Abstrak—Meningkaatnya jumlah penyandang disabilitas
yang kehilangan sebagian anggota tubuhnya menjadikan alat
bionik dibutuhkan untuk menggantikan fungsi motorik manusia.
Brain-Computer Interface (BCI) dapat menjadi solusi bagi
perangkat bionik untuk berkomunikasi dengan otak. Sinyal otak
atau sinyal Electroencephalogram (EEG) perlu diklasifikasikan
untuk menggerakkan perangkat bionik yang sesuai. Penelitian
ini bertujuan untuk mengklasifikasikan imajinasi gerakan
tangan kanan dan kiri berdasarkan sinyal EEG. Perancangan
sistem dalam penelitian ini terdiri dari pemilihan kanal EEG
menggunakan filter Finite Impulse Response (FIR), ekstraksi ciri
menggunakan Common Spatial Pattern (CSP), dan klasifikasi

menggunakan Multilayer Perceptron Back Propagation (MLP-
BP). Data yang digunakan adalah dataset sekunder dari BCI

Competition IV (2b) dengan 9 subjek penelitian. Skenario
penelitian dilakukan dengan mencoba menggunakan beberapa
variasi jumlah node hidden layer MLP-BP pada kanal sinyal
EEG. Berdasarkan pengujian, akurasi terbaik adalah 68,7%
menggunakan 24 node MLP-BP pada alpha channel.