Pencarian Hak Kekayaan Intelektual
Nusantara Zero Emission Platform (NZEP)
NZEP (Nusantara Zero Emission Platform) adalah aplikasi perangkat lunak berbasis web yang dirancang sebagai Sistem Manajemen Energi dan Emisi terpusat untuk bangunan. Berjalan pada arsitektur edge computing, NZEP secara real-time mengintegrasikan data konsumsi energi dari jaringan, produksi energi bersih dari PLTS Atap, serta data kontekstual dari sensor smart building seperti okupansi dan temperatur. Fungsi utama aplikasi ini adalah mengubah data teknis yang kompleks menjadi Indikator Kinerja Utama (KPI) yang mudah dipahami dan relevan dengan regulasi NZE Indonesia, seperti Jejak Karbon Scope 2, Rasio Konsumsi Mandiri, dan Emisi yang Dihindari. Dengan dashboard interaktif, visualisasi aliran energi, dan fitur pelaporan otomatis, NZEP memberdayakan manajer gedung untuk memantau, menganalisis, dan mengoptimalkan performa energi secara efisien. Aplikasi ini merupakan alat bantu strategis untuk mendukung dekarbonisasi, meningkatkan efisiensi operasional, dan mempercepat transisi menuju smart building yang berkelanjutan sesuai target nasional.
- Hak Cipta
- Tersertifikasi
- - 25 September 2025
- Detail
Aplikasi Penjejakan Frekuensi foF2 dan Frekuensi fmin Ionogram Secara Otomatis Berbasis Model Kecerdasan Buatan Untuk Aplikasi Riset dan Komunikasi HF
Hak cipta yang diusulkan berupa program komputer yang berjudul Aplikasi Penjejakan (Scaling) Frekuensi foF2 dan Frekuensi fmin Ionogram Secara Otomatis Berbasis Model kecerdasan buatan untuk aplikasi riset dan komuniksai HF. Karya cipta berupa aplikasi yang dilengkapi sebuah model hasil dari pembelajaran kecerdasan buatan untuk secara otomatis dapat melakukan proses scaling dan tracing parameter frekuensi yang terdapat dalam plot FTI (Frequency Time Intensity) dari ionogram. Aplikasi dapat menghasilkan parameter frekuensi foF2 atau MUF (maximum usable frequency) dan parameter frekuensi fmin atau LUF (lowest usable frequency), dimana parameter tersebut sangat berguna dalam penelitian ionosfer dan kegiatan komunikasi radio HF (High Frequency). Model yang digunakan untuk aplikasi ini dihasilkan dari proses pembelajaran kecerdasan buatan (Deep Learning) dengan input data berupa plot data FTI observasi Ionosonda.
- Hak Cipta
- Tersertifikasi
- - 25 September 2025
- Detail
N-LMSI (Non-Intrusive Load Monitoring Sequence Intergrator)
N-LMSII adalah aplikasi monitoring energi real-time yang secara khusus mengintegrasikan model NILM Sequence-to-Sequence (Seq2Seq) berbasis LSTM untuk mendeteksi dan memprediksi konsumsi daya tiap appliance secara individual. Aplikasi ini menerima data total daya dari perangkat IoT melalui MQTT, menyimpan dan mengelola data dalam buf fer dengan interval waktu yang dapat diatur, serta mengisi timestamp yang hilang agar sequence input untuk model Seq2Seq selalu lengkap. Prediksi daya untuk setiap appliance disimpan otomatis ke database MySQL, memungkinkan analisis historis dan integrasi dengan sistem manajemen energi. N-LMSI dilengkapi dengan logging untuk memantau status koneksi MQTT, database, dan proses prediksi.
