Pencarian Hak Kekayaan Intelektual
Dataset Hasil Uji Fatigue Lifetime Kapal Fiberglass Reinforced Plastic (FRP)
Dataset ini dapat digunakan untuk menganalisis umur kelelahan material konstruksi kapal fiberglass yang diperoleh dari uji kelelahan. Variasi yang digunakan melibatkan sistem laminasi fiberglass WR (Woven Roving) dan CSM (Chopped Strand Mat) serta tiga jenis resin yang berbeda: Everpol 324 AR-1, Everpol 3610 R, dan Yukalac 157 BQTN-EX. Material dengan resin selain Everpol 3610 R menunjukkan siklus kelelahan yang lebih rendah. Berdasarkan siklus kelelahannya, urutannya dari yang terendah hingga tertinggi adalah material dengan resin Everpol 324 AR, diikuti oleh resin Yukalac 157 BQTN-EX, dan yang terakhir adalah resin Everpol 3610 R. Hasil perhitungan umur kelelahan menunjukkan bahwa material fiberglass dengan resin Everpol 3610 R memiliki umur kelelahan tertinggi, diikuti oleh material Yukalac 157 BQTN-EX, dan yang terakhir adalah material Everpol 324 AR-1.
- Hak Cipta
- Tersertifikasi
- - 09 September 2025
- Detail
Korpus Suara Bahasa Bugis
Dataset ini berisi 10.500 file hasil rekaman ucapan dalan bahasa Bugis dengan domain percakapan sehari-hari. Ada 40 penutur anak-anak (8~10 tahun) , 40 penutur dewasa (18~59 tahun), dan 40 penutur lansia (>= 60 tahun). Total ujaran penutur setiap kategori adalah 1.000; 2.000; dan 7.500. Ujaran yang diucapkan masing-masing penutur disesuaikan dengan kategori umur-nya, tetapi masih dalam domain percakapan sehari-hari. Dataset suara ini bisa digunakan dalam riset lebih lanjut seperti pengembangan mesin penerjemah wicara-ke0wicara dari dan ke bahasa Bugis – bahasa lainnya dan sebaliknya, chatbot bahasa Bugis, mesin pengenal wicara bahasa Bugis, mesin sintesis wicara bahasa Bugis, dll.
- Hak Cipta
- Tersertifikasi
- - 06 September 2025
- Detail
Program Komputer Penentuan Manning Roughness Berbasis Penggabungan Multivariat Indeks Vegetasi dari Citra Satelit Optis
Program komputer ini dikembangkan untuk mengekstraksi nilai koefisien kekasaran permukaan Manning (Manning’s roughness coefficient) yang merepresentasikan kekasaran vegetasi pesisir dengan memanfaatkan platform Google Earth Engine. Program ini menggunakan data citra satelit resolusi menengah, yaitu Sentinel-2, dan mengimplementasikan beberapa indeks vegetasi seperti NDVI (Normalized Difference Vegetation Index), EVI (Enhanced Vegetation Index), dan SAVI (Soil Adjusted Vegetation Index). Analisis dilakukan secara spasial dan spektral untuk mengidentifikasi karakteristik vegetasi pesisir yang berpotensi menjadi pelindung alami terhadap bencana, khususnya tsunami. Nilai-nilai indeks tersebut kemudian diklasifikasikan menjadi enam kelas tutupan lahan dan setiap kelas lahan disesuaikan dengan tabel dari Chow 1959 terkait dengan Manning’s roughness coefficient, sehingga setiap kelas tutupan lahan memiliki informasi nilai manning roughness sesuai yang merepresentasikan kelas tutupan lahan tersebut. Skrip ini bertujuan untuk mendukung kajian mitigasi bencana berbasis alam (Nature-based Solutions) dan meningkatkan akurasi pemodelan numerik tsunami. Seluruh proses, mulai dari prapemrosesan citra, perhitungan indeks vegetasi, konversi nilai, hingga visualisasi spasial hasil akhir, dilakukan secara otomatis dan terintegrasi dalam satu alur kerja skrip yang efisien serta dapat diterapkan pada berbagai wilayah pesisir lainnya.
- Hak Cipta
- Tersertifikasi
- - 03 September 2025
- Detail
AUDITIN: Aplikasi Penilaian Keamanan Informasi Berdasarkan ISO 27001
AUDITIN adalah aplikasi berbasis web yang bersifat terbuka untuk penilaian keamanan informasi berdasarkan ISO 27001. Aplikasi ini disesuaikan dengan kebutuhan bahasa Indonesia sehingga cocok digunakan untuk institusi-institusi di Indonesia. Selain itu, aplikasi ini dibangun menggunakan Streamlit, yaitu kerangka kerja pemrograman berbasis Python yang sederhana, tetapi kaya akan visualisasi.
