Anda di halaman 1dari 22

SYAIFUL EFENDI (201111014)

SEKOLAH TINGGI ILMU & TEKNOLOGI BONTANG


BONTANG 2013

Jump to first page

Jump to first page

Transformasi Fourier adalah suatu model transformasi dengan analisa fourier yang memindahkan domain spasial atau domain waktu menjadi domain frekwensi Transformasi F(t)

Fourier

F(w)

Fast Fourier transform (FFT) adalah suatu algoritma yang efisien (Cepat) untuk menghitung transformasi Fourier diskrit (DFT) dan inversenya.
Jump to first page

Prinsip kerja FFT adalah membagi sinyal hasil penyamplingan menjadi beberapa bagian yang kemudian masing-masing bagian diselesaikan dengan algoritma yang sama dan hasilnya dikumpulkan kembali`

FFT pada dasarnya merupakan alih ragam Fourier tapi untuk komponen diskrit bukan kontinyu. FFT merupakan DFT (discrete fourier transform) yang memiliki jumlah komputasi lebih sedikit dibanding komputasi DFT biasa. DFT akan menghasilkan jumlah komputasi sebesar N2 sedangkan FFT akan menghasilkan jumlah komputasi sebesar (N)log2(N)

Jump to first page

Discrete Fourier Transform (DFT) didefinisikan sebagai

Dengan: n = indeks dalam domain waktu = 0, 1, ., N-1 m = indeks dalam domain frekuensi = 0, 1, .,N-1 x(n) dipilih menjadi genap dan ganjil

Jump to first page

Persamaan (7) dan (8) merupakan FFT radix-2 Decimation in Time (DIT) yang mana sequence data dipilah menjadi dua bagian menjadi genap dan ganjil dan menggambarkan gabungan dua DFT N/2 data
Jump to first page

Secara sederhana persamaan (7) dan (8) digambarkan menggunakan diagram kupu-kupu (butterfly diagram) yaitu:

Namun ada yang harus dipenuhi sebelum memutuskan untuk menggunakan FFT sebagai solusi. Isyarat yang akan diolah harus bersifat stasioner, aperiodis (tidak periodis). Isyarat periodis kontinu dapat dianalisa menggunakan deret Fourier.
Jump to first page

Fast Fourier Transform ditemukan oleh Baron Jean-BaptisteJoseph Fourier (21 Maret 1768 sampai dengan 16 Mei 1830). Dalam pertengahan tahun 1960, J. W. Cooley dan J. W. Tukey, berhasil merumuskan suatu teknik perhitungan Fourier Transform yang efisien. Teknik perhitungan ini dikenal dengan sebutan Fast Fourier Transform atau lebih populer dengan istilah FFT (Bendat dan Piersol 1986).

Jump to first page

1. Untuk memisahkan isyarat menjadi komponen penyusun frekuensinya yang tidak bisa dipisahkan secara gamblang hanya dengan melihat isyarat tersebut dalam kawasan waktu

Hasil FFT

Jump to first page

Tampak dengan menggunakan FFT isyarat yang merupakan hasil penjumlahan dari 3 buah isyarat dengan frekuensi yang masingmasing berbeda, dapat dipisahkan dengan baik 2.Untuk kompresi data. Misalnya saja data suara alat music jawa gamelan berikut ini: Hasil

FFT

Jump to first page

Bagaimana

caranya

FFT

bisa digunakan

untuk

kompresi?

Perhatikan spektrum frekuensi dari isyarat tersebut (hasil FFT). Tampak bahwa terdapat frekuensi fundamental (sekitar 301 Hz) yang memiliki amplitude terbesar. Lalu dengan memberikan nilai ambang (threshold) pada amplitude hasil FFT, pilihlah frekuensi mana saja yang layak untuk dijadikan komponen penyusun isyarat baru. Tentu saja dominasi frekuensi tersebut bisa diwakilkan oleh nilai amplitude nya.. Dengan melakukan thresholding tentu akan dihasilkan isyarat dengan komponen frekuensi yang lebih sedikit .

Tentu saja diharapkan data baru tersebut bisa mewakili informasi data asli. Untuk itu pemilihan nilai amplitude harus dilakukan secara cermat Sehingga isyarat dan informasi di dalamnya menjadi unik. Artinya tidak bisa diberikan standarisasi one for all.
Jump to first page

3. Untuk alih ragam yang bisa berfungsi dalam statistik contohnya dalam penelitian tentang meramal perilaku sebuah Debit dari aliran sungai Dengan menggunakan FFT, disertai asumsi awal bahwa di dalam populasi data akan terdapat periodesitas Dengan memilih beberapa komponen frekuensi, berhasil ditunjukkan bahwa ada perulangan aliran sungai pada periode tertentu mulai dari jangka waktu terpendek, menengah dan terpanjang.

