Journal of Science Education and Management Business (JOSEAMB) Vol.
No.
1, tahun 2026, hlm.
ISSN: 2828-3031
EVALUASI METODE PENUGASAN MAKSIMUM DALAM
OPTIMAL PENEMPATAN SUMBER DAYA MELALUI
PENDEKATAN SYSTEMATIC LITERATURE REVIEW
Yoli Vanezi Mayendri1.
Zefriyenni2 Universitas Putra Indonesia YPTK Padang.
Indonesia
Info Artikel
ABSTRAK
Sejarah artikel:
Penelitian ini bertujuan untuk mengevaluasi berbagai metode, termasuk Metode Tugas Maksimal.
Metode Alokasi Sumber Daya Optimal, dan Metode Penempatan Sumber Daya, untuk menemukan metode yang paling efektif untuk penempatan sumber daya optimal.
Pendekatan Sistematic Literature Review (SLR), yang didasarkan pada pedoman PRISMA 2020, digunakan dalam penelitian ini.
Sumber literatur dalam penelitian ini berasal dari basis data Scopus pada jurnal bereputasi dari kuartil pertama hingga kuartil keempat tahun 2020Ae2025.
Dari 424 artikel yang dikirim, 16 terpilih karena relevan dan berkualitas.
Hasil analisis menunjukkan bahwa metode berbasis optimasi multi-objektif dan kecerdasan buatan (AI) seperti Artificial Bee Colony (ABC).
Optimization of Particle Swarms (PSO).
Multi-Objective Cuckoo Search (MOCS).
Reinforcement Learning, dan Deep Learning dapat meningkatkan efisiensi sistem hingga 70%, menurunkan biaya operasional hingga 30%, dan mengurangi emisi karbon hingga 40%.
Diharapkan bahwa penelitian ini akan memberikan landasan ilmiah untuk membangun model manajemen sumber daya kontemporer yang efektif, fleksibel, dan Selain itu, akan memberikan arah bagi penelitian lebih lanjut yang berkaitan dengan penerapan metode penugasan maksimum dalam dunia Received: 6 Nov 2025 Revised: 20 Des 2025 Accepted: 12 Jan 2026 Published: 26 Jan 2026 Kata kunci:
Maximum Assignment Method Optimal Resource Allocation Resource Placement Approach Ini adalah artikel akses terbuka di bawah lisensi CC BY-SA.
Penulis yang sesuai:
Yoli Vanezi Mayendri Magister Manajemen.
Fakulty ekonomi dan bisnis Universitas Putra Indonesia AuYPTKAy Padang, indonesia Email: yolivanezi@gmail.
PENDAHULUAN
Menempatkan "pekerja/tugas" pada "posisi/sumber daya" dengan manfaat maksimal adalah masalah utama dalam riset operasi dan komputasi kontemporer.
Permasalahan ini sering dimodelkan secara formal sebagai maximum assignment atau maximum weight matching pada graf bipartit.
Tujuannya adalah untuk memaksimalkan bobot kecocokan total di bawah kendala kapasitas.
Kebutuhan akan algoritme penugasan yang akurat, efisien, dan dapat direplikasi semakin mendesak, seperti yang ditunjukkan oleh perkembangan terbaru dalam bidang penjadwalan dan logistik, federated learning, dan tugas peninjau ilmiah.
Di sisi algoritmik, metode klasik seperti metode Hungarian dan keluarga metode penyesuaian berat maksimum terus dikembangkan dan diterapkan untuk skenario maksimisasi keuntungan, bukan hanya minimisasi biaya (Maria et al.
, 2.
Homepage jurnal: https://rcf-indonesia.
org/jurnal/index.
php/JOSEAMB/index JOSEAMB
ISSN: 2828-3031
Kajian terbaru di bidang praktik alokasi menekankan penggabungan metode penugasan dengan pemodelan manfaat/efisiensi serta hibridisasi dengan linear programming untuk mengatasi batasan realistis .
apasitas, multikriteri.
Penguatan aspek metodologis ini meningkatkan manfaat penugasan maksimum dalam hal penempatan sumber daya.
Ini mencakup pengaturan workforce, rute/logistik, dan pembagian beban komputasi.
