LAPORAN PERANCANGAN

“PERIZINAN MAHASISWA TI”

FAHMI AZHAR ISKANDAR (20170140008)

MUHAMMAD TAUFIK ADI N. (20170140019)

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH YOGYAKARTA
MEI 2019
 HALAMAN PERNYATAAN

Laporan ini adalah karya sendiri. Semua sumber rujukan telah dikutip sesuai etika
penulisan karya ilmiah. Segala pengerjaan akan dilakukan sendiri dan tidak
dikerjakan oleh orang lain serta dapat dipertanggung jawabkan.
Tanggal : 20 – 03 – 2019

FAHMI AZHAR ISKANDAR MUHAMMAD TAUFIK ADI N.

20170140008 20170140019
 DAFTAR ISI
HALAMAN PERNYATAAN ................................................................................ 2

DAFTAR ISI .......................................................................................................... 3

BAB I PENDAHULUAN....................................................................................... 1

1.1. Latar Belakang ............................................................................................. 1

1.2. Perumusan Masalah ..................................................................................... 1
1.3. Tujuan Penelitian ......................................................................................... 1
1.4. Batasan Penelitian ........................................................................................ 1
1.5. Manfaat Penelitian ....................................................................................... 1
BAB II METODE PENELITIAN .......................................................................... 2

2.1. Alat Penelitian ............................................................................................. 2

2.2. Bahan ........................................................................................................... 3
2.3. Cara Penelitian ............................................................................................. 3
BAB III JADWAL PENELITIAN ......................................................................... 5

3.1. Jadwal Penelitian ......................................................................................... 5

DAFTAR PUSTAKA ............................................................................................. 6
 BAB I PENDAHULUAN

1.1. Latar Belakang

Mahasiswa saat ini untuk melakukan perizinan harus membuat surat ataupun
melampirkan suatu surat sakit dan itu harus di serahkan langsung atau di titipkan kepada teman.
Dari hal tersebut kami berpikir untuk membuat sebuah aplikasi perizinan yang memungkinkan
kita untuk memngajukan izin dengan tanpa kemana mana, xukup terkoneksi dengan internet.

1.2. Perumusan Masalah

1. Bagaimana membuat mahasiswa mengetahui izinnya di terima atau tidak?
2. Apa yang harus di lakukan untuk membatasi mahasiswa melakukan perizinan dengan
absolut?

1.3. Tujuan Penelitian

Untuk memudahkan dan lebih memperjelas perizinan mahasiswa khususnya lingkup
Mahasiswa TI Universitas Muhammadiyah Yogyakarta.

1.4. Batasan Penelitian

1. Penelitian ini dilaksanakan di lingkup mahasiswa ti Universitas Muhamadiyah
Yogyakarta.

1.5. Manfaat Penelitian

Diharapkan membuat mahasiswa tidak menyalahgunakan perizinan dan memudahkan
penggunaan yang bias di lakukan dimana saja, dengan syarat koneksi internet.

1
 BAB II METODE PENELITIAN

2.1. Alat Penelitian

Jelaskan tentang alat dan bahan yang akan digunakan untuk pembuatan projek akhir.

seperti contoh:

Kebutuan peralatan yang digunakan pada penelitian ini terbagi dalam dua jenis yaitu:

1. Perangkat Keras (Hardware)

Pada penelitian ini, perangkat keras yang digunakan dalam penelitian adalah sebuah
laptop dengan spesifikasi sebagai berikut:
• Processor : Intel® Core™ i7 8750H

• RAM : 16 GB

• Storage : 1 TB HDD + 256 GB SSD

• Graphic card : NVIDIA GTX 1050TI 4GB GDDR5

• Sistem Operasi : Windows 10 Pro 64 bit

Laptop dengan spesifikasi tersebut menjadi hardware yang digunakan dalam melakukan
proses pengambilan data, pencarian literatur, pemrosesan data, proses analisis data, serta
penulisan laporan penelitian.

2. Perangkat Lunak (Software)

Untuk kebutuhan hardware, penelitian dilakukan menggunakan software sebagai

berikut:
a. Android Studio

Android Studio merupakan perangkat lunak yang di gunakan untuk membuat

aplikasi mobile dengan basis android. Perangkat ini menggunakan standar
Bahasa pemrograman Java dan kontruksi tampilan dengan XAML.

b. Microsoft Visio

Microsoft Visio adalah sebuah program aplikasi komputer yang sering

digunakan untuk membuat diagram, diagram alir, brainstorm, dan skema

2
 jaringan yang dirilis oleh Microsoft Corporation. Aplikasi ini menggunakan
grafik vektor untuk membuat diagram-diagramnya.

c. Adobe XD.

