LAPORAN PRAKTIKUM SENSOR DAN TRANDUSER SINTESIS DAN ANALISIS ISYARAT (SIMULASI)

Disusun oleh: Januar Widakdo (11306141032)

LABORATORIUM ELEKTRONIKA DAN INSTRUMENTASI JURUSAN PENDIDIKAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA 2013

I.

Tujuan : 1. Mengkonstruksi sinyal kompleks dengan MATLAB 2. Memahami bahwa sinyal kompleks (hasil penjumlahan lebih dari satu sinyal) dapat diuraikan kembali atas komponenkomponennya. 3. Menggunakan FFT (Fast Fourier Transfor) untuk mengekstrasi sinyal menjadi komponen

II.

Dasar teori

Transformasi Fourier Pada tahun 1960, J. W. Cooley dan J. W. Tukey, berhasil merumuskan suatu teknik perhitungan algoritma Fourier Transform yang efisien. Teknik perhitungan algoritma ini dikenal dengan sebutan Fast Fourier Transform atau lebih populer dengan istilahFFT yang diperkenalkan oleh J.S.Bendat dan A.G.Piersol pada 1986. Fast Fourier Transform dalam bahasa indonesia adalah Transformasi Fourier Cepat adalah sumber dari suatu algoritma untuk menghitung Discrete Fourier Transform (transformasi fourier diskri tatau DFT) dengan cepat, efisien dan inversnya. Fast Fourier Transform (FFT) diterapkan dalam beragam bidang dari pengolahan sinyal digital dan memecahkan persamaan diferensial parsial menjadi algoritma-algoritma untuk penggandaan bilangan integer dalam jumlah banyak. Ada pun kelas dasar dari algoritma FFT yaitu decimation in time (DIT) dan decimation in frequency (DIF). Garis besar dari kata Fast diartikan karena formulasi FFT jauh lebih cepat dibandingkan dengan metode perhitungan algoritma Fourier Transform sebelumnya. Metode FFT memerlukan sekitar 10000 operasi algoritma matematika untuk data dengan 1000 observasi, 100 kali lebih cepat dibandingan dengan metode sebelumnya. Penemuan FFT dan perkembangan personal komputer, teknik FFT dalam proses analisa data menjadi populer, dan merupakan salah satu metode baku dalam analisa data.

Satu bentuk transformasi yang umum digunakan untuk merubah sinyal dari domain waktu ke domain frekuensi adalah Transformasi Fourier: Persamaan dari bentuk sinya x(t).

Sebagai contoh, anda memiliki sinyal sinus dengan frekuensi 5 Hz dan amplitudo1Volt. Dalam domain waktu anda akan melihat seperti pada Gambar 1 bagian atas. Sementara dalam domain frekuensi akan anda dapatkan seperti pada bagian bawah. Untuk memperoleh hasil seperti gambar tersebut anda dapat memanfaatkan library fft yang tersedia pada Matlab..

Analisa Spektrum

Untuk menghitung frekuensi dari suatu sinyal, sebuah implementasi diskrit dari analisa Fourier dapat digunakan, yang kemudian lebih disempurnakan dengan suatu algoritma yang kita kenal sebagai Fast Fourier transform (FFT). Secara umum teknik ini merupakan pendekatan yang terbaik untuk transformasi. Dalam hal ini input sinyal ke window ditetapkan memmiliki panjang 2m. Anda dapat memilih analisis window yang akan digunakan. Output dari syntax FFT(x,n) merupakan sebuah vector komplek, dengan n amplitudo komplek dari 0 Hz sampai dengan sampling frekuensi yang digunakan.

FFT dalam pengolahan isyarat meliputi Periode dan frekuensi: 1. Periode Secara umum periode didefinisikan sebagai waktu yang dibutuhkan untuk sebuah isyarat atau gelombang mencapai suatu gelombang penuh.dan dapat menentukan nilai periodesitasnya. Perlu dicermati bahwa pengertian ini berlaku untuk isyarat monokromatis, isyarat yang dimaksud adalah gelombangnya bersifat tunggal, pasti memiliki sebuah priode. Dengan demikian isyarat itu dikenal dengan istilah priodis, pengamatan dapat dilakukan dengan memantau gelombang kita dapat mengetahui nilai nilai yang terkandung dalam isyarat serta periodenya. 2. Frekuensi Ada periode, maka ada frekuensi diartikan sebagai jumlah gelombang yang terjadi dalam 1 detik. Frekuensi didefinisikan secara sederhana sebagai kebalikan dari waktu. Sehingga waktu yang satuannya adalah detik (second) akan menjadi Hertz (1per second) hanya akan memiliki tepat satu nilai spektrum.
4

Yang dikenal dengan spektrum frekuensi. Pengertian frekuensi ini juga berlaku untuk gelombang monokromatis.

III.

