Pencarian Hak Kekayaan Intelektual
PROSES PEMBUATAN BIOETANOL DARI LIMBAH PADAT INDUSTRI PENGOLAHAN AGAR RUMPUT LAUT MENGGUNAKAN ENZIM TERPADU
Limbah padat pengolahan agar rumput laut. Lebih khusus, invensi ini berkaitan dengan proses produksi bioetanol menggunakan bahan baku limbah padat industri agar dengan proses sakarifikasi oleh enzim terpadu yang terdiri dari enzim agarase, selulase, dan xylanase. Proses produksi bioetanol dari limbah padat pengolahan agar terdiri dari: menyiapkan bahan baku limbah padat pengolahan agar yang mengandung bahan pembantu penyaringan berupa celite atau perlite paling banyak 70%; menghancurkan bahan baku limbah padat pengolahan agar dengan alat penghancur menjadi butiran berdiamater 0,5 cm; mengeringkan butiran sampai kadar air mencapai sekitar 10%; memasukkan butiran yang telah kering sebanyak 10-20 % (b/v) kedalam larutan buffer asetat pH 4,5 dan mengaduknya secara kontinyu; memasukan enzim terpadu berupa: selulase sebanyak 20-30 FPU, enzim xylanase 4 FPU, enzim agarase 10 U dan 1-2% tween 20; melakukan proses sakarifikasi pada suhu 30-32oC, selama 24-48 jam, dan mengaduknya dengan kecepatan 120-140 rpm sehingga menghasilkan gula-gula sederhana; memasukkan 1% yeast S. cerevisiae komersial, 0,0016% urea, dan 0,0005% NPK ke dalam gula-gula sederhana dan mengaduknya; melakukan proses fermentasi pada pada suhu 30-32oC, selama 72 jam, sehingga menghasilkan etanol dengan kadar 17,83 g/l. Invensi ini memiliki keunggulan karena menghasilkan bioetanol dari limbah industri pengolahan agar sekaligus mewujudkan konsep nirlimbah.
- Paten
- Tersertifikasi
- - 17 Desember 2025
- Detail
SiDetOl (Sistem Deteksi Potholes)
Kecelakaan lalu lintas adalah peristiwa yang terjadi di jalan secara tidak terduga dan tidak direncanakan, melibatkan kendaraan dengan pengguna jalan lain maupun tanpa pengguna jalan lain, yang mengakibatkan korban jiwa manusia atau kerugian materiil lainnya. Di Indonesia pada tahun 2019 tercatat sebanyak 116.411 kasus kecelakaan lalu lintas. Jumlah tersebut meningkat sebesar 0,06% dibandingkan dengan jumlah kasus kecelakaan lalu lintas pada tahun sebelumnya. Terdapat beberapa faktor penyebab kecelakaan lalu lintas, di antaranya adalah faktor sarana penunjang dan prasarana lalu lintas. Faktor infrastruktur dan lingkungan menyumbang 30% dari total kecelakaan lalu lintas. Banyaknya kecelakaan yang disebabkan oleh faktor lingkungan dan infrastruktur perlu mendapat perhatian serius dari pihak-pihak terkait. Salah satu penyebab kecelakaan yang termasuk dalam kategori faktor infrastruktur dan lingkungan adalah lubang jalan. Lubang jalan menyumbang 15% dari kecelakaan lalu lintas. Perkembangan teknologi Kecerdasan Buatan (Artificial Intelligence/AI), khususnya Deep Learning (DL), dapat menjadi salah satu solusi untuk membantu mengidentifikasi lubang jalan secara otomatis. Dalam penelitian ini, model DL dikembangkan menggunakan Faster R-CNN. Model yang diusulkan adalah mengganti backbone convolutional neural network (CNN) dari model sebelumnya yang menggunakan Inception-V2 menjadi ResNet-101. Hasil pengujian dengan dataset Potholes dari Departemen Teknik Elektro dan Elektronika, Stellenbosch University, menunjukkan bahwa metode yang diusulkan menghasilkan akurasi yang lebih baik dibandingkan dengan model dasar (baseline). Metode yang diusulkan menghasilkan akurasi sebesar 73,77%, sedangkan model dasar menghasilkan akurasi sebesar 67,83%. Keywords: Artificial Intelligence, Deep Learning, Faster R CNN, Inception V2, ResNet-101
- Hak Cipta
- Tersertifikasi
- - 03 Oktober 2025
- Detail
Program Deteksi Garis Pantai Citra Sentinel-2 Dengan Metode SVM pada Platform Google Colab
Program deteksi garis pantai citra Sentinel-2 dengan metode SVM pada platform google colab merupakan program yang digunakan untuk melakukan deliniasi garis pantai secara otomatis. Program ini menggunakan algoritma klasifikasi Support Vector Machine (SVM) untuk membedakan objek daratan dan perairan. Program ini menggunakan band 2, 3, 4, 8, 11 dan 12 pada citra Sentinel-2. Program ini berbasis bahasa pemrograman Python yang dijalankan pada platform Google Colab (Open source). Program ini bermanfaat untuk memantau perubahan garis pantai dari waktu ke waktu pada wilayah tertentu.
