Integrasi Sistem Informasi Berbasis AI untuk Optimalisasi Pengambilan Keputusan di Sektor Publik
Kata Kunci:
Kecerdasan Buatan (AI), Integrasi Sistem Informasi, Pengambilan Keputusan, Sektor Publik, Machine Learning, Big DataAbstrak
Penelitian ini bertujuan untuk menganalisis dan merancang sebuah model Integrasi Sistem Informasi (SI) Berbasis Kecerdasan Buatan (AI) yang efektif untuk mengoptimalkan proses pengambilan keputusan (decision-making) di lembaga sektor publik. Fokus utama adalah mengidentifikasi bagaimana integrasi data lintas departemen dengan analisis prediktif AI dapat menghasilkan wawasan yang actionable dan meningkatkan efisiensi layanan publik. Metode penelitian yang digunakan adalah kombinasi antara Studi Literatur Sistematis (SLS), Perancangan Sistem (System Design), dan pendekatan kualitatif melalui wawancara mendalam (in-depth interview) dengan para pengambil keputusan kunci di instansi pemerintah. Model integrasi diusulkan berdasarkan arsitektur Microservices dan memanfaatkan algoritma Machine Learning (ML), khususnya regresi logistik dan pohon keputusan, untuk memproses Big Data pemerintah dan memprediksi dampak kebijakan. Evaluasi hipotesis dilakukan melalui simulasi Proof of Concept untuk menilai akurasi dan skalabilitas model yang dirancang. emuan kunci menunjukkan bahwa model integrasi SI berbasis AI yang diusulkan berhasil mengurangi waktu yang dibutuhkan untuk menganalisis data hingga 45% dan meningkatkan akurasi prediksi dampak kebijakan rata-rata 15% dibandingkan metode tradisional. Integrasi data secara real-time memungkinkan dashborad keputusan yang terpusat, memberikan visibilitas lengkap (holistik) terhadap kinerja sektor publik. Hambatan utama yang teridentifikasi adalah isu interoperabilitas data dan kebutuhan reskilling aparatur sipil negara. Integrasi Sistem Informasi Berbasis AI terbukti menjadi solusi yang esensial untuk mengatasi kompleksitas pengambilan keputusan di sektor publik. Model ini tidak hanya meningkatkan efisiensi operasional dan akurasi prediksi, tetapi juga mendorong pemerintahan yang lebih responsif dan berbasis data. Implementasi yang berhasil memerlukan strategi manajemen perubahan yang kuat, fokus pada standar data terbuka, dan investasi berkelanjutan dalam infrastruktur teknologi dan sumber daya manusia
Referensi
M. K. Smith, "Decision-making effectiveness in public sector organizations: A complexity perspective," Gov. Inf. Q., vol. 35, no. 4, pp. 601-610, Dec. 2018.
R. B. Wirth and L. M. Keller, "Addressing data silos in government: The role of interoperability standards," Int. J. Inf. Manage., vol. 62, p. 102434, Feb. 2022.
A. J. Smith and D. Jones, "Impact of e-government platforms on transparency and service efficiency," J. Public Policy, vol. 38, no. 2, pp. 199-215, Apr. 2018.
S. Chen, H. Liu, and T. Wang, "Leveraging Big Data for diagnostic and descriptive analytics in public health management," IEEE Trans. Knowl. Data Eng., vol. 31, no. 10, pp. 1956-1969, Oct. 2019.
Y. Lee and J. Kim, "Predicting citizen service demand using machine learning models in urban transportation," Expert Syst. Appl., vol. 143, p. 113031, Apr. 2020.
T. E. Johnson, M. A. Peterson, and R. L. Harris, "Anomaly detection in government financial data using supervised machine learning algorithms," J. Gov. Audit., vol. 49, no. 1, pp. 55-68, Jan. 2021.
J. B. Al-Radaideh, "Microservices adoption in public sector for improved agility and scalability," in Proc. 2023 IEEE Int. Conf. Software Eng., May 2023, pp. 112-121.
K. B. C. V. Wirth and P. S. D. M. Shmueli, "Data mining: Cross-Industry Standard Process for Data Mining (CRISP-DM)," in Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, vol. 4, no. 5, pp. 450–461, Sep. 2014.
T. M. Wirth, "Advanced methods for system design and architecture in government IT," IEEE Access, vol. 11, pp. 10567-10578, Aug. 2023.
M. Fowler, "Microservices," MartinFowler.com, 2014. [Online]. Available: https://martinfowler.com/articles/microservices.html. (Diakses: Nov. 30, 2025)
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Eko Marjan Sagala, Syaiful Zuhri Harahap, Ibnu Rasyid Munthe

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.






