Pencarian Hak Kekayaan Intelektual
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
Geo-AI untuk Disagregasi Spasial (Downscaling) Risiko Wabah Campak Terintegrasi Kecerdasan Buatan
Karya cipta ini adalah program komputer berupa aplikasi berbasis web (R Shiny) yang berfungsi sebagai sistem intelijen epidemiologi untuk memetakan dan mensimulasikan risiko wabah penyakit campak di Indonesia. Inovasi inti dari program ini terletak pada algoritma disagregasi spasial (downscaling) menggunakan pendekatan pemodelan probabilistik (kuasi-Bayesian). Sistem secara otomatis mengalokasikan estimasi total kasus dari skala nasional ke tingkat resolusi tinggi (kabupaten/kota). Proses alokasi ini dihitung berdasarkan integrasi parameter kerentanan populasi, data geospasial (elevasi lahan, suhu minimum), serta data sosio-klinis (cakupan vaksinasi Measles-Rubella/MR, rasio dokter, dan penetrasi internet). Fitur utama dasbor mencakup visualisasi pemetaan tematik interaktif, perhitungan laju insidensi (Incidence Rate) dengan interval kepercayaan 95%, dan validasi autokorelasi spasial menggunakan Indeks Moran's I untuk mendeteksi kluster penyebaran wabah. Selain itu, program ini memiliki keunggulan kebaruan berupa integrasi kecerdasan buatan generatif (Gemini AI) via antarmuka pemrograman aplikasi (API). AI tersebut difungsikan sebagai sistem pakar virtual yang secara otomatis menerjemahkan hasil metrik geospasial dan statistik yang kompleks menjadi rekomendasi kebijakan publik dan alokasi logistik mitigasi campak yang strategis.
- 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
EGRI Mobile (Emission Gateway & Reporting Interface Mobile)
Program Komputer EGRI Mobile (Emission Gateway & Reporting Interface Mobile) adalah aplikasi seluler berbasis Android yang dikembangkan menggunakan framework Flutter. Aplikasi ini berfungsi sebagai sistem pemantauan emisi gas buang industri (Continuous Emission Monitoring System / CEMS) secara real-time dan proaktif dari jarak jauh. Inovasi utama program ini terletak pada penerapan arsitektur Hybrid Edge-Cloud yang mengintegrasikan perangkat akuisisi data di pabrik dengan komputasi awan. EGRI Mobile memiliki tiga fitur unggulan: (1) Dasbor interaktif untuk visualisasi parameter kritis (SO2, NOx, CO, O2) secara seketika tanpa perlu memuat ulang halaman; (2) Sistem peringatan dini (Smart Push Notification) yang secara otomatis aktif ketika terjadi pelampauan baku mutu lingkungan atau gangguan jaringan; dan (3) Sistem autentikasi multi-tenant untuk memastikan isolasi dan keamanan data antar instansi pengguna. Program ini diciptakan untuk mentransformasi metode pengawasan emisi konvensional menjadi solusi digital yang responsif, mobile, dan tahan terhadap kondisi jaringan industri yang tidak stabil, guna mendukung kepatuhan lingkungan secara berkelanjutan.
