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
BAB I PENDAHULUAN....................................................................................... 1
1
BAB II METODE PENELITIAN
seperti contoh:
Kebutuan peralatan yang digunakan pada penelitian ini terbagi dalam dua jenis yaitu:
Pada penelitian ini, perangkat keras yang digunakan dalam penelitian adalah sebuah
laptop dengan spesifikasi sebagai berikut:
• Processor : Intel® Core™ i7 8750H
• RAM : 16 GB
Laptop dengan spesifikasi tersebut menjadi hardware yang digunakan dalam melakukan
proses pengambilan data, pencarian literatur, pemrosesan data, proses analisis data, serta
penulisan laporan penelitian.
b. Microsoft Visio
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.
2.4. 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.
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
1 Kajian pustaka
5 Perancangan program
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
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,
[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.