strategi bisnis, serta tantangan yang dihadapi dalam
penerapannya.
Research Question (Pertanyaan Penelitian)
1.Bagaimana Business Intelligence digunakan untuk menganalisis perilaku konsumen
dalam industri e-commerce?
2.Teknik analitik apa saja yang paling efektif dalam memahami pola belanja konsumen
menggunakan BI?
3.Bagaimana BI berkontribusi dalam meningkatkan personalisasi layanan dan retensi
pelanggan di e-commerce?
4.Apa saja tantangan utama dalam implementasi BI untuk analisis perilaku konsumen
dalam e-commerce?
5.Bagaimana tren terbaru dalam penggunaan BI untuk mendukung strategi pemasaran
digital dan pengalaman pelanggan?
Data
Sumber Data:
oArtikel jurnal akademik dan prosiding konferensi yang membahas BI dan
analisis perilaku konsumen.
oBuku akademik yang relevan dengan BI dan e-commerce analytics.
oLaporan industri dan studi kasus mengenai implementasi BI dalam e-commerce.
Rentang Waktu: 10 tahun terakhir (2014–2024) untuk memastikan relevansi terhadap
perkembangan teknologi terkini.
Database: Scopus, Web of Science, IEEE Xplore, Springer, ScienceDirect, dan Google
Scholar.
Metode Penelitian: Systematic Literature Review (SLR)
Penelitian ini menggunakan metode Systematic Literature Review (SLR) untuk mengumpulkan,
mengevaluasi, dan mensintesis penelitian sebelumnya tentang pemanfaatan BI dalam analisis
perilaku konsumen dalam e-commerce. Langkah-langkah penelitian meliputi:
1.Identifikasi dan Seleksi Literatur
oMenentukan kata kunci pencarian seperti Business Intelligence, consumer
behavior analysis, e-commerce analytics, dan customer insights.

9. oMenetapkan kriteria inklusi (misalnya, artikel yang membahas peran BI dalam
menganalisis perilaku konsumen di sektor e-commerce) dan eksklusi (misalnya,
artikel yang hanya membahas aspek teknis BI tanpa kaitan dengan perilaku
konsumen).
2.Ekstraksi Data
oMengumpulkan informasi dari setiap studi yang relevan, seperti metodologi
yang digunakan, teknik BI yang diterapkan, serta manfaat dan tantangan
implementasi BI dalam e-commerce.
3.Analisis dan Sintesis
oMengelompokkan hasil berdasarkan tema utama, seperti analisis data transaksi,
segmentasi pelanggan, dan prediksi tren pembelian.
oMembandingkan pendekatan BI yang digunakan di berbagai platform e-
commerce dan mengevaluasi efektivitasnya dalam meningkatkan pengalaman
pelanggan.
4.Pelaporan Hasil
oMenyajikan temuan dalam bentuk tematik, mengidentifikasi kesenjangan
penelitian, serta memberikan rekomendasi untuk penelitian dan implementasi
BI di masa depan.
Kontribusi Penelitian
Penelitian ini diharapkan dapat memberikan wawasan tentang bagaimana BI dapat membantu
bisnis e-commerce dalam memahami perilaku pelanggan dan meningkatkan strategi
pemasaran berbasis data. Selain itu, hasil penelitian ini dapat menjadi referensi bagi akademisi
dan praktisi yang ingin mengoptimalkan penggunaan BI dalam meningkatkan daya saing di
industri e-commerce.
Integrasi Business Intelligence dan Machine Learning dalam Meningkatkan
Efisiensi Operasional Perusahaan
Deskripsi Penelitian
Dalam era digital yang kompetitif, perusahaan semakin mengandalkan teknologi untuk
meningkatkan efisiensi operasional dan pengambilan keputusan strategis. Business
Intelligence (BI) telah menjadi alat utama dalam mengolah data dan menyediakan wawasan
bisnis, sementara Machine Learning (ML) menawarkan kemampuan prediksi dan otomatisasi
yang dapat meningkatkan efektivitas BI. Integrasi BI dan ML memungkinkan perusahaan
untuk tidak hanya memahami pola historis, tetapi juga memprediksi tren masa depan serta
mengoptimalkan proses bisnis secara real-time.
Penelitian ini bertujuan untuk menganalisis bagaimana integrasi BI dan ML dapat
meningkatkan efisiensi operasional perusahaan. Melalui metode Systematic Literature Review