- Hak Cipta
- Tersertifikasi
- - 03 Oktober 2025
- Detail
Dataset data training klasifikasi tutupan lahan wilayah pesisir Kota dan Kabupaten Cirebon berbasis citra Sentinel-2 dan Landsat 8 Tahun 2025
Dataset yang diusulkan adalah titik sampel tutupan lahan klasifikasi tutupan lahan wilayah pesisir Kota dan Kabupaten Cirebon berbasis citra Sentinel-2 dan Landsat 8 Tahun 2025. Dataset merupakan hasil dari interpretasi visual dan pengamatan lapangan dari citra satelit Sentinel-2A dan Landsat 8 tahun 2025, berupa data titik sample yang menunjukan kelas tutupan lahan tertentu. Dataset dibuat atau dikumpulkan dengan melakukan interpretasi visual dari citra satelit Sentinel-2A dan Landsat 8 untuk tahun 2025 yang didapatkan dari Google Earth Engine (GEE) seperti terlihat pada Gambar 1 dan pengamatan lapangan. Terhadap dataset dilakukan juga verifikasi data dilakukan melalui gound truth cek di lapangan dan melalui google street view untuk waktu pengambilan data yang sama. Dataset ini berjudul Dataset data training klasifikasi tutupan lahan wilayah pesisir Kota dan Kabupaten Cirebon berbasis citra Sentinel-2 dan Landsat 8 Tahun 2025. Dataset titik sampel digunakan untuk mengidentifikasi dan klasifikasi tutupan lahan pesisir Kota dan Kabupaten Cirebon dengan menggunakan machine learning atau deep learning. Kelas tutupan lahan yang dibuat meliputi: mangrove, water, built up dan other vegatation.
- Hak Cipta
- Tersertifikasi
- - 03 Oktober 2025
- Detail
Dataset Air Permukaan di Wilayah Jawa Barat (2017-2024)
Dataset Air Permukaan berisi data hasil segmentasi badan air wilayah Jawa Barat selama kurun waktu delapan tahun, yakni 2017-2024. Dataset ini mencakup 27 kabupaten/kota di provinsi Jawa Bawat. Data mentah diakuisisi dari Citra Sentinel-2 yang kemudian diolah sesuai tahapan: pra-proses, penghapusan citra awan, segmentasi badan air, dan pasca-proses. Data hasil segmentasi dapat digunakan untuk penelitian lanjutan seperti visualisasi dinamika badan air dari tahun ke tahun, analisis dinamika badan air terhadap variabel lain terkait klimatologis, kesehatan, tutupan lahan, dan lain-lain.
- Hak Cipta
- Tersertifikasi
- - 03 Oktober 2025
- Detail
Dataset Ketidakseimbangan Massa Pada Mesin Berputar Dengan Variasi Kecepatan Mesin
Dataset ini dibuat untuk melakukan prediksi anomali mesin kondisi massa tidak seimbang (mass imbalance) menggunakan machine learning (ML). Dataset ini diperoleh dari hasil eksperimen di laboratorium PT. Daun Biru Engineering pada kecepatan 600-2400 rpm. Data (input) yang diperoleh adalah data dari tiga akselerometer yang dipasang pada rotating equipment dengan orientasi horizontal, vertikal dan aksial (sumbu x,y,z). Kondisi ketidakseimbangan massa dibuat dengan menambahkan bandul seberat 9.5 gram pada impeller nomor 2 di sudut 0o. Data tersebut diproses dengan Fast Fourier Transformation (FFT), dan dapat digunakan sebagai input model machine learning.