- Hak Cipta
- Tersertifikasi
- - 25 September 2025
- Detail
InaCOVED (Indonesian Corpus for COVID-19 Event Detection) on Online News 2.0
Pergerakan orang dan barang yang cepat secara global meningkatkan bahaya laten dan potensi penyebaran penyakit menular di luar batas internasional. Artikel berita online atau headline berita menawarkan banyak kesempatan untuk mempelajari penyakit epidemik, termasuk COVID-19. Berita online biasanya melaporkan berbagai peristiwa global secara tepat waktu. Kemampuan pelaporan yang tepat waktu menjadikan media berita online potensial dan sumber data informal yang dapat diandalkan untuk melakukan surveilans penyakit menular. Selain itu, berita online menunjukkan lebih sedikit kerentanan terhadap noise, aksesibilitas online real-time dan pengeditan profesional. InaCOVED on Online News 2.0 adalah dataset yang berisi kumpulan judul berita online mengenai artikel yang berhubungan dengan COVID-19.. Pada dataset InaCOVED 2.0 ini, dilakukan multi-class entity recognition termasuk Person (PER), Organization (ORG), Location (LOC) dan Disease (DIS). Sumber dataset berasal dari tujuh portal berita online, yaitu Tirto, Republika, Tempo, Merdeka, Kompas, Antara dan Detik. Dataset dapat berguna untuk banyak tujuan penelitian, termasuk analisis yang berhubungan dengan kejadian, yaitu proses kejadian, deteksi topik, dan prediksi kejadian; dan analisis yang berhubungan dengan sentimen berbasis aspek terutama pada kebijakan terkait pencegahan pandemi.
- Hak Cipta
- Tersertifikasi
- - 25 September 2025
- Detail
D-Sentinel
Hak cipta yang diusulkan berupa program komputer dengan judul D-Sentinel. Aplikasi ini digunakan untuk mendeteksi dan mengklasifikasikan serangan Distributed Denial of Service (DDoS) pada jaringan komputer modern. Tidak seperti pendekatan tradisional yang hanya membedakan trafik benign dan attack dalam format klasifikasi biner, D-Sentinel dirancang untuk mengenali 12 jenis serangan DDoS berbeda serta satu kelas benign dalam kerangka klasifikasi multikelas. Hal ini memungkinkan sistem keamanan jaringan memperoleh informasi yang lebih rinci mengenai jenis serangan, sehingga respons mitigasi dapat lebih tepat dan spesifik. Aplikasi ini dikembangkan tanpa mengandalkan fitur socket-level (seperti IP, port, dan protokol) yang rentan terhadap teknik spoofing. D-Sentinel justru dibangun menggunakan non-socket level features dari dataset CICDDoS2019, sehingga meningkatkan reliabilitas dan relevansi deteksi. Secara teknis, D-Sentinel mengintegrasikan beberapa komponen deep learning dalam satu arsitektur hybrid, yaitu (i) Convolutional Neural Network (CNN) digunakan sebagai feature extractor awal untuk menangkap pola spasial dari data trafik jaringan; (ii) Bidirectional Long Short-Term Memory (BiLSTM) memproses representasi sekuensial dua arah, sehingga model mampu memahami ketergantungan jangka panjang maupun pendek dari aliran data; (iii) Attention mechanism diterapkan untuk menekankan fitur-fitur penting dan mengurangi kontribusi fitur yang kurang relevan, sehingga prediksi menjadi lebih akurat.