Namun, untuk memahami trade-off skalabilitas, akurasi, dan kompleksitas, evaluasi komparatif yang sistematis diperlukan.
Ini disebabkan oleh keragaman model, fungsi tujuan .
aksimisasi manfaat versus minimisasi biay.
, dan kualitas bukti Dengan demikian, artikel ini menyajikan evaluasi metode penugasan maksimum dengan menggunakan pendekatan Systematic Literature Review (SLR), yang didasarkan pada pedoman PRISMA 2020.
Untuk membuat temuan evidence synthesis jelas,PRISMA menyediakan daftar periksa, skema abstrak, dan diagram alur terkini.
Dengan menggunakan PRISMA 2020, evaluasi ini bertujuan untuk: .
menganalisis kelompok metode (Hungarian, matching berbobot, hibrid.
, .
membandingkan kriteria kinerja .
ptimalitas, waktu komputasi, skalabilitas, dan replikas.
, dan .
menemukan celah penelitian dalam konteks alokasi kontemporer yang memiliki batasan.
Diharapkan hasil SLR akan berfungsi sebagai landasan ilmiah praktis untuk memilih dan merancang metode penugasan maksimum untuk penempatan sumber daya yang optimal dalam berbagai konteks (Page.
Mckenzie, et al.
, 2.
TINJAUAN LITERATUR
Evaluasi Metode Penugasan Maksimum (Maximum Assignment Metho.
Menurut (Radha et al.
, 2.
Penugasan maksimasi adalah jenis penugasan .
asalah penugasa.
di mana tujuan utamanya adalah memaksimalkan keuntungan secara keseluruhan daripada meminimalkan biaya.
Sebagai contoh, alokasikan karyawan ke tugas sehingga keuntungan total yang paling besar dapat dicapai.
Sebagai ilustrasi, penelitian Indonesia menyatakan bahwa "masalah penugasan membahas pengalokasian sejumlah sumber ke sejumlah tujuan, dengan tujuan memaksimalkan suatu keuntungan.
Alokasi Sumber Daya yang Optimal (Optimal Resource Allocatio.
Menurut (Challoumis, 2.
Optimal Resource Allocation (Proses strategis alokasi sumber daya yang terbata.
eperti modal, waktu, tenaga kerja, dan teknolog.
ke berbagai aktivitas atau proyek dengan tujuan mencapai hasil optimal, yaitu produktivitas, efisiensi, dan performa terbaik sambil mengurangi pemborosan dan ketidaksesuaian.
Pendekatan Penempatan Sumber Daya (Resource Placement Approac.
Menurut (Rjeib & Kecskemeti, 2.
Pendekatan penempatan sumber daya, juga dikenal sebagai "penempatan sumber daya", merujuk pada strategi bagaimana sumber daya, termasuk manusia, perangkat keras, perangkat lunak, atau infrastruktur, ditempatkan atau diposisikan secara optimal ke dalam suatu sistem, lokasi, atau lingkungan agar dapat beroperasi secara efisien dan efektif sesuai dengan tujuan.
METODE
Penelitian ini merupakan tinjauan literatur sistematis yang berfokus pada tiga tema utama, yaitu Maximum Assignment Method.
Optimal Resource Allocation dan Resource Placement Approach.
Pendekatan penelitian yang digunakan adalah Systematic Literature Review (SLR) dengan mengacu pada kerangka kerja PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyse.
Pendekatan ini dipilih agar proses peninjauan berlangsung secara terarah, sistematis, dan terstruktur, sehingga mampu menghasilkan sintesis pengetahuan yang kredibel serta dapat dipertanggungjawabkan secara ilmiahPenelitian ini merupakan tinjauan literatur sistematis yang berfokus pada tiga tema utama, yaitu Maximum Assignment Method.
Optimal Resource Allocation dan dan Resource Placement Approach.
Pendekatan penelitian yang digunakan adalah Systematic Literature Review (SLR) dengan mengacu pada kerangka kerja PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyse.
Pendekatan ini dipilih agar proses peninjauan berlangsung secara terarah, sistematis, dan terstruktur, sehingga mampu menghasilkan sintesis pengetahuan yang kredibel serta dapat dipertanggungjawabkan secara ilmiah (Page.
