Pencarian Hak Kekayaan Intelektual
Landcover Classification of Landsat Data
Program komputer ini berjudul ”Program Landcover Classification of Landsat Data”. Program komputer ini digunakan untuk melakukan klasifikasi secara otomatis. Program ini menggunakan algoritma klasifikasi Random Forest (RF) untuk mengklasifikasi kelas penutup lahan. Kelas penutup lahan pada program ini terdiri dari kelas Lahan Pertanian, Lahan Terbangun, Lahan Terbuka, Badan Air, Hutan Lahan Basah, Hutan Lahan Kering. Program ini menggunakan band 2, 3, 4, 5, 6 dan 7 pada citra landsat-8.
- Hak Cipta
- Tersertifikasi
- - 13 April 2026
- Detail
TEDUH: Program Python untuk Perhitungan Indikator Pendinginan Perkotaan Berbasis Kanopi Pohon
TEDUH merupakan program komputer berbasis Python yang dikembangkan untuk menghitung indikator pendinginan perkotaan (urban cooling indicators) berbasis kanopi pohon dari data spasial beresolusi tinggi. Program ini mengolah data raster hasil ekstraksi atau segmentasi kanopi pohon untuk menghasilkan beberapa indikator utama, yaitu Tree Canopy Cover (TCC), Mean Canopy Height (MCH), Largest Patch Index (LPI), dan Height-Weighted Canopy Cover (HWCC). Program ini dirancang untuk mendukung analisis spasial lingkungan perkotaan, khususnya dalam mengevaluasi peran tutupan dan struktur kanopi pohon terhadap potensi pendinginan kawasan. TEDUH dapat digunakan sebagai alat bantu analisis dalam kajian ruang terbuka hijau, perencanaan kota berkelanjutan, mitigasi fenomena pulau panas perkotaan (urban heat island), serta evaluasi kenyamanan termal perkotaan.
- Hak Cipta
- Tersertifikasi
- - 13 April 2026
- Detail
GeoAI Agentik untuk Intelijen Seismik: Integrasi Metrik dengan Pendekatan Kuantum, Analisis Spasial, dan Pembelajaran Mesin dalam Dasbor Waktu Nyata
Karya cipta ini berupa aplikasi berbasis R Shiny yang didukung oleh Large Language Model (LLM) untuk menganalisis dan memvisualisasikan dinamika spasiotemporal populasi monyet bekantan (Nasalis larvatus). Aplikasi ini mengintegrasikan pendekatan pemodelan statistik lanjutan, khususnya model hierarkis Bayesian, untuk mengidentifikasi pola distribusi, perubahan perilaku, serta faktor lingkungan yang memengaruhi pergerakan dan keberadaan spesies tersebut. Sistem ini dirancang interaktif dan adaptif, memungkinkan pengguna melakukan eksplorasi data secara real-time, termasuk pemetaan spasial, analisis temporal, serta inferensi probabilistik. Pemanfaatan LLM dalam aplikasi ini mendukung interpretasi hasil secara otomatis dan mempermudah pengguna dalam memahami output model yang kompleks. Karya ini diharapkan dapat berkontribusi dalam pengembangan riset berbasis kecerdasan buatan di bidang ekologi, konservasi satwa, serta pengambilan kebijakan berbasis data, khususnya dalam pelestarian spesies endemik yang terancam. Selain itu, aplikasi ini juga menjadi alat bantu analisis yang inovatif bagi peneliti dan pemangku kepentingan dalam memahami dinamika populasi secara lebih komprehensif.
- Hak Cipta
- Tersertifikasi
- - 13 April 2026
- Detail
Dataset Tinggi Permukaan Air Laut InaBuoy Cilacap
Dataset ini merupakan kumpulan data deret waktu dan numerik hasil pengamatan dan pengukuran tinggi permukaan air laut di wilayah laut Cilacap tepatnya pada Latitude: −8,753659° dan Longitude: 109,488930°. Dataset ini berjumlah 18970 baris data yang dikumpulkan secara otomatis menggunakan perangkat InaBuoy BPPT/BRIN dengan interval waktu 15 menit per data. Pengamatan ini diambil dalam rentang waktu 24 Agustus 2021 s/d 20 April 2022. Setiap data mencakup informasi nilai tinggi permukaan air laut, waktu pencatatannya dan kode lokasi perangkat.
