<![CDATA[Teknologi Digital Twin (DT) mengalami pertumbuhan eksponensial sejak diperkenalkan oleh Grieves pada tahun 2002, namun fragmentasi dalam definisi, taksonomi arsitektur, dan metrik evaluasi antar domain aplikasi masih menjadi hambatan utama bagi adopsi yang terstandar. Penelitian ini melaksanakan Systematic Literature Review (SLR) menggunakan protokol PRISMA terhadap 47 artikel yang dipublikasikan pada basis data Scopus, Web of Science, dan IEEE Xplore dalam rentang 2020–2025, guna memetakan lanskap penelitian DT secara komprehensif. Tinjauan ini mengidentifikasi empat klaster utama penelitian DT: (1) arsitektur dan infrastruktur platform DT berbasis cloud-edge continuum, (2) integrasi kecerdasan buatan dan machine learning untuk kemampuan prediktif, (3) penerapan DT pada sektor konstruksi, manufaktur, dan kesehatan, serta (4) tantangan interoperabilitas, keamanan data, dan skalabilitas. Temuan kritis penelitian ini mengungkap bahwa 73% studi yang ditinjau tidak memiliki kerangka evaluasi performa DT yang terstandar, dan terdapat kesenjangan signifikan antara maturitas teknis platform DT dengan kesiapan adopsi pada usaha kecil dan menengah (UKM). Novelty penelitian ini terletak pada penyusunan taksonomi DT terpadu berbasis lima dimensi (fisik, virtual, koneksi, data, dan layanan), pengklasifikasian gap penelitian yang belum tertangani, serta usulan agenda riset prioritas untuk pengembangan DT di era Industry 5.0.]]>
Copyrights © 2026
