Pencarian Hak Kekayaan Intelektual
BugisLingua: Sistem Penerjemahan Multi-Bahasa ke Bahasa Bugis
BugisLingua adalah sebuah perangkat lunak berbasis kecerdasan buatan yang dirancang untuk menerjemahkan berbagai bahasa ke dalam Bahasa Bugis. Sistem ini memanfaatkan teknologi pemrosesan bahasa alami menggunakan model transformers. Aplikasi ini dapat digunakan untuk keperluan edukasi, pelestarian bahasa daerah, riset linguistik, hingga integrasi ke platform digital seperti aplikasi pembelajaran dan layanan penerjemahan daring. BugisLingua dikembangkan sebagai prototipe dengan fokus pada peningkatan kualitas terjemahan, sekaligus menjadi upaya pelestarian Bahasa Bugis di era digital.
- 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
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
WebLabFon-ID versi 1.0
Aplikasi ini adalah GUI yang dikembangkan untuk membantu proses pelabelan fonem dari data ujaran. Aplikasi ini dapat dihubungkan dengan layanan yang membantu proses pelabelan dengan memberikan inisial segmentasi fonem menggunakan AI. GUI yang disediakan mempermudah proses pelabelan dengan menyediakan fungsi untuk editing batas fonem, editing label fonem, pembuatan label di level kata dan pembuatan label di level kalimat. Disediakan juga fungsi untuk mendengarkan data suara secara sebagian maupun keseluruhan.
- Hak Cipta
- Tersertifikasi
- - 29 Agustus 2025
- Detail
iHoya Versi Mobile : Aplikasi Identifikasi Spesies Tanaman Hoya Indonesia
iHoya versi mobile, merupakan aplikasi berbasis android untuk mengidentifikasi beberapa spesies tanaman hoya yang berasal dari indonesia. Data citra daun atau bunga tanaman Hoya.
- Hak Cipta
- Tersertifikasi
- - 29 Agustus 2025
- Detail
TunaTrackAI: Sistem Deteksi dan Klasifikasi Ikan Tuna secara Real-Time Berbasis Kecerdasan Buatan
TunaTrackAI merupakan perangkat lunak untuk deteksi dan klasifikasi ikan tuna pada lingkungan bawah air yang dirancang secara real-time berbasis kecerdasan buatan. Perangkat lunak ini dirancang untuk mengidentifikasi keberadaan ikan tuna pada citra maupun video yang direkam di ekosistem laut, serta mengklasifikasikan hasil deteksi ke dalam empat kategori utama, yaitu: ikan tuna bermata besar (bigeye tuna), ikan tuna sirip biru (bluefin tuna), ikan tuna sirip panjang (longfin tuna), dan ikan tuna sirip kuning (yellowfin tuna). TunaTrackAI dikembangkan dengan pendekatan kecerdasan buatan menggunakan algoritma YOLOv9m sebagai model deteksi dan klasifikasi objek. Model ini dilatih pada dataset citra ikan tuna bawah air yang telah melalui proses augmentasi data untuk meniru variasi kondisi nyata di lingkungan bawah air, sehingga meningkatkan ketahanan model terhadap perubahan visual pada citra maupun video.
- Hak Cipta
- Tersertifikasi
- - 29 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