Adobe XD adalah alat berbasis vektor yang dikembangkan dan diterbitkan oleh
Adobe Inc untuk merancang dan membuat prototipe pengalaman pengguna
untuk aplikasi web dan seluler. Perangkat lunak ini tersedia untuk macOS,
Windows, iOS dan Android.

d. FireBase Database

Firebase Realtime Database adalah database yang di-host di cloud. ... Ketika
Anda membuat aplikasi lintas-platform dengan SDK Android, iOS, dan
JavaScript, semua klien akan berbagi sebuah instance Realtime Database dan
menerima update data terbaru secara otomatis.

2.2. Bahan
Bahan utama yang digunakan dalam penelitian ini adalah perangkat Android studio
untuk membuat semua codingan program dan tampilan, lalu untuk data base menggunakan
firebase realtime database.

2.3. Cara Penelitian

Jalannya penelitian ini dilakukan menggunakan langkah-langkah sebagai berikut:
1. Identifikasi masalah.
2. Merumuskan masalah.
3. Membuat rancangan app.
4. Membuat diagram use case, erd, activity, class menggunakan peranfkat visio.
5. Membuta gambaran app yaitu prototype dengan adobe xd.
6. Membuat database.
7. Mengimplementasi semua bahan dan gambaran menjadi app.
8. Membuat app terhubung dengan database secara realtime.

2.4. ERD
Pada bagian ini tolong ditambahkan perancangan ERD beserta penjelasannya ( jika
anda menggunakan database).

3
2.5. Activity Diagram
Pada bagian ini tolong ditambahkan perancangan activity diagram beserta
penjelasannya.

2.6. Class Diagram

Pada bagian ini tolong ditambahkan perancangan class diagram beserta penjelasannya
2.7. Use Case
Pada bagian ini tolong ditambahkan perancangan use case diagram beserta

penjelasannya.

2.8. Prototype

4
 BAB III JADWAL PENELITIAN

3.1. Jadwal Penelitian

Pada bagian ini tologn digambarkan timeline pembuatan program yang akan anda kerjakan.
(Bisa jadi sewaktu-waktu anda diminta untuk memepresentasikan progress yang sudah anda
lakukan).
Jadwal penelitian dilaksanakan mulai semester genap tahun ajaran 2017/2018 dengan rencana
kegiatan sebagai berikut:

Tabel 3.1 Jadwal Rencana Kegiatan Penelitian

No Deskripsi Kegiatan Tahun 2018 bulan ke Tahun 2019

bulan ke
5 6 7 8 9 10 11 12 1 2 3 4

1 Kajian pustaka

2 Identifikasi permasalahan dan

kajian software
3 Pengambilan data

4 Pengajuan proposal penelitian

5 Perancangan program

6 Pembuatan laporan tengah

penelitian
7 Penyusunan program

8 Dokumentasi dan pembuatan

laporan

5
 DAFTAR PUSTAKA

Silahkan memasukkan daftar pustaka jika anda merujuk suatu tulisan. Contoh:

[1] C. F. Hotama, H. A. Nugroho, and I. Soesanti, “Analisis Citra Otak Pada Color-Task Dan

Word-Task Saat Stroop-Task Dengan Menggunakan Electroencephalography (EEG),”

2014.
[2] A. Azhari, “Analisis Pengaruh Cognitive Task Berdasarkan Hasil Ekstraksi Ciri

Gelombang Otak Menggunakan Jarak Euclidean,” Semin. Nas. Teknol. Inf. dan
Multimed. 2017, p. 3.1-1-3.1.6, 2015.
[3] S. K. Bashar and M. I. H. Bhuiyan, “Classification of motor imagery movements using
multivariate empirical mode decomposition and short time Fourier transform based
hybrid method,” Eng. Sci. Technol. an Int. J., vol. 19, no. 3, pp. 1457–1464, 2016.
[4] C. K. Loo, A. Samraj, and G. C. Lee, “Evaluation of Methods for Estimating Fractal
Dimension in Motor Imagery-Based Brain Computer Interface,” Discret. Dyn. Nat. Soc.,
vol. 2011, no. November, pp. 1–8, 2011.
[5] S. M. Fernandez-Fraga, M. A. Aceves-Fernandez, J. C. Pedraza-Ortega, and S. Tovar-

Arriaga, “Feature Extraction of EEG Signal upon BCI Systems Based on Steady-State

Visual Evoked Potentials Using the Ant Colony Optimization Algorithm,” Discret. Dyn.
Nat. Soc., vol. 2018, 2018.
[6] Y. H. Lu, C. Y. Chen, P. G. Menon, K. T. Liu, and H. H. Lin, “Hemodynamic effects of
endoleak formation in abdominal aortic aneurysm patients with stent-graft implants,” J.
Med. Biol. Eng., vol. 34, no. 6, pp. 554–558, 2014.