Informasi yang biasanya diambil dari FFT adalah sifat periodesitasnya melalui komponen frekuensi yang dihasilkan. Untuk itu dibutuhkan algoritma lain untuk meramalkan debit yang muncul pada waktu-waktu tersebut
Jump to first page

4.Untuk memilih frekuensi di filter atau tapis menggunakan lowpass, highpass,bandpass dan bandstop filter. Dengan memanfaatkan prinsip bahwa hasil FFT bila ingin ditapis maka harus dikalikan dengan FFT dari filter itu sendiri
Dalam hal ini FFT digunakan untuk melihat komponen penyusun frekuensinya Teknik-teknik windowing atau penjendelaan juga bisa dilibatkan dalam pembuatan filter digital ini.

Jump to first page

5.Dalam bidang pengolahan citra digital, peran FFT juga penting. Untuk mengetahui frekuensi kemunculan intensitas piksel dalam sebuah citra . Misalnya dalam mengenali objek menggunakan template matching sebagai klasifikasinya sedangkan FFT digunakan untuk ekstraksi cirinya. Dengan demikian proses nya akan lebih cepat karena membutuhkan komputasi yang sedikit.
Penggunaan FFT bisa saja digunakan untuk kompresi citra, tapi teknik ini sangat sederhana sehingga mungkin informasi yang terbuang akan banyak. Namun, kejelian dari seorang researcher akan menentukan hasil akhir dari penggunaan teknik ini
Jump to first page

Kelebihan Fast Fourier Transform 1. Mampu menunjukkan kandungan frekuensi yang terkandung di dalam isyarat. 2. Mampu menunjukkan berapa banyak komponen frekuensi yang ada di dalam isyarat.
Hal ini sudah di jelaskan pada pengggunakan dari FFT

Jump to first page

Kekurangan Fast Fourier Transform 1. Hanya mampu menganalisa isyarat stasioner sementara isyarat non-stasioner sangat banyak.
Untuk titik 1:1024 Untuk titik 1025:2048

Jump to first page

2. Alihragam ini hanya memberikan informasi berupa semua kandungan frekuensi yang terdapat pada isyarat ,tidak bisa memperlihatkan waktu terjadinya frekuensi tersebut secara bersamaan

kedua isyarat menunjukkan kandungn frekuensi yang sama persis. Padahal letak komponen frekuensi tersebut Jump to first page seharusnya berbeda

3. Dalam aplikasinya, representasi waktu-frekuensi itu sangat dibutuhkan. untuk menanggulangi permasalahan yang tersebut sudah ditemukan. STFT dan Wavelet. STFT menggunakan jendela atau disebut juga windowing signal untuk mengolah isyarat lebih lanjut. Tapi metode tersebut tetap memiliki kekurangan.

Jump to first page

Pada FFT tergantung pada jumlah titik (N), dan jumlah perioda dari suatu sinyal. FFT berisi informasi antara 0 dan fs. Frekuensi sampling harus paling tidak dua kali lebih tinggi dari frekuensi komponennya. Oleh karena itu, spektrum sinyal harus dibawah fs/2, Nyquist frequency. Contoh : n = [0:149]; x1 = cos(2*pi*n/10); N = 2048; X = abs(fft(x1,N)); X = fftshift(X); F = [-N/2:N/2-1]/N; Plot(F,X) Xlabel(frekuensi / fs)
Jump to first page

Jump to first page

Fast Fourier transform (FFT) adalah suatu algoritma yang efisien (Cepat) untuk menghitung transformasi Fourier diskrit (DFT) dan inversenya.
Prinsip kerja FFT adalah membagi sinyal hasil penyamplingan menjadi beberapa bagian yang kemudian masing-masing bagian diselesaikan dengan algoritma yang sama dan hasilnya dikumpulkan kembali FFT merupakan DFT (discrete fourier transform) yang memiliki jumlah komputasi lebih sedikit dibanding komputasi DFT biasa
Jump to first page

http://www.scribd.com/doc/60100313/Mengapa-Kita-Membutuhkan-FFT-danContoh-Aplikasinya
http://www.scribd.com/doc/78479075/Kelebihan-dan-Kekurangan-TransformasiFourier Wanjun Huang. Fast Fourier Transform and MATLAB Implementation. http://www.utdallas.edu/~dlm/3350%20comm%20sys/FFTandMatLabwanjun%20huang.pdf http://library.binus.ac.id/eColls/eThesis/Bab2/2012-1-00104 IF%20Bab%202.pdf

Riyanto, Sugeng, dkk. (2009). ALGORITMA FAST FOURIER TRANSFORM (FFT) DECIMATION IN TIME (DIT) DENGAN RESOLUSI 1/10 HERTZ. Yogyakarta : Fakultas MIPA, Universitas Negeri Yogyakarta.
http://www.public.iastate.edu/~e_m.350/FFT%205.pdf
Jump to first page