Klaster
AI-Risiko 2.1
Kekayaan intelektual ini berupa platform komputasi yang terdaftar sebagai AI-Risiko Versi 2.1, sebuah program komputer yang dikembangkan untuk melaksanakan kuantifikasi risiko finansial yang disebabkan oleh bencana. Platform ini mampu menganalisis risiko dari sembilan jenis bahaya, yaitu gempa bumi, tsunami, letusan gunung api, banjir, kekeringan, cuaca ekstrem, gelombang ekstrem, serta kebakaran hutan dan lahan. AI-Risiko menggunakan kombinasi pendekatan kecerdasan buatan (Artificial Intelligence - AI) dan metodologi Multi Scenario Risk Assessment (MSRA) untuk pemrosesan big data secara efisien. Pengembangan mutakhir pada versi ini memperbaharui model bahaya. Platform ini memiliki arsitektur terintegrasi yang terdiri dari empat komponen utama: Interface Server, Application Programming Interface (API), Engine Server, dan Object Storage, yang bekerja untuk mendukung pengelolaan data dan analisis. Buku manual ini memberikan panduan teknis yang rinci mengenai pengolahan data risiko, mulai dari input data keterpaparan, bahaya, dan kerentanan, hingga analisis hasil. Luaran utama yang dihasilkan adalah peta risiko, kurva kerugian maksimum (Probable Maximum Loss - PML), rata-rata kerugian tahunan (Average Annual Loss - AAL), dan kini mencakup kemampuan untuk mendukung perhitungan premi asuransi. Sistem ini dirancang untuk mendukung berbagai tingkatan akses pengguna dan memanfaatkan teknologi cloud computing untuk fleksibilitas sumber daya komputasi, serta menerapkan standar keamanan tinggi, termasuk enkripsi SHA-256, SSL/TLS, dan pengelolaan akses berbasis IP whitelisting. Dengan adanya platform ini, AI-Risiko diharapkan menjadi instrumen yang andal dan strategis dalam mendukung perumusan kebijakan pembiayaan risiko bencana di Indonesia.
Teknologi Informasi dan Komunikasi
Sistem Penghapusan Awan Citra Sentinel-2 Berbasis Deep Learning
Program komputer ini adalah sebuah sistem penghapusan awan pada citra satelit yang memanfaatkan deep learning untuk menghilangkan tutupan awan pada citra Sentinel-2 secara otomatis. Sistem yang diberi nama CRNet (Cloud Removal Networks) ini bekerja melalui tiga tahapan pemrosesan yang saling terhubung: (1) deteksi awan menggunakan arsitektur segmentasi semantik TerraSegNet, (2) translasi citra radar ke citra optik menggunakan arsitektur generatif adversarial SAR2Optic, dan (3) fusi citra (Sentinel Fusion) untuk menghasilkan citra Sentinel-2 akhir yang bebas awan. Keunggulan utama program ini terletak pada pendekatan multi-modal yang memanfaatkan data Synthetic Aperture Radar (SAR) dari Sentinel-1 yang tidak terpengaruh oleh tutupan awan sebagai sumber informasi komplementer untuk merekonstruksi wilayah yang tertutup awan pada citra optik Sentinel-2.