10. (SLR), penelitian ini akan mengidentifikasi pendekatan terbaik dalam menggabungkan BI dan
ML, manfaat yang diperoleh, serta tantangan dalam implementasinya di berbagai sektor
industri.
Research Question (Pertanyaan Penelitian)
1.Bagaimana integrasi Business Intelligence dan Machine Learning dapat meningkatkan
efisiensi operasional perusahaan?
2.Teknik Machine Learning apa saja yang paling efektif dalam mendukung sistem BI
untuk pengambilan keputusan?
3.Bagaimana dampak integrasi BI dan ML terhadap kinerja operasional di berbagai
sektor industri?
4.Apa saja tantangan utama dalam mengimplementasikan BI dan ML secara bersamaan
dalam perusahaan?
5.Bagaimana tren terbaru dalam penggunaan BI dan ML untuk efisiensi bisnis dan
inovasi digital?
Data
Sumber Data:
oArtikel jurnal akademik dan prosiding konferensi yang membahas BI, ML, dan
efisiensi operasional.
oBuku akademik terkait analitik bisnis dan kecerdasan buatan.
oStudi kasus dari perusahaan yang telah mengimplementasikan BI dan ML.
oLaporan industri tentang transformasi digital dan penerapan BI & ML.
Rentang Waktu: 10 tahun terakhir (2014–2024) untuk mendapatkan perspektif
terkini.
Database: Scopus, Web of Science, IEEE Xplore, Springer, ScienceDirect, dan Google
Scholar.
Metode Penelitian: Systematic Literature Review (SLR)
Penelitian ini menggunakan metode Systematic Literature Review (SLR) untuk mengumpulkan,
menganalisis, dan mensintesis penelitian terdahulu tentang integrasi BI dan ML dalam
meningkatkan efisiensi operasional. Langkah-langkah utama penelitian ini meliputi:
1.Identifikasi dan Seleksi Literatur
oMenentukan kata kunci pencarian seperti Business Intelligence, Machine
Learning, Operational Efficiency, dan Predictive Analytics.

11. oMenetapkan kriteria inklusi (misalnya, artikel yang membahas implementasi BI
dan ML dalam meningkatkan efisiensi operasional) dan eksklusi (misalnya,
artikel yang hanya membahas aspek teknis ML tanpa relevansi bisnis).
2.Ekstraksi Data
oMengumpulkan informasi dari setiap studi yang relevan, seperti metodologi
penelitian, teknik ML yang digunakan dalam BI, serta manfaat dan tantangan
integrasi BI dan ML dalam operasional bisnis.
3.Analisis dan Sintesis
oMengkategorikan hasil berdasarkan tema utama, seperti peran ML dalam
meningkatkan BI, dampaknya pada efisiensi bisnis, serta studi kasus
keberhasilan dan kegagalan implementasi.
oMembandingkan pendekatan yang digunakan di berbagai industri untuk
mengevaluasi efektivitas integrasi BI dan ML.
4.Pelaporan Hasil
oMenyajikan temuan dalam bentuk tematik, mengidentifikasi kesenjangan
penelitian, serta memberikan rekomendasi untuk pengembangan dan
implementasi BI dan ML di masa depan.
Kontribusi Penelitian
Penelitian ini diharapkan memberikan wawasan mendalam tentang bagaimana BI dan ML
dapat diintegrasikan untuk meningkatkan efisiensi operasional perusahaan. Selain itu, hasil
penelitian ini dapat menjadi referensi bagi akademisi dan praktisi dalam mengembangkan
strategi berbasis data untuk meningkatkan daya saing bisnis di era digital.
Analisis Efektivitas Group Support Systems dalam Meningkatkan Kolaborasi
dan Pengambilan Keputusan Organisasi
Deskripsi Penelitian
Dalam lingkungan bisnis yang semakin kompleks dan berbasis teknologi, pengambilan
keputusan secara kolaboratif menjadi aspek krusial dalam keberhasilan organisasi. Group
Support Systems (GSS) telah berkembang sebagai alat yang mendukung komunikasi,
koordinasi, serta pengambilan keputusan dalam tim atau organisasi. GSS menawarkan
berbagai fitur, termasuk real-time collaboration, shared decision-making tools, serta analisis
berbasis data untuk meningkatkan efektivitas kerja kelompok.
Penelitian ini bertujuan untuk menganalisis efektivitas GSS dalam meningkatkan kolaborasi
tim dan kualitas pengambilan keputusan di organisasi. Dengan menggunakan metode
Systematic Literature Review (SLR), penelitian ini akan mengidentifikasi berbagai teknologi
GSS, dampaknya terhadap proses pengambilan keputusan, serta tantangan yang dihadapi
dalam implementasinya.

