Pemetaan Tren dan Arah Penelitian Artificial Intelligence dalam Pengambilan Keputusan: Analisis Bibliometrik sebagai Landasan Menuju Indonesia Emas 2045
DOI:
https://doi.org/10.52436/1.jpti.1571Kata Kunci:
Artificial Intelligence, Bibliometrik, Indonesia Emas 2045, Pengambilan Keputusan, Tren PenelitianAbstrak
Perkembangan Artificial Intelligence (AI) dalam pengambilan keputusan menunjukkan peningkatan signifikan dalam satu dekade terakhir, seiring dengan transformasi sistem berbasis data di berbagai sektor. Penelitian ini menggunakan pendekatan bibliometrik untuk memetakan tren, struktur pengetahuan, serta pola kolaborasi riset AI dalam pengambilan keputusan berdasarkan 2.333 dokumen terindeks Scopus periode 2015-2025. Analisis dilakukan melalui pemetaan tren publikasi tahunan, identifikasi klaster tematik, serta analisis jaringan kolaborasi penulis dan negara. Hasil penelitian menunjukkan peningkatan jumlah publikasi yang konsisten dengan lonjakan signifikan pasca 2021. Pergeseran fokus kajian terlihat dari dominasi awal topik decision support systems dan data mining menuju penguatan pada machine learning, deep learning, dan analitik prediktif. Pemetaan klaster menunjukkan bahwa penerapan AI telah berkembang lintas sektor, termasuk kesehatan, manajemen, dan keberlanjutan. Namun, produksi pengetahuan masih didominasi oleh negara dengan ekosistem riset kuat seperti Amerika Serikat, China, India, dan kawasan Eropa. Indonesia menunjukkan tren pertumbuhan publikasi yang positif, meskipun kontribusinya dalam literatur internasional masih relatif terbatas. Temuan ini menegaskan peran strategis AI dalam sistem pengambilan keputusan modern sekaligus menunjukkan perlunya penguatan kapasitas riset dan kolaborasi internasional guna mendukung pembangunan berbasis pengetahuan menuju Indonesia Emas 2045.
Unduhan
Referensi
Y. K. Dwivedi et al., “International Journal of Information Management Arti fi cial Intelligence ( AI ): Multidisciplinary perspectives on emerging challenges , opportunities , and agenda for research , practice and policy,” Int. J. Inf. Manage., no. July, pp. 0–1, 2019, doi: 10.1016/j.ijinfomgt.2019.08.002.
S. Neiroukh and O. L. Emeagwali, “Artificial intelligence capability and organizational performance?: unraveling the mediating mechanisms of decision-,” vol. 63, no. 10, pp. 3501–3532, 2025, doi: 10.1108/MD-10-2023-1946.
E. Brynjolfsson, D. Li, and L. Raymond, “arXiv?: 2304 . 11771v2 [ econ . GN ] 6 Nov 2024,” 2024.
S. Narne et al., “AI-Driven Decision Support Systems in Management?: Enhancing Strategic Planning and Execution,” no. June 2023, pp. 268–276, 2024.
R. Z. Ramadhana, “Analisis Dampak Penerapan Teknologi AI pada Pengambilan Keputusan Strategis dalam Sistem Informasi Manajemen,” vol. 2, no. 1, pp. 161–168, 2024.
H. Zhou, L. Wang, Y. Cao, and J. Li, “The impact of artificial intelligence on labor market?: A study based on bibliometric analysis,” J. Asian Econ., vol. 98, no. March, p. 101926, 2025, doi: 10.1016/j.asieco.2025.101926.
Y. Sekaki, “Artificial Intelligence in Management Studies ( 2021 – 2025 ): A Bibliometric Mapping of Themes , Trends , and Global Contributions Artificial Intelligence in Management Studies ( 2021 – 2025 ): A Bibliometric,” vol. 6, no. 9, pp. 62–80, 2025.
S. Hajkowicz, C. Sanderson, S. Karimi, A. Bratanova, and C. Naughtin, “sciences , life sciences , social sciences and the arts and humanities?: A bibliometric analysis of research publications from 1960-2021,” vol. 74, 2023, doi: 10.1016/j.techsoc.2023.102260.
P. A. Olujimi, P. A. Owolawi, A. Pretorius, and E. Van Wyk, “Mapping the research landscape of agentic AI in SMMEs through a bibliometric analysis of patterns and knowledge gaps,” vol. 1, pp. 1–32, 2026.
N. Donthu, S. Kumar, D. Mukherjee, N. Pandey, and W. Marc, “How to conduct a bibliometric analysis?: An overview and guidelines,” J. Bus. Res., vol. 133, no. May, pp. 285–296, 2021, doi: 10.1016/j.jbusres.2021.04.070.
H. A. Al, J. Galal, and M. B. Lutz, Use of bibliometrics for research evaluation in emerging markets economies?: a review and discussion of bibliometric indicators, vol. 127, no. 10. Springer International Publishing, 2022. doi: 10.1007/s11192-022-04490-8.
P. Liu, Y. Lai, and D. Liu, “Artificial intelligence research in organizations?: a bibliometric approach,” Cogent Bus. Manag., vol. 11, no. 1, p., 2024, doi: 10.1080/23311975.2024.2408439.
D. Kangalakova and E. Ozen, “Trends of artificial enterprise management development?: A bibliometric analysis,” 2025, doi: 10.21511/ppm.23(4).2025.01.
X. Lin, S. Ribeiro, X. Chen, and B. Xu, Advances in the innovation of management?: a bibliometric review. 2024.
Q. Wang and T. Jeppsson, “and evaluation,” Scientometrics, no. 0123456789, 2022, doi: 10.1007/s11192-022-04413-7.
V. Kumar, S. Prashasti, S. Mousumi, and K. Jacqueline, “The journal coverage of Web of Science , Scopus and Dimensions?: A comparative analysis,” Scientometrics, no. 0123456789, 2021, doi: 10.1007/s11192-021-03948-5.
A. Martín-Martín, M. Thelwall, E. Orduna-Malea, and E. Delgado López-Cózar, “Google Scholar, Microsoft Academic, Scopus, Dimensions, Web of Science, and OpenCitations’ COCI: a multidisciplinary comparison of coverage via citations,” Scientometrics, vol. 126, no. 1, pp. 871–906, 2021, doi: 10.1007/s11192-020-03690-4.
