Pencarian Hak Kekayaan Intelektual
Perangkat Lunak Smart Personal Dosimeter CB-AMA (Countrate-Based Adaptive Moving Average)
Perangkat lunak tertanam ini dikembangkan untuk sistem Smart Personal Dosimeter yang mampu mengukur dan merekam laju dosis radiasi secara real-time dengan kestabilan statistik tinggi. Inovasi utama terletak pada penerapan algoritma CPS-Based Adaptive Moving Average (CPS-AMA) yang secara adaptif menyesuaikan waktu pencacahan berdasarkan nilai count rate untuk mempertahankan tingkat uncertainty tertentu. Pendekatan ini memungkinkan hasil pengukuran tetap akurat dan responsif terhadap perubahan paparan radiasi. Sistem mengintegrasikan data dari detektor radiasi, sensor inersial (IMU), dan modul waktu nyata (RTC), serta menyimpan data seperti timestamp, laju dosis, dosis akumulasi, data gerakan, dan tegangan baterai ke media microSD. Selain itu, perangkat lunak mendukung pengaturan faktor kalibrasi melalui tombol dan menampilkan informasi melalui layar OLED. Kombinasi algoritma adaptif dan integrasi multi-sensor menghasilkan sistem dosimeter yang andal untuk pemantauan radiasi personal secara berkelanjutan.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
Program Komputer Visualisasi Integrated Logic Deviation Failure Methods Versi 1.0 (ILDFM -Viz)
International Atomic Energy Agency (IAEA) merekomendasikan dilakukan analisis keselamatan menggunakan metode Deterministic Safety Assessment (DSA) dan Probabilistic Safety Assessment (PSA) yang komprehensif untuk mengevaluasi kinerja keselamatan reaktor. Identifikasi Initiating Event (IE) pada desain Pembangkit Listrik Tenaga Nuklir (PLTN) baru seperti High Temperature Gas-cooled Reactor (HTGR) menjadi tantangan tersendiri. Saat ini perlu dilengkapi dan dikembangkan IE yang sudah ada pada HTGR, terutama untuk jenis HTGR dengan tipe terbaru, berbeda dengan reaktor jenis PWR atau BWR yang sudah memiliki daftar referensi lengkap. Pengalaman dari insiden Fukushima Daichi menunjukkan bahwa risiko besar dapat muncul dari kegagalan yang dianggap mustahil jika sistem keselamatan tidak dikelola dengan tepat. Oleh karena itu, terdapat kebutuhan mendesak akan metode yang mampu mengidentifikasi IE secara sistematis dengan mempertimbangkan pengaruh kombinasi kegagalan. Penelitian yang dilakukan telah mengembangkan metode baru yaitu Integrated Logic Deviation Failure Method (ILDFM) yang dapat digunakan untuk mengidentifikasi IE PLTN dan hasilnya tentu saja dapat menambah database IE pembangkit listrik tenaga nuklir (PLTN). Metode ini menggunakan pendekatan sistematis berbasis sistem, deviasi dan kegagalan, termasuk human error hingga diperoleh daftar IE yang komprehensif. Hak cipta yang diusulkan berupa program komputer yang berjudul “Program Komputer Visualisasi Integrated Logic Deviation Failure Methods Versi 1.0 (ILDFM-Viz)”. ILDFM-Viz merupakan perangkat lunak berbasis desktop yang dirancang untuk menganalisis, memproses dan memvisualisasikan langkah-langkah identifikasi IE pada PLTN secara sistematis, sesuai tahapan metode ILDFM. ILDFM-Viz merupakan implementasi digital dan pengembangan dari metode ILDFM yang saat ini sedang dalam proses pendaftaran paten. ILDFM-Viz berfungsi sebagai alat bantu (tool) praktis untuk menerapkan algoritma penalaran berlapis (reasoning layer by layer) yang menjadi inti dari invensi ILDFM. Melalui visualisasi berbasis luring, ILDFM-Viz memberikan panduan terstruktur bagi praktisi nuklir untuk mengidentifikasi dan menyusun daftar IE yang komprehensif, mulai dari penetapan tujuan keselamatan hingga identifikasi penyebab kegagalan yang kompleks.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
DATASET OPTIMASI UKURAN UTAMA DESAIN KAPAL MINI LNG (LIQUIFIED NATURAL GAS) DENGAN ANALISIS MULTI-OBJEKTIF BERBASIS 3E (ENVIRONMENT, ENERGY DAN ECONOMY) KPI’S (KEY PERFORMANCE INDICATORS)