Teknologi Informasi dan Komunikasi
PERANGKAT LUNAK PEMANTAUAN GAS HASIL PELEDAKAN SECARA REAL-TIME BERBASIS RANGKAIAN SENSOR NIRKABEL
Pada kegiatan penambangan, peledakan merupakan metode utama pemberaian batuan guna mendukung kemajuan bukaan tambang dan kegiatan produksi, baik pada tambang terbuka maupun tambang bawah tanah. Proses peledakan menimbulkan berbagai gas berbahaya dan beracun yang berpotensi terakumulasi di lingkungan kerja tambang. Apabila terpapar pada konsentrasi yang melebihi ambang batas dan dalam periode waktu tertentu, gas-gas tersebut dapat menyebabkan gangguan kesehatan serius, kehilangan kesadaran, hingga kematian. Pada tambang bawah tanah, setelah kegiatan peledakan dilakukan, area kerja harus dialirkan udara bersih guna menurunkan konsenterasi gas – gas berbahaya sampai dalam batas yang aman (smoke clearing). Sedangkan untuk tambang terbuka, proses smoke clearing cukup menggunakan aliran udara permukaan secara alamiah. Guna mengetahui kondisi udara yang aman tersebut, perlu dilakukan pengukuran konsentrasi gas hasil peledakan secara real-time. Rangkaian sensor untuk pengukuran tersebut memerlukan perangkat lunak yang memadai untuk merekam, menyimpan dan mengirimkan data yang selanjutnya dapat digunakan sebagai early warning system. Perangkat lunak ini dikembangkan untuk mendukung proses pemantauan gas hasil peledakan dengan menyediakan informasi kondisi atmosfer tambang secara real-time. Sistem menerima data dari sensor karbon monoksida (CO), nitrogen monoksida (NO), nitrogen dioksida (NO₂), karbon dioksida (CO₂), suhu udara, tekanan udara, kecepatan udara/angin, dan arah aliran udara (arah angin) yang ditempatkan pada lokasi pemantauan. Data yang diperoleh kemudian direkam ke media penyimpanan lokal (misalnya SD Card), atau data dapat dikirimkan langsung melalui jaringan 4G/LTE ke server cloud, sehingga dapat ditampilkan melalui website secara real-time.
Teknologi Informasi dan Komunikasi
Pengembangan Model Konseptual Knowledge Graph Untuk Analisis Kemiripan Peraturan Perundang-Undangan Indonesia
Jumlah peraturan perundang-undangan di Indonesia yang sangat banyak dapat mengakibatkan terjadinya tumpang tindih dan disharmoni regulasi. Salah satu tantangan dalam upaya harmonisasi regulasi adalah mengidentifikasi regulasi-regulasi yang membahas substansi yang sama (regulasi yang mirip) sebelum dilakukan penilaian lebih lanjut mengenai potensi disharmoni. Dalam konteks ini, analisis kemiripan regulasi tidak hanya bergantung pada kesamaan redaksi tekstual, tetapi juga pada struktur hierarkis, rujukan antar regulasi, serta makna semantik yang tersirat dalam regulasi. Saat ini telah tersedia sistem berbasis Retrieval-Augmented Generation (RAG) yang mampu melakukan analisis kemiripan regulasi Indonesia. Namun, sistem tersebut masih memiliki keterbatasan ketika menghadapi kasus kemiripan yang melibatkan struktur hierarkis dokumen regulasi. Akurasi sistem berbasis RAG berpotensi ditingkatkan melalui integrasi Knowledge Graph (KG) sebagai basis data tambahan. KG memiliki kemampuan untuk merepresentasikan struktur hierarkis, relasi referensial/rujukan, serta informasi semantik dalam dokumen regulasi Indonesia secara lebih eksplisit. Untuk dapat dimanfaatkan dalam analisis kemiripan, KG perlu dilengkapi dengan mekanisme representasi kemiripan antar data (similarity representation). Sejumlah penelitian sebelumnya telah mengembangkan KG regulasi Indonesia, namun masing-masing masih mempunyai keterbatasan. LexID menyediakan representasi semantik yang rinci hingga tingkat klausa serta relasi referensial antar regulasi, tetapi belum memiliki mekanisme representasi kemiripan antar regulasi. Sebaliknya, KGSim memodelkan kemiripan berbasis embedding teks dan cocok untuk analisis kemiripan berbasis kesamaan leksikal, namun