McKenzie, et al.
, 2.
ISSN: 2828-3031
Dalam penerapan metode SLR ini, penelitian menempuh beberapa tahapan utama, yaitu:
Identifikasi istilah kunci dan strategi pencarian literatur, dengan memanfaatkan basis data Scopus.
Pencarian difokuskan pada artikel jurnal bereputasi dari klasifikasi Q1 hingga Q4, yang relevan dengan topik Maximum Assignment Method.
Optimal Resource Allocation dan Resource Placement Approach.
Seleksi artikel dilakukan berdasarkan kriteria inklusi dan eksklusi yang telah ditentukan, serta mengikuti alur tahapan PRISMA, mulai dari penyaringan awal hingga penentuan artikel akhir yang akan dianalisis.
Ekstraksi data penting dari artikel terpilih, mencakup informasi mengenai penulis, tahun publikasi, metode penelitian, konteks penelitian, serta temuan utama dari masing-masing Evaluasi kualitas dan relevansi penelitian menggunakan panduan penilaian yang terstandar untuk menjamin integritas data serta keabsahan hasil yang diperoleh.
Sintesis hasil penelitian dilakukan melalui penyajian ringkasan naratif dan deskriptif, guna menggambarkan pola, kesamaan, serta perbedaan temuan dari setiap artikel yang dikaji.
Melalui serangkaian prosedur tersebut, kajian literatur ini diharapkan dapat menyajikan pemahaman yang komprehensif, transparan, dan terorganisasi, serta mampu mengintegrasikan berbagai bukti empiris dari penelitian terdahulu yang berhubungan dengan tema penelitian.
Pendekatan PRISMA berperan penting dalam memastikan bahwa hasil kajian tersusun secara logis, dapat direplikasi, dan mudah dipahami oleh pembaca (Page.
McKenzie, et al.
, 2.
Dalam tahap pengumpulan literatur, penelitian ini menggunakan bantuan alat Watase UAKE, yang terhubung dengan API Key Scopus.
Aplikasi tersebut mendukung proses pencarian dan identifikasi literatur akademik bereputasi tinggi yang telah terindeks di basis data Scopus kategori Q1AeQ4.
Pencarian difokuskan pada periode publikasi tahun 2022 hingga 2025, dan dari hasil penelusuran tersebut diperoleh enam artikel utama yang paling relevan dengan tema penelitian ini.
HASIL DAN PEMBAHASAN
Melalui proses kajian literatur yang dilakukan dengan bantuan aplikasi Watase UAKE, diperoleh beberapa temuan penting sebagaimana ditunjukkan pada Gambar 1 berikut.
Gambar 1 Output Watase UAKE (Metode Prism.
(Sumber: diolah sendiri 2.
Berdasarkan gambar PRISMA Reporting tersebut Untuk Evaluasi Metode Penugasan Maksimum dalam Optimal Penempatan Sumber Daya, penelusuran literatur dilakukan, seperti yang ditunjukkan oleh gambar PRISMA Reporting.
Dari 424 artikel awal yang ditemukan melalui JOSEAMB Vol.
No.
Tahun 2026
JOSEAMB
ISSN: 2828-3031
pencarian pada basis data Scopus, 208 artikel dieliminasi karena tidak masuk dalam rentang tahun 2020Ae2025, dan 23 artikel lainnya dikeluarkan karena alasan lain, seperti tingkat jurnal.
Dari 193 artikel yang diperiksa selama tahap screening, 140 tidak relevan, sehingga tersisa 53 artikel untuk ditelaah lebih lanjut.
Dari jumlah tersebut, 37 tidak dapat diakses, dan 16 memenuhi kriteria kelayakan.
Pada tahap inclusion, ke-16 artikel tersebut akhirnya dimasukkan ke dalam tinjauan akhir karena dianggap paling relevan dan berkualitas tinggi untuk mendukung analisis metode penugasan maksimum dan optimalisasi penempatan sumber daya.
