Pencarian Hak Kekayaan Intelektual

Program Otomatisasi Klasifikasi Area Bekas Terbakar Dengan Metode Pixel-Based
Program ini dikembangkan untuk membantu pengguna dalam mengestimasi area bekas terbakar. Dengan input berupa citra scene dari satelit Landsat-8/9 dan Sentinel-2, program secara otomatis akan melakukan proses perhitungan indeks yang dipilih (NBR/NBR2/NDMI/NDVI), dilanjutkan dengan klasifikasi berbasis piksel (pixel-based) dengan proses seleksi menggunakan nilai ambang batas yang juga ditentukan oleh pengguna untuk menghasilkan output berupa prediksi area bekas terbakar.
- Hak Cipta
- Tersertifikasi
- - 07 Agustus 2024
- Detail

Dataset Life Cycle Inventory (LCI) Produksi Tenaga Listrik Teknologi Co-Firing Biomassa Rice Husk 12%
Pemerintah Indonesia sedang melaksanakan program co-firing biomassa nasional untuk mengurangi emisi Gas Rumah Kaca (GRK) di pembangkit listrik dalam skala besar. Namun dampak lingkungan dari program ini, dalam kondisi aktual, belum dikaji dan dievaluasi secara menyeluruh. Penelitian ini melibatkan kerja sama dengan operator pembangkit listrik tenaga batubara (PLTU) di Banten untuk mempelajari kondisi aktual menggunakan metodologi analisis Life Cycle Assessment (LCA) dengan batasan sistem Cradle-to-Gate. Product Category Rules (PCR) digunakan untuk menentukan kategori dampak lingkungan yang dikaji. Data operasional yang digunakan adalah unit PLTU yang mengoperasikan coal-fired batubara dan hasil Laporan Analisa Cofiring Sekam Padi. Hasil penelitian ini memberikan wawasan mengenai dampak lingkungan dari pengoperasian co- firing biomassa. Diharapkan hasilnya dapat dijadikan acuan dalam menyusun strategi untuk menjaga keberlanjutan program ini dalam jangka panjang. Dataset yang dihasilkan dari penelitian ini adalah dataset Life Cycle Inventory (LCI) untuk perhitungan dampak lingkungan produksi tenaga listrik teknologi co-firing biomassa bahan bakar ricehusk 12% di Indonesia dengan menggunakan metodologi Life Cycle Assessment (LCA).
- Hak Cipta
- Tersertifikasi
- - 06 Agustus 2024
- Detail

Dataset LCI (Life Cycle Inventory) Produksi Kulit Sintetis Dari Miselium
Miselium memiliki keunggulan sebagai kulit alternatif dibandingkan kulit konvensional dalam hal keberlanjutan dan biodegradasi yang aman dan efektif. Kulit sintetis dari miselium memberikan kinerja, kualitas, dan rasa nyaman yang sama seperti kulit hewan. Dengan tingginya permintaan terhadap barang-barang konsumen yang ramah lingkungan dan kesadaran lingkungan terhadap produk industri. Para peneliti, industri dan konsumen menjadi lebih tertarik pada manfaat lingkungan dari kulit sintetis miselium. Oleh karena itu, diperlukan dataset yang digunakan sebagai basis data untuk menghitung LCA (Life Cycle Assessment) produksi kulit sintetis dari miselium. Dataset ini mampu digunakan untuk mengukur dampak lingkungan produksi kulit sintetis dari miselium dengan cepat dan mudah, metode yang digunakan sesuai ISO 14040: 2006 dan ISO 14044: 2006. Fungtional Unit (FU) dataset adalah 1 m3 kulit sinstetis miselium, batasan sistem dataset ini adalah sistem cradle-to-gate, dimana inventori dataset dimulai dari data-data pembuatan baglog, sterilisasi, moulding dan finishing produk kulit sintetis miselium. Dataset dapat diunduh dalam format JSON (JavaScript Object Notation) dan bisa digunakan untuk melakukan pengolahan dan analisa lebih lanjut dengan software OpenLCA. Dataset ini diharapkan dapat digunakan dalam optimasi penurunan dampak lingkungan dan efisiensi penggunaan sumber daya produksi kulit sintetis dari miselium.
- Hak Cipta
- Tersertifikasi
- - 06 Agustus 2024
- Detail

