Pencarian Hak Kekayaan Intelektual
Tsunami Kuisioner Online (TSUNAKO)
Tsunami Kuesioner Online (TSUNAKO) merupakan aplikasi online berbasis android yang dapat digunakan untuk mengukur tingkat kesiapsiagaan masyarakat terhadap ancaman bencana tsunami. TSUNAKO dirancang untuk komunitas masyarakat pada tingkat rumah tangga sebagai individu yang secara langsung berisiko terhadap bencana tsunami. Aplikasi ini dikembangkan menggunakan open source MIT (Massachusetts Institute of Technology) App Inventor berbasis Android dan menggunakan google spreadsheet sebagai penampungan data hasil input dari aplikasi tersebut. Tujuan pengembangan TSUNAKO adalah dengan dapat diketahuinya tingkat kesiapsiagaan masyarakat terhadap ancaman bencana tsunami, maka selanjutnya dapat digunakan untuk meningkatkan kapasitas masyarakat, menurunkan tingkat kerentanan, dan menyusun program agar masyarakat lebih siap dan siaga ketika terjadi bencana tsunami. Dalam TSUNAKO terdapat empat parameter yang digunakan untuk mengukur tingkat kesiapsiagaan masyarakat terhadap ancaman tsunami yaitu pengetahuan bencana tsunami, rencana tanggap darurat, sistem peringatan bencana, dan mobilisasi sumberdaya. Dari setiap parameter diturunkan ke dalam indikator-indikator yang wujudkan dalam bentuk pertanyaan. Terdapat lima bagian/ kelompok pertanyaan dalam TSUNAKO. Bagian pertama berisi pertanyaan terkait profil responden. Bagian kedua berisi pertanyaan terkait parameter pengetahuan bencana tsunami. Bagian ketiga berisi pertanyaan terkait parameter rencana tanggap darurat. Bagian keempat berisi pertanyaan terkait parameter sistem peringatan bencana tsunami. Bagian kelima berisi pertanyaan terkait parameter mobilisasi sumberdaya. Pertanyaan yang terkait empat parameter kesiapsiagaan merupakan jenis pertanyaan tertutup dengan pilihan jawaban ”Ya”, ”Tidak”, atau ”Tidak Tahu”.
- Hak Cipta
- Tersertifikasi
- - 08 Agustus 2024
- Detail
Program Otomatisasi Klasifikasi Area Bekas Terbakar Dengan Metode Pixel-Based
Program ini dikembangkan untuk membantu pengguna dalam mengestimasi area bekas terbakar. Dengan input berupa citra scene dari satelit Landsat-8/9 dan Sentinel-2, program secara otomatis akan melakukan proses perhitungan indeks yang dipilih (NBR/NBR2/NDMI/NDVI), dilanjutkan dengan klasifikasi berbasis piksel (pixel-based) dengan proses seleksi menggunakan nilai ambang batas yang juga ditentukan oleh pengguna untuk menghasilkan output berupa prediksi area bekas terbakar.
- Hak Cipta
- Tersertifikasi
- - 07 Agustus 2024
- Detail
Dataset Life Cycle Inventory (LCI) Produksi Tenaga Listrik Teknologi Co-Firing Biomassa Rice Husk 12%
Pemerintah Indonesia sedang melaksanakan program co-firing biomassa nasional untuk mengurangi emisi Gas Rumah Kaca (GRK) di pembangkit listrik dalam skala besar. Namun dampak lingkungan dari program ini, dalam kondisi aktual, belum dikaji dan dievaluasi secara menyeluruh. Penelitian ini melibatkan kerja sama dengan operator pembangkit listrik tenaga batubara (PLTU) di Banten untuk mempelajari kondisi aktual menggunakan metodologi analisis Life Cycle Assessment (LCA) dengan batasan sistem Cradle-to-Gate. Product Category Rules (PCR) digunakan untuk menentukan kategori dampak lingkungan yang dikaji. Data operasional yang digunakan adalah unit PLTU yang mengoperasikan coal-fired batubara dan hasil Laporan Analisa Cofiring Sekam Padi. Hasil penelitian ini memberikan wawasan mengenai dampak lingkungan dari pengoperasian co- firing biomassa. Diharapkan hasilnya dapat dijadikan acuan dalam menyusun strategi untuk menjaga keberlanjutan program ini dalam jangka panjang. Dataset yang dihasilkan dari penelitian ini adalah dataset Life Cycle Inventory (LCI) untuk perhitungan dampak lingkungan produksi tenaga listrik teknologi co-firing biomassa bahan bakar ricehusk 12% di Indonesia dengan menggunakan metodologi Life Cycle Assessment (LCA).