12. Research Question (Pertanyaan Penelitian)
1.Bagaimana peran Group Support Systems dalam meningkatkan efektivitas kolaborasi di
lingkungan organisasi?
2.Bagaimana dampak implementasi GSS terhadap kualitas pengambilan keputusan dalam
tim?
3.Faktor apa saja yang mempengaruhi keberhasilan penerapan GSS dalam organisasi?
4.Apa tantangan utama dalam adopsi dan implementasi GSS dalam organisasi bisnis dan
pemerintahan?
5.Bagaimana tren terbaru dalam pengembangan dan penggunaan GSS untuk mendukung
kolaborasi organisasi?
Data
Sumber Data:
oArtikel jurnal akademik dan prosiding konferensi terkait GSS dan kolaborasi
organisasi.
oBuku akademik yang membahas pengambilan keputusan berbasis teknologi dan
kerja tim digital.
oStudi kasus dari organisasi yang telah menerapkan GSS untuk meningkatkan
efisiensi kerja tim.
oLaporan industri tentang penggunaan teknologi GSS dalam bisnis dan institusi
publik.
Rentang Waktu: 10 tahun terakhir (2014–2024) untuk mendapatkan perspektif
terkini.
Database: Scopus, Web of Science, IEEE Xplore, Springer, ScienceDirect, dan Google
Scholar.
Metode Penelitian: Systematic Literature Review (SLR)
Penelitian ini menggunakan metode Systematic Literature Review (SLR) untuk mengumpulkan,
mengevaluasi, dan mensintesis penelitian terdahulu mengenai efektivitas GSS dalam
pengambilan keputusan dan kolaborasi organisasi. Langkah-langkah penelitian ini meliputi:
1.Identifikasi dan Seleksi Literatur
oMenentukan kata kunci pencarian seperti Group Support Systems, collaborative
decision-making, team-based decision support, dan virtual collaboration tools.
oMenetapkan kriteria inklusi (misalnya, artikel yang membahas dampak GSS
terhadap pengambilan keputusan organisasi) dan eksklusi (misalnya, artikel
yang hanya membahas aspek teknis GSS tanpa evaluasi implementasi).

13. 2.Ekstraksi Data
oMengumpulkan informasi dari setiap studi yang relevan, seperti metodologi
penelitian, teknologi GSS yang digunakan, serta manfaat dan tantangan
implementasi dalam organisasi.
3.Analisis dan Sintesis
oMengkategorikan hasil berdasarkan tema utama, seperti efektivitas GSS dalam
kerja tim, pengaruhnya terhadap pengambilan keputusan, serta studi kasus
sukses dan kegagalan implementasi.
oMembandingkan berbagai pendekatan GSS yang diterapkan di berbagai sektor
untuk mengevaluasi efektivitasnya dalam meningkatkan kolaborasi organisasi.
4.Pelaporan Hasil
oMenyajikan temuan dalam bentuk tematik, mengidentifikasi kesenjangan
penelitian, serta memberikan rekomendasi untuk pengembangan dan
implementasi GSS di masa depan.
Kontribusi Penelitian
Penelitian ini diharapkan dapat memberikan wawasan tentang bagaimana GSS dapat
membantu organisasi meningkatkan kolaborasi dan pengambilan keputusan yang lebih
efektif. Selain itu, hasil penelitian ini dapat menjadi referensi bagi akademisi dan praktisi
dalam mengoptimalkan penggunaan teknologi GSS untuk meningkatkan produktivitas dan
inovasi dalam organisasi.
Analisis Faktor Keberhasilan Knowledge Management System dalam
Organisasi Berbasis Teknologi
Deskripsi Penelitian
Dalam era transformasi digital, organisasi berbasis teknologi menghadapi tantangan dalam
mengelola, menyimpan, dan mendistribusikan pengetahuan secara efektif. Knowledge
Management System (KMS) menjadi solusi utama dalam mengoptimalkan pengelolaan
pengetahuan guna meningkatkan inovasi, produktivitas, serta pengambilan keputusan
berbasis data. Namun, keberhasilan implementasi KMS bergantung pada berbagai faktor,
termasuk infrastruktur teknologi, budaya organisasi, serta keterlibatan pengguna.
Penelitian ini bertujuan untuk menganalisis faktor-faktor utama yang mempengaruhi
keberhasilan implementasi KMS dalam organisasi berbasis teknologi. Dengan menggunakan
metode Systematic Literature Review (SLR), penelitian ini akan mengidentifikasi elemen kunci
yang menentukan efektivitas KMS, manfaat yang diperoleh organisasi, serta tantangan yang
muncul dalam proses adopsinya.

