DIGITAL TWINS UNTUK MANAJEMEN BANJIR PERKOTAAN: TINJAUAN LITERATUR SISTEMATIS

Abstract

Banjir perkotaan yang semakin kompleks akibat perubahan iklim menuntut adopsi teknologi adaptif seperti Digital Twin (DT). Namun, implementasinya masih menghadapi kendala fragmentasi data, interoperabilitas sensor, dan kebutuhan visualisasi untuk keputusan cepat. Penelitian ini bertujuan memetakan perkembangan terkini dan arah masa depan melalui metode Systematic Literature Review (SLR) terhadap 50 studi terpilih periode 2021–2025. Hasil penelitian mengidentifikasi tiga tren solusi utama dalam diskusi global: (1) Hibridisasi Kecerdasan Buatan, yakni integrasi Graph Neural Networks (GNN) dan Large Language Models (LLM) untuk meningkatkan presisi prediksi; (2) Arsitektur Cloud-Multimodal, menggunakan kerangka kerja serverless untuk fusi data IoT dan satelit secara near real-time ; serta (3) Sistem Pendukung Keputusan Interaktif yang memanfaatkan Game Engines sebagai instrumen simulasi risiko imersif. Kesimpulannya, evolusi DT kini bertransformasi dari pemantauan pasif menjadi ekosistem cerdas yang mengintegrasikan AI tingkat lanjut dengan visualisasi interaktif sebagai standar baru manajemen banjir perkotaan.