Langkah percobaan Menyusun program MATLAB dengan ketentuan dasar sebagai berikut : 1. Membuat minimal tiga isyarat sinusoidal masing-masing dengan frekuensi dan amplitudo yang berbeda. 2. Menggambar grafik (plot) masing-masing isyarat dengan waktu pada sumbu mendatar dan amplitudo pada sumbu vertikal. 3. Menjumlahkan semua isyarat pada langkah 1 tersebut (proses sintesis). 4. Menggambar garfik (plot) isyarat hasil penjumlahan itu dengan waktu pada sumbu mendatar dan amplitudo pada sumbu vertikal. 5. Menguraikan kembali (ekstraksi) hasil penjumlahan isyarat pada langkah 3 tersebut dengan fungsi FFT yang ada di dalam MATLAB (proses analisis). 6. Menggambar garfik (plot) hasil ekstraksi tersebut dengan frekuensi pada sumbu mendatar dan amplitudo pada sumbu vertikal. 7. Mengulangi langkah 1-6 untuk : a. Amplitudo yang berbeda (frekuensi dan beda fase tetap). b. Frekuensi yang berbeda (amplitudo dan beda fase tetap). c. Beda fase berbeda (frekuensi dan amplitudo tetap). 8. Mengamati semua grafik yang telah dihasilkan , kemudian menyusun deskripsi mengenai sintesis dan analisis sinyal.

IV.

Alat dan bahan 1. Laptop yang dilengkapi program aplikasi MATLAB.

V.

Hasil data percobaan

Program MATLAB
clear all,close all, clc; N = 1024; f1 = 150; f2 = 450; f3 = 1000; fs = 8000; n = 0 : N-1; y1 = (1/2)*sin(2*pi*(f1/fs)*n); y2 = (1/3)*sin(2*pi*(f2/fs)*n); y3 = (5/6)*sin(2*pi*(f3/fs)*n); yjum = y1+y2+y3 ; figure (1); plot (n, y1); title ('Isyarat y1(n)'); figure (2); plot (n, y2); title ('Isyarat y2(n)'); figure (3); plot (n, y3); title ('Isyarat y3(n)'); figure (4); plot (n, yjum); title ('Isyarat y1(n)+y2(n)+y3(n)'); y = fft(yjum,N); ymag = abs (y(1 : length (y)/2 +1)); f = fs / 2 *linspace (0, 1, length (y)/2 +1); figure (5); plot (f, ymag); axis ([0 0.5 e+004 0 max (abs (ymag))]); title ('Hasil Ekstrasi dengan FFT');

1. Grafik masing-masing isyarat Persamaan gelombang pertama

Persamaan gelombang kedua

Persamaan gelombang ketiga

2. Grafik hasil penjumlahan

3. Grafik hasil ekstraksi

A. Amplitudo yang berbeda (Frekuensi dan beda fase tetap). 1. Grafik masing-masing isyarat Persamaan gelombang pertama

Persamaan gelombang kedua

Persamaan gelombang ketiga

10

2. Grafik hasil penjumlahan

3. Grafik hasil ekstraksi

11

B. Frekuensi yang berbeda (Amplitudo dan beda fase tetap). 1. Grafik masing-masing isyarat Persamaan pertama

Persamaan gelombang kedua

12

Persamaan gelombang ketiga

2. Grafik hasil penjumlahan

13

3. Grafik hasil ekstraksi

C. Beda fase yang berbeda (Frekuensi dan amplitudo). 1. Grafik masing-masing isyarat Persamaan gelombang pertama

14

Persamaan gelombang kedua

Persamaan gelombang ketiga

15

2. Grafik hasil penjumlahan

3. Grafik hasil ekstraksi

16

VI.

Analisis dan Pembahasan

Pada percobaan sintesis dan analisis isyarat (simulasi) ini praktikan mencoba mengkonstruksi sinyal kompleks dengan MATLAB dengan menggunakan FFT (Fast Fourier Transfor) yang bertujuan untuk mengestrasi sinyal menjadi komponen-komponennya. Praktikan mencoba untuk merubah beberapa variabel seperti amplitudo, frekuensi dan beda fase dengan membedakan grafik hasil dengan data awal yang sudah diberikan, berikut ini data dan grafik hasil ekstrasi yang dihasilkan dari program analisis MATLAB . A. Amplitudo yang berbeda (Frekuensi dan beda fase tetap). Data awal y1 = (1/2)*sin(2*pi*(f1/fs)*n); y2 = (1/3)*sin(2*pi*(f2/fs)*n); y3 = (5/6)*sin(2*pi*(f3/fs)*n); Saat amplitudonya diubah y1 = (1/3)*sin(2*pi*(f1/fs)*n); y2 = (1/2)*sin(2*pi*(f2/fs)*n); y3 = (1/4)*sin(2*pi*(f3/fs)*n);