14. Research Question (Pertanyaan Penelitian)
1.Faktor apa saja yang mempengaruhi keberhasilan implementasi Knowledge
Management System dalam organisasi berbasis teknologi?
2.Bagaimana dampak penerapan KMS terhadap kinerja organisasi dan inovasi bisnis?
3.Apa saja tantangan utama dalam implementasi dan adopsi KMS dalam organisasi?
4.Bagaimana keterlibatan karyawan dan budaya organisasi memengaruhi efektivitas
KMS?
5.Apa tren terbaru dalam pengembangan dan pemanfaatan KMS di organisasi berbasis
teknologi?
Data
Sumber Data:
oArtikel jurnal akademik dan prosiding konferensi terkait Knowledge
Management System dan pengelolaan pengetahuan dalam organisasi.
oBuku akademik yang membahas implementasi KMS dalam lingkungan bisnis
dan teknologi.
oStudi kasus dari perusahaan berbasis teknologi yang telah mengadopsi KMS.
oLaporan industri mengenai tren penggunaan KMS dalam organisasi digital.
Rentang Waktu: 10 tahun terakhir (2014–2024) untuk memastikan relevansi
penelitian.
Database: Scopus, Web of Science, IEEE Xplore, Springer, ScienceDirect, dan Google
Scholar.
Metode Penelitian: Systematic Literature Review (SLR)
Penelitian ini menggunakan metode Systematic Literature Review (SLR) untuk mengumpulkan,
mengevaluasi, dan mensintesis studi terdahulu mengenai keberhasilan KMS dalam organisasi
berbasis teknologi. Langkah-langkah penelitian ini meliputi:
1.Identifikasi dan Seleksi Literatur
oMenentukan kata kunci pencarian seperti Knowledge Management System,
organizational knowledge sharing, technology-based knowledge management,
dan digital knowledge repository.
oMenetapkan kriteria inklusi (misalnya, artikel yang membahas implementasi
KMS dalam organisasi teknologi) dan eksklusi (misalnya, artikel yang hanya
berfokus pada aspek teknis tanpa analisis organisasi).
2.Ekstraksi Data
oMengumpulkan informasi dari setiap studi yang relevan, seperti metodologi
penelitian, faktor keberhasilan KMS, manfaat implementasi, serta tantangan
yang dihadapi organisasi.

15. 3.Analisis dan Sintesis
oMengelompokkan hasil berdasarkan tema utama, seperti faktor teknologi,
faktor manusia, dan faktor organisasi dalam keberhasilan KMS.
oMembandingkan studi kasus implementasi KMS di berbagai organisasi berbasis
teknologi untuk mengevaluasi pola keberhasilannya.
4.Pelaporan Hasil
oMenyajikan temuan dalam bentuk tematik, mengidentifikasi kesenjangan
penelitian, serta memberikan rekomendasi untuk penelitian dan pengembangan
KMS di masa depan.
Kontribusi Penelitian
Penelitian ini diharapkan dapat memberikan wawasan tentang faktor-faktor kunci yang
menentukan keberhasilan KMS dalam organisasi berbasis teknologi. Selain itu, hasil penelitian
ini dapat membantu akademisi dan praktisi dalam merancang strategi implementasi KMS yang
lebih efektif guna meningkatkan daya saing dan inovasi organisasi.
Peran Algoritma Genetik dalam Optimasi Pengambilan Keputusan pada
Industri Manufaktur
Deskripsi Penelitian
Industri manufaktur menghadapi tantangan dalam meningkatkan efisiensi produksi,
mengoptimalkan rantai pasok, dan mengelola sumber daya dengan lebih baik. Dalam konteks
ini, Algoritma Genetik (Genetic Algorithm/GA) telah banyak digunakan sebagai metode
optimasi yang mampu menangani masalah kompleks, seperti penjadwalan produksi,
pengelolaan inventaris, dan perencanaan distribusi.
Penelitian ini bertujuan untuk menganalisis peran GA dalam optimasi pengambilan keputusan
di sektor manufaktur. Dengan menggunakan metode Systematic Literature Review (SLR),
penelitian ini akan mengidentifikasi bagaimana GA diterapkan dalam industri manufaktur,
efektivitasnya dibandingkan dengan metode optimasi lainnya, serta tantangan yang dihadapi
dalam implementasinya.
Research Question (Pertanyaan Penelitian)
1.Bagaimana Algoritma Genetik digunakan dalam pengambilan keputusan di industri
manufaktur?
2.Seberapa efektif GA dibandingkan dengan metode optimasi lainnya dalam konteks
manufaktur?