- Hak Cipta
- Tersertifikasi
- - 03 September 2025
- Detail
Sistem Informasi Prediksi Serapan Karbon di Kota Cirebon (SIMACOTA)
Sistem informasi ini menampilkan data mengenai tingkat serapan karbon di berbagai kecamatan di Kota Cirebon. Pada bagian atas terdapat peta interaktif yang menggambarkan lokasi serapan karbon dengan lingkaran berwarna hijau, di mana ukuran lingkaran menunjukkan besarnya jumlah karbon yang terserap. Peta ini memudahkan identifikasi area dengan serapan karbon tertinggi, seperti di Kecamatan Harjamukti yang memiliki lingkaran terbesar. Di bawah peta, terdapat grafik batang yang memberikan perbandingan jumlah serapan karbon dalam satuan ton CO2 di beberapa kecamatan. Dari grafik tersebut, terlihat bahwa Harjamukti memiliki serapan karbon paling tinggi, diikuti oleh Kesambi dan Lemahwungkuk, sementara Kejaksan dan Pekalipan menunjukkan angka serapan yang lebih rendah. Visualisasi ini membantu dalam memahami distribusi serapan karbon secara spasial dan kuantitatif, yang sangat berguna untuk analisis lingkungan dan perencanaan mitigasi perubahan iklim di Kota Cirebon.
- Hak Cipta
- Tersertifikasi
- - 02 September 2025
- Detail
KLASIFIKASI KONDISI KETIDAKSEIMBANGAN MASSA PADA MESIN BERPUTAR MENGGUNAKAN PEMBELAJARAN MESIN BERBASIS HALAMAN WEB
Situs web ini dibuat untuk melakukan prediksi anomali mesin kondisi massa tidak seimbang (mass imbalance) menggunakan machine learning (ML). Dataset yang digunakan untuk membangun model ML ini diperoleh dari [1]. Mesin yang digunakan adalah pompa dengan merk Panasonic GP–129JXK dengan kecepatan 3000 rpm. Data (input) yang dibutuhkan untuk deteksi mass imbalance adalah data dari tiga akselerometer yang dipasang pada rotating equipment dengan orientasi horizontal, vertikal (sumbu y) dan aksial (sumbu x,y,z). Data tersebut akan diproses dengan Fast Fourier Transformation (FFT) dan menggunakan rekayasa fitur (feature engineering) terkait pemrosesan sinyal untuk ketiga sumbu tersebut, yaitu Mean, Standard Deviation, Shape Factor, Root Mean Square, Impulse Factor, Peak to Peak, Kurtosis, Crest Factor dan Skewness. 27 fitur ini (9 x 3 axis) akan digunakan sebagai input model ML. Algoritma yang digunakan adalah Extreme Gradient Boost (XGB) dengan optimasi Bayesian dengan fungsi akuisisi Upper Confidence Bound (UCB). Keluaran yang dihasilkan oleh model ML adalah kondisi mesin (rotating equipment) baik normal maupun tidak seimbang (imbalance).
- Hak Cipta
- Tersertifikasi
- - 02 September 2025
- Detail
Aplikasi Analisis Statistik Berbasis Web untuk Korelasi dan Regresi dengan Model Machine Learning (SisTa-R) Version 1.0
SisTa-R Version 1.0 merupakan program analisis statistik korelasi (dengan 3 metode yaitu Pearson, Spearman, Kendall) dan/atau regresi (17 model regresi + 5 model machine learning) menggunakan bahasa pemrogaman R dan CSS/HTML yang di hosting pada library shiny (shinyapp.io) dengan menggunakan beberapa metode statistik yang memungkinkan penggunaan jenis data continuous, binary (1 atau 0), dan count data (jumlah dari suatu event). SisTa-R juga memiliki preliminary test yang sangat diperlukan dalam menentukan metode analisis korelasi atau regresi yang tepat sesuai bentuk dan situasi datanya yaitu: uji normalitas (Shapiro-wilk’s test atau Kolmogorov-Smirnov’s test), uji variance (Breusch-Pagan’s test atau General Variance test), Variance Inflation Factor (VIF), Overdispersion test, Goodness of Fit Test, Akaike Information Criterion (AIC) dan Bayesian Information Criterion (BIC), dan dengan melihat pola pada diagnostic plot untuk melihat outlier seperti Residuals-Fitted, QQ plot, Scale-Location, Residuals-Leverage, Residual-Histogram, Cross-Validation Curve, and Cook’s-Distance. Tidak semua preliminary test dilakukan pada semua metode korelasi atau regresi, namun disesuaikan antara jenis preliminary dengan metode korelasi atau regresinya. Setelah dilakukan preliminary test, hasil korelasi atau regresi akan diwujudkan dalam bentuk plot figure yang disertai dengan informasi P-value pada korelasi, nilai R yaitu correlation coefficient pada analisis korelasi dan R2 yaitu coefficient of determination pada analisis regresi, serta formula variable khusus pada analisis regresi
- Hak Cipta
- Tersertifikasi
- - 02 September 2025
- Detail
Perangkat lunak pengolah data gambar bintang STELLAR (Star Sensor Satelit NEO-1)