- Hak Cipta
- Tersertifikasi
- - 06 Agustus 2024
- Detail
Dataset LCI (Life Cycle Inventory) Produksi Kulit Sintetis Dari Miselium
Miselium memiliki keunggulan sebagai kulit alternatif dibandingkan kulit konvensional dalam hal keberlanjutan dan biodegradasi yang aman dan efektif. Kulit sintetis dari miselium memberikan kinerja, kualitas, dan rasa nyaman yang sama seperti kulit hewan. Dengan tingginya permintaan terhadap barang-barang konsumen yang ramah lingkungan dan kesadaran lingkungan terhadap produk industri. Para peneliti, industri dan konsumen menjadi lebih tertarik pada manfaat lingkungan dari kulit sintetis miselium. Oleh karena itu, diperlukan dataset yang digunakan sebagai basis data untuk menghitung LCA (Life Cycle Assessment) produksi kulit sintetis dari miselium. Dataset ini mampu digunakan untuk mengukur dampak lingkungan produksi kulit sintetis dari miselium dengan cepat dan mudah, metode yang digunakan sesuai ISO 14040: 2006 dan ISO 14044: 2006. Fungtional Unit (FU) dataset adalah 1 m3 kulit sinstetis miselium, batasan sistem dataset ini adalah sistem cradle-to-gate, dimana inventori dataset dimulai dari data-data pembuatan baglog, sterilisasi, moulding dan finishing produk kulit sintetis miselium. Dataset dapat diunduh dalam format JSON (JavaScript Object Notation) dan bisa digunakan untuk melakukan pengolahan dan analisa lebih lanjut dengan software OpenLCA. Dataset ini diharapkan dapat digunakan dalam optimasi penurunan dampak lingkungan dan efisiensi penggunaan sumber daya produksi kulit sintetis dari miselium.
- Hak Cipta
- Tersertifikasi
- - 06 Agustus 2024
- Detail
CORESHELL NANOKOMPOSIT Fe2.75Ni0.25O4@SnO2/Polypropilene SEBAGAI MATERIAL PENYERAP GELOMBANG ELEKTROMAGNETIK (RADAR)
Invensi ini berkaitan dengan pengembangan material penyerap gelombang elektromagnetik (radar) menggunakan coreshell nanokomposit Fe2.75Ni0.25O4@SnO2/Polypropilene. Material ini bertujuan untuk meningkatkan efektivitas penyerapan gelombang radar pada frekuensi 2-12 GHz, dengan proses pembuatan yang lebih efisien dibandingkan dengan teknologi sebelumnya. Material ini terdiri dari senyawa filler (Fe2.75Ni0.25O4@SnO2) yang dikombinasikan dengan matriks polypropilene dengan komposisi yang bervariasi (1:9, 2:8, dan 3:7). Proses pembuatan dilakukan menggunakan Rheomixer dan Mini Hotpress pada suhu 185°C untuk memastikan pencampuran yang homogen. Karakterisasi material dilakukan melalui uji VNA (Vector Network Analyzer) untuk mengevaluasi kemampuan penyerapan gelombang radar, uji tensile strength untuk mengukur kekuatan tarik, dan uji DSC (Differential Scanning Calorimetry) untuk menentukan titik leleh dan energi yang diperlukan untuk pelelehan. Hasil pengujian menunjukkan bahwa komposit Fe2.75Ni0.25O4@SnO2/Polypropilene dengan komposisi filler 30% memiliki nilai Reflection Loss (RL) yang tinggi dan Through Power mendekati 100% pada frekuensi 6,16 GHz. Selain itu, material ini juga menunjukkan penurunan nilai kuat tarik dibandingkan dengan polypropylene murni. Dengan demikian, invensi ini menawarkan solusi praktis dan efisien untuk pengembangan material anti radar yang dapat diaplikasikan dalam teknologi pertahanan, seperti pada tubuh drone atau perangkat teknologi lainnya.