Grafik awal
17

Grafik saat amplitudo diubah

Disni dapat terlihat ketika membandingan hasil data awal dengan amplitude yang diubah tetapi frekuensi dan beda fase tetap dengan amplitudo awal di gelombang pertama y1 = 0.5, gelombang kedua y2 = 0,33 , dan gelombang ketiga y3= 0,83 diubah amplitudonya di gelombang pertama y1 = 0.33 , gelombang kedua y2 = 0,5 , dan gelombang ketiga y3= 0,25 tampak bahwa tinggi pucak yang dicapai berbeda (maksimum dan minimumnya) . hal ini terjadi karena masukan sinyal isyarat pada amplitude berbeda. B. Frekuensi yang berbeda (Amplitudo dan beda fase tetap). Frekuensi awal N = 1024; f1 = 150; f2 = 450; f3 = 1000; fs = 8000; n = 0 : N-1;

Saat frekuensinya diubah N = 1024;

18

f1 = 300; f2 = 500; f3 = 900; fs = 10000; n = 0 : N-1;

Grafik awal

Grafik saat frekuensi diubah Pada percobaan ini, isyarat dengan waktu pada sumbu horizontal dan amplitudo pada sumbu vertical tampak bahwa perubahan yang dilakukan pada frekuensi dengan frekuensi awal yaitu f1 = 150, f2 = 450 , f3 = 1000
19

dan frekuensi pembagi fs = 8000 diubah menjadi f1 = 300 , f2 = 500, f3 = 900 dengan frekuensi pembaginya fs = 10000 tampak terlihat jelas bahwa perbedaan dari output grafik yang dihasilkan berbeda pada sumbu horizontal yaitu waktu atau posisi gelombangnya. Dan jarak antara satu gelombang dengan gelombang pada grafik berubah pula.

C. Beda fase yang berbeda (Frekuensi dan amplitudo). Data awal y1 = (1/2)*sin(2*pi*(f1/fs)*n); y2 = (1/3)*sin(2*pi*(f2/fs)*n); y3 = (5/6)*sin(2*pi*(f3/fs)*n); Saat beda fasenya diubah y1 = (1/2)*sin(2*pi*(f1/fs)*n +0.1*pi*(f1/fs)*n); y2 = (1/3)*sin(2*pi*(f2/fs)*n +0.1*pi*(f2/fs)*n); y3 = (5/6)*sin(2*pi*(f3/fs)*n +0.1*pi*(f3/fs)*n);

Grafik awal

20

Grafik saat ditambahkan dengan beda fase Pada perubahan beda fase ini isyarat mengkontruksi sinyal dengan MATLAB denga beda fase awal yaitu y1 = (1/2)*sin(2*pi*(f1/fs)*n);, y2 = (1/3)*sin(2*pi*(f2/fs)*n), y3 = (5/6)*sin(2*pi*(f3/fs)*n). dan perubahan beda fase setalah ditambahkan fungi sinusny pada persamaan gelombang menjadi : fungsi gelombang pertama y1 = (1/2)*sin(2*pi*(f1/fs)*n +0.1*pi*(f1/fs)*n), gelombang kedua y2 = (1/3)*sin(2*pi*(f2/fs)*n +0.1*pi*(f2/fs)*n), gelombang ketiga y3 = (5/6)*sin(2*pi*(f3/fs)*n +0.1*pi*(f3/fs)*n). didapatkan output gambar pada hasil ekstrasi sinyal yang terlihat pada gambar diatas bahwa gelombang pada fungsi waktu atau posisi tidak berubah secara signifikan, tetapi pada amplitudonya berubah sedikit. Ini dikarenakan input pada beda fase konstanta perubahan yang diberikan hanya 0.1 . maka dari itu perubahan yang terjadi hanya sedikit saja terlihatnya.

21

VII. Kesimpulan
1. Setelah melakukan praktikum kali ini praktikan dapat mengkontruksi sinyal kompleks menggunakan MATLAB. 2. Sinyal kompleks merupakan penjumlahan dari beberapa sinyal yang dapat di uraikan kembali menurut komponen-komponenya ,seperti apa yang telah di lakukan pada praktikum kali ini. 3. Dalam mengekstraksi sinyal menjadi komponen-komponennya menggunakan FFT(Fast Fourier Transfor) yang inti kerjanya adalah membagi sinyal menjadi dua buah bagian, satu bagian dengan nilai indeks genap dan satunya lagi dengan nilai indeks ganjil. mengolah dan

VIII.

Daftar Pustaka id.wikipedia.org/wiki/Analisis_fourier

lecturer.eepis-its.edu/.../prak_SinyalSistem_6.pdf Kuswanto,Heri.2012.Optika Forier Prinsip dan Aplikasi. Yogyakarta : Grafika Indah

IX. Lampiran
clear all,close all, clc; N