Pencarian Hak Kekayaan Intelektual
Dataset parameter pemodelan prediksi anomali spasial XCO2 di Pulau Jawa
Hak cipta berupa dataset variabel yang digunakan dalam pengembangan model prediksi anomali spasial XCO2 pada musim hujan di Pulau Jawa. Dataset variabel prediktor diperoleh melalui pengolahan terhadap data standar Google Earth Engine (interpolasi, sampling dan agregasi) untuk menghasilkan data-data yang seragam resolusi spasialnya dan lengkap liputan spasialnya. Data tersebut berupa data NDVI, NO2, dan kepadatan penduduk. Data target XCO2 diperoleh dari Earth Explorer dan disimpan dalam resolusi spasial aslinya dan melalui proses agregasi. Rentang waktu data adalah dari musim hujan 2018/2019 sampai dengan musim hujan 2020/2021 Metode pengolahan yang dilakukan meliputi agregasi enam bulanan, sampling, dan interpolasi. Metode sampling yang digunakan adalah Nearest Neighbour Sampling. Teknik interpolasi menggunakan metode Kriging pada data NO2, dan menggunakan IDW pada data NDVI.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
GEO-RESILIENCE: Sistem Geoinformatika Berbasis Bistability Framework untuk Mengukur Resiliensi Ekonomi Komunitas Terhadap Longsor v1.0
GEO-RESILIENCE adalah platform geoinformatika berbasis pendekatan bistability framework yang dirancang untuk memodelkan dan menganalisis resiliensi komunitas terhadap risiko longsor secara spasial dan temporal. Platform ini mengintegrasikan data sosial-ekonomi, bantuan kebencanaan, dan indeks kerusakan dalam kerangka model dinamika non-linear yang merepresentasikan interaksi antara tekanan eksternal dan kapasitas pemulihan sistem. Model utama menggunakan persamaan diferensial berbasis fungsi pertumbuhan dan tekanan (shock) untuk merepresentasikan perubahan kondisi sistem ekonomi dari waktu ke waktu, dengan variabel utama berupa rasio pengeluaran terhadap pendapatan rumah tangga sebagai indikator stabilitas ekonomi. Parameter seperti bantuan per kapita (c) dan tingkat kerusakan (s) dikalibrasi secara tahunan untuk menghasilkan deret waktu kondisi sistem ekonomi pada tingkat kecamatan. Platform ini mampu menghitung aspek resiliensi seperti resistance, latitude, dan precariousness, serta statistik tren jangka panjang (mean, standar deviasi, dan tren linear) untuk periode 2006–2025. Dengan pendekatan ini, GEO-RESILIENCE mendukung identifikasi wilayah rentan, evaluasi efektivitas intervensi, serta perencanaan mitigasi bencana berbasis data dan dinamika sistem yang adaptif.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
KEMASAN TRANSFER SERANGGA PENYERBUK KELAPA SAWIT (Elaeidobius sp) BERBAHAN KOMPOSIT SERAT KELAPA-ISOSIANAT DAN PROSES FABRIKASINYA
Invensi ini berkaitan dengan papan komposit serat kelapa (Cocos nucifera) dengan polimer isosianat sehingga menghasilkan kemasan transfer serangga penyerbuk kelapa sawit (Elaeis guineensis Jacq) dengan keungggulan kuat, dan memiliki sirkulasi udara yang baik. Proses pembuatan kemasan transfer serangga penyerbuk kelapa sawit dimulai dari proses penyiapan material serat serabut kelapa dengan pembersihan dan pengeringan. Serat sabut kelapa bersih dan kering selanjutnya dipotong dengan ukuran 4-7 cm. Kemudian dilakukan pembuatan box dan dilanjutkan pemberian lubang pada setiap sisinya dengan diameter 10 mm, dan jarak antar lubang 5 cm. Serat kelapa dan perekat isosianat kemudian dicampur menggunakan drum mixer dengan kadar perekat 15-30% dari berat serat. Pencetakan komposit dilakukan dengan memasukkan cetakan persegi ke dalam box kemasan dan di susul dengan serat kelapa yg telah dicampur perekat. Campuran serat kelapa berperekat isosianat di padatkan dan ditekan selama 2-3 jam dengan tebal yang dibuat 3-5 cm. Setelah campuran serat dan perekat mengeras, melalui lubang-lubang yang sebelumnya telah disiapkan dilakukan injeksi dengan poliuretan sebanyak 5-10% dari berat serat. Setelah 6-8 jam, cetakan dikeluarkan dari box kemasan dan diperoleh box yg siap digunakan. Kemasan transfer serangga penyerbuk kelapa sawit memiliki karakteristik densitas 0,055-0,96 g/m3; daya serap air 0,77-0,92%; pengembangan tebal 0,029-0,136%; kadar air 1,100-1,104%.
