Systematic Literature Review Tentang Efektivitas Algoritma Penugasan Maksimum untuk Pengambilan Keputusan Manajerial
Keywords:
Algoritma; Penugasan Maksimum; Pengambilan Keputusan Manajerial; SLR; PrismaAbstract
Penelitian ini bertujuan untuk menganalisis peran dan efektivitas algoritma penugasan maksimum dalam mendukung pengambilan keputusan manajerial berbasis data. Di tengah kompleksitas dan dinamika bisnis modern, kemampuan mengalokasikan sumber daya secara optimal menjadi aspek penting bagi keberhasilan organisasi. Dengan menggunakan metode Tinjauan Literatur Sistematis (Systematic Literature Review/SLR) yang mengikuti pedoman PRISMA, penelitian ini mengidentifikasi dan menelaah sejumlah studi yang membahas penerapan algoritma penugasan maksimum dalam konteks manajemen. Dari hasil pencarian literatur melalui database Scopus, ditemukan enam artikel relevan yang mengkaji penerapan algoritma ini, termasuk model yang memanfaatkan machine learning, graph neural network (GNN), dan multi-objective optimization. Hasil analisis menunjukkan bahwa algoritma penugasan maksimum efektif dalam meningkatkan efisiensi alokasi sumber daya, penjadwalan, serta perencanaan strategis organisasi dengan menghasilkan keputusan yang lebih cepat dan akurat. Namun, tantangan seperti keterbatasan data real-time dan tingkat kompleksitas komputasi masih perlu diatasi. Secara keseluruhan, penelitian ini menegaskan pentingnya integrasi antara algoritma penugasan maksimum dan teknologi kecerdasan buatan untuk mendukung pengambilan keputusan manajerial yang adaptif, efisien, dan cerdas di era digital.
References
Aironi, C., Cornell, S., & Squartini, S. (2024). A Graph-Based Neural Approach to Linear Sum. 34(3). https://doi.org/10.1142/S0129065724500114
Atak, B. (2023). RESOURCE ALLOCATION IN ORGANIZATIONS ’ DIGITAL TRANSFORMATION PROCESS.
Erica, A., Gantari, L., Qurotulain, O., Nuche, A., & Sy, O. (2024). Optimizing Decision-Making : Data Analytics Applications in Management Information Systems. 8(2), 115–122.
Fakoya, J. T., Ogunwale, Y. E., & Ajinaja, M. O. (2024). A Hybrid Approach for Optimizing Resource Allocation Efficiency by Integrating the Hungarian Algorithm and Linear Programming. 1(1), 28–32.
Gaspars-wieloch, H. (2021). The Assignment Problem in Human Resource Project Management under Uncertainty.
Hristov, I., Camilli, R., Chirico, A., Mechelli, A., Camilli, R., Chirico, A., & Mechelli, A. (2022). The Management of Operations The integration between enterprise risk management and performance management system : managerial analysis and conceptual model to support strategic decision-making process. Production Planning & Control, 0(0), 1–14. https://doi.org/10.1080/09537287.2022.2140086
Jiang, S., Yue, Y., Chen, C., Chen, Y., & Cao, L. (2024). A Multi-Objective Optimization Problem Solving Method Based on Improved Golden Jackal Optimization Algorithm and Its Application.
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. Bmj, 372. https://doi.org/10.1136/bmj.n71
Sauer, P. C., & Seuring, S. (2023). in management research : a guide in 6 steps and 14. In Review of Managerial Science (Vol. 17, Issue 5). Springer Berlin Heidelberg. https://doi.org/10.1007/s11846-023-00668-3
Savchynskyy, B. (2025). Relative-interior solution for the ( incomplete ) linear assignment problem. https://doi.org/10.1007/s10472-025-09974-w
Valencia-rodríguez, D. C., & Coello, C. A. C. (2025). A novel framework to construct quality indicators using the linear assignment problem. TOP, 33(2), 378–394. https://doi.org/10.1007/s11750-024-00693-9
