Pencarian Hak Kekayaan Intelektual
OptimaRF: GridSearch Otomatis untuk Random Forest pada Pemodelan Kerentanan Longsor
OptimaRF adalah program berbasis Python yang dikembangkan untuk meningkatkan akurasi dan efektivitas pemodelan kerentanan longsor. Program ini menggunakan algoritma random forest (RF) dengan hyperparameter tuning otomatis melalui GridSearch. Nilai input untuk GridSearch diperoleh secara otomatis dari program, sehingga parameter yang digunakan bersifat optimum dan objektif. Parameter yang dituning meliputi max_depth, n_estimators, min_samples_split, min_samples_leaf, dan max_features. Program ini dirancang untuk mendukung pemodelan kerentanan longsor berbasis machine learning secara lebih akurat dan efisien, sehingga dapat membantu pengambilan keputusan dalam mitigasi bencana, khususnya longsor.
- 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
Dataset riset dan inovasi dari rantai produk Batubara
Dataset riset dan inovasi dari rantai produk batubara merupakan karya kompilasi data berbasis Life Cycle Inventory (LCI) yang disusun secara sistematis dalam bentuk pohon industri. Dataset ini memetakan keterkaitan rantai nilai batubara dari sektor hulu, antara, hingga hilir, mencakup proses produksi, teknologi, serta produk turunan. Pengembangan dataset dilakukan melalui integrasi berbagai sumber data, seperti HS Code, data perdagangan internasional, data paten, serta informasi nilai tambah industri. Data tersebut diproses melalui tahapan pengumpulan, kategorisasi, normalisasi, dan pemetaan ke dalam struktur hierarkis yang merepresentasikan hubungan antar proses, teknologi, dan produk. Dataset ini tidak hanya berfungsi sebagai visualisasi pohon industri, tetapi juga sebagai basis analisis untuk mendukung kajian Life Cycle Assessment (LCA), evaluasi penguasaan teknologi, serta identifikasi peluang hilirisasi batubara. Dengan pendekatan terstruktur dan teranotasi, dataset ini memberikan dukungan bagi perencanaan industri, pengambilan keputusan strategis, serta perumusan kebijakan transisi energi dan pengembangan industri berbasis sumber daya secara berkelanjutan.
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail
ROSDES: Road Surface Detection System
ROSDES (Road Surface Detection System) merupakan program perangkat lunak komputer yang dirancang untuk mendeteksi karakteristik permukaan jalan menggunakan algoritma Computer Vision sehingga mampu mengidentifikasi citra secara realtime sesuai dengan masing-masing kondisi jalan secara otomatis berdasarkan lokasi koordinat.
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail
Dataset Vektor Geospasial Bangunan Terdampak Bencana Banjir dan Longsor Akibat Siklon Senyar di Provinsi Aceh, Sumatra Utara, dan Sumatra Barat
Dataset ini menyajikan data vector spasial hasil interpretasi bangunan terdampak banjir dan longsor yang diekstraksi dari citra satelit penginderaan jauh. Proses interpretasi dilakukan dengan memanfaatkan citra multi sumber beresolusi sangat tinggi, dengan resolusi spasial berkisar antara 0,5 hingga 3 meter, sehingga detail area bangunan terdampak dapat diidentifikasi secara akurat. Secara keseluruhan, interpretasi ini menggunakan sebanyak 155 scene citra satelit yang mencakup wilayah di Pulau Sumatra, meliputi 3 provinsi, 38 kabupaten, dan 309 kecamatan. Proses delineasi dilakukan oleh ahli penginderaan jauh melalui analisis visual dengan mengamati perbedaan warna dan rona pada citra satelit yang direkam saat dan setelah kejadian bencana, serta dibandingkan dengan arsip citra sebelum kejadian dan data dari OSM building. Dataset yang dihasilkan tidak hanya berisi titik bangunan terdampak banjir dan longsor dalam bentuk point, tetapi juga dilengkapi dengan atribut data, seperti kode bangunan terdampak dan kemungkinan terdampak, keterangan, grid id, provinsi, dan kabupaten. Dataset ini ditujukan untuk menyediakan informasi yang cepat dan andal terkait jumlah bangunan terdampak, sehingga dapat mendukung upaya tanggap darurat, penanganan dampak bencana, serta perencanaan rehabilitasi dan rekonstruksi pascabencana. Di sisi lain, dataset ini juga memiliki peran sebagai data pelatihan dalam pengembangan metode deteksi bangunan cepat berbasis kecerdasan buatan. Produk ini merupakan bagian dari penelitian berjudul “Spectra+: Platform Pemetaan Cepat Dampak Bencana Hidrometeorologi Berbasis Integrasi Data Satelit, GIS, AI, dan Citizen Science”.