16. 3.Faktor apa saja yang mempengaruhi keberhasilan implementasi GA dalam optimasi
produksi dan rantai pasok?
4.Apa tantangan utama dalam penerapan GA dalam industri manufaktur?
5.Bagaimana tren terbaru dalam pengembangan dan implementasi GA untuk
pengambilan keputusan manufaktur?
Data
Sumber Data:
oArtikel jurnal akademik dan prosiding konferensi terkait Algoritma Genetik dan
optimasi manufaktur.
oBuku akademik yang membahas penerapan metode optimasi berbasis
kecerdasan buatan dalam manufaktur.
oStudi kasus dari perusahaan manufaktur yang telah menerapkan GA dalam
proses bisnis mereka.
oLaporan industri tentang penggunaan teknik optimasi berbasis AI dalam sektor
manufaktur.
Rentang Waktu: 10 tahun terakhir (2014–2024) untuk mendapatkan perspektif
terkini.
Database: Scopus, Web of Science, IEEE Xplore, Springer, ScienceDirect, dan Google
Scholar.
Metode Penelitian: Systematic Literature Review (SLR)
Penelitian ini menggunakan metode Systematic Literature Review (SLR) untuk mengumpulkan,
mengevaluasi, dan mensintesis penelitian terdahulu mengenai penerapan GA dalam optimasi
pengambilan keputusan manufaktur. Langkah-langkah penelitian ini meliputi:
1.Identifikasi dan Seleksi Literatur
oMenentukan kata kunci pencarian seperti Genetic Algorithm, Manufacturing
Optimization, Supply Chain Optimization, dan Production Scheduling.
oMenetapkan kriteria inklusi (misalnya, artikel yang membahas penerapan GA
dalam industri manufaktur) dan eksklusi (misalnya, artikel yang hanya
berfokus pada aspek teknis tanpa studi aplikasi).
2.Ekstraksi Data
oMengumpulkan informasi dari setiap studi yang relevan, seperti metodologi
penelitian, penerapan GA dalam optimasi manufaktur, serta manfaat dan
tantangan implementasi GA.
3.Analisis dan Sintesis
oMengkategorikan hasil berdasarkan tema utama, seperti peningkatan efisiensi
produksi, pengurangan biaya operasional, serta perbandingan GA dengan
metode optimasi lainnya.