Dataset ini memberikan optimasi ukuran utama kapal mini Liquified Natural Gas (LNG) menggunakan variasi ukuran kapal yang dipenagaruhi variabel panjang dan diameter tangki kargo LNG. Dengan menganalisa dan mengevaluasi sektor Environment, Energy dan Economy (3E) pada kapal. Key Performance Indicators (KPIs) yang bersesuaian dengan sektor tersebut seperti EEDI (Energy Efficiency Design Index), (Carbon Intensity Indicator) CII, fuel cost, effective power dan NPV di kembangkan dengan melakukan variasi pada radius dan panjang tangki kargo LNG. Kemudian dilakukan Principal Component Analysis (PCA) pada tiap sektor 3E. Kemudian dilakukan Multiple Objective Optimization (MOO) dengan mengunakan algoritma (Non-dominated Sorting Genetic Algorithm II) NSGA-II untuk dapat menghasilkan solusi pareto yang optimal untuk tiap sektor 3E. Dengan dataset ini diharapkan dapat meningkatkan sektor keberlanjutkan, transparansi dan fleksibilitas didalam tahapan desain konseptual kapal
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
Sistem Indeks Bela Negara : Modul Survei
Sistem Indeks Bela Negara (IBN) adalah sistem untuk mengukur tingkat kesadaran dan kesiapan bela negara masyarakat secara kuantitatif. Sistem ini mencakup tiga komponen utama: survei digital, pemrosesan data, dan visualisasi hasil. Survei mengukur niat membela negara serta unsur bela negara, yaitu cinta tanah air, kesadaran berbangsa dan bernegara, kesetiaan pada Pancasila, kerelaan berkorban, dan kemampuan awal bela negara. Data dikumpulkan melalui antarmuka digital dan disusun dalam kerangka terstruktur. Pemrosesan data menggunakan kombinasi metode PLS-SEM dan PCA. Tahapan meliputi pra-pengolahan (pembersihan, penskalaan 1–5, normalisasi), analisis PCA (kovarian, nilai dan vektor eigen, serta varian kumulatif), kemudian hasilnya digunakan dalam model PLS-SEM untuk menghitung indeks per responden. Nilai indeks diagregasi secara rata-rata geometrik pada tingkat lingkungan, daerah, hingga nasional. Indeks non-unsur dihitung dari 2–5 indikator eksternal yang dinormalisasi. Hasil akhir disajikan dalam dashboard interaktif yang menampilkan nilai IBN nasional dan per daerah kabupaten/kota untuk mendukung analisis dan pengambilan kebijakan. Sistem dikembangkan secara bertahap, dimulai dari (1) survei digital, (2) pemrosesan dan visualisasi hasil, (3) sistem manajemen konten, dan (4) evaluasi bela negara. Pada versi 1 ini, sistem hanya meliputi survei digital.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
Dataset Dokumentasi Bahasa Kowiai di Kampung Namatota, Distrik Kaimana, Papua Barat
Dataset Dokumentasi Bahasa Kowiai di Kampung Namatota, Distrik Kaimana, Papua Barat merupakan kumpulan data linguistik hasil penelitian lapangan yang disusun secara digital, sistematis, dan terstruktur. Dataset ini memuat rekaman audio dan video tuturan penutur asli bahasa Kowiai yang dilengkapi dengan transkripsi ortografis, terjemahan, serta anotasi linguistik berbasis waktu menggunakan perangkat lunak ELAN dan FLEx. Selain data utama, dataset ini juga mencakup metadata mengenai identitas penutur, lokasi, waktu perekaman, konteks sosial-budaya tuturan, serta informasi teknis lainnya. Seluruh komponen data disusun dalam format multimodal yang saling terhubung sehingga mendukung analisis linguistik secara komprehensif. Dataset ini dikembangkan sebagai upaya dokumentasi dan pelestarian bahasa Kowiai yang tergolong bahasa daerah terancam punah serta memiliki sumber daya kebahasaan yang terbatas. Sebagai kompilasi data hasil penelitian yang disusun secara sistematis, dataset ini memenuhi karakteristik ciptaan berupa basis data/dataset sesuai dengan ketentuan hak cipta. Selain berfungsi sebagai arsip ilmiah, dataset ini berpotensi dimanfaatkan untuk penelitian linguistik lanjutan, penyusunan kamus digital, pengembangan bahan ajar, revitalisasi bahasa berbasis komunitas, serta pengembangan teknologi bahasa bagi bahasa dengan sumber daya yang terbatas. Pengarsipan dataset dilakukan melalui LADIN pada repositori nasional RIN Dataverse guna menjamin keberlanjutan, aksesibilitas, interoperabilitas, dan pemanfaatan jangka panjang sesuai dengan prinsip FAIR data.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
DATASET POHON INDUSTRI AYAM PEDAGING