- Hak Cipta
- Tersertifikasi
- - 24 September 2025
- Detail
VALSORIN - Validasi Soal Untuk Sertifikasi Nuklir
Uraian singkat karya cipta (maksimum 200 kata) Undang-Undang Nomor 10 Tahun 1997 mewajibkan operator reaktor nuklir dan petugas tertentu di instalasi nuklir memiliki izin resmi, yang dipertegas melalui PP Nomor 33 Tahun 2007 serta Peraturan Kepala BAPETEN Nomor 16 Tahun 2014. Izin kerja hanya dapat diterbitkan bagi personel yang telah memiliki sertifikat dari Lembaga Sertifikasi Person (LSP). Untuk mendukung peran LSP, kualitas soal ujian sertifikasi perlu ditingkatkan melalui uji validitas dan reliabilitas, sehingga soal yang digunakan benar-benar mampu mengukur kompetensi. Aplikasi VALSORIN – Validasi Soal Untuk Sertifikasi Nuklir – dikembangkan sebagai perangkat lunak untuk memfasilitasi validasi soal secara sistematis. Aplikasi ini menganalisis kualitas soal berdasarkan dua parameter utama, yaitu daya pembeda dan tingkat kesulitan, sehingga dapat membantu menentukan kelayakan soal, menyusun bank soal, serta memberikan masukan dalam pengembangan ujian tulis sertifikasi ketenaganukliran. Tujuan utama VALSORIN adalah menilai kualitas soal, menyediakan kemudahan ekspor data ke Excel, serta memberikan informasi diagnostik terkait penguasaan materi peserta. Fitur utamanya meliputi input data melalui template, penyimpanan data dalam tabel, dan ekspor ke Excel. Aplikasi ini dibangun dengan Python (pandas, numpy, tkinter), memiliki antarmuka GUI sederhana maupun opsi DOS, serta alur kerja yang terstruktur. Manfaatnya adalah meningkatkan efisiensi, akurasi, dan keandalan proses validasi soal ujian.
- Hak Cipta
- Tersertifikasi
- - 24 September 2025
- Detail
Software Komputer untuk Identifikasi Ruang Terbuka Hijau (RTH) berbasis NDVI dengan menggunakan citra satelit Sentinel-2 Surface Reflectance
Si Angka Hijau adalah aplikasi interaktif berbasis Google Earth Engine untuk mengidentifikasi dan memvisualisasikan Ruang Terbuka Hijau (RTH) di tingkat provinsi Indonesia. Aplikasi membangun komposit median tahunan dari koleksi COPERNICUS/ S2_SR_HARMONIZED, menerapkan Scene Classification (SCL) masking untuk menyaring awan dan kondisi non-vegetasi sebelum komposit dibuat. NDVI dihitung dengan rumus (NIR−RED)/(NIR+RED) menggunakan band B8 dan B4, serta divisualisasikan dengan palet warna. RTH diklasifikasikan berdasarkan ambang NDVI (0.5-0.6 rendah; 0.6-0.8 sedang; 0.8-1.0 tinggi), lalu dimasking menurut kelas lahan (Grassland, Cropland, Moss-Lichen) dari ESA WorldCover v200. Hasilnya ditampilkan bersama legenda dinamis, peta RGB true color, dan fitur split panel UI untuk perbandingan dan navigasi peta.
- Hak Cipta
- Tersertifikasi
- - 24 September 2025
- Detail
Reaktor Hidrolisis Produksi Hidrogen berbasis Metode Difusi Bertekanan
Desain industri ini berupa Reaktor Hidrolisis Produksi Hidrogen berbasis Metode Difusi Bertekanan dengan bentuk tabung bertekanan yang dikombinasikan dengan cartridge natrium borohidrida (NaBH₄) berkapasitas 26 gram dan 56 gram.
- Desain Industri
- Tersertifikasi
- - 23 September 2025
- Detail
Dataset Citra Buah Manggis Berdasarkan Kelayakan Ekspor
Dataset yang diusulkan berupa kumpulan gambar buah manggris yang berjudul Dataset Citra Buah Manggis Berdasarkan Kelayakan Ekspor. Dataset ini berisi kumpulan citra buah manggis (Garcinia mangostana L.) yang telah dikelompokkan berdasarkan kategori grade ekspor sesuai standar mutu buah manggis untuk ekspor. Pengelompokan dilakukan ke dalam 4 grade berdasarkan ukuran, warna, dan kondisi kulit buah yang menjadi indikator kualitas ekspor, yaitu hijau matang siap ekspor (green export), (2) ungu matang siap ekspor (purple export), (3) terlalu matang (ripe reject), dan (4) belum matang (ripe reject). Dataset ini ditujukan untuk mendukung pengembangan sistem otomatisasi sortasi dan klasifikasi buah manggis berbasis machine learning serta pengolahan citra digital untuk eningkatkan efisiensi dan akurasi proses grading manggis pada tahap pascapanen dan distribusi ekspor. Dataset ini dapat digunakan untuk penelitian pengolahan citra, klasifikasi kualitas buah, pengembangan model machine learning/AI untuk mendukung sistem grading otomatis, serta pembelajaran di bidang teknologi pascapanen.