Tabel 1 Hasil pencarian untuk artikel yang memenuhi persyratan No Authors/Year Title Journal Citation Journal Rank Hasil Penelitian (Dehghani Smart homes Heliyon Bornapour, management Optimal multiobjective energy storage and renewable (Hamadneh Optimal energy Scientific et al.
, 2.
management of Reports resources in a under various load and solar Hasil penelitian menunjukkan bahwa model alokasi sumber optimizasi multi-tujuan dapat penggunaan sumber daya dan sekaligus mengurangi dampak Menekan biaya, mengurangi emisi karbon, dan adalah tiga tujuan utama model Secara penelitian menunjukkan bahwa efisiensi sekitar 20%.
Selain itu, keseimbangan yang ideal antara Seperti yang ditunjukkan oleh multiobjektif adalah metode yang berguna untuk mendukung pengelolaan sumber daya yang Penelitian ini menunjukkan bahwa algoritma Artificial Bee Colony (ABC) paling efektif mikrogrid hibrida.
Algoritma ini operasional menjadi sekitar $266Ae$363 dengan tingkat keandalan (LPSP < 2%), menjadikannya metode paling efisien dan stabil dibandingkan GA.
PSO, dan MBA
ISSN: 2828-3031
(Ferraz et Multi-Objective Ie , 2.
Approach for Access Distribution System Planning Considering Stochastic CustomerOwned Distributed Energy Resources (Davoodi et Sustainable Internatio , 2.
Electric Railway System Transactio Integrated With ns Distributed Electrical Energy Energy Resources Systems Optimal Operation and Smart Energy Management System (Zhou et al.
Distributed Energies Time-Varying Optimal JOSEAMB Vol.
No.
Tahun 2026
Penelitian ini menunjukkan bahwa metode multi-objektif
OLTC,
jaringan dinamis secara efektif meningkatkan efisiensi sistem distribusi energi.
Metode ini yang menggunakan algoritma Multi-Objective Cuckoo Search (MOCS) dan Fuzzy DecisionMaking mampu mengurangi rugi daya hingga 68,56% dan tegangan sebesar 72,41% dalam situasi di mana sumber daya energi milik pelanggan tidak Secara keseluruhan, metode ini terbukti efisien, ekonomis, dan dapat diandalkan Penelitian AuSustainable Electric Railway System Integrated With Distributed Energy ResourcesAy menunjukkan bahwa sistem Railway Energy Management System (REMS) berbasis Mixed Integer Linear Programming (MILP) mengoptimalkan penggunaan energi di stasiun kereta listrik dengan menggabungkan energi surya, angin, dan penyimpanan energi (ESS).
Hasilnya, sistem ini berhasil menghemat biaya operasional 56,09% kembali energi berlebih sekitar 190,8 kW per hari ke jaringan Secara keseluruhan.
REMS
berkelanjutan, dan berpotensi dikembangkan lebih lanjut dengan integrasi kendaraan listrik dan pembelajaran mesin
untuk prediksi konsumsi energi Penelitian ini menunjukkan model kecerdasan buatan (AI) digunakan untuk memprediksi JOSEAMB
ISSN: 2828-3031
Resource Management for Microgrids via Fixed-Time Multiagent Approach (Alqahtani Alghamdi.
Optimized Processes Coordination of Distributed Energy Resources Modern Distribution Networks Using Hybrid Metaheuristic Approach (Babar & R- An integrated Journal of with Cleaner interdependent Productio water storage n risiko perdarahan saluran cerna bagian atas (UGIB) pada pasien antikoagulan oral.
Penelitian (BMJ, bahwa model ini lebih akurat daripada pendekatan klinis kemampuan untuk menemukan pasien yang berisiko tinggi dengan lebih akurat, dan dapat antikoagulan untuk mengurangi risiko komplikasi serius.
Penelitian ini menunjukkan model koordinasi optimal antara Distributed Energy Resources (DER.
kendaraan listrik (EV) dengan menggunakan algoritma hibrida Artificial Bee Colony (ABC) Particle Swarm Optimization (PSO).
Hasil penelitian ini disebutkan dalam artikel berjudul "Optimized Coordination of Distributed Energy Resources and Electric Vehicle Charging in Smart Grids Using Hybrid Optimization Algorithm.
