<![CDATA[Pertumbuhan pesat Internet of Things (IoT) mendorong peningkatan jumlah perangkat dan volume data yang harus diproses secara real-time dengan batasan latensi yang ketat. Ketergantungan penuh pada cloud computing sering kali kurang efisien akibat keterbatasan bandwidth, jarak geografis, dan fluktuasi kondisi jaringan. Untuk mengatasi permasalahan tersebut, paradigma edge–fog computing diperkenalkan dengan mendekatkan sumber daya komputasi ke pengguna akhir. Namun, keterbatasan kapasitas komputasi dan panjang antrean pada node edge dan fog menjadikan penentuan strategi task offloading sebagai isu krusial dalam menjaga kualitas layanan IoT, khususnya pada aplikasi yang sensitif terhadap keterlambatan respons. Penelitian ini mengusulkan metode Heuristic Adaptive Weighted Decision (HAWD) untuk task offloading pada arsitektur edge–fog IoT. Metode yang diusulkan menentukan node tujuan eksekusi task berdasarkan kombinasi beberapa parameter sistem, yaitu latensi end-to-end, utilisasi CPU, dan panjang antrean, dengan bobot keputusan yang disesuaikan secara adaptif mengikuti kondisi beban sistem. Pendekatan ini dirancang bersifat ringan dan tidak memerlukan proses pelatihan model, sehingga sesuai untuk lingkungan edge–fog dengan sumber daya terbatas. Evaluasi kinerja metode HAWD dilakukan melalui simulasi pada skenario smart healthcare dan dibandingkan dengan pendekatan baseline static latency-only. Hasil simulasi menunjukkan bahwa metode HAWD mampu menurunkan latensi end-to-end rata-rata sebesar 18–25% serta menghasilkan distribusi beban yang lebih stabil pada node edge–fog, terutama pada kondisi beban sistem tinggi. Temuan ini menunjukkan bahwa pendekatan offloading berbasis multi-kriteria adaptif lebih efektif dalam mendukung layanan IoT real-time dibandingkan strategi statis konvensional.]]>