belum memodelkan relasi rujukan antar pasal dan belum mampu menangkap kemiripan semantik pada ekspresi teks yang berbeda. Di sisi lain, KGEntKey memperkenalkan pendekatan representasi kemiripan berbasis kesamaan entitas dan keyphrase yang menggambarkan informasi semantik suatu dokumen. Pendekatan ini menunjukkan bahwa kemiripan dapat dimodelkan tidak hanya dari kesamaan teks, tetapi juga dari kesamaan entitas dan deskripsi semantik yang terkandung di dalamnya. Berangkat dari celah penelitian tersebut, penelitian ini berkontribusi pada pengembangan model konseptual struktur KG yang dirancang secara khusus untuk mendukung analisis kemiripan regulasi Indonesia dan menjadi fondasi bagi pengembangan KG terintegrasi RAG pada tahap penelitian selanjutnya. Metode penelitian mencakup tiga langkah utama. Pertama, dilakukan telaah terhadap karya-karya ilmiah yang membahas Knowledge Graph pada domain hukum, baik pada konteks internasional maupun Indonesia, untuk mengidentifikasi posisi penelitian sebelumnya, pola aplikasi pemanfaatan KG, serta keterbatasan yang masih ada. Langkah kedua adalah analisis studi kasus yang dipilih berdasarkan contoh-contoh kemiripan regulasi yang relevan, seperti kesamaan substansi dengan redaksi berbeda, perbedaan teknis pengaturan, maupun perbedaan yang melibatkan level hierarki dan jenis regulasi yang berbeda. Dari analisis ini diturunkan serangkaian kebutuhan (requirements), meliputi kemampuan representasi hierarkis antar bagian regulasi, relasi rujukan antar pasal atau antar dokumen, representasi semantik yang lebih rinci, serta keberadaan relasi kemiripan sebagai basis analisis kemiripan. Langkah ketiga adalah perancangan model konseptual struktur KG yang memetakan kebutuhan tersebut ke dalam jenis node, tipe relasi (edge), dan level representasi yang diperlukan, kemudian divalidasi secara konseptual melalui pemetaan ulang terhadap studi kasus yang dianalisis. Hasil penelitian menunjukkan bahwa struktur KG yang diusulkan mampu merepresentasikan beberapa aspek penting yang belum sepenuhnya terakomodasi pada KG sebelumnya. Salah satunya adalah representasi semantik berbasis entitas dan deskripsi yang memungkinkan identifikasi kemiripan pada tingkat makna, bukan sekadar kesamaan leksikal. Melalui pembuktian berbasis studi kasus, ditunjukkan bahwa struktur KG usulan lebih adaptif dalam menangkap kemiripan konseptual pada regulasi yang secara tekstual berbeda, serta lebih mampu mengurangi risiko kesamaan semu pada regulasi yang secara leksikal mirip namun berbeda konteks. Kebaruan (novelty) penelitian ini terletak pada perumusan model konseptual KG yang secara eksplisit diposisikan untuk analisis kemiripan regulasi Indonesia, dengan mengintegrasikan aspek hierarkis, referensial, dan semantik. Sementara itu, orisinalitas penelitian terletak pada pendekatan pengembangan struktur KG yang didasarkan pada analisis kasus nyata regulasi Indonesia, bukan model KG generik. Kontribusi ilmiah penelitian ini adalah tersedianya rancangan struktur KG yang dapat menjadi landasan bagi pembangunan KG regulasi Indonesia pada tahap penelitian berikutnya, sekaligus sebagai langkah awal untuk pengembangan sistem analisis kemiripan regulasi di masa depan.
Teknologi Informasi dan Komunikasi
Web Aplikasi SISTEM Ambidexterity Assessment Tool
Aplikasi web untuk mengukur tingkat ambidexterity organisasi
Industri Kreatif, Teknologi Informasi dan Komunikasi
Ssszoo…!
‘Ssszoo…!’ adalah sebuah permainan papan yang bertujuan untuk mensosialisasikan penggunaan isyarat pada anak usia 8-10 tahun. Pemain berperan sebagai penjaga kebun binatang yang bertugas memberi makan hewan tanpa membangunkan singa yang tertidur. Dengan komunikasi non-verbal, pemain dituntut bekerja sama menyelesaikan misi dengan menebak jenis binatang dan makanannya secara tepat.