" Hasil penelitian menunjukkan bahwa dengan metode konvensional, operasional sistem sebesar 27,8%, meningkatkan efisiensi energi sebesar 18,4%, dan sebesar 22,6%.
Selain itu, model menunjukkan bahwa itu dapat disesuaikan dengan harga dan beban energi yang berubah real-time.
Ini membuatnya solusi manajemen energi yang efisien dan berkelanjutan untuk jaringan listrik pintar .
mart gri.
Penelitian "An Integrated Model with Interdependent Water Storage for Optimal Resource Management in EnergyAeWaterAe A ISSN: 2828-3031 management in Energy-WaterFood Nexus (Zhang et A multi- IET , 2.
objective Generatio optimization Transmissi to on Distributio (Kumar et A Secure and Ie , 2.
Efficient Access BlockChain and Distributed Ledger TechnologyBased Optimal JOSEAMB Vol.
No.
Tahun 2026 Food Nexus" menggabungkan pembangkit listrik, sistem air, dan penyimpanan air dapat meningkatkan efisiensi sumber daya dan mengurangi biaya operasional hingga 20% dan emisi karbon hingga 40%.
Secara keseluruhan, metode ini dievaluasi secara efektif dan berkelanjutan untuk mendukung sumber daya terpadu.
Penelitian "A Multi-Objective Interval Optimization Approach to Expansion Planning of Active Distribution System Distributed Internet Data Centers and Renewable Energy Resources" model interval (IMOP) algoritma IMOEA/D dapat dan efisiensi sistem distribusi aktif yang terintegrasi dengan pusat data internet.
Hasil simulasi pada sistem Ie 33bus metode ini mampu mengurangi total biaya sistem hingga 20% dan emisi karbon sekitar 15% dibandingkan dengan Dengan fleksibilitas beban pusat data, terbarukan turun dari 11,66% menjadi 9,1% dan penghematan energi pendinginan turun 10%.
Pendekatan terbukti lebih efisien, tangguh terhadap ketidakpastian, dan memberikan hasil perencanaan yang lebih andal untuk sistem daripada metode deterministik dan robust.
Penelitian "A Secure and Efficient
Blockchain
Distributed Ledger TechnologyBased Optimal
Resource Management in Digital Twin
Beyond
Networks" JOSEAMB
ISSN: 2828-3031
Resource Management in Digital Twin Beyond Networks Using Hybrid Energy Valley and Levy Flight Distributer Optimization Algorithm (Li et al.
A relaxation- Computer2.
based Voronoi Aided Civil and approach for Infrastruct Engineerin (Mallick.
Mathematical Journal of Modeling for Applied Optimal Mathemati Management of cs Human Resources Banking Sector of Bangladesh manajemen sumber daya yang Blockchain Distributed Ledger Technology (DLT) dengan Hybrid Energy ValleyAeLevy Flight Optimizer (HEV-LFDO).
Hasilnya dibandingkan dengan metode sebelumnya, efisiensi energi meningkat 27,5%, latensi turun 18,2%, dan throughput jaringan meningkat sekitar 22%.
Secara keseluruhan, penelitian ini menunjukkan bahwa sistem manajemen sumber daya yang lebih aman, efisien, dan berkelanjutan dapat dibangun untuk jaringan berbasis digital twin yang melampaui 5G algoritma optimasi hibrida.
Penelitian AuA Relaxation-Based Voronoi Diagram Approach for Equitable Resource DistributionAy Voronoi mendistribusikan sumber daya secara lebih adil dan efisien.
Dengan algoritma weighted centroidal Voronoi tessellation, menyeimbangkan jarak dan Hasilnya, distribusi hingga 35% dan meningkatkan efisiensi spasial sebesar 22%, menjadikannya solusi efektif untuk perencanaan sumber daya dan tata ruang Penelitian AuMathematical Modeling Optimal Management Human Resources in an OrganizationAy menunjukkan bahwa model efektif meningkatkan efisiensi Dengan A (Osorio Garcia, & Convex Energies Stochastic Approaches for Optimal Allocation of Distributed Energy Resources AC Distribution Networks with Measurements Fitted to a Continuous Probability Distribution Function (Eryiit et Optimal Desalinati , 2.
management of on multiple water Water resources by a Treatment optimization for a water supply in the desert Western Iraq (Kim et al.