- Paten
- Terdaftar - Formalitas Terpenuhi
- - 05 Agustus 2024
- Detail
Aplikasi Sistem Observasi Terbang Roket Sonda - Ground Monitoring System For Sounding Rocket
Program komputer Ground Monitoring Rocket System (GMRS) ini berfungsi sebagai alat pemantau perilaku roket selama pengujian terbang. Sensor-sensor yang terpasang pada roket mengumpulkan data yang dikirim secara real-time ke stasiun bumi. Di stasiun bumi, data mentah tersebut diproses melalui aplikasi GMRS dengan hasil akhir berupa informasi sikap terbang roket seperti kecepatan udara, arah, sudut guling dan angguk, koordinat lokasi, ketinggian, tegangan daya baterai dan parameter lain yang relevan dengan roket. Data ini divisualisasikan dalam bentuk grafik, rute terbang dan animasi 3D untuk membantu peneliti menganalisis perilaku roket selama uji terbang. Program ini memiliki beberapa fitur pendukung, diantaranya fitur pengolahan data, visualisasi data, penyimpanan data, dan replay data. Keluaran dari program ini berupa file yang berisi data mentah dalam format text (*.txt) dan data yang sudah diolah (*.tdms). File tersebut dapat digunakan kembali pada program ini untuk melakukan fungsi replay data.
- Hak Cipta
- Tersertifikasi
- - 05 Agustus 2024
- Detail
Dataset Life Cycle Inventory (LCI) Produksi Tenaga Listrik Teknologi Co-Firing Biomassa Woodchip 12%
Pemerintah Indonesia sedang melaksanakan program co-firing biomassa nasional untuk mengurangi emisi Gas Rumah Kaca (GRK) di pembangkit listrik dalam skala besar. Namun dampak lingkungan dari program ini, dalam kondisi aktual, belum dikaji dan dievaluasi secara menyeluruh. Penelitian ini melibatkan kerja sama dengan operator pembangkit listrik tenaga batubara (PLTU) di Banten untuk mempelajari kondisi aktual menggunakan metodologi analisis Life Cycle Assessment (LCA) dengan batasan sistem Cradle-to-Gate. Product Category Rules (PCR) digunakan untuk menentukan kategori dampak lingkungan yang dikaji. Data operasional yang digunakan adalah dua unit PLTU yang masing masing mengoperasikan co-firing batubara dan woodchip dengan rasio co-firing 12%. Hasil penelitian ini memberikan wawasan mengenai dampak lingkungan dari pengoperasian cofiring biomassa. Diharapkan hasilnya dapat dijadikan acuan dalam menyusun strategi untuk menjaga keberlanjutan program ini dalam jangka panjang. Dataset yang dihasilkan dari penelitian ini adalah dataset Life Cycle Inventory (LCI) untuk perhitungan dampak lingkungan produksi tenaga listrik teknologi co-firing biomassa bahan bakar woodchip 12% di Indonesia dengan menggunakan metodologi Life Cycle Assessment (LCA).
- Hak Cipta
- Tersertifikasi
- - 05 Agustus 2024
- Detail
FLIGHTLINK TOOLKIT: Analisis Distribusi Komunikasi UAV
FLIGHTLINK TOOLKIT adalah aplikasi berbasis Windows yang dirancang khusus untuk membantu pengembang dan analis dalam memetakan dan menganalisis karakteristik kanal komunikasi Pesawat Tanpa Awak / Unmanned Aerial Vehicle (UAV). Dikembangkan menggunakan Matlab, aplikasi ini menyajikan hasil analisis melalui visualisasi grafik yang intuitif, mencakup Probability Distribution Function (PDF), Cumulative Distribution Function (CDF), dan nilai k-faktor dari received signal power yang diterima di Ground Control Station (GCS). Fitur ini memungkinkan pengguna untuk mendapatkan pemahaman mendalam tentang distribusi sinyal dan optimasi komunikasi UAV di berbagai kondisi operasional. Aplikasi ini dirancang untuk memberikan analisis yang akurat dan terperinci, membantu dalam pengembangan dan peningkatan efisiensi sistem komunikasi UAV.