- Paten
- Terdaftar - Formalitas Terpenuhi
- - 20 April 2026
- Detail
Dataset Multispektral UAV SurabayaRiverWaste-UAV untuk Segmentasi Semantik Sampah Sungai Perkotaan Tropis
Dataset SurabayaRiverWaste-UAV merupakan kumpulan data citra multispektral dari wahana tanpa awak (UAV) yang digunakan untuk segmentasi semantik sampah sungai perkotaan tropis secara fine-grained pada tingkat piksel. Dataset terdiri dari 882 tile citra berukuran 128x128 piksel dengan 5 kanal spektral (Blue 450 nm, Green 560 nm, Red 650 nm, RedEdge 730 nm, NIR 840 nm) pada resolusi spasial 4,1 cm/piksel. Setiap tile dilengkapi anotasi semantik piksel-level oleh pakar dalam empat kelas: Air, Daratan, Sampah Organik, dan Sampah Anorganik. Dataset diperoleh menggunakan DJI Phantom 4 RTK Multispectral pada ketinggian terbang 75 m di atas permukaan tanah selama musim hujan (Desember 2025) di sistem DAS Brantas-Surabaya, Jawa Timur. Dataset ini merupakan dataset multispektral UAV pertama yang didedikasikan untuk pemantauan sampah sungai perkotaan tropis dengan anotasi piksel-level.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
D-NimbleGuard
Program komputer dengan judul D-NimbleGuard merupakan modul perangkat lunak berbasis kecerdasan buatan yang dirancang untuk deteksi dini dan klasifikasi serangan Distributed Denial of Service (DDoS). Berbeda dengan sistem keamanan konvensional yang umumnya hanya melakukan deteksi biner, D-NimbleGuard mengimplementasikan pendekatan klasifikasi multikelas (12 jenis serangan) menggunakan algoritma Decision Tree (DT) yang telah dioptimasi. Pemilihan arsitektur pohon keputusan tunggal ini bertujuan untuk menghasilkan model yang sangat ringan dengan jalur logika yang transparan, sehingga mampu memberikan respon mitigasi instan terhadap profil serangan yang spesifik. Struktur arsitektur dan parameter teknis D-NimbleGuard dirancang untuk meminimalkan latensi pemrosesan tanpa mengorbankan akurasi klasifikasi secara drastis.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
KOMPOSISI DAN METODE SINTESIS HKUST-1/GRAPHENE NANOPLATELETS TERMODIFIKASI ELEKTRODA KARBON KACA SEBAGAI DETEKSI DOPAMIN YANG SELEKTIF
Invensi ini berkaitan dengan metode sintesis HKUST-1/Graphene Nanoplatelets (GNP) yang termodifikasi pada elektroda karbon kaca sebagai pendeteksi senyawa dopamin yang selektif. Material utama pada invensi ini adalah metal-organic framework (MOF) yaitu HKUST-1 atau Cu-BTC yang digabungkan dengan GNP agar dapat meningkatkan performa sensor dari material MOF. Metode sintesis yang digunakan adalah metode solvothermal secara in-situ selama 24 jam pada suhu 120 °C, padatan hasil sintesis kemudian didispersikan sehingga membentuk suspensi tinta. Tinta ditotolkan pada permukaan GCE melalui metode drop-casting. Padatan HKUST-1/GNP diuji perfoma elektrokimianya dengan GCE mengunakan metode 3 elektroda sederhana dengan hasil selektif terhadap senyawa dopamin dengan limit bawah deteksi mencapai 30 nM ketika dopamin terpengaruh analit pengganggu lainnya seperti asam urat dan asam askorbat.
- Paten
- Terdaftar - Formalitas Terpenuhi
- - 20 April 2026
- Detail
METODE PEMBUATAN MATERIAL PENYERAP GELOMBANG RADAR POLIANILIN/BESI OKSIDA DAN PRODUK YANG DIHASILKANNYA
Invensi ini mengenai metode pembuatan material penyerap gelombang radar polianilin/besi oksida dan produk yang dihasilkannya. Invensi ini mempunyai tahapan proses (1) pelarutan prekursor 5 g amonium persulfat ke dalam 20 mL air serta pencampuran 5 mL anilin dengan 70 mL 1 M asam klorida. (2) penambahan 1 g besi oksida ke dalam larutan polianilin (3) pemrosesan polimerisasi pada suhu 5°C selama 4 jam sehingga terbentuk komposit polianilin/besi oksida yang layak untuk aplikasi penyerap gelombang radar. Mengacu pada keseluruhan bukti yang dicantumkan, invensi ini diklaim dapat menghasilkan material penyerap gelombang radar yang mempunyai ukuran partikel berskala nanometer (11 nm besi oksida dan 21 nm polianilin) serta performa yang layak untuk aplikasi penyerap gelombang radar, dengan nilai RL maksimum yang diperoleh sebesar -21,43 dB pada 9,2 GHz dengan ketebalan 2 mm serta bandwidth penyerapan efektif di atas -10 dB berkisar antara 8,1-10,8 GHz (2,7 GHz).
