PERKEMBANGAN ARTIFICIAL INTELLIGENCE (AI) DALAM PEMECAHAN MASALAH LINGKUNGAN DAN PENDIDIKAN: A SYSTEMATIC REVIEW

Indri Shaheda(1*), Nursida Arif(2), Eko Budiyanto(3), Nofriansyah Nofriansyah(4)

(1) 
(2) Universitas Negeri Yogyakarta
(3) Universitas Negeri Yogyakarta
(4) Universitas Pendidikan Indonesia
(*) Corresponding Author

Abstract


Penelitian ini menggunakan pendekatan deskriptif dengan metode bibliometrik untuk menganalisis tren publikasi terkait kecerdasan buatan (AI) dan permasalahan lingkungan selama periode 2009-2024. Proses pengumpulan data dilakukan melalui empat tahap utama, yaitu: (1) Identifikasi, (2) Penyaringan, (3) Kelayakan, dan (4) Inklusi. Dari total 905 artikel yang dianalisis menggunakan perangkat lunak VosViewer, data kemudian dianalisis dengan menggunakan bagan PICO yang terdiri dari: 1) Populasi, 2) Intervensi, 3) Perbandingan, dan 4) Hasil. Temuan penelitian ini mengungkapkan adanya peningkatan signifikan dalam jumlah publikasi mengenai AI dan isu lingkungan dalam 15 tahun terakhir, dengan dominasi kontribusi dari negara-negara di kawasan Asia, khususnya Tiongkok dan Iran. Bidang kajian yang paling banyak berkontribusi dalam topik ini meliputi ilmu komputer, teknik, dan ilmu lingkungan, yang menunjukkan bahwa penerapan AI dalam bidang ini bersifat multidisipliner. AI berperan penting dalam mitigasi bencana, konservasi sumber daya alam, dan pengelolaan keberlanjutan. Implikasi dari penelitian ini menunjukkan bahwa integrasi AI sangat penting dalam pendidikan, terutama dalam memperkuat kemampuan analisis spasial, pengambilan keputusan berbasis data, dan literasi teknologi terkait lingkungan.


Keywords


Artificial Intelligence; Bibliometric; Lingkungan; Pendidikan

Full Text:

PDF (Indonesian)

References


Asha, P., Natrayan, L. B. T. J. R. R. G. S., Geetha, B. T., Beulah, J. R., Sumathy, R., Varalakshmi, G., & Neelakandan, S. (2022). IoT enabled environmental toxicology for air pollution monitoring using AI techniques. Environmental research, 205, 112574.

Athanasoulias, S., Guasselli, F., Doulamis, N. et al. 2024. The Plegma dataset: Domestic appliance-level and aggregate electricity demand with metadata from Greece. Sci Data 11, 376. https://doi.org/10.1038/s41597-024-03208-0

Chisom, O. N., Biu, P. W., Umoh, A. A., Obaedo, B. O., Adegbite, A. O., & Abatan, A. (2024). Reviewing the role of AI in environmental monitoring and conservation: A data-driven revolution for our planet. World Journal of Advanced Research and Reviews, 21(1), 161-171.

Rana, R., Kalia, A., Boora, A., Alfaisal, F. M., Alharbi, R. S., Berwal, P., ... & Qamar, O. (2023). Artificial intelligence for surface water quality evaluation, monitoring and assessment. Water, 15(22), 3919.

Ren, H., Xia, M., Weng, L., Hu, K., & Lin, H. (2024). Dual-attention-guided multiscale feature aggregation network for remote sensing image change detection. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 17, 4899-4916.

Riyadi, S., Budiyanto, E., Hastuti, H., & Nofriansyah, N. (2025). Pemanfaatan Chatbot Ai Untuk Meningkatkan Kemandirian Belajar Siswa: Systematic Literature Review. Research and Development Journal of Education, 11(2), 1106-1114.

Zhong, S., Zhang, K., Bagheri, M., Burken, J. G., Gu, A., Li, B., ... & Zhang, H. 2021. Machine learning: new ideas and tools in environmental science and engineering. Environmental science & technology, 55(19), 12741-12754.




DOI: http://dx.doi.org/10.30998/rdje.v11i2.20613

Refbacks

  • There are currently no refbacks.