Ekonomi Berkelanjutan di Era AI: Optimalisasi Sumber Daya Alam Berbasis Data dan Sains
DOI:
https://doi.org/10.1038/5s15b970Keywords:
Artificial Intelligence, Data Science, Ekonomi Berkelanjutan, Sumber Daya Alam, Teknologi DigitalAbstract
Ekonomi berkelanjutan menjadi pendekatan strategis dalam menghadapi keterbatasan sumber daya alam, tekanan lingkungan, dan tuntutan kesejahteraan sosial di era modern. Perkembangan kecerdasan buatan (Artificial Intelligence/AI) dan sains data membuka peluang baru dalam mengoptimalkan pengelolaan sumber daya alam secara efisien dan berbasis bukti. Artikel ini bertujuan untuk menganalisis peran AI dan sains data dalam mendukung ekonomi berkelanjutan melalui optimalisasi sumber daya alam. Metode penelitian yang digunakan adalah kajian pustaka dengan menelaah literatur ilmiah yang relevan dari jurnal, buku, dan dokumen resmi yang diterbitkan dalam rentang waktu terkini. Hasil kajian menunjukkan bahwa integrasi AI dalam sektor ekonomi, khususnya pertanian, energi, dan pengelolaan lingkungan, mampu meningkatkan efisiensi pemanfaatan sumber daya, mengurangi dampak lingkungan, serta mendukung pengambilan keputusan yang lebih adaptif. Namun demikian, penerapan AI juga menghadirkan tantangan berupa konsumsi energi yang tinggi, kesenjangan teknologi, serta isu etika dan tata kelola. Oleh karena itu, pemanfaatan AI dalam ekonomi berkelanjutan perlu diiringi dengan kebijakan yang bertanggung jawab, regulasi yang adaptif, serta penguatan kapasitas sumber daya manusia agar tujuan keberlanjutan ekonomi, lingkungan, dan sosial dapat tercapai secara seimbang.
Downloads
References
Adzkia Sabrina. (2019). Learning Objectives Conducting a Literature Review.
Adzkia Sabrina. (2021). S_PGSD_1704567_Chapter3.
Ali, Z., Muhammad, A., Lee, N., Waqar, M., & Lee, S. W. (2025). Artificial Intelligence for Sustainable Agriculture: A Comprehensive Review of AI-Driven Technologies in Crop Production. In Sustainability (Switzerland) (Vol. 17, Issue 5). Multidisciplinary Digital Publishing Institute (MDPI). https://doi.org/10.3390/su17052281
Alotaibi, E., & Nassif, N. (2024). Artificial intelligence in environmental monitoring: in-depth analysis. Discover Artificial Intelligence, 4(1). https://doi.org/10.1007/s44163-024-00198-1
Chen, X., Wang, X., Colacelli, A., Lee, M., & Xie, L. (2025). Electricity Demand and Grid Impacts of AI Data Centers: Challenges and Prospects. http://arxiv.org/abs/2509.07218
Eissa, M. (2024). Precision Agriculture using Artificial Intelligence and Robotics. Journal of Research in Agriculture and Food Sciences, 1(1), 35. https://doi.org/10.5455/jrafs.20240404014009
Fajar Nugraha Susilo, R., & Fauzan Athallah, ban. (n.d.). PENGGUNAAN ARTIFICIAL INTELLIGENCE (AI) DALAM MEMBANGUN SISTEM PANGAN BERKELANJUTAN DI INDONESIA. https://jurnal.std-bali.ac.id/index.php/imagine
Gröger, J., Behrens, F., Gailhofer, P., & Hilbert, I. (n.d.). Kein Geld von Industrie und Staat Environmental Impacts of Artificial Intelligence.
Insirat, M. N., Syahfir, H. A., Usman, A., & Mediaty, M. (2025). Analisis Dampak Implementasi AI Dalam Proses Pengambilan Keputusan Manajerial Terhadap Etika Bisnis dan Keberlanjutan Organisasi: A Systematic Literature Review. Owner, 9(1), 011–025. https://doi.org/10.33395/owner.v9i1.2525
Jones, J., Harris, E., Febriansah, Y., Adiwijaya, A., & Nuril Hikam, I. (2024). AI for Sustainable Development: Applications in Natural Resource Management, Agriculture, and Waste Management. International Transactions on Artificial Intelligence (ITALIC), 2(2), 143–149. https://doi.org/10.33050/italic.v2i2.549
Kapatamoyo, M. (n.d.). Title: Artificial Intelligence in Natural Resources Management: Selected Case Studies from Africa.
Kazanskiy, N., Khabibullin, R., Nikonorov, A., & Khonina, S. (2025). A Comprehensive Review of Remote Sensing and Artificial Intelligence Integration: Advances, Applications, and Challenges. In Sensors (Vol. 25, Issue 19). Multidisciplinary Digital Publishing Institute (MDPI). https://doi.org/10.3390/s25195965
Lobova, S. V., Bogoviz, A. V., & Alekseev, A. N. (2022). Sustainable AI in environmental economics and management: Current trends and post-COVID perspective. Frontiers in Environmental Science, 10. https://doi.org/10.3389/fenvs.2022.951672
OECD. (2022). MEASURING THE ENVIRONMENTAL IMPACTS OF ARTIFICIAL INTELLIGENCE COMPUTE AND APPLICATIONS THE AI FOOTPRINT. http://www.oecd.org/termsandconditions.
Pohan, M. A. R. (2023). Kajian Literatur Pemanfaatan Kecerdasan Buatan dalam Merespons Prioritas Pembangunan Kota Bandung. Jurnal Teknologi Dan Komunikasi Pemerintahan, 5(2), 250–273. https://doi.org/10.33701/jtkp.v5i2.3620
Toderas, M. (2025). Artificial Intelligence for Sustainability: A Systematic Review and Critical Analysis of AI Applications, Challenges, and Future Directions. In Sustainability (Switzerland) (Vol. 17, Issue 17). Multidisciplinary Digital Publishing Institute (MDPI). https://doi.org/10.3390/su17178049
Xiao, Y., & Watson, M. (2019). Guidance on Conducting a Systematic Literature Review. In Journal of Planning Education and Research (Vol. 39, Issue 1, pp. 93–112). SAGE Publications Inc. https://doi.org/10.1177/0739456X17723971
Zualkernan, I., Abuhani, D. A., Hussain, M. H., Khan, J., & ElMohandes, M. (2023). Machine Learning for Precision Agriculture Using Imagery From Unmanned Aerial Vehicles (UAV): A Survey. https://doi.org/10.20944/preprints202305.0093.v1
Downloads
Published
Issue
Section
License
Copyright (c) 2025 JURNAL RUANG EKONOMIKA (Ruang Ilmiah: Ekonomi dan Bisnis)

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.