CORESHELL NANOKOMPOSIT Fe2.75Ni0.25O4@SnO2/Polypropilene SEBAGAI MATERIAL PENYERAP GELOMBANG ELEKTROMAGNETIK (RADAR)
Invensi ini berkaitan dengan pengembangan material penyerap gelombang elektromagnetik (radar) menggunakan coreshell nanokomposit Fe2.75Ni0.25O4@SnO2/Polypropilene. Material ini bertujuan untuk meningkatkan efektivitas penyerapan gelombang radar pada frekuensi 2-12 GHz, dengan proses pembuatan yang lebih efisien dibandingkan dengan teknologi sebelumnya. Material ini terdiri dari senyawa filler (Fe2.75Ni0.25O4@SnO2) yang dikombinasikan dengan matriks polypropilene dengan komposisi yang bervariasi (1:9, 2:8, dan 3:7). Proses pembuatan dilakukan menggunakan Rheomixer dan Mini Hotpress pada suhu 185°C untuk memastikan pencampuran yang homogen. Karakterisasi material dilakukan melalui uji VNA (Vector Network Analyzer) untuk mengevaluasi kemampuan penyerapan gelombang radar, uji tensile strength untuk mengukur kekuatan tarik, dan uji DSC (Differential Scanning Calorimetry) untuk menentukan titik leleh dan energi yang diperlukan untuk pelelehan. Hasil pengujian menunjukkan bahwa komposit Fe2.75Ni0.25O4@SnO2/Polypropilene dengan komposisi filler 30% memiliki nilai Reflection Loss (RL) yang tinggi dan Through Power mendekati 100% pada frekuensi 6,16 GHz. Selain itu, material ini juga menunjukkan penurunan nilai kuat tarik dibandingkan dengan polypropylene murni. Dengan demikian, invensi ini menawarkan solusi praktis dan efisien untuk pengembangan material anti radar yang dapat diaplikasikan dalam teknologi pertahanan, seperti pada tubuh drone atau perangkat teknologi lainnya.
- Paten
- Terdaftar - Formalitas Terpenuhi
- - 05 Agustus 2024
- Detail

Dataset Life Cycle Inventory (LCI) Produksi Tenaga Listrik Teknologi Co-Firing Biomassa Woodchip 12%
Pemerintah Indonesia sedang melaksanakan program co-firing biomassa nasional untuk mengurangi emisi Gas Rumah Kaca (GRK) di pembangkit listrik dalam skala besar. Namun dampak lingkungan dari program ini, dalam kondisi aktual, belum dikaji dan dievaluasi secara menyeluruh. Penelitian ini melibatkan kerja sama dengan operator pembangkit listrik tenaga batubara (PLTU) di Banten untuk mempelajari kondisi aktual menggunakan metodologi analisis Life Cycle Assessment (LCA) dengan batasan sistem Cradle-to-Gate. Product Category Rules (PCR) digunakan untuk menentukan kategori dampak lingkungan yang dikaji. Data operasional yang digunakan adalah dua unit PLTU yang masing masing mengoperasikan co-firing batubara dan woodchip dengan rasio co-firing 12%. Hasil penelitian ini memberikan wawasan mengenai dampak lingkungan dari pengoperasian cofiring biomassa. Diharapkan hasilnya dapat dijadikan acuan dalam menyusun strategi untuk menjaga keberlanjutan program ini dalam jangka panjang. Dataset yang dihasilkan dari penelitian ini adalah dataset Life Cycle Inventory (LCI) untuk perhitungan dampak lingkungan produksi tenaga listrik teknologi co-firing biomassa bahan bakar woodchip 12% di Indonesia dengan menggunakan metodologi Life Cycle Assessment (LCA).
- Hak Cipta
- Tersertifikasi
- - 05 Agustus 2024
- Detail

