Publisher

RCF INDONESIARCF INDONESIA

Journal Journal of Science Education and Management BusinessJournal of Science Education and Management Business Abstract

Penelitian ini bertujuan untuk menganalisis perkembangan model optimasi penugasan maksimum melalui pendekatan Systematic Literature Review (SLR) berdasarkan panduan PRISMA 2020. Data diperoleh dari basis data Scopus dengan kata kunci maximum assignment problem, optimal task assignment, dan task allocation optimization pada periode 2022–2025. Dari total 351 artikel yang diidentifikasi, sebanyak 161 dihapus karena tidak memenuhi kriteria kelayakan otomatis, dan 40 artikel dikeluarkan karena tidak termasuk dalam jurnal bereputasi Q1–Q2. Setelah proses screening dan penilaian kelayakan, diperoleh 8 artikel utama yang dianalisis lebih lanjut. Hasil kajian menunjukkan bahwa penelitian terkini banyak mengintegrasikan algoritma klasik seperti Hungarian dengan pendekatan metaheuristik dan pembelajaran berbasis graf, guna meningkatkan efisiensi serta akurasi penugasan dalam sistem multi-agen. Selain itu, penggunaan Watase UAKE terbukti efektif membantu proses seleksi literatur secara transparan dan sistematis. Secara keseluruhan, tren penelitian mengarah pada pengembangan model optimasi yang lebih adaptif, terotomasi, dan relevan dengan kebutuhan sistem cerdas modern.

Conclusion

Berdasarkan hasil telaah sistematis terhadap literatur lima tahun terakhir, dapat disimpulkan bahwa pengembangan model optimasi penugasan maksimum terus mengalami kemajuan signifikan seiring dengan penerapan algoritma komputasi modern.Pendekatan klasik seperti Hungarian Algorithm masih relevan, tetapi kini banyak disempurnakan melalui integrasi dengan pembelajaran mesin dan jaringan graf (Graph Neural Network) untuk mengatasi kompleksitas skala besar dan dinamika sistem multi-agen.Di tingkat nasional, penggunaan Systematic Literature Review (SLR) mulai diterapkan secara lebih luas untuk memperkuat kualitas sintesis penelitian, terutama dengan dukungan platform digital seperti Watase UAKE yang memudahkan proses pencarian, penyaringan, dan dokumentasi literatur secara otomatis.Secara umum, tren penelitian terkini menunjukkan sinergi antara metode optimasi matematis dan teknologi pembelajaran adaptif, yang berpotensi menciptakan sistem penugasan yang lebih efisien, tangguh, dan cerdas.

Future Research

Berdasarkan tinjauan literatur, terdapat beberapa arah penelitian lanjutan yang menjanjikan. Pertama, penelitian dapat difokuskan pada pengembangan model optimasi penugasan yang mampu beradaptasi secara dinamis terhadap perubahan lingkungan dan prioritas tugas secara real-time, misalnya dengan mengintegrasikan teknik reinforcement learning yang lebih canggih. Kedua, eksplorasi lebih lanjut mengenai penggunaan data sensor dari berbagai sumber (seperti citra satelit dan data cuaca) untuk meningkatkan akurasi prediksi dan efisiensi alokasi tugas dalam sistem multi-UAV. Ketiga, penelitian dapat mengkaji potensi penerapan pendekatan swarm intelligence yang lebih inovatif, seperti algoritma ant colony optimization (ACO) atau particle swarm optimization (PSO), untuk mengatasi masalah kompleksitas dan skalabilitas dalam penugasan tugas pada sistem multi-agen yang besar.

References

1. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews | The BMJ. prisma statement... doi.org/10.1136/bmj.n71The PRISMA 2020 statement an updated guideline for reporting systematic reviews The BMJ prisma statement doi 10 1136 bmj n71
2. How to Undertake an Impactful Literature Review: Understanding Review Approaches and Guidelines for High-impact... journals.sagepub.com/doi/10.1177/22779779241227654How to Undertake an Impactful Literature Review Understanding Review Approaches and Guidelines for High impact journals sagepub doi 10 1177 22779779241227654

Metadata

File size	369.34 KB
Pages	7
DMCA	Report