Optimal Ie Resource Access Allocation Considering Non-Uniform Spatial Traffic JOSEAMB Vol.
No.
Tahun 2026
ISSN: 2828-3031
keterampilan, beban kerja, dan produktivitas, model ini mampu penugasan hingga 25% dan mengurangi ketidakseimbangan beban kerja sebesar 18% Hasilnya menegaskan bahwa pendekatan matematis dapat mendukung strategis dalam perencanaan dan pengelolaan tenaga kerja yang Penelitian ini menunjukkan bahwa metode Multi-Agent Reinforcement Learning (MARL) sumber daya dan energi pada Hasilnya, sistem mencapai efisiensi energi 19,8% lebih tinggi, biaya operasional turun
15,6%, dan emisi karbon
12,3%,
menjadikannya solusi cerdas pengelolaan energi masa depan Penelitian ini menunjukkan optimization berbasis Artificial Immune System .
odified Clonal.
mengoptimalkan pasokan air di kota gurun Rutba.
Irak.
Model ini mampu menyeimbangkan jarak, ketinggian, dan kapasitas pompa, menghasilkan pasokan 000Ae15.
000 mA per hari dengan pendapatan bersih 950 USD, sehingga pengelolaan sumber daya air di wilayah kering Penelitian ini menunjukkan bahwa algoritma Multi-Agent Q-Learning sumber daya pada jaringan ultra-padatan (UDSCN.
JOSEAMB
ISSN: 2828-3031
Distribution in Ultra-Dense Networks Multi-Agent Reinforcement Learning Approach (Fei et al.
Optimal Energy Sensors Management System of IoTEnabled Large Building Considering Electric Vehicle Scheduling.
Distributed Resources, and Demand Response Schemes (Eldeeb et Optimal Ie , 2.
Resource Access Allocation and Interference Management for Multi-User Uplink Light Communication Systems With Angular Diversity Technology Metode efisiensi energi, mengurangi mencapai konvergensi cepat dengan kompleksitas rendah, sehingga dinilai efisien dan adaptif untuk pengelolaan sumber daya jaringan generasi Penelitian AuAn Energy-Aware Resource Allocation Strategy for Industrial Internet of Things in 5G and Beyond NetworksAy mengusulkan strategi alokasi sumber daya berbasis kesadaran energi dengan pendekatan Deep Reinforcement Learning (DRL) untuk jaringan Industrial IoT.
Hasilnya peningkatan efisiensi energi sebesar 23,7% dan penurunan latensi hingga 18,9% dibanding menjadikannya solusi efisien pengelolaan energi di jaringan 5G dan Beyond Penelitian ini menunjukkan bahwa metode alokasi sumber daya optimal dengan teknologi angular diversity pada sistem Light Communication mampu hingga 21,6%, mengurangi 17,3%.
SNR, menjadikannya solusi efisien dan stabil untuk komunikasi Dari 16 jurnal yang dianalisis, seluruh penelitian menggunakan metode kuantitatif berbasis optimasi dan simulasi komputasi, termasuk algoritma seperti Artificial Bee Colony (ABC).
Particle Swarm Optimization (PSO).
Multi-Objective Cuckoo Search (MOCS), serta pembelajaran mesin (Reinforcement dan Deep Learnin.
Pendekatan ini diterapkan untuk mengoptimalkan pengelolaan energi, air.
SDM, dan komunikasi digital.
Secara umum, hasil penelitian menunjukkan peningkatan efisiensi sistem hingga 70%, pengurangan biaya hingga 30%, dan penurunan emisi karbon hingga 40%, membuktikan bahwa optimasi multi-objektif dan AI merupakan solusi efektif dan berkelanjutan untuk manajemen sumber daya modern.
Dari keenam belas jurnal tersebut menunjukkan bahwa penerapan metode optimasi multiobjektif dan kecerdasan buatan (AI) menjadi strategi utama dalam mewujudkan pengelolaan sumber
ISSN: 2828-3031
daya yang efisien, adaptif, dan berkelanjutan di berbagai sektor, seperti energi, air, transportasi.