SiDeProJa: Sistem Deteksi Problem Wajah Berbasis Machine Learning
Aplikasi SiDeProJa: Sistem Deteksi Problem Wajah Berbasis Machine Learning yang dikembangkan berdasarkan pada hasil penelitian yang memanfaatkan model deep learning untuk identifikasi kondisi kulit wajah. Aplikasi ini menekankan pada penggunaan arsitektur model: MobileNetV2, MobileNetV3, EfficientNetV1, dan EfficientNetV2 untuk mengidentifikasi berbagai kondisi kulit wajah secara akurat. Model-model ini telah diuji secara komprehensif untuk menentukan performa mereka dalam hal akurasi, presisi, recall, dan F1 score, khususnya untuk lingkungan dengan keterbatasan sumber daya komputasi. MobileNetV2, yang memiliki akurasi rata-rata tertinggi sebesar 88%, merupakan pilihan ideal untuk diintegrasikan ke dalam aplikasi SiDeProJa, terutama karena waktu inferensi yang cepat dan ukuran model yang relatif kecil, sehingga cocok untuk digunakan di daerah dengan sumber daya komputasi terbatas seperti klinik di pedesaan. Aplikasi ini diharapkan dapat membantu mempercepat diagnosis dan perawatan masalah kulit wajah di daerah terpencil, di mana akses ke perawatan dermatologi sering kali terbatas. Dengan mengintegrasikan teknologi deep learning ini ke dalam aplikasi SiDeProJa, Anda dapat menyediakan solusi diagnostik yang akurat dan efisien, yang pada akhirnya dapat meningkatkan kualitas perawatan kesehatan kulit di berbagai daerah, terutama yang kurang terlayani.
- Hak Cipta
- Tersertifikasi
- - 01 Agustus 2024
- Detail

BATERAI ION LITIUM TIPE SEL KOIN DENGAN ANODA BERBASIS KARBON AKTIF DARI TANDAN KOSONG KELAPA SAWIT
Invensi ini mengenai baterai ion litium tipe sel koin dengan anoda berbasis karbon aktif dari tandan kosong kelapa sawit dengan dengan variasi konsentrasi aktivator KOH dari 10% hingga 35%. Baterai ion litium tipe sel koin yang terdiri dari: selubung baterai kutub negatif, lembaran anoda berbasis karbon aktif tandan kosong kelapa sawit, elektrolit, pemisah PE, katoda, spacer, cincin spring dan selubung baterai kutub positif. Diperoleh suatu baterai ion litium tipe sel koin dengan anoda berbasis karbon aktif dari tandan kosong kelapa sawit pada konsentrasi aktivator KOH 20% menunjukkan hasil pengujian CV yang optimal dengan nilai arus puncak katiodik (Ipc) sebesar 0,348 mA dan hasil pengujian CD dengan nilai kapasitas spesifik pengisian dan pengosongan sebesar 361,4 mAh/g dan 302,1 mAh/g, nilai efisiensi Coulombic sebesar 83%, dan nilai retensi sebesar 96%. Dengan hasil performa baterai tersebut menunjukkan bahwa ion litium tipe sel koin dengan anoda berbasis karbon aktif dari tandan kosong kelapa sawit pada konsentrasi aktivator KOH 20% memiliki stabilitas yang baik dan dapat mempertahankan kapasitas penyimpanan energi secara efektif selama penggunaan jangka panjang.
- Paten
- Terdaftar - Formalitas Terpenuhi
- - 30 Juli 2024
- Detail

