Pencarian Hak Kekayaan Intelektual
METODE SELEKTIF UNTUK MEMPERKAYA DARBEPOETIN-ALFA DENGAN KANDUNGAN ASAM SIALAT TINGGI MENGGUNAKAN KROMATOGRAFI MEMBRAN
Invensi ini bertujuan untuk menyediakan suatu metode pemurnian darbepoetin alfa yang efektif dan selektif, khususnya dalam memisahkan isoform struktural yang memiliki kandungan asam sialat tinggi dari campuran isoform darbepoetin alfa dengan tingkat sialilasi yang bervariasi. Pada invensi ini teknik untuk mendapatkan darbepoetin alfa dengan dengan kandungan asam sialat yang tinggi dengan berat molekul sekitar 50 kilo dalton melibatkan 3 tahap: 1) mengkultur sel CHO-DG44 yang dapat memproduksi darbepoetin-alfa dengan menggunakan medium CD-OptCHO,2) Menggunakan membrane kromatografi Sartobind IEX MA15, 3) melakukan elusi dengan menggunakan buffer 20mM Tris pH 7.2 dan 300mM NaCl. Proses elusi dilakukan sebanyak 5 kali dengan volume masing-masing elusi sebanyak 0.5ml.
- Paten
- Terdaftar - Formalitas Terpenuhi
- - 16 April 2026
- Detail
DIP-DDoS26
DIP-DDoS26 adalah perangkat lunak analisis keamanan jaringan cerdas yang mengimplementasikan arsitektur ensemble learning berbasis Random Forest untuk deteksi serangan Distributed Denial of Service (DDoS). Berbeda dengan model tunggal, DIP-DDoS26 bekerja dengan mengintegrasikan kumpulan pohon keputusan yang saling melengkapi untuk menghasilkan klasifikasi yang lebih robust dan stabil. Program ini dirancang secara spesifik untuk memproses fitur aliran jaringan yang ringkas (compact flow features) dengan keunggulan pada generalisasi pola serangan yang kompleks. Dengan memanfaatkan mekanisme voting mayoritas dari banyak pohon keputusan, DIP-DDoS26 mampu meminimalkan risiko false positive dan memberikan performa klasifikasi yang konsisten di berbagai skenario trafik. Berdasarkan pengujian pada dataset CICDDoS2019, model ini menunjukkan ketangguhan luar biasa dengan kemampuan klasifikasi serangan DDoS dengan tingkat keberhasilan (F1-score) mencapai 89,83%. DIP-DDoS26 menjadi solusi ideal untuk sistem pertahanan jaringan yang mengutamakan akurasi tinggi dan ketahanan model terhadap anomali trafik yang dinamis tanpa memerlukan sumber daya komputasi yang besar.
- Hak Cipta
- Tersertifikasi
- - 16 April 2026
- Detail
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
Perangkat Lunak Prediksi Keaslian dan Klasifikasi Jenis Santan Kelapa Berbasis Near-Infrared Spectroscopy dengan Optimasi Otomatis Machine Learning
Perangkat lunak ini adalah aplikasi berbasis web yang dirancang untuk membantu pengguna melakukan pemeriksaan keaslian santan kelapa secara cepat, non-destruktif, dan lebih objektif dengan memanfaatkan data hasil pemindaian near-infrared spectroscopy (NIR) yang kemudian dianalisis menggunakan machine learning dan chemometric tools. Secara fungsional, sistem ini dapat digunakan untuk mengidentifikasi jenis sampel santan seperti FCM (fresh coconut milk), ICM (instant coconut milk), dan membedakan santan segar yang dipalsukan dengan air suling (ADW) atau air kelapa tua (ACW), sekaligus memperkirakan tingkat pemalsuannya. Agar hasil analisis lebih akurat dan adaptif terhadap karakteristik data spektrum yang kompleks, sistem ini tidak hanya menampilkan hasil klasifikasi dan prediksi, tetapi juga dibangun di atas pendekatan cerdas yang secara otomatis memilih preprocessing dan hyperparameter model terbaik. Dengan demikian, aplikasi ini tidak hanya berfungsi sebagai alat deteksi, tetapi juga sebagai sarana pengawasan mutu, penjaminan keaslian produk, pendukung keputusan, dan dokumentasi hasil uji bagi produsen, laboratorium, pengawas pangan, maupun pelaku usaha, sehingga proses verifikasi santan menjadi lebih cepat, efisien, dan berpotensi diterapkan pada kondisi nyata.
- 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
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