- Paten
- Terdaftar - Formalitas Terpenuhi
- - 20 April 2026
- Detail
KOMPOSISI DAN METODE MATERIAL PENYERAP GELOMBANG MIKRO X-BAND BERBASIS SILIKON DIOKSIDA/GRAPHENE NANOPLATELETS/BESI OKSIDA
Invensi ini mengenai komposisi dan metode material penyerap gelombang mikro x-band berbasis silikon dioksida/graphene nanoplatelets/besi oksida. Invensi ini mempunyai tahapan (1)melarutkan 5,2 g ferri klorida heksahidrat, 2 g ferus klorida dihidrat, ke dalam 100 mL air deionisasi.(2)mencampur ferri klorida heksahidrat dan ferus klorida tetrahidrat, diaduk dan dipanaskan hingga suhu 600C menggunakan stirrier pada kecepatan 150 rpm selama 5 menit.(3)20 mL amonia diteteskan ke dalam larutan prekursor.(4)mengendapkan larutan menggunakan magnet neodymium, lalu dicuci dengan etanol dan air deionisasi sampai pH mendekati netral, keringkan pada suhu 600C selama 24 jam (5)mencampurkan silikon dioksida, graphene nanoplatelets dan besi oksida dengan perbandingan (1g:1g:1g), menghomogenisasikan komposit silikon dioksida, graphene nanoplatelets, besi oksida menggunakan metode high energy ball milling selama 2,5 jam dengan bola zirkonium, dengan perbandingan komposit terhadap bola (1g:5g). Invensi ini diklaim dapat menghasilkan komposit silikon dioksida/graphene nanoplatelets/besi oksida skala nano, penyerapan gelombang merata dan tertinggi mencapai −34,67 dB pada ketebalan 3 mm dengan frekuensi 10,5 GHz dan sebesar −34,35 dB pada ketebalan 5 mm dengan frekuensi 10,54 GHz, serta performa dielektrik dan magnetik yang baik untuk penyerapan gelombang mikro x-band.
- Paten
- Terdaftar - Formalitas Terpenuhi
- - 20 April 2026
- Detail
Prediksi Dosis Radioterapi Berbasis Fitur Radiomics dan Ensemble Machine Learning
Program komputer ini melakukan estimasi dan prediksi dosis radioterapi untuk target PTV menggunakan fitur-fitur radiomik dari Organ at Risks (OARs) yang meliputi Body, Lung RT, Lung LT, Heart, and Spinal Cord, dan PTV. Tahapannya mencakup pembersihan dan imputasi data, normalisasi fitur, pelatihan model regresi ensemble (XGBoost, LightGBM, CatBoost, RandomForest, AdaBoost, GradientBoosting) untuk tiga target dosis berbeda (PTV D2, D50, dan D98), evaluasi performa menggunakan metrik MSE/MAE/R squared, visualisasi komparatif hasil, analisis residual, analisis feature importance. Aplikasi dirancang untuk membantu fisikawan medis dan tim perencanaan radioterapi menentukan dosis yang optimal.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
DXG-Boost Tedate
DXG-Boost Tedate merupakan perangkat lunak berbasis Kecerdasan Buatan (AI) yang dirancang khusus untuk klasifikasi serangan Distributed Denial of Service (DDoS) secara real-time dalam lingkup jaringan Software Defined Network (SDN). Inovasi utama dari program ini terletak pada penggunaan arsitektur Extreme Gradient Boosting (XGBoost) yang dioptimalkan untuk bekerja dengan fitur aliran jaringan (flow features) yang sangat ringkas, yakni hanya menggunakan 4 parameter utama: protokol IP, jumlah paket, total bita, dan selisih waktu aliran (delta time). Berbeda dengan model konvensional yang memerlukan puluhan fitur kompleks, DXG-Boost Tedate mampu memberikan performa klasifikasi yang setara dengan model yang menggunakan fitur lebih banyak (24-82 fitur). Program ini memiliki kemampuan generalisasi yang sangat baik, di mana model tetap stabil saat menangani hingga 42,8 juta data aliran meskipun hanya dilatih dengan set data yang minimal (7 fitur yang merepresentasikan 4 parameter dan ≤ 200 ribu data). Keunggulan teknis ini menjadikan DXG-Boost Tedate sangat efisien untuk diintegrasikan dengan programmable switch atau infrastruktur jaringan modern, karena mampu melakukan inferensi data dalam skala besar secara cepat untuk memitigasi serangan DDoS dengan penggunaan sumber daya komputasi yang minimal.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail