Pencarian Hak Kekayaan Intelektual
ALGORITMA MODEM AKUSTIK BAWAH AIR BERBASIS OTFS
Program komputer ini terdiri dari dua skrip MATLAB, yaitu pemancar "modem_akustik_otfs_tx_demo.m" dan penerima "modem_akustik_otfs_rx_demo.m", yang bersama-sama mengimplementasikan modem akustik bawah air berbasis OTFS (Orthogonal Time Frequency Space) untuk pengiriman dan penerimaan data digital. Pada sisi pemancar, program memproses sumber data teks, citra, video, atau file biner menjadi bitstream, lalu melakukan FEC convolutional coding, interleaver 2-D, pembentukan preamble sinkronisasi, penyisipan pilot HSP, pemetaan QPSK, modulasi OTFS melalui DD grid, ISFFT, Heisenberg transform, penambahan CP, upsampling, low-pass filtering, dan carrier modulation hingga menghasilkan sinyal passband real untuk DAC atau speaker. Pada sisi penerima, program membaca sinyal hasil transmisi, melakukan deteksi preamble, down-conversion, low-pass filtering, downsampling, pelepasan CP, FFT per-slot, SFFT, estimasi kanal sederhana berbasis pilot pusat, equalization, QPSK demapping, deinterleaving, Viterbi decoding, serta rekonstruksi payload menjadi teks atau file biner kembali.
- Hak Cipta
- Tersertifikasi
- - 17 April 2026
- Detail
FBG Tri-Axial Accelerometer Time-Series Dataset for Two-Dimensional Underwater Acoustic Source Localization
Karya cipta ini berupa dataset time-series pengukuran pergeseran panjang gelombang Bragg dari sebuah accelerometer Fiber Bragg Grating (FBG) tri-aksial. Dataset diperoleh melalui eksperimen laboratorium di tangki air dengan menggunakan sebuah pompa air submersible sebagai sumber getaran akustik. Data direkam pada 18 posisi dengan rata-rata 1250 sampel per posisi pada laju pemindaian 10 Hz. Dataset ini dirancang khusus untuk melatih dan membandingkan model deep learning dalam tugas lokalisasi sumber akustik bawah air dua dimensi. Keunggulannya adalah sensor optik yang immune terhadap interferensi elektromagnetik, ukuran ringkas, dan kemampuan multiplexing, sehingga sangat cocok untuk aplikasi navigasi kendaraan bawah air otonom (AUV) serta pemantauan infrastruktur subsea secara real-time.
- Hak Cipta
- Tersertifikasi
- - 17 April 2026
- Detail
B-SmartPalm : Mobile Software untuk Identifikasi Varietas dan Keaslian BenihKelapaSawit Berbasis Kecerdasan Buatan
Aplikasi mobile “B-SmartPalm” merupakan perangkat lunak berbasis kecerdasan buatan yang dikembangkan khusus untuk platform Android guna membantu petani dalam mengidentifikasi varietas dan keaslian benih kelapa sawit secara cepat, otomatis, dan fleksibel di lapangan secara offline tanpa internet. Aplikasi ini dapat digunakan di manapun termasuk di kebun kelapa sawit yang tidak memiliki akses internet. Aplikasi ini hadir sebagai solusi atas permasalahan nyata, terkait permasalahan kualitas benih yang ditanam petani rakyat karena beredarnya benih palsu/tidak bersertifikat yang menurunkan produktivitas dan menimbulkan kerugian ekonomi petani dalam jangka panjang. Ketidak tahuan petani tersebut akan kualitas benih yang ditanam dalam skala luas berpotensi juga merugikan negara, menurunkan pendapatkan negara dari industri sawit. Model dalam aplikasi dilatih menggunakan dataset citra benih kelapa sawit yang mencakup dua varietas utama, yaitu Dumpy dan Yangambi. Untuk masing-masing varietas, sistem mampu membedakan benih asli dan palsu, sehingga menghasilkan empat kelas klasifikasi: dumpy asli, dumpy palsu, yangambi asli, dan yangambi palsu. Pendekatan ini memungkinkan identifikasi varietas dan verifikasi keaslian dilakukan secara simultan dalam satu proses. Dengan memanfaatkan arsitektur MobileNetV2 yang telah dioptimalkan, aplikasi mampu memberikan hasil identifikasi dengan akurasi tinggi. Selain itu, diterapkan tahapan preprocessing citra untuk meningkatkan kualitas input sehingga performa model menjadi lebih optimal dan konsisten dalam berbagai kondisi penggunaan di lapangan tanpa internet.
- Hak Cipta
- Tersertifikasi
- - 17 April 2026
- Detail
Dataset Luas Lahan Baku Sawah (LBS) Terdampak Banjir Siklon Senyar.
Dataset ini menyajikan data spasial dan atribut terkait sebaran serta luas lahan sawah terdampak banjir akibat Siklon Senyar yang terjadi di Provinsi Aceh, Sumatera Barat, dan Sumatera Utara pada akhir tahun 2025. Identifikasi sawah terdampak banjir akibat Siklon Senyar tahun 2025 dilakukan menggunakan Google Earth Engine (GEE) dengan memanfaatkan data genangan banjir dari UNOSAT (2025) dan data Lahan Baku Sawah (LBS) tahun 2024 dari Kementerian Agraria dan Tata Ruang/Badan Pertanahan Nasional (ATR/BPN).
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail
Dataset nilai reflektansi spektral beberapa tanah vulkanik di Pulau Jawa dan nilai resamplingnya ke Landsat 8 dan Sentinel 2.
Dataset ini merupakan kumpulan data asli reflektansi spektral dari 15 sampel tanah vulkanik yang berasal dari Provinsi Jawa Timur dan Jawa Barat, yang diukur menggunakan spektroradiometer ASD FieldSpec 4 Hi-Res pada rentang panjang gelombang 350–2500 nm, yang dilengkapi dengan hasil pengolahan statistik sederhana (mean, median, dan standar deviasi) serta data nilai resampling ke sensor Landsat 8 dan Sentinel 2 menggunakan metode Spectral Response Function (SRF)-weighted.
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail
Dataset Resampling Spektroskopi Tanah: Transformasi Data ASD FieldSpec 4 ke Sensor Landsat dan Sentinel-2
Dataset ini merupakan kumpulan data hasil resampling reflektansi spektral tanah (350–2500) nm, yang diperoleh menggunakan instrumen ASD FieldSpec 4 Hi-Res Malvern Panalytical, ke dalam respons spektral sensor satelit Landsat 8 dan Sentinel-2. Dataset ini merupakan bagian pengembangan dari riset berjudul” Dinamika Kesesuaian Lahan Sorgum pada 3 Skenario Perubahan Iklim Menjelang Tahun 2045” yang lulus pembiayaan RIIM BRIN Tahap 7 TA 2025.
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail
Dataset Reflektansi Spektral Sampel Tanah (350–2500 nm) dari lima kabupaten yang tersebar di Provinsi Sumatera Utara, Jawa Barat, dan Nusa Tenggara Timur: Hasil Pengukuran ASD FieldSpec 4.
Dataset ini merupakan kumpulan data reflektansi spektral tanah pada rentang panjang gelombang 350-2500 nm yang diperoleh menggunakan instrumen ASD FieldSpec 4 Hi-Res. Sampel tanah berasal dari lima kabupaten yang tersebar di tiga provinsi di Indonesia, meliputi Serdang Bedagai di Sumatera Utara, Karawang dan Bogor di Jawa Barat, Situbondo di Jawa Timur, dan Kupang di Nusa Tenggara Timur. Dataset ini merupakan bagian pengembangan dari riset berjudul” Dinamika Kesesuaian Lahan Sorgum pada 3 Skenario Perubahan Iklim Menjelang Tahun 2045” yang lulus pembiayaan RIIM BRIN Tahap 7 TA 2025.