17. oMembandingkan berbagai pendekatan GA yang digunakan di berbagai sektor
manufaktur untuk mengevaluasi efektivitasnya.
4.Pelaporan Hasil
oMenyajikan temuan dalam bentuk tematik, mengidentifikasi kesenjangan
penelitian, serta memberikan rekomendasi untuk penelitian dan implementasi
GA di masa depan.
Kontribusi Penelitian
Penelitian ini diharapkan dapat memberikan wawasan tentang bagaimana Algoritma Genetik
dapat membantu industri manufaktur dalam mengoptimalkan pengambilan keputusan
operasional dan strategis. Selain itu, hasil penelitian ini dapat menjadi referensi bagi akademisi
dan praktisi dalam mengembangkan solusi berbasis AI untuk meningkatkan efisiensi dan daya
saing industri manufaktur.
Analisis Efektivitas Artificial Neural Networks dalam Prediksi Risiko Kredit
Perbankan
Deskripsi Penelitian
Dalam industri perbankan, prediksi risiko kredit menjadi faktor krusial dalam pengambilan
keputusan terkait pemberian pinjaman. Kesalahan dalam menilai risiko kredit dapat
menyebabkan peningkatan kredit macet (non-performing loans), yang berdampak pada
stabilitas keuangan bank. Artificial Neural Networks (ANN) telah banyak digunakan sebagai
pendekatan kecerdasan buatan untuk meningkatkan akurasi prediksi risiko kredit dengan
menganalisis pola data historis dan variabel ekonomi yang kompleks.
Penelitian ini bertujuan untuk menganalisis efektivitas ANN dalam memprediksi risiko kredit
dibandingkan dengan metode tradisional, seperti regresi logistik dan decision trees. Dengan
menggunakan metode Systematic Literature Review (SLR), penelitian ini akan mengidentifikasi
model ANN yang paling efektif, keunggulan dan keterbatasannya, serta tantangan dalam
implementasi ANN dalam sistem manajemen risiko perbankan.
Research Question (Pertanyaan Penelitian)
1.Seberapa efektif Artificial Neural Networks dalam meningkatkan akurasi prediksi risiko
kredit perbankan?
2.Bagaimana ANN dibandingkan dengan metode prediksi risiko kredit tradisional seperti
regresi logistik dan decision trees?
3.Faktor apa saja yang mempengaruhi kinerja ANN dalam analisis risiko kredit?

18. 4.Apa saja tantangan dalam implementasi ANN untuk prediksi risiko kredit di sektor
perbankan?
5.Bagaimana tren terbaru dalam penggunaan ANN dalam manajemen risiko perbankan?
Data
Sumber Data:
oArtikel jurnal akademik dan prosiding konferensi terkait ANN dan prediksi
risiko kredit.
oBuku akademik yang membahas penerapan ANN dalam analitik keuangan dan
perbankan.
oStudi kasus dari perbankan yang telah mengimplementasikan ANN dalam
sistem analisis kredit.
oLaporan industri mengenai teknologi kecerdasan buatan dalam manajemen
risiko keuangan.
Rentang Waktu: 10 tahun terakhir (2014–2024) untuk memastikan keterkinian
penelitian.
Database: Scopus, Web of Science, IEEE Xplore, Springer, ScienceDirect, dan Google
Scholar.
Metode Penelitian: Systematic Literature Review (SLR)
Penelitian ini menggunakan metode Systematic Literature Review (SLR) untuk mengumpulkan,
mengevaluasi, dan mensintesis studi terdahulu mengenai penggunaan ANN dalam prediksi
risiko kredit. Langkah-langkah penelitian ini meliputi:
1.Identifikasi dan Seleksi Literatur
oMenentukan kata kunci pencarian seperti Artificial Neural Networks, credit risk
prediction, loan default prediction, dan machine learning in banking.
oMenetapkan kriteria inklusi (misalnya, artikel yang membahas implementasi
ANN dalam perbankan) dan eksklusi (misalnya, studi yang hanya membahas
aspek teknis ANN tanpa aplikasi dalam risiko kredit).
2.Ekstraksi Data
oMengumpulkan informasi dari setiap studi yang relevan, seperti metodologi
penelitian, model ANN yang digunakan, serta manfaat dan tantangan
implementasi ANN dalam risiko kredit.
3.Analisis dan Sintesis
oMengelompokkan hasil berdasarkan tema utama, seperti efektivitas ANN dalam
klasifikasi pelanggan berisiko tinggi, perbandingan ANN dengan metode lain,
serta penerapan ANN di berbagai institusi keuangan.
oMembandingkan berbagai arsitektur ANN yang digunakan dalam prediksi
risiko kredit untuk mengevaluasi akurasi dan efisiensinya.

19. 4.Pelaporan Hasil
oMenyajikan temuan dalam bentuk tematik, mengidentifikasi kesenjangan
penelitian, serta memberikan rekomendasi untuk pengembangan dan
implementasi ANN di masa depan.
Kontribusi Penelitian
Penelitian ini diharapkan dapat memberikan wawasan tentang bagaimana ANN dapat
digunakan untuk meningkatkan akurasi prediksi risiko kredit dalam industri perbankan.
Selain itu, hasil penelitian ini dapat menjadi referensi bagi akademisi dan praktisi dalam
mengembangkan sistem kecerdasan buatan untuk mendukung manajemen risiko keuangan
yang lebih efektif dan efisien.