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail
Dataset Vektor Geospasial Dampak Banjir Akibat Siklon Senyar di Provinsi Aceh, Sumatra Utara, dan Sumatra Barat
Dataset ini menyajikan data vektor spasial hasil interpretasi dampak bencana banjir yang diekstraksi dari citra satelit penginderaan jauh. Proses interpretasi dilakukan dengan memanfaatkan citra multisumber beresolusi sangat tinggi, dengan resolusi spasial berkisar antara 0,5 hingga 3 meter, sehingga detail area terdampak dapat diidentifikasi secara akurat. Secara keseluruhan, interpretasi ini menggunakan sebanyak 155 scene citra satelit yang mencakup wilayah di Pulau Sumatra, meliputi 3 provinsi, 38 kabupaten, dan 309 kecamatan. Proses delineasi dilakukan oleh ahli penginderaan jauh melalui analisis visual dengan mengamati perbedaan warna dan rona pada citra satelit yang direkam saat dan setelah kejadian bencana, serta dibandingkan dengan arsip citra sebelum kejadian. Dataset yang dihasilkan tidak hanya berisi area banjir dalam bentuk poligon, tetapi juga dilengkapi dengan atribut data, seperti citra satelit yang digunakan, tanggal perekaman citra, luas genangan, grid ID, serta informasi administratif provinsi dan kabupaten. Dataset ini ditujukan untuk menyediakan informasi yang cepat dan andal terkait lokasi terdampak banjir, sehingga dapat mendukung upaya tanggap darurat, penanganan dampak bencana, serta perencanaan rehabilitasi dan rekonstruksi pascabencana. Di sisi lain, dataset ini juga memiliki peran sebagai data pelatihan dalam pengembangan metode deteksi banjir cepat berbasis kecerdasan buatan. Produk ini merupakan bagian dari penelitian berjudul “Spectra+: Platform Pemetaan Cepat Dampak Bencana Hidrometeorologi Berbasis Integrasi Data Satelit, GIS, AI, dan Citizen Science”.
- Hak Cipta
- Tersertifikasi
- - 16 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
Dataset riset dan inovasi dari rantai produk Rumput Laut
Dataset riset dan inovasi dari rantai produk rumput laut merupakan karya kompilasi data yang disusun secara sistematis dalam bentuk pohon industri, yang menggambarkan keterkaitan dalam rantai nilai rumput laut dari sektor hulu hingga hilir. Dataset ini mengintegrasikan data HS Code, data paten, data ekspor–impor, dan nilai tambah, sehingga memberikan gambaran yang komprehensif mengenai struktur industri, penguasaan teknologi, serta potensi nilai tambah industri rumput laut di Indonesia. Pohon industri rumput laut yang sedang dikembangkan merupakan representasi terstruktur dari rantai nilai industri rumput laut, mulai dari tahap hulu hingga tahap hilir berupa berbagai produk turunan bernilai tambah tinggi. Struktur pohon ini menggambarkan keterkaitan antarproses, teknologi, dan jenis produk secara hierarkis, sehingga memberikan gambaran utuh mengenai alur transformasi rumput laut dari sumber daya alam menjadi produk industri strategis. Pengembangan pohon industri rumput laut ini dirancang berdasarkan HS Code berbasis dataset teranotasi dan terstruktur yang mendukung analisis. Dengan pendekatan ini, pohon industri tidak hanya berfungsi sebagai alat visualisasi, tetapi juga sebagai dasar untuk analisis, klasifikasi, dan pemodelan hubungan industri. Hal ini memungkinkan pemanfaatan data untuk perencanaan industri, pengambilan keputusan strategis, serta pengembangan kebijakan hilirisasi dan industri berbasis rumput laut yang berkelanjutan.