Star sensor merupakan sensor satelit yang digunakan untuk menentukan sikap satelit. STELLAR (Star Sensor Satelit NEO-1) dikembangkan oleh Pusat Riset Teknologi Satelit, BRIN untuk dibawa sebagai salah satu sensor utama satelit. Algoritma pada star sensor mengkalkulasi dan menghitung posisi bintang yang selanjutnya menjadi referensi satelit dalam menentukan sikap. Salah satu komponen utama dari STELLAR ialah, kamera CCD monokrom yang mampu menghasilkan gambar berukuran 1392x1040 piksel. Dalam rangka pengembangan algoritma STELLAR generasi berikutnya, maka dilakukan pengembangan perangkat lunak komputer yang memiliki fungsi untuk mendeteksi objek langit yaitu bulan dan bintang, menghimpun bintang dalam bentuk daftar 30 objek bintang paling terang, mendeteksi dan mengeluarkan piksel mati (deadpixel) dari daftar objek paling terang, mendeteksi tumpang tindih piksel objek langit dalam matriks yang sama, serta mengekspor hasil akhir dalam format dataset yang disertai dengan gambar dan label bintang. Setiap objek langit ditandai dengan kotak pembatas (bounding box) dengan berbagai macam ukuran dimensi yang berbeda. Kotak pembatas dibuat berdasarkan intensitas nilai piksel dengan dengan jangkauan 0 (paling gelap) dan 255 (paling terang). Objek bintang dibatasi dengan kotak pembatas berukuran 7x7 piksel, sedangkan objek bulan memiliki variasi ukuran matriks tergantung dengan intensitas piksel yang ditangkap. Pengumpulan data dilakukan dengan proses observasi langsung langit gelap, yang dimulai setelah matahari tenggelam hingga matahari terbit. Pengumpulan data efektif dilakukan setiap tiga-empat bulan sekali, dimana perubahan posisi edar bulan memastikan data yang diperoleh bervariasi. Keluaran perangkat lunak terdiri dari dua direktori utama yaitu gambar dan label, dimana masing- masing direktori dilengkapi oleh tiga ratus (300) gambar dan label. Format gambar yang diperoleh berbasis piksel (bitmap), sedangkan format label berbasis yolo. Label kotak pembatas menandai tiga puluh (30) bintang paling terang yang diperoleh
- Hak Cipta
- Tersertifikasi
- - 02 September 2025
- Detail
Dataset Citra Satelit Sentinel-1 (VH dan RPI) Komposit 15 Harian untuk Pemodelan Fase Pertumbuhan Padi Nasional tahun 2025
Dataset ini merupakan hasil pengolahan citra Sentinel-1 yang disajikan dalam bentuk komposit 15-harian dengan resolusi spasial 10 meter untuk wilayah Indonesia pada tahun 2025. Dataset berisi dua band utama, yaitu VH (Vertical–Horizontal polarization) dan RPI (Ratio Polarization Index) yang dihasilkan melalui proses kalibrasi, koreksi topografi, reduksi speckle, serta penerapan filter area lahan sawah. Informasi VH dan RPI digunakan untuk pemodelan fase pertumbuhan padi, sehingga dapat mendukung analisis dinamika musim tanam, estimasi produktivitas, serta pemantauan pertanian secara berkala. Dataset ini diharapkan bermanfaat bagi peneliti, pembuat kebijakan, dan pemangku kepentingan dalam pengelolaan sumber daya pertanian serta mendukung upaya peningkatan ketahanan pangan nasional.
- Hak Cipta
- Tersertifikasi
- - 31 Agustus 2025
- Detail
Avatar Pedagogis Berbasis Budaya
Berupa wajah avatar pedagogis pria dan wanita yang merefleksikan karakteristik visual khas dari lima suku utama di Indonesia—Batak, Minangkabau, Papua, Jawa, dan Sunda. Gaya visual yang digunakan dalam perancangan adalah kartun realis-minimalis, dengan penekanan pada fitur wajah seperti bentuk muka, alis, mata, hidung, bibir, dan warna kulit yang disesuaikan dengan ciri khas masing-masing suku. Proses desain dimulai dengan pembuatan sketsa kasar tampak depan, dilanjutkan dengan garis akhir yang lebih presisi, kemudian pewarnaan digital menggunakan perangkat lunak desain grafis 2D Infinite Painter. Hasil rancangan berupa 25 wajah avatar, terdiri dari 12 avatar wanita dan 13 avatar pria dengan rentang usia visual 35–60 tahun. Temuan ini diharapkan dapat berkontribusi pada pengembangan layanan aplikasi perguruan tinggi, perpustakaan, atau aplikasi digital untuk pendidikan lainnya agar lebih representatif, humanistik, dan kontekstual, sekaligus memperkuat identitas budaya lokal dalam ekosistem digital yang multikultural. Rancangan ini berkaitan dengan PKS antara PRSDI BRIN dan FIK Telkom University (Tel-u) No: 232/V/KS/07/2024 dan No: 158/SAM4/IK-DEK/2024, dengan judul: Perancangan asset visual game (2D/3D) untuk memperkenalkan kebudayaan daerah yang ada di sulawesi dan kepulauan Nusa Tenggara.
- Hak Cipta
- Tersertifikasi
- - 29 Agustus 2025
- Detail