Industri Kreatif
PRIVAFACE: APLIKASI PROTEKSI WAJAH PADA CITRA JPEG
Aplikasi Proteksi Wajah pada Citra JPEG merupakan program komputer yang dirancang untuk menyamarkan identitas wajah pada citra digital melalui penggantian wajah berbasis donor tunggal, sekaligus menyediakan mekanisme pemulihan gambar wajah asli. Aplikasi ini mengintegrasikan antarmuka web, pengendali proses berbasis Python, engine pemrosesan C/C++, deteksi wajah, pembentukan citra terlindungi, serta pengamanan data pemulihan menggunakan skema Authenticated Encryption Associated Data (AEAD). Pada implementasi aplikasi, Ascon digunakan sebagai contoh algoritma AEAD dan Haar Cascade digunakan sebagai detector wajah, namun arsitektur aplikasi dirancang modular sehingga komponen tersebut dapat dikembangkan atau diganti pada versi berikutnya.
Teknologi Informasi dan Komunikasi
Geomecca : A user-friendly Automatic Microseismic System Processing Module
Geomecca merupakan perangkat lunak Automatic Microseismic System Processing yang dikembangkan untuk mendukung pemantauan, deteksi, dan analisis kejadian mikroseismik secara real-time pada industri panas bumi, pertambangan bawah tanah. Software ini mengintegrasikan akuisisi data seismik, deteksi kejadian, phase picking, estimasi hiposenter, perhitungan magnitudo momen, serta visualisasi hasil dalam satu platform yang mudah digunakan. Geomecca memanfaatkan algoritma kecerdasan buatan, termasuk PhaseNet untuk identifikasi fase gelombang P dan S, serta metode NonLinLoc untuk penentuan lokasi hiposenter secara probabilistik. Sistem mendukung pemrosesan data streaming, pengelolaan basis data MongoDB, dan integrasi Apache Kafka untuk distribusi data real-time. Fitur visualisasi mencakup monitoring waveform, pemetaan mikroseismik, serta analisis parameter seismik guna mendukung pengambilan keputusan, mitigasi risiko, keselamatan operasi, dan optimasi pengelolaan reservoir. Selain itu, sistem menyediakan katalog event otomatis, pengelompokan kejadian seismik, dan keandalan interpretasi data tambahan fitur.
Teknologi Informasi dan Komunikasi
X-Assurance
X-Assurance (AI Project Assurance Assistant) merupakan sistem cerdas berbasis web yang dikembangkan untuk mendukung proses project assurance secara lebih efektif, objektif, dan berbasis bukti (evidence-based). Sistem ini dirancang untuk membantu Project Management Office (PMO), Project Management Consultant (PMC), Project Manager, Project Sponsor, serta Steering Committee dalam memantau dan menilai kesehatan proyek melalui analisis dokumen dan data proyek secara terintegrasi. Pengembangan X-Assurance dilatarbelakangi oleh masih dominannya proses penjaminan proyek yang dilakukan secara manual, sehingga berpotensi menimbulkan keterlambatan identifikasi masalah, inkonsistensi penilaian, dan rendahnya kemampuan penelusuran temuan. Dengan memanfaatkan teknologi Large Language Model (LLM) dan Retrieval-Augmented Generation (RAG), X-Assurance mampu membaca, memahami, dan mengekstrak informasi penting dari berbagai dokumen proyek, menghubungkan temuan dengan sumber bukti yang relevan, mendeteksi anomali, serta mengevaluasi aspek jadwal, biaya, risiko, dan tata kelola proyek. Sistem ini menghasilkan early warning, insight berbasis data, ringkasan eksekutif, serta rekomendasi tindakan yang dapat mendukung pengambilan keputusan manajerial secara cepat dan akurat. Fitur utama yang tersedia meliputi Executive Dashboard, Document Intelligence, Anomaly Detection & Early Warnings, AI Assistant for PMC, serta Report Generation & Executive Summary. Dengan menyediakan satu titik akses cerdas untuk analisis dan assurance proyek, X-Assurance meningkatkan konsistensi, transparansi, dan akuntabilitas pengelolaan proyek sehingga mendukung keberhasilan pelaksanaan proyek secara berkelanjutan.
Smart City
Apabila terdapat pihak yang berminat melakukan komersialisasi Kekayaan Intelektual, dipersilakan untuk menghubungi Direktorat Kawasan Sains dan Teknologi.