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail
Firmware Node LoRa Dengan Kemampuan Multihop dan Perutean dengan Penyebaran Terukur
Karya cipta ini berupa program komputer berupa firmware, yang diprogramkan pada sebuah sistem komputer embedded atau mikrokontroler untuk menjalankan fungsi komunikasi LoRa pada jaringan sensor nirkabel berbasis LoRa. Program ini juga dibuat untuk melakukan fungsi komunikasi multihop antarnode dan protokol routing yang mengarahkan data dari node LoRa sumber ke node tujuan spesifik. Program routing ini menggunakan konsep penyebaran epidemi, namun dengan menggunakan metode pembatasan area penyebaran. Pembatasan area penyebaran berdasarkan jarak terjauh yang diizinkan dari node tujuan. Selain pembatasan area penyebaran, firmware ini dibuat untuk melakukan skema localized slotted aloha yang diperkuat dengan skema distance-aware forwarding. Node relay akan menentukan secara selektif apakah akan melakukan penerusan paket atau tidak berdasarkan informasi lokasi node sekitarnya yang juga ikut meneruskan data tersebut. Ini bertujuan untuk mengurangi channel contention.
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail
Emission & Consumption Optimization using AI-based Monitoring System (ECOAIMS)
ECOAIMS (ECO-AIMS Advanced) adalah sistem manajemen energi pintar terintegrasi end-to-end yang dirancang untuk mengelola microgrid dan energi bangunan secara efisien. Sistem ini dikembangkan untuk memfasilitasi pemantauan real-time, peramalan beban, serta optimasi distribusi energi guna menekan biaya dan emisi karbon. Fungsi Utama:Sistem ini mengintegrasikan empat komponen utama dalam satu dasbor: 1. Monitoring: Mengumpulkan dan menyajikan data energi (surya, angin, baterai, grid) dalam format time-series untuk diagnosis real-time. 2. Forecasting: Memprediksi beban permintaan (demand) dan pasokan (supply) menggunakan model adaptif, termasuk opsi Long Short-Term Memory (LSTM). 3. Optimization: Menghasilkan keputusan operasional (dispatch) untuk menentukan penggunaan sumber energi terbarukan, pengisian/pengosongan baterai, serta impor/ekspor grid. 4. Reporting & KPI: Memberikan analisis kinerja seperti total biaya, fraksi energi terbarukan, emisi CO2, dan peringatan dini sistem. Metode Optimasi:ECOAIMS memiliki keunggulan pada penggunaan multi-backend optimizer yang modular, yang mencakup: 1. Heuristik (Hybrid): Pendekatan berbasis aturan yang menyerupai Model Predictive Control (MPC). 2. MILP (Mixed-Integer Linear Programming): Optimasi deterministik untuk hasil yang optimal secara matematis. 3. RL (Reinforcement Learning): Menggunakan Tabular Q-learning khusus untuk manajemen baterai yang adaptif dan dapat diaudit. Manfaat dan Kebaruan: Sistem ini menawarkan penghematan biaya operasional melalui pengaturan dispatch baterai yang presisi dan penurunan emisi dengan memaksimalkan penggunaan energi hijau. Kebaruan utama terletak pada arsitektur backend-centric yang memungkinkan pembandingan adil antar metode optimasi (Hybrid vs MILP vs RL) dalam satu kontrak data yang stabil, serta penerapan safety guardrail pada baterai (SoC dijaga pada rentang 20-80%) untuk menjamin keandalan sistem jangka panjang.
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail