Tinjauan Literatur Sistematis tentang Sinergi Komputasi Tepi, Jejaring Sosial, dan Kecerdasan Buatan untuk Desain Sistem yang Berkelanjutan dan Aman
DOI:
https://doi.org/10.31004/irje.v5i5.3399Keywords:
Sinergi Komputasi, Jejaring Sosial, Kecerdasan Buatan, Desain Sistem Berkelanjutan dan AmanAbstract
Penelitian ini menyajikan tinjauan literatur sistematis yang mengeksplorasi sinergi antara edge computing, jejaring sosial, dan kecerdasan buatan (AI) untuk pengembangan desain sistem yang berkelanjutan dan aman. Konvergensi dari ketiga domain ini mengungkap potensi transformasi dalam mengatasi keterbatasan komputasi terpusat, termasuk latensi, kerentanan keamanan, dan ketidakefisienan dalam manajemen sumber daya. Temuan utama menyoroti pentingnya komputasi sosial berbasis kepercayaan, model AI adaptif, dan kemampuan pengambilan keputusan secara real-time dalam meningkatkan kinerja serta ketahanan jaringan. Selain itu, integrasi logika fuzzy dan pengambilan keputusan secara granular menunjukkan pendekatan yang menjanjikan untuk evaluasi keberlanjutan lingkungan. Meskipun tinjauan ini memberikan wawasan teoretis dan empiris yang berharga, penelitian ini juga mengakui keterbatasan seperti dominasi studi berbasis simulasi dan kurangnya representasi global. Arah penelitian di masa depan menekankan perlunya penerapan di dunia nyata, kerangka kerja keamanan terintegrasi, standar metrik keberlanjutan, dan analisis lintas wilayah. Rekomendasi praktis diberikan bagi para praktisi industri dan pembuat kebijakan untuk mendukung implementasi strategis dan keselarasan regulasi. Secara keseluruhan, tinjauan ini menegaskan bahwa konvergensi interdisipliner antara edge computing, AI, dan komputasi sosial sangat penting untuk membangun sistem yang tidak hanya cerdas dan efisien, tetapi juga bertanggung jawab secara sosial dan lingkungan.
References
He, Y., Liang, C., Richard Yu, F., & Han, Z. (2020). Trust-based social networks with computing, caching and communications: A deep reinforcement learning approach. IEEE Transactions on Network Science and Engineering, 7(1), 66–79. https://doi.org/10.1109/TNSE.2018.2865183
Li, Q., Song, Y., Du, B., Shen, Y., & Tian, Y. (2020). Deep neural network-embedded internet of social computing things for sustainability prediction. IEEE Access, 8, 60737–60746. https://doi.org/10.1109/ACCESS.2020.2982986
Liu, X., Wang, Y., & Wang, L. (2022). Sustainable competitiveness evaluation of container liners based on granular computing and social network group decision making. International Journal of Machine Learning and Cybernetics, 13(3), 751–764. https://doi.org/10.1007/s13042-021-01325-5
Nie, L., Wu, Y., Wang, X., Guo, L., Wang, G., Gao, X., & Li, S. (2022). Intrusion detection for secure social internet of things based on collaborative edge computing: A generative adversarial network-based approach. IEEE Transactions on Computational Social Systems, 9(1), 134–145. https://doi.org/10.1109/TCSS.2021.3063538
Qi, W., Song, Q., Wang, S., Liu, Z., & Guo, L. (2021). Social prediction-based handover in vehicular networks. IEEE Transactions on Computational Social Systems, 9(1), 1–11. https://doi.org/10.1109/TCSS.2020.3045073
Silva, T. H., Viana, A. C., Benevenuto, F., Villas, L., Salles, J., Loureiro, A., & Quercia, D. (2020). Urban computing leveraging location-based social network data: A survey. ACM Computing Surveys, 52(1). https://doi.org/10.1145/3301284
Sun, J., Yin, L., Zou, M., Zhang, Y., Zhang, T., & Zhou, J. (2020). Makespan-minimization workflow scheduling for complex networks with social groups in edge computing. Journal of Systems Architecture, 108, 101799. https://doi.org/10.1016/j.sysarc.2020.101799
Xu, Q., Su, Z., Zhang, K., & Li, P. (2020). CPAttack detection in edge computing enabled mobile social networks. Tsinghua Science and Technology, 25(2), 241–252. https://doi.org/10.26599/TST.2019.9010023
Yu, C., & Pei, H. (2021). Face recognition framework based on effective computing and adversarial neural network and its implementation in machine vision for social robots. Computers and Electrical Engineering, 92, 107128. https://doi.org/10.1016/j.compeleceng.2021.107128
Zhang, Z., Jing, J., Wang, X., Choo, K. K. R., & Gupta, B. B. (2020). A crowdsourcing method for online social networks security assessment based on human-centric computing. Human-Centric Computing and Information Sciences, 10(1), 1–14. https://doi.org/10.1186/s13673-020-00230-0.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Nurhayan Hidayaty, Jhon Veri
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