SDM, serta jaringan komunikasi digital.
Secara umum, seluruh penelitian membuktikan bahwa integrasi antara pemodelan matematis, algoritma optimasi, dan pembelajaran mesin mampu meningkatkan efisiensi sistem, menekan biaya operasional, mengurangi emisi karbon, serta memperbaiki stabilitas dan keandalan sistem secara signifikan.
Dengan peningkatan efisiensi yang mencapai hingga 70% dan pengurangan emisi hingga 40%, hasil-hasil penelitian tersebut menegaskan bahwa kombinasi pendekatan optimasi dan teknologi AI adalah solusi efektif dan masa depan bagi pengelolaan sumber daya global yang cerdas dan berkelanjutan.
DISKUSI
Berdasarkan analisis yang dilakukan terhadap enam belas jurnal, metode optimasi multiobjektif dan kecerdasan buatan (AI) adalah pilihan utama untuk pengelolaan sumber daya yang efisien, adaptif, dan berkelanjutan.
Berbagai algoritma, seperti ABC.
PSO.
MOCS.
Reinforcement Learning, dan Deep Learning, terbukti dapat meningkatkan efisiensi sistem hingga tujuh puluh persen, menekan biaya hingga tiga puluh persen, dan mengurangi emisi karbon hingga empat puluh Algoritma ini dapat diterapkan di bidang energi, air, transportasi, komunikasi, dan sumber daya manusia.
Secara umum, ketika pemodelan matematis, pembelajaran mesin, dan optimasi digabungkan, sistem menjadi lebih kuat dan lebih responsif terhadap perubahan dinamis.
Ini menjadi fondasi penting untuk pembuatan model manajemen sumber daya modern yang berkelanjutan.
KESIMPULAN
Penelitian ini menemukan bahwa menggunakan metode penugasan maksimum, alokasi sumber daya optimal, dan pendekatan penempatan sumber daya menggunakan pendekatan Review Literatur Systematik (SLR) meningkatkan pemahaman tentang seberapa efektif berbagai algoritma optimasi dan kecerdasan buatan dalam pengelolaan sumber daya kontemporer.
Menurut enam belas jurnal yang dianalisis, metode seperti Artificial Bee Colony (ABC).
Particle Swarm Optimization (PSO).
Multi-Objective Cuckoo Search (MOCS), dan pendekatan berbasis penguatan dan pembelajaran mendalam terbukti mampu meningkatkan efisiensi sistem hingga tujuh puluh persen, mengurangi biaya operasional hingga tiga puluh persen, dan mengurangi emisi karbon hingga empat puluh persen.
Hasil ini menunjukkan bahwa kombinasi pemodelan matematis, optimasi multiobjektif, dan kecerdasan buatan.
BATASAN
Penelitian ini memiliki beberapa batasan yang harus dipertimbangkan.
Pertama, dalam proses penelitian literatur, hanya basis data Scopus dengan rentang waktu publikasi tahun 2020Ae2025 Akibatnya, ada kemungkinan bahwa penelitian yang relevan di luar periode tersebut atau basis data tersebut belum teridentifikasi.
Kedua, analisis hanya membahas tiga tema utama: Metode Tugas Maksimal.
Pendekatan Alokasi Sumber Daya Optimal, dan Pendekatan Alokasi Sumber Daya.
Oleh karena itu, hasilnya tidak mencakup metode atau algoritma lain yang mungkin berpengaruh terhadap optimasi sumber daya.
Ketiga, evaluasi dilakukan menggunakan pendekatan Sistematic Literature Review (SLR) berdasarkan data sekunder tanpa verifikasi empiris langsung, sehingga metode yang dikaji masih perlu diuji melalui implikasi.
Selain itu, luasnya hasil analisis juga dapat dipengaruhi oleh keterbatasan akses ke beberapa barang berbayar.
Oleh karena itu, disarankan bahwa penelitian selanjutnya dilakukan dengan memperluas sumber data, memperbarui periode penelitian dan melakukan validasi eksperimental untuk mendukung hasil yang dapat digeneralisasi.
REFERENSI