- Hak Cipta
- Tersertifikasi
- - 03 Oktober 2025
- Detail
Software Tsunami Modeling (Tsumo v1.0)
Software GUI ini digunakan untuk memodelkan secara numerik perambatan gelombang tsunami yang disebabkan karena gempa tektonik. Software pemodelan ini menggunakan sistem nested grid dengan jumlah grid/domain sebanyak 5 domain, dengan ketentuan 3 domain pertama menggunakan model linear dan 2 domain terakhir menggunakan model non-linear.
- Hak Cipta
- Tersertifikasi
- - 03 Oktober 2025
- Detail
EWS SIPANTARA, Aplikasi Peringatan Dini untuk Antisipasi Dampak Perubahan Iklim pada Tanaman Hortikultura
EWS SIPANTARA adalah sistem peringatan dini dampak perubahan iklim (banjir, kekeringan) dan potensi organisme pengganggu tumbuhan (OPT), sekaligus pemandu jadwal tanam hortikultura strategis, khususnya bawang merah dan aneka cabai, berbasis web dan kecerdasan buatan. Bawang merah dan aneka cabai merupakan komoditas strategis karena dapat memicu terjadinya inflasi. EWS SIPANTARA diharapkan menjadi salah satu alat bantu mitigasi risiko yang tepat pada saat menghadapi bulan-bulan dengan produktivitas menurun. Aplikasi ini merupakan kolaborasi BRIN, Kementerian Pertanian, BMKG, UNS, dan BIG. Data curah hujan dari BMKG diintegrasikan dengan data kejadian banjir/kekeringan serta serangan OPT. Pendekatan geospatial artificial intelligence (GeoAI) digunakan untuk memprediksi curah hujan dan memetakan kerawanan pada 514 kabupaten/kota dan 7.242 kecamatan. Aplikasi dikembangkan dengan agile scrum, berarsitektur progressive web app, dan diuji melalui white-box serta uji kegunaan. Sistem merupakan integrasi dari beberapa analisis penunjang keputusan untuk peringatan dini banjir dan kekeringan, serangan OPT, dan periode pertumbuhan tanaman untuk jadwal tanam bawang merah dan aneka cabai. Sistem menghasilkan keluaran tabular dan spasial yang mengkategorikan potensi banjir dan kekeringan 6-7 bulan ke depan, dan menampilkan OPT dominan berdasarkan data eksisting pada level kabupaten, serta menyajikan jadwal tanam level kecamatan. Pemanfaatan aplikasi ini diharapkan dapat memperkuat strategi mitigasi perubahan iklim tanaman hortikultura menjadi lebih presisi.
- Hak Cipta
- Tersertifikasi
- - 03 Oktober 2025
- Detail
Aplikasi Pemantauan Gas Rumah Kaca Jakarta: CO2 dan CH4 Berbasis Open Data
Aplikasi Monitoring Gas Rumah Kaca ini merupakan perangkat lunak antarmuka grafis berbasis Python yang dirancang untuk memantau konsentrasi karbon dioksida (CO₂) dan metana (CH₄) secara realtime serta berdasarkan periode waktu tertentu. Aplikasi ini memanfaatkan Open Data dari Open-Meteo API sebagai sumber utama informasi kualitas udara, kemudian menyajikannya dalam bentuk grafik interaktif, tabel, indikator Key Performance Indicator (KPI), serta menyediakan fitur ekspor data ke format CSV untuk analisis lebih lanjut. Keunggulan aplikasi ini terletak pada fokus khusus pemantauan gas rumah kaca (GRK) CO₂ dan CH₄, berbeda dengan aplikasi sejenis yang umumnya menampilkan polutan udara secara umum. Fitur aplikasi mencakup tampilan dashboard realtime yang otomatis memperbarui data setiap interval tertentu, filter data berdasarkan wilayah dan periode, serta visualisasi yang mudah dipahami oleh pengguna non-teknis. Dengan demikan, aplikasi ini dapat dimanfaatkan oleh peneliti, akademisi, maupun masyarakat umum dalam mendukung pemantauan lingkungan dan mitigasi perubahan iklim.
- Hak Cipta
- Tersertifikasi
- - 03 Oktober 2025
- Detail
RGB-D Human Segmentation
Program segmentasi manusia berbasis RGB-D dengan matting dan penyempurnaan Chan-Vese yang dipergunakan untuk melakukan segmentasi manusia secara real-time menggunakan input data RGB dan depth dari kamera Kinect V2. Sistem menghasilkan mask manusia yang terpisah dari latar belakang untuk pengenalan objek, keamanan, dan program visi computer lainnya.
- Hak Cipta
- Tersertifikasi
- - 03 Oktober 2025
- Detail