Dataset pohon industri ayam pedaging merupakan kompilasi data yang disusun secara sistematis dalam bentuk pohon industri untuk menggambarkan keterkaitan rantai nilai dari sektor hulu hingga hilir. Dataset ini mengintegrasikan klasifikasi HS Code, data paten, serta data ekspor–impor, sehingga memberikan gambaran komprehensif mengenai struktur industri, penguasaan teknologi, dan potensi nilai tambah industri ayam pedaging di Indonesia. Pohon industri yang dikembangkan merepresentasikan rantai nilai secara terstruktur, mulai dari tahap hulu yang mencakup industri pakan, pembibitan (breeding), dan penyediaan input produksi, hingga tahap produksi (on-farm), pengolahan, dan hilir berupa berbagai produk turunan bernilai tambah tinggi. Struktur ini menggambarkan keterkaitan antar proses, teknologi, dan jenis produk secara hierarkis, sehingga memberikan pemahaman menyeluruh mengenai alur transformasi produk dari ayam hidup hingga menjadi produk industri strategis. Pengembangan pohon industri ini berbasis dataset teranotasi dan terstruktur menggunakan HS Code, yang tidak hanya berfungsi sebagai alat visualisasi, tetapi juga sebagai dasar analisis, klasifikasi, dan pemodelan hubungan industri. Hasil analisis menunjukkan bahwa meskipun rantai nilai industri ayam pedaging di Indonesia relatif lengkap, struktur industrinya masih didominasi oleh aktivitas produksi primer, sementara nilai tambah terbesar terkonsentrasi pada sektor pengolahan dan pengembangan produk turunan. Pada tahap hulu, industri pakan, pembibitan, dan input produksi menjadi fondasi utama dengan tingkat konsentrasi tinggi serta penguasaan teknologi yang relatif lebih maju. Sebaliknya, pada tahap produksi, peternak sebagai tulang punggung industri cenderung berada pada posisi dengan margin rendah akibat ketergantungan terhadap input dan fluktuasi harga, yang mencerminkan ketimpangan distribusi nilai tambah di sepanjang rantai industri. Transformasi nilai tambah terutama terjadi pada tahap pengolahan, ketika ayam hidup diubah menjadi produk segar atau beku (HS Code 0207), yang menjadi titik awal peningkatan nilai ekonomi. Namun demikian, keterbatasan kapasitas dan adopsi teknologi pengolahan menyebabkan potensi nilai tambah belum dimanfaatkan secara optimal. Nilai tambah tertinggi selanjutnya terkonsentrasi pada tahap hilir, khususnya pada produk olahan seperti nugget, sosis, dan makanan siap saji (HS Code 1602). Meskipun demikian, data perdagangan menunjukkan bahwa Indonesia masih bergantung pada impor untuk kategori ini, yang mengindikasikan belum kuatnya industri hilir domestik. Temuan ini diperkuat oleh data paten yang menunjukkan dominasi negara maju dalam inovasi teknologi pengolahan dan pengawetan. Selain produk utama, pohon industri ayam pedaging juga mencakup pemanfaatan hasil samping menjadi berbagai produk turunan, seperti tepung tulang, kolagen, dan bahan bioindustri lainnya. Segmen ini memiliki potensi besar dalam mendukung pengembangan ekonomi sirkular, namun tingkat pemanfaatannya di Indonesia masih relatif terbatas. Secara keseluruhan, integrasi data menunjukkan adanya keterkaitan erat antara klasifikasi produk, dinamika perdagangan, dan penguasaan teknologi, di mana produk bernilai tambah tinggi umumnya didukung oleh inovasi berbasis paten dan memiliki kontribusi signifikan dalam perdagangan internasional. Secara strategis, temuan ini menegaskan bahwa tantangan utama industri ayam pedaging di Indonesia tidak lagi terletak pada peningkatan produksi, melainkan pada transformasi struktur industri melalui hilirisasi dan penguatan inovasi. Tanpa pengembangan sektor pengolahan, peningkatan penguasaan teknologi, serta diversifikasi produk turunan, Indonesia berisiko tetap terperangkap sebagai produsen bahan mentah dengan nilai tambah rendah. Oleh karena itu, pengembangan pohon industri ayam pedaging perlu difokuskan pada penguatan industri hilir berbasis teknologi, peningkatan kapasitas inovasi domestik, serta integrasi sistem produksi dan distribusi yang efisien guna meningkatkan daya saing global dan menciptakan nilai ekonomi yang lebih besar bagi seluruh pelaku industri.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
DC Studio: Dataset Creation Studio
DC Studio (Dataset Creation Studio) merupakan aplikasi perangkat lunak komputer yang dirancang untuk membantu proses pembuatan dan pengelolaan dataset secara terstruktur. Aplikasi ini menyediakan fitur untuk menentukan nama dataset, jumlah data, format anotasi, serta pengelompokan label sesuai kebutuhan klasifikasi.
