Pencarian Hak Kekayaan Intelektual
Dataset Dokumentasi Cerita Rakyat Bahasa Wawonii di Kabupaten Konawe Kepulauan
Dataset Dokumentasi Cerita Rakyat Bahasa Wawonii di Kabupaten Konawe Kepulauan merupakan kumpulan data digital hasil penelitian lapangan yang bertujuan mendokumentasikan bahasa Wawonii melalui tradisi lisan masyarakat di Pulau Wawonii Island, Sulawesi Tenggara. Dataset ini disusun secara sistematis dalam format multimodal yang mencakup rekaman audio, video, transkripsi teks, terjemahan ke bahasa Indonesia, metadata, serta anotasi linguistik. Materi utama dataset berupa cerita rakyat, legenda, mitos, sejarah lisan, dan narasi tradisional yang diwariskan antargenerasi oleh penutur asli. Dataset ini memiliki nilai penting sebagai sumber pelestarian bahasa daerah dan warisan budaya takbenda, sekaligus sebagai sumber data primer untuk penelitian linguistik, antropologi, folklor, dan pendidikan berbasis budaya lokal. Selain itu, dataset berpotensi dimanfaatkan untuk penyusunan kamus digital, revitalisasi bahasa daerah, pengembangan korpus bahasa, serta teknologi bahasa bagi bahasa dengan sumber daya terbatas. Seluruh data diperoleh melalui penelitian lapangan dengan persetujuan sukarela dari partisipan dan dikelola sesuai dengan kaidah etika penelitian. Dataset ini diarsipkan dalam repositori nasional LADIN pada RIN Dataverse sehingga dapat dimanfaatkan secara berkelanjutan sesuai prinsip FAIR (Findable, Accessible, Interoperable, Reusable)
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
GobaAtol: Aplikasi Deteksi Goba dan Klasifikasi Atol Berbasis Empat Indeks Morfometrik pada Citra Landsat-8
GobaAtol adalah aplikasi berbasis Google Earth Engine (GEE) yang dirancang untuk mendeteksi lagoon terumbu (goba) dan mengklasifikasikan tipe atol secara otomatis di perairan Indonesia menggunakan data citra satelit optis Landsat-8. Aplikasi ini menghasilkan peta klasifikasi terumbu dengan resolusi 30 meter yang membedakan empat kelas utama, yaitu perairan dalam, terumbu, goba non-atol, dan goba atol. Klasifikasi dilakukan melalui pendekatan Object-Based Image Analysis (OBIA) berbasis segmentasi SNIC dan algoritma Random Forest yang dilatih menggunakan data ground truth kawasan terumbu karang Gosonggoni, Nusa Tenggara Timur. GobaAtol bertujuan untuk mendukung pemantauan dan pengelolaan ekosistem terumbu karang Indonesia secara efisien dengan menyediakan informasi spasial atol yang terukur secara kuantitatif melalui empat indeks morfometrik, yaitu Circularity Index (CI), Lagoon-to-Total Area Ratio (LTAR), Reef Rim Continuity (RRC), dan Spectral Homogeneity Index (SHI), serta dirancang untuk mendukung konservasi ekosistem laut, pengelolaan kawasan konservasi perairan, dan inventarisasi sumber daya kelautan nasional.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
Adaptev
Adaptev merupakan aplikasi pipeline analisis data genetik yang berfungsi untuk melakukan analisis evolusi adaptiv untuk mencari gen yang mengalami seleksi evolusi, baik seleksi positif maupun negatif
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
Dataset Riset dan Inovasi dari Rantai Produk Petrokimia: Berbasis C1
Dataset Riset dan Inovasi dari Rantai Produk Petrokimia: Berbasis C1 merupakan dataset terstruktur yang dikembangkan melalui kompilasi, kurasi, dan validasi data industri petrokimia berbasis satu atom karbon (C1). Dataset ini disusun dalam bentuk pemodelan Riset dan Inovasi dari Rantai Produk Petrokimia: Berbasis C1 yang merepresentasikan keterkaitan sistem produksi dari hulu hingga hilir secara hierarkis dan terintegrasi. Ruang lingkup mencakup klasifikasi produk utama C1 (metana, metanol, amonia, asam nitrat, dan formaldehida), proses antara (intermediate processes), serta produk turunan (downstream products) melalui berbagai jalur teknologi. Setiap node merepresentasikan entitas proses atau produk yang dilengkapi relasi input–output, membentuk jaringan aliran material (material flow network) yang sistematis. Metodologi meliputi pengumpulan data sekunder dari literatur ilmiah, laporan industri, dan basis data teknis, yang kemudian diverifikasi dan distandarisasi untuk menjamin konsistensi terminologi dan keterhubungan antar entitas. Struktur dataset dirancang kompatibel untuk analisis berbasis sistem, termasuk life cycle assessment (LCA), analisis rantai nilai, dan pemodelan skenario industri. Dataset ini menyediakan representasi komprehensif sistem industri C1 sebagai dasar analisis teknis, evaluasi keberlanjutan, serta perumusan strategi pengembangan industri petrokimia.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
Prediksi Dosis Radioterapi Berbasis Fitur Radiomics dan Ensemble Machine Learning
Program komputer ini melakukan estimasi dan prediksi dosis radioterapi untuk target PTV menggunakan fitur-fitur radiomik dari Organ at Risks (OARs) yang meliputi Body, Lung RT, Lung LT, Heart, and Spinal Cord, dan PTV. Tahapannya mencakup pembersihan dan imputasi data, normalisasi fitur, pelatihan model regresi ensemble (XGBoost, LightGBM, CatBoost, RandomForest, AdaBoost, GradientBoosting) untuk tiga target dosis berbeda (PTV D2, D50, dan D98), evaluasi performa menggunakan metrik MSE/MAE/R squared, visualisasi komparatif hasil, analisis residual, analisis feature importance. Aplikasi dirancang untuk membantu fisikawan medis dan tim perencanaan radioterapi menentukan dosis yang optimal.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
DXG-Boost Tedate
DXG-Boost Tedate merupakan perangkat lunak berbasis Kecerdasan Buatan (AI) yang dirancang khusus untuk klasifikasi serangan Distributed Denial of Service (DDoS) secara real-time dalam lingkup jaringan Software Defined Network (SDN). Inovasi utama dari program ini terletak pada penggunaan arsitektur Extreme Gradient Boosting (XGBoost) yang dioptimalkan untuk bekerja dengan fitur aliran jaringan (flow features) yang sangat ringkas, yakni hanya menggunakan 4 parameter utama: protokol IP, jumlah paket, total bita, dan selisih waktu aliran (delta time). Berbeda dengan model konvensional yang memerlukan puluhan fitur kompleks, DXG-Boost Tedate mampu memberikan performa klasifikasi yang setara dengan model yang menggunakan fitur lebih banyak (24-82 fitur). Program ini memiliki kemampuan generalisasi yang sangat baik, di mana model tetap stabil saat menangani hingga 42,8 juta data aliran meskipun hanya dilatih dengan set data yang minimal (7 fitur yang merepresentasikan 4 parameter dan ≤ 200 ribu data). Keunggulan teknis ini menjadikan DXG-Boost Tedate sangat efisien untuk diintegrasikan dengan programmable switch atau infrastruktur jaringan modern, karena mampu melakukan inferensi data dalam skala besar secara cepat untuk memitigasi serangan DDoS dengan penggunaan sumber daya komputasi yang minimal.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
DATA SET HASIL UJI HIFDRODINAMIKA GAYA TAHANAN DAN GAYA DORONG LAYAR SEBAGAI SISTEM PENGGERAK TAMBAHAN PADA KAPAL IKAN
Dataset ini merupakan hasil pengujian model fisik yang dilakukan di Laboratorium Hidrodinamika dan belum pernah dipublikasikan sebelumnya dalam bentuk dataset terstruktur untuk kepentingan distribusi ilmiah. Dataset ini berisi hasil pengujian model hidrodinamika dengan objek kapal ikan dengan dan tanpa sistem layar tambahan (WAPS – Wind Assisted Propulsion System). Data meliputi komponen tahanan total, tahanan gesek dan tahanan sisa, serta gaya dorong (thrust) dari layar pada berbagai kondisi kecepatan kapal, kecepatan angin dan sudut layar terhadap sumbu kapal Dataset ini digunakan untuk menganalisis dan mengevaluasi performa hidrodinamika kapal ikan serta kontribusi gaya dorong dari layar (Wind Assisted Propulsion System/WAPS) dalam upaya meningkatkan efisiensi energi dan mengurangi tahanan kapal. Secara khusus, dataset ini mendukung kajian terhadap hubungan antara kecepatan kapal (Froude Number), komponen tahanan (resistance components), serta gaya dorong (thrust) yang dihasilkan oleh layar pada berbagai kondisi operasional (kecepatan dan arah angin, serta kecepatan kapal_ Dataset ini merupakan pengembangan dari dataset eksperimental konvensional yang terbatas pada pengujian resistance kapal atau performa layar secara terpisah. Kebaruan utama dalam dataset ini terletak pada penyusunan dataset terintegrasi pertama yang menggabungkan pengaruh sistem Wind Assisted Propulsion (WAPS) terhadap karakteristik tahanan kapal ikan, termasuk interaksi kompleks antara gaya dorong layar dan distribusi tekanan pada lambung kapal dalam berbagai kondisi operasional.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