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail
Sistem Akuisisi dan Pengolahan Data VLF Pontianak dan Flare Matahari
Aplikasi ini merupakan perangkat lunak yang dikembangkan untuk pembacaan data amplitudo dan fase dari pengamatan Very Low Frequency (VLF) Pontianak (PTK). Sistem VLF menggunakan tiga jenis antena, yaitu dipol, monopol, dan loop, untuk melakukan pengamatan pada rentang frekuensi 1 hingga 70 kHz. Rentang frekuensi pengamatan VLF merupakan rentang frekuensi radio yang dipantulkan oleh lapisan-D Ionosfer Bumi pada ketinggian 60-95 km di atas permukaan Bumi. Sehingga melalui data amplitudo dan fase dapat diketahui kondisi lapisan-D. Aplikasi pembacaan data ini terpisah dari instrumen antenna dan aplikasi bawaan dari sistem VLF. Sistem pembacaan data ini dibuat khusus untuk mengetahui potensi dampak flare matahari terhadap lapisan-D Ionosfer, terutama pada frekuensi 19.8 kHz yang berasal dari frekuensi pemancar NWC, Australia dan 60.00 kHz dari JJY, Jepang. Kedua frekuensi tersebut spesial karena dapat menggambarkan propagasi jarak pendek dan jarak panjang gelombang radio. Selain itu, kedua lokasi juga menunjukkan variasi yang berbeda, yaitu gelombang radio dari pemancar NWC yang berada di selatan ekuator berpropagasi menuju PTK melewati samudra hindia, sedangkan pemancar JJY berpropagasi menuju PTK melewati laut tiongkok selatan dan melewati beberapa daratan. Sehingga, data dari NWC dan JJY dapat menggambarkan variasi propagasi gelombang yang melintas di dua belahan Bumi dan medium yang berbeda. Aplikasi ini juga disertai dengan pembacaan data flare matahari yang akan dibandingkan dengan amplitudo dan fase VLF. Pembacaan data dirancang untuk mengetahui waktu jeda (mulai, puncak, dan akhir) terjadinya flare matahari serta perubahan amplitudo dan fase. Hasil pembacaan data ini berupa data waktu jeda, data amplitudo dan fase, dan grafik amplitudo dan fase terhadap flare matahari. Data waktu jeda dapat dimanfaatkan untuk merancang prediksi flare matahari berbasis pengamatan VLF Pontianak.
- Hak Cipta
- Tersertifikasi
- - 15 April 2026
- Detail
Seagrass Geo-monitoring for Restoration (SEAWILLGROW v.1.0)
Seagrass Geo-monitoring for Restoration (SEAWILLGROW v.1.0) merupakan platform berbasis Rshiny yang mengintegrasikan data penginderaan jauh dan teknologi machine learning untuk pemantauan ekosistem padang lamun dalam mendukung restorasi lamun. Platform ini mampu menampilkan citra, persiapan data training yang objektif, melakukan klasifikasi pada level habitat bentik serta lamun-non lamun, normalisasi citra, dan dinamika lamun. Keunggulan dari platform ini adalah tersedianya modul normalisasi citra sehingga memampukan klasifikasi antar waktu yang mendukung analisis dinamika perubahan luasan lamun yang dikategorikan menjadi Persistence, Loss, Gain, dan No Seagrass. Seluruh output dihasilkan dalam format GeoTIFF yang tergeoreferensi sehingga dapat digunakan untuk analisis lanjutan. Secara khusus, platform ini dirancang untuk mendukung peneliti dalam memetakan lokasi potensial restorasi dan menyediakan basis data numerik bagi kebijakan perlingungan pesisir dan adaptasi perubahan iklim di Indonesia.
- Hak Cipta
- Tersertifikasi
- - 15 April 2026
- Detail
PANTARO (Pemantauan Terpadu Risiko Hidrologi): Aplikasi Monitoring dan Prediksi Risiko Banjir dan Kekeringan di Indonesia Berbasis Google Earth Engine
PANTARO (Pemantauan Terpadu Risiko Hidrologi) adalah aplikasi berbasis Google Earth Engine (GEE) yang dirancang untuk memantau dan memprediksi risiko banjir dan kekeringan di seluruh wilayah Indonesia secara spasial dan temporal. Aplikasi ini memanfaatkan data curah hujan satelit CHIRPS (Climate Hazards Group InfraRed Precipitation with Station Data) dengan rentang waktu 2016 hingga 2025 sebagai data historis. Metode analisis yang digunakan meliputi Standardized Precipitation Index (SPI) dan Standardized Precipitation Evapotranspiration Index (SPEI) untuk mengklasifikasikan kondisi basah dan kering dalam lima kelas, mulai dari sangat basah hingga sangat kering. Analisis dapat dilakukan dalam periode temporal 3 harian, 5 harian, 10 harian (dasarian), 15 harian, hingga bulanan. Fitur prediksi menggunakan pendekatan proyeksi klimatologis musiman berbasis pola historis tiga tahun terakhir untuk menghasilkan estimasi kondisi hidrologi tiga bulan ke depan. PANTARO ditujukan untuk mendukung pengambilan keputusan dalam mitigasi bencana hidrometeorologi, perencanaan pertanian, pengelolaan sumber daya air, dan ketahanan pangan nasional.
- Hak Cipta
- Tersertifikasi
- - 15 April 2026
- Detail