[7] N. Kamel, A. Samraj, and A. Mousavi, “Whitening of background brain activity via
parametric modeling,” Discret. Dyn. Nat. Soc., vol. 2007, no. 1, 2007.
[8] J. T. Murphy, “Spehlmann’s evoked potential primer visual, auditory and somatosensory
evoked potentials in clinical diagnosis. 1994. Edited by Karl E. Misulis. Published by
Butterworth-Heinemann. 243 pages,”

CanadianJournalofNeurologicalSciences/JournalCanadiendesSciencesNeurologiques,
vol. 23, p. 84, 1996.
6
[9] A. S. Al-Fahoum and A. A. Al-Fraihat, “Methods of EEG Signal Features Extraction
Using Linear Analysis in Frequency and Time-Frequency Domains,” ISRN Neurosci.,
vol. 2014, pp. 1–7, 2014.
[10] K. Saka, Ö. Aydemir, and M. Öztürk, “Classification of EEG signals recorded during
right/left hand movement imagery using fast walsh hadamard transform based features,”
2016 39th Int. Conf. Telecommun. Signal Process. TSP 2016, pp. 413–416, 2016.
[11] G. Rodríguez-Bermúdez, P. J. García-Laencina, J. Roca-González, and J. Roca-Dorda,

“Efficient feature selection and linear discrimination of EEG signals,” Neurocomputing,

vol. 115, pp. 161–165, 2013.
[12] Y. Zhang, X. Ji, and Y. Zhang, “Classification of EEG signals based on AR model and
approximate entropy,” 2015 Int. Jt. Conf. Neural Networks, pp. 1–6, 2015.
[13] M. Feng, X. Wang, and S. Zheng, “A novel feature extraction method for motor imagery
based on common spatial patterns with autoregressive parameters,” Proc. 2013 Int.
Conf. Intell. Control Inf. Process. ICICIP 2013, vol. 1, pp. 225–230, 2013.

[14] R. Djemal, A. G. Bazyed, K. Belwafi, S. Gannouni, and W. Kaaniche, “Three-class

EEGbased motor imagery classification using phase-space reconstruction technique,”
Brain Sci., vol. 6, no. 3, 2016.
[15] S. Liang, K. S. Choi, J. Qin, W. M. Pang, and P. A. Heng, “Classification of motor
imagery tasks using phase synchronization analysis of EEG based on multivariate
empirical mode decomposition,” ICIST 2014 - Proc. 2014 4th IEEE Int. Conf. Inf. Sci.
Technol., pp. 674–677, 2014.

[16] K. Liao, M. Zhu, and L. Ding, “A new wavelet transform to sparsely represent cortical
current densities for EEG/MEG inverse problems,” Comput. Methods Programs
Biomed., vol. 111, no. 2, pp. 376–388, 2013.
[17] H. U. Amin et al., “Feature extraction and classification for EEG signals using wavelet
transform and machine learning techniques,” Australas. Phys. Eng. Sci. Med., vol. 38,
no. 1, pp. 139–149, 2015.
[18] A. Suleiman and T. Fatehi, “Features Extraction Techniqes of Eeg Signal for Bci

Applications,” Fac. Comput. Inf. Eng. Dep. Coll. Electron. Eng. Univ. Mosul, Iraq, pp.

1–5, 2007.

7
[19] Y. R. Tabar and U. Halici, “A novel deep learning approach for classification of EEG
motor imagery signals,” J. Neural Eng., vol. 14, no. 1, p. 16003, 2017.
[20] S. S. Lekshmi, V. Selvam, and M. Pallikonda Rajasekaran, “EEG signal classification
using Principal Component Analysis and Wavelet Transform with Neural Network,” Int.
Conf. Commun. Signal Process. ICCSP 2014 - Proc., no. C, pp. 687–690, 2014.
[21] M. Hoodgar, M. Mehrani, A. Mehranzadeh, and F. Forootan, “Proposing an Effective

Feature Extraction Model for EEG Signals to Enhance Quality of Hand’s Motion
Detection,” J. Acad. Appl. Stud., vol. 3, no. 2, pp. 1–19, 2013.