- Hak Cipta
- Tersertifikasi
- - 17 April 2026
- Detail
Otomatisasi Multirunning COMCOT Tsunami Model
Hak cipta yang diusulkan berupa program komputer (software) yang berjudul “Otomatisasi Multirunning COMCOT Tsunami Model”. Aplikasi ini digunakan untuk mengotomatisasi simulasi tsunami menggunakan COMCOT berdasarkan berbagai skenario gempa yang parameternya disusun dalam satu file basis data pada excel. Program ini mengolah data tersebut menjadi file konfigurasi simulasi untuk tiap skenario, kemudian menjalankan simulasi secara otomatis baik berurutan maupun paralel dalam bentuk batch processing, sehingga meningkatkan efisiensi waktu komputasi dan mengurangi kebutuhan intervensi manual, khususnya untuk studi dengan jumlah skenario besar seperti Probabilistic Tsunami Hazard Assessment (PTHA).
- Hak Cipta
- Tersertifikasi
- - 17 April 2026
- Detail
VMS (Virtual Power Plant Management System)
Virtual Power Plant Management System (VMS) adalah platform berbasis web yang berfungsi untuk monitoring dan kontrol berbagai klaster energi terbarukan (EBT) dalam suatu virtual power plant (VPP). Sistem menampilkan kondisi operasional tiap klaster dan menyediakan fitur pengaturan sesuai kebutuhan operasional. VMS juga mengatur alur ekspor dan impor energi pada setiap klaster untuk menjaga keseimbangan pasokan dan permintaan energi.
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail
SINEMACHAIN: LANDSLIDE INVENTORY MAPPING BERBASIS BLOCKCHAIN
Aplikasi SINEMACHAIN: Landslide Inventory Mapping Berbasis Blockchain merupakan sistem informasi berbasis web yang dirancang untuk mendukung inventarisasi kejadian longsor dalam satu platform terintegrasi. Aplikasi ini memudahkan proses pencatatan, penyimpanan, pengelolaan, dan penelusuran data kejadian longsor secara lebih sistematis, terdokumentasi, dan kemudahan akses. Aplikasi ini digunakan untuk (1) pemetaan digital area longsor dalam bentuk poligon; (2) pencatatan atribut kejadian secara terstruktur (lokasi, tanggal, area terdampak); (3) pengelolaan data faktor spasial (kondisi area longsor, faktor penyebab, mekanisme kejadian); serta (3) dokumentasi foto lapangan (unggah foto pendukung untuk setiap kejadian). Aplikasi SINEMACHAIN merupakan pengembangan dari aplikasi inventarisasi longsor sebelumnya, yaitu SINEMA. Dimana dalam versi terbaru ini telah ditingkatkan dengan integrasi teknologi blockchain. Penambahan komponen blockchain memberikan fungsi pencatatan jejak transaksi (audit trail) terhadap aktivitas penting dalam pengelolaan data, seperti penambahan, perubahan, dan penghapusan data anotasi longsor. Kehadiran halaman khusus blockchain ledger semakin memperkuat fungsi aplikasi sebagai sistem inventarisasi longsor yang tidak hanya berfokus pada pemetaan, tetapi juga pada integritas dan keamanan data. Dengan demikian, setiap perubahan data memiliki rekam jejak digital yang lebih transparan, akuntabel, dan dapat ditelusuri.
- Hak Cipta
- Tersertifikasi
- - 15 April 2026
- Detail