- Hak Cipta
- Tersertifikasi
- - 13 April 2026
- Detail
Aplikasi R Shiny Berbasis LLM untuk Mengungkap Dinamika Spasiotemporal Monyet Bekantan Menggunakan Model Hierarkis Bayesian
Karya cipta ini berupa aplikasi berbasis R Shiny yang didukung oleh Large Language Model (LLM) untuk menganalisis dan memvisualisasikan dinamika spasiotemporal populasi monyet bekantan (Nasalis larvatus). Aplikasi ini mengintegrasikan pendekatan pemodelan statistik lanjutan, khususnya model hierarkis Bayesian, untuk mengidentifikasi pola distribusi, perubahan perilaku, serta faktor lingkungan yang memengaruhi pergerakan dan keberadaan spesies tersebut. Sistem ini dirancang interaktif dan adaptif, memungkinkan pengguna melakukan eksplorasi data secara real-time, termasuk pemetaan spasial, analisis temporal, serta inferensi probabilistik. Pemanfaatan LLM dalam aplikasi ini mendukung interpretasi hasil secara otomatis dan mempermudah pengguna dalam memahami output model yang kompleks. Karya ini diharapkan dapat berkontribusi dalam pengembangan riset berbasis kecerdasan buatan di bidang ekologi, konservasi satwa, serta pengambilan kebijakan berbasis data, khususnya dalam pelestarian spesies endemik yang terancam. Selain itu, aplikasi ini juga menjadi alat bantu analisis yang inovatif bagi peneliti dan pemangku kepentingan dalam memahami dinamika populasi secara lebih komprehensif.
- Hak Cipta
- Tersertifikasi
- - 13 April 2026
- Detail
TRUCKSAFE — Truck Safety Accident News Dataset
TRUCKSAFE adalah dataset berita kecelakaan yang melibatkan truk di Pulau Jawa, dihimpun dari 13 portal berita online pada periode 2015–Februari 2026. Dataset ini dibangun melalui proses pengambilan data terstruktur dari publikasi media daring, kemudian dilakukan pembersihan, standarisasi format tanggal/waktu, dan penggabungan informasi kunci agar siap digunakan untuk analisis. Setiap entri memuat atribut utama, antara lain tanggal kejadian, waktu kejadian (jika tersedia), judul berita, kategori/jenis kecelakaan, indikasi korban jiwa/cedera, perkiraan kerugian materiil (jika disebutkan), dugaan penyebab kecelakaan, lokasi/ruas jalan, serta sumber berita dan URL. TRUCKSAFE dirancang untuk mendukung riset keselamatan transportasi, seperti analisis tren temporal, pemetaan hotspot lokasi rawan, klasifikasi penyebab kecelakaan, dan pengembangan model prediksi risiko berbasis data media. Dataset ini juga dapat menjadi fondasi untuk integrasi lanjutan dengan data spasial, cuaca, maupun data lalu lintas.
- Hak Cipta
- Tersertifikasi
- - 13 April 2026
- Detail
Dataset Kesuburan Tanah Kabupaten Sukabumi Berbasis Klasifikasi Spasial Hara Tanah per Kecamatan
Dataset ini disusun dari data primer hasil pengambilan sampel tanah lapangan di Kabupaten Sukabumi pada tahun 2025 dan hasil analisis laboratorium sifat kimia tanah. Dataset utama dalam bentuk Excel memuat data mentah hasil pengukuran laboratorium untuk 52 sampel tanah, dengan cakupan parameter pHH2O, C-Org, N-Total, N-NO3, N-NH4, P-Tersedia, P-Total, K-Total, dan K-Tersedia. Dataset ini menjadi dasar untuk pengolahan lebih lanjut dalam rangka penyusunan representasi spasial kesuburan tanah pada tingkat kecamatan. Nilai tambah karya ini tidak hanya terletak pada kumpulan data mentah, tetapi juga pada kerangka pengolahan data yang menyertainya, yaitu melalui agregasi nilai per kecamatan, integrasi dengan batas administrasi wilayah, klasifikasi parameter hara tanah, serta visualisasi spasial dalam bentuk peta tematik menggunakan bahasa pemrograman R.