- Hak Cipta
- Tersertifikasi
- - 05 Agustus 2024
- Detail
PreLong-TabNet: Aplikasi Prediksi Longsor Menggunakan Machine Learning Dengan TabNet
PreLong-TabNet adalah sebuah aplikasi berbasis web yang dikembangkan untuk memprediksi risiko terjadinya longsor dengan memanfaatkan teknologi machine learning, khususnya model TabNet. Aplikasi ini dirancang untuk menganalisis berbagai faktor lingkungan seperti elevasi, kemiringan, aspek, curvatur, dan curah hujan, yang berperan penting dalam kejadian longsor. Dengan menggunakan model TabNet, yang merupakan salah satu arsitektur deep learning yang mampu menangani data tabular dengan efektif, aplikasi ini dapat memberikan prediksi yang akurat dan cepat. Aplikasi PreLong-TabNet dilengkapi dengan berbagai fitur yang memudahkan pengguna dalam melakukan analisis data, seperti unggah dan pra-pemrosesan data, pelatihan model, prediksi, serta visualisasi hasil. Pengguna dapat mengunggah data lingkungan dalam format Excel untuk dilatih dengan model TabNet, dan hasil prediksi dapat ditampilkan dalam bentuk tabel dan grafik yang mudah dipahami. Selain itu, aplikasi ini juga mendukung optimasi hyperparameter model menggunakan Optuna, sehingga dapat meningkatkan performa model prediksi. PreLong-TabNet memberikan solusi praktis dan efisien bagi peneliti, pemerintah daerah, dan pihak lain yang berkepentingan dalam mitigasi bencana alam, khususnya longsor. Aplikasi ini tidak hanya membantu dalam pengambilan keputusan berbasis data, tetapi juga memfasilitasi pemahaman yang lebih dalam tentang faktor-faktor yang mempengaruhi risiko longsor melalui visualisasi pentingnya fitur. Dengan kemampuan untuk menyimpan model yang sudah dilatih dan memanggilnya kembali untuk prediksi di masa mendatang, PreLong-TabNet menawarkan efisiensi dan kemudahan penggunaan yang tinggi, menjadikannya alat yang sangat berguna dalam upaya mitigasi dan pencegahan bencana alam.
- Hak Cipta
- Tersertifikasi
- - 01 Agustus 2024
- Detail
SIDEJAPU: Sistem Deteksi Wajah Palsu Berbasis InceptionV3 Menggunakan Fitur RGB Dan Depth Layer Berbasis Web
SIDEJAPU adalah sebuah aplikasi yang dirancang untuk mendeteksi wajah palsu (face spoofing) menggunakan model deep learning InceptionV3, yang memanfaatkan fitur RGB dan Depth Layer untuk meningkatkan akurasi deteksi. Aplikasi ini dikembangkan untuk memenuhi kebutuhan keamanan digital, terutama dalam verifikasi identitas, seperti pada sistem perbankan, kontrol akses, dan sistem pengawasan. Dengan menggabungkan dua modalitas gambar, yaitu RGB dan Depth Layer, SIDEJAPU mampu mendeteksi detail yang lebih kompleks dari gambar wajah, seperti dimensi dan tekstur, yang tidak dapat dideteksi oleh gambar RGB saja. Hal ini membuat deteksi wajah palsu menjadi lebih akurat dan andal. Selain itu, SIDEJAPU didesain untuk beroperasi secara efisien dan real-time, dengan antarmuka yang ramah pengguna, sehingga dapat digunakan oleh berbagai kalangan tanpa memerlukan keahlian teknis khusus. Dengan kemampuan ini, SIDEJAPU memberikan solusi inovatif untuk meningkatkan keamanan digital dan mencegah penipuan identitas.
- Hak Cipta
- Tersertifikasi
- - 01 Agustus 2024
- Detail