Analisis Bibliometrik Peran Human-in-the-Loop (HITL) dalam Sistem Kecerdasan Buatan pada Tahun 2020–2025
Abstract
Pesatnya adopsi Kecerdasan Buatan (AI) memunculkan tantangan inheren seperti opasitas model dan bias data, di mana paradigma Human-in-the-Loop (HITL) hadir sebagai solusi sinergis untuk meningkatkan keandalan sistem. Namun, lanskap penelitiannya yang masih terfragmentasi mendorong studi ini untuk memetakan struktur intelektual dan tren riset pada domain persinggungan HITL dan AI. Dengan mengaplikasikan analisis bibliometrik terhadap 1.024 publikasi dari basis data Scopus dalam rentang waktu 2020 hingga pertengahan 2025, penelitian ini menemukan adanya eskalasi minat akademis yang signifikan. Hasil telaah menunjukkan lanskap riset global didominasi oleh kontributor dari Amerika Serikat, Tiongkok, dan India, dengan Stanford University serta Tsinghua University sebagai afiliasi institusional paling produktif. Secara tematik, diskursus ilmiah yang ada terpetakan ke dalam tiga kluster utama: elaborasi kerangka kerja machine learning, implementasi praktis, dan interaksi dengan large language models (LLMs). Meskipun memiliki keterbatasan cakupan data, kontribusi utama studi ini adalah keberhasilannya mengidentifikasi kesenjangan riset (research gap) yang substansial pada interseksi antara paradigma HITL dengan domain generative artificial intelligence. Temuan ini mengimplikasikan arah investigasi krusial di masa depan untuk pengembangan AI generatif yang lebih robust dan berpusat pada manusia.