- Hak Cipta
- Tersertifikasi
- - 13 April 2026
- Detail
W4TERRICE: Aplikasi Deteksi dan Klasifikasi Rezim Air pada Lahan Sawah Irigasi Berbasis Data Citra Satelit SAR
W4TERRICE merupakan aplikasi berbasis penginderaan jauh yang dikembangkan untuk mendeteksi keberadaan air (water detection) dan mengklasifikasikan rezim air (water regime) pada lahan sawah irigasi dalam satu periode musim tanam menggunakan data citra satelit radar (Synthetic Aperture Radar/SAR) ALOS-2/PALSAR-2 dengan resolusi spasial 1m×3m. Rezim air dalam hal ini merupakan pola atau kondisi ketersediaan air pada area lahan sawah dalam satu musim tanam. Aplikasi ini memanfaatkan deret waktu (time series) citra SAR untuk mendeteksi kondisi genangan air pada setiap waktu pengamatan. Hasil deteksi tersebut kemudian diintegrasikan secara temporal untuk membentuk pola dinamika air pada masing-masing petak sawah. Berdasarkan pola tersebut, sistem secara otomatis mengklasifikasikan rezim air menjadi beberapa kategori, yaitu: genangan terus-menerus (Continuous Flooding (CF)), penggenangan berselang (Alternate Wetting and Drying (AWD)), dan kondisi kering (dry). Keluaran aplikasi berupa informasi spasial mengenai distribusi rezim air sawah untuk satu musim tanam yang dapat digunakan untuk pemantauan sistem irigasi, evaluasi pengelolaan air, serta analisis efisiensi penggunaan air. Selain itu, informasi yang dihasilkan berpotensi dimanfaatkan untuk kajian emisi gas rumah kaca dan perencanaan kebijakan pertanian berbasis data penginderaan jauh.
- Hak Cipta
- Tersertifikasi
- - 13 April 2026
- Detail
Dataset Tingkat Adulterasi Bubuk Pala dengan Bubuk Kayu Manis
Pala merupakan rempah berharga yang populer di seluruh dunia dan menjadi komponen penting dalam pasar rempah global. Permintaan yang terus meningkat membuat pala rentan terhadap praktik pemalsuan dengan rempah lain yang lebih murah. Untuk itu, penyusunan dataset pala ini hadir sebagai karya cipta yang menyediakan informasi komprehensif mengenai pala sebagai komoditas unggulan sekaligus alat verifikasi keaslian. Keunikan dataset ini terletak pada fungsinya sebagai sarana identifikasi dan pembeda antara pala asli dan produk tiruan. Informasi yang disajikan mencakup ciri fisik, gambar pala yang telah dikondisikan, serta parameter kimia yang menjadi penanda keaslian. Dengan adanya data pembanding, metode berbasis machine learning dapat lebih mudah mengenali pala otentik, sehingga konsumen dan produsen terlindungi dari kerugian akibat pemalsuan. Penyusunan dilakukan secara sistematis dengan menggabungkan data lapangan, literatur ilmiah, dan teknik analisis machine learning. Format modular serta metadata yang lengkap membuat dataset ini mudah diakses, ditelusuri, dan diintegrasikan dengan sistem lain. Dataset serbuk pala ini tidak hanya mendukung pelestarian pengetahuan tradisional, tetapi juga membuka peluang inovasi berbasis data. Dengan verifikasi pakar dan dokumentasi yang rapi, karya cipta ini diharapkan menjadi pijakan penting bagi riset, industri, dan perlindungan identitas rempah Indonesia.
- Hak Cipta
- Tersertifikasi
- - 12 April 2026
- Detail
Perangkat Lunak Rekonstruksi Kompresif Citra Ground Penetrating Radar dengan Pencuplikan Jarang
Perangkat lunak ini dikembangkan untuk merekonstruksi citra Ground Penetrating Radar (GPR) dari data dengan pencuplikan jarang. Sistem ini menggunakan pendekatan rekonstruksi kompresif yang dipadukan dengan regularisasi spasial untuk meningkatkan kualitas citra meskipun data terbatas. Perangkat lunak ini mampu mengolah data radar menjadi representasi citra dua dimensi dengan lebih jelas dibandingkan metode konvensional. Selain itu, sistem ini mempertahankan karakteristik penting seperti pola refleksi hiperbola dari target. Perangkat lunak ini mendukung data eksperimen nyata dan berpotensi digunakan dalam inspeksi infrastruktur, deteksi objek bawah permukaan, dan eksplorasi geofisika.
- Hak Cipta
- Tersertifikasi
- - 11 April 2026
- Detail