- Hak Cipta
- Tersertifikasi
- - 22 September 2025
- Detail
Machine Learning Untuk Prediksi Harga Bawang Merah di Kabupaten Brebes
Bawang merah merupakan salah satu komoditas sayuran yang paling banyak dikonsumsi di Indonesia. Berdasarkan hasil Survei Sosial Ekonomi (Susenas) September 2021, rata-rata konsumsi per kapita komoditas bawang merah warga Indonesia mencapai 2,49 kilogram (kg) dalam sebulan. Badan Pusat Statistik (BPS) 2022, mencatat konsumsi bawang merah sektor rumah tangga Indonesia tahun 2021 naik 8,33% dibandingkan tahun 2020. Konsumsi bawang merah sektor rumah tangga berkontribusi sebesar 94,16% dari total konsumsi bawang besar pada 2021. Kontinuitas pasokan dan kestabilan harga bawang merah merupakan hal yang kritis dan strategis sehingga perlu dipenuhi dengan kualitas yang baik, dalam jumlah yang cukup sesuai dengan waktu dan tempat serta harga yang tepat. Ketidakseimbangan antara pasokan yang masih bersifat musiman dan permintaan yang cenderung naik mengakibatkan terjadinya fluktuasi harga. Fluktuasi harga ini memicu dan mempengaruhi terjadinya inflasi. Inflasi merupakan efek dari kondisi probabilistik dan dinamis, yang disebabkan oleh adanya informasi asimetris yang terjadi sepanjang rantai pasokan. Karakteristik bawang merah yang cepat rusak (perishable), musiman, curah (bulky) dengan nilai yang relative kecil, tidak seragam, sensitif terhadap perubahan iklim menjadi salah satu ciri keterbatasan dalam mekanisme rantai pasok. Saat ini untuk mengatasi kelemahan karakteristik produk pertanian pada mekanisme rantai pasok modern perlu didukung teknologi digital maju seperti Artificial Intelligence (kecerdasan buatan), Blockchain, dan Internet of Things sehingga manajemen rantai pasok bisa lebih efektif dan efisien, serta sejalan dengan model adopsi teknologi maju. Penelitian ini merupakan kajian untuk menemukan variable penting yang paling dominan mempengaruhi fluktuasi harga pada komoditi bawang merah. Menggunakan historikal data (2010-2025) harga harian bawang merah di Kabupaten Brebes, kemudian diolah menggunakan kombinasi metode CNN-GRU-LSTM untuk mendapatkan proyeksi harga 10-30 hari ke depan dengan tingkat akurasi 90%. Luaran dari riset ini adalah prototype machine learning yang sudah teruji dan terbukti dapat melakukan prediksi harga dan siap diaplikasikan oleh dua instansi pengguna, yaitu: Badan Pangan Nasional dan Dinas Pertanian dan Ketahanan Pangan Kabupaten Brebes. Nilai prediksi harga bawang merah dapat dimanfaatkan oleh kedua instansi tersebut untuk mengendalikan pasokan dan harga bawang merah, pada periode tertentu, sesuai kebutuhan, di tingkat regional maupun nasional.
- Hak Cipta
- Tersertifikasi
- - 17 September 2025
- Detail