My DELL-E
Hak cipta yang diusulkan berupa aplikasi yang berjudul “My DELL-E”. Aplikasi ini merupakan aplikasi mobile berbasis Android yang dikembangkan menggunakan framework Flutter dan digunakan sebagai antarmuka utama dalam sistem pengantaran barang secara otomatis menggunakan robot autonomous. Aplikasi My DELL-E berfungsi untuk memfasilitasi pengguna dalam melakukan pemesanan layanan pengantaran barang tanpa awak, mulai dari pembuatan order, pengisian data pengiriman, hingga pemantauan status pengantaran secara real-time. Aplikasi ini dapat digunakan oleh beberapa pengguna, yaitu Admin, Dispatcher, dan User, dengan hak akses yang berbeda sesuai peran masing-masing.. Dalam implementasinya, aplikasi mobile berkomunikasi dengan backend server melalui protokol HTTPS yang diakses menggunakan layanan Cloudflare. Backend Server yang dibangun menggunakan teknologi PHP dan dijalankan dalam lingkungan Docker berperan sebagai pusat pengolahan data, autentikasi pengguna, serta pengelolaan order dan Informasi robot. Selanjutnya, sistem robot yang berjalan pada Onboard CPU menggunakan framework ROS2 akan mengambil data perintah dari backend melalui mekanisme API. Robot kemudian menjalankan proses navigasi menuju lokasi awal (start location), melakukan interaksi seperti pembukaan dan penutupan kompartemen, serta melanjutkan pengataran menuju lokasi tujuan (end location). Seluruh status dam posisi robot akan dikirim kembali ke backend dan ditampilkan pada aplikasi mobile. Dengan integrasi antara aplikasi mobile berbasis Flutter, backend server, dan sistem robot berbasis ROS2, aplikasi My DELL-E mampu menyediakan layanan pengantaran barang secara otomatis, terpusat, dan efisien, serta dapat digunakan pada lingkungan industri yang kompleks dengan tingkat keandalan dan keamanan yang tinggi.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
Perangkat Lunak Smart Personal Dosimeter CB-AMA (Countrate-Based Adaptive Moving Average)
Perangkat lunak tertanam ini dikembangkan untuk sistem Smart Personal Dosimeter yang mampu mengukur dan merekam laju dosis radiasi secara real-time dengan kestabilan statistik tinggi. Inovasi utama terletak pada penerapan algoritma CPS-Based Adaptive Moving Average (CPS-AMA) yang secara adaptif menyesuaikan waktu pencacahan berdasarkan nilai count rate untuk mempertahankan tingkat uncertainty tertentu. Pendekatan ini memungkinkan hasil pengukuran tetap akurat dan responsif terhadap perubahan paparan radiasi. Sistem mengintegrasikan data dari detektor radiasi, sensor inersial (IMU), dan modul waktu nyata (RTC), serta menyimpan data seperti timestamp, laju dosis, dosis akumulasi, data gerakan, dan tegangan baterai ke media microSD. Selain itu, perangkat lunak mendukung pengaturan faktor kalibrasi melalui tombol dan menampilkan informasi melalui layar OLED. Kombinasi algoritma adaptif dan integrasi multi-sensor menghasilkan sistem dosimeter yang andal untuk pemantauan radiasi personal secara berkelanjutan.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail
Aplikasi Mobile VALE
Aplikasi Mobile VALE merupakan aplikasi berbasis Android yang menggunakan metode variabilitas aliran untuk mengidentifikasi lokasi potensial waduk. Aplikasi seluler ini dirancang untuk meningkatkan aksesibilitas, portabilitas, dan kemudahan penggunaan bagi pengguna lapangan, khususnya para pemangku kepentingan di sektor sumber daya air. Dengan mengintegrasikan model ketinggian digital, tutupan/penggunaan lahan, curah hujan, jenis tanah, dan data geospasial lainnya ke dalam antarmuka seluler yang responsif. Aplikasi ini memungkinkan analisis awal lokasi potensial waduk yang lebih cepat, lebih praktis, dan lebih efisien. Solusi berbasis Android ini juga mendukung transformasi digital pengelolaan sumber daya air, membuatnya mudah beradaptasi dengan dinamika iklim dan memfasilitasi perencanaan berbasis data.
- Hak Cipta
- Tersertifikasi
- - 20 April 2026
- Detail