Dataset Tinggi Gelombang Hasil Uji Model Laboratorium Tsunami Terhadap Desain Pelindung Pantai Untuk Skenario Tunggal Dan Bauran
Dataset yang didaftarkan sebagai hak cipta merupakan data tinggi gelombang tsunami hasil pemodelan uji fisik dengan tsunami simulator yang dilakukan di Laboratorium Pantai dan Dinamika Pantai - BRIN. Pneumatic tsunami simulator ini memiliki spesifikasi sebagai berikut: 1. Lebar 2.5m wide dan panjang 95 m. 2. Periode gelombang antara 15 – 250 detik. 3. Kejadian tsunami yang dihasilkan mempunyai skala 1:50 to 1:200 4. Tinggi gelombang hingga 20 cm pada 70 cm still water depth Kemiringan 1/20 dan skala model 1:50 diterapkan dalam pengujian model fisik ini untuk merekonstruksi lanskap Pantai. Panjang gelombang maksimum sesuai dengan yacht “Mercator” (tsunami 2004) yang direkonstruksi di sini adalah 14 km pada skala 1/50. Pengujian gelombang tsunami dilakukan berdasarkan skenario desain tunggal dan desain bauran (hybrid), yaitu: Mangrove (50m, 100m, dan 150m), Tanggul (40mm, 60mm, dan cut and fill dengan tinggi 50mm), dan parit dengan kedalaman 50mm. Delapan sensor pengukur tinggi gelombang (wave gauge) dipasang di sepanjang tsunami simulator untuk merekam tinggi gelombang berdasarkan kombinasi berbagai macam skenario. Lokasi sensor wave gauge tersebut adalah sebagai berikut: 1. Wave generator, 2. Sebelum mangrove, 3. Setelah mangrove, 4. Setelah tanggul, 5. Setelah parit, dan 6. Sebelum rumah /bangunan.
- Hak Cipta
- Tersertifikasi
- - 30 Juli 2024
- Detail

Dataset Fatalitas Kecelakaan Di Jalan Tol Hasil Pengolahan Dengan Menggunakan Machine Learning
Dataset merupakan kumpulan data terstruktur dan dianalisis oleh komputer. Dataset ini berisi data dan informasi tentang fatalitas kecelakaan yang dapat dimanfaatkan untuk memprediksi tingkat fatalitas kecelakaan melalui penggunaan variable khusus yang dikembangkan sesuai dengan karakteristik jalan Tol di Indonesia. Dataset ini berasal dari hasil pengolahan dengan menggunakan machine learning yang bersumber dari data aktual kecelakaan kendaraan di jalan Tol Cipali pada periode Tahun 2018 – 2022. Dengan penambahan variable yang disesuaikan karakteristik jalan Tol di Indonesia, dataset ini dapat menjadi salah satu rujukan bagi pihak terkait dalam mengidentifikasi pola lalu lintas yang berpotensi menyebabkan kecelakaan dan sebagai informasi untuk perencanaan peningkatan infrastruktur keselamatan dalam upaya untuk menekan fatalitas kecelakaan di jalan Tol.
- Hak Cipta
- Tersertifikasi
- - 25 Juli 2024
- Detail

METODE PRODUKSI EKSOPOLISAKARIDA DAN KARAKTERISTIK ANTIOKSIDAN, ANTIBAKTERI, GUGUS FUNGSIONAL, PROFILING METABOLIT, KADAR GULA DAN KADAR PROTEIN DARI BAKTERI ASAM LAKTAT
Invensi ini berkaitan dengan suatu metode produksi eksopolisakarida dan karakteristik antioksidan, antibakteri, gugus fungsional, profiling metabolit, kadar gula dan kadar protein dari bakteri asam laktat. Tujuan utama dari invensi ini adalah untuk meningkatkan produksi eksopolisakarida yang telah ada sebelumnya, khususnya dengan menggunakan jenis BAL dan teknik agitasi pada mini fermentor, dimana dengan kecepatan agitasi 100-350 rpm menghasilkan 20-35mg crude eksopolisajarida.
- Paten
- Terdaftar - Formalitas Terpenuhi
- - 24 Juli 2024
- Detail