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail
METODE SELEKTIF UNTUK MEMPERKAYA DARBEPOETIN-ALFA DENGAN KANDUNGAN ASAM SIALAT TINGGI MENGGUNAKAN KROMATOGRAFI MEMBRAN
Invensi ini bertujuan untuk menyediakan suatu metode pemurnian darbepoetin alfa yang efektif dan selektif, khususnya dalam memisahkan isoform struktural yang memiliki kandungan asam sialat tinggi dari campuran isoform darbepoetin alfa dengan tingkat sialilasi yang bervariasi. Pada invensi ini teknik untuk mendapatkan darbepoetin alfa dengan dengan kandungan asam sialat yang tinggi dengan berat molekul sekitar 50 kilo dalton melibatkan 3 tahap: 1) mengkultur sel CHO-DG44 yang dapat memproduksi darbepoetin-alfa dengan menggunakan medium CD-OptCHO,2) Menggunakan membrane kromatografi Sartobind IEX MA15, 3) melakukan elusi dengan menggunakan buffer 20mM Tris pH 7.2 dan 300mM NaCl. Proses elusi dilakukan sebanyak 5 kali dengan volume masing-masing elusi sebanyak 0.5ml.
- Paten
- Terdaftar - Formalitas Terpenuhi
- - 16 April 2026
- Detail
DIP-DDoS26
DIP-DDoS26 adalah perangkat lunak analisis keamanan jaringan cerdas yang mengimplementasikan arsitektur ensemble learning berbasis Random Forest untuk deteksi serangan Distributed Denial of Service (DDoS). Berbeda dengan model tunggal, DIP-DDoS26 bekerja dengan mengintegrasikan kumpulan pohon keputusan yang saling melengkapi untuk menghasilkan klasifikasi yang lebih robust dan stabil. Program ini dirancang secara spesifik untuk memproses fitur aliran jaringan yang ringkas (compact flow features) dengan keunggulan pada generalisasi pola serangan yang kompleks. Dengan memanfaatkan mekanisme voting mayoritas dari banyak pohon keputusan, DIP-DDoS26 mampu meminimalkan risiko false positive dan memberikan performa klasifikasi yang konsisten di berbagai skenario trafik. Berdasarkan pengujian pada dataset CICDDoS2019, model ini menunjukkan ketangguhan luar biasa dengan kemampuan klasifikasi serangan DDoS dengan tingkat keberhasilan (F1-score) mencapai 89,83%. DIP-DDoS26 menjadi solusi ideal untuk sistem pertahanan jaringan yang mengutamakan akurasi tinggi dan ketahanan model terhadap anomali trafik yang dinamis tanpa memerlukan sumber daya komputasi yang besar.
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail
SEHATI-AI: Sistem Evaluasi Holistik Aktivitas Fisik dan Nutrisi Terintegrasi dengan Artificial Intelligence.
SEHATI-AI adalah aplikasi Android yang menggunakan Kecerdasan Buatan (AI) untuk pemantauan kesehatan holistik dengan 4 fungsi utama: 1) Analisis nutrisi makanan lokal Kamera memindai masakan Indonesia (100+ jenis) lalu menghitung kalori, protein, dan lemak. 2) Pelacakan aktivitas fisik Sensor ponsel menghitung langkah dengan algoritma Pedometer Filtering yang menyaring guncangan tidak relevan (misal dari kendaraan) untuk akurasi tinggi. 3) Pemantauan pola tidur Merekam durasi dan kualitas tidur berdasarkan gerakan pengguna. 4) Analisis kesehatan kulit wajah Kamera mendeteksi kekeringan, kemerahan, atau kerutan, lalu memberi saran perawatan. Inti sistem menggunakan model YOLOv8 Nano (ringan dan cepat) yang dilatih khusus dengan Unified Food Dataset berisi lebih dari 100 makanan Nusantara. Keunggulan utama terletak pada mesin Continual Learning yang menggabungkan dua metode: Elastic Weight Consolidation (EWC), memberi “elastisitas” pada ingatan lama agar tidak lupa, dan Knowledge Distillation (KD), di mana model lama (guru) mengajarkan pengetahuan penting ke model baru (murid). Kedua mekanisme ini menciptakan model anti-catastrophic forgetting (anti-lupa mendadak), sehingga aplikasi dapat belajar data kesehatan baru tanpa menghapus pengetahuan lama. Seluruh data tersimpan dalam dashboard interaktif yang menghitung aging score (skor penuaan biologis) secara real-time dan tersinkronisasi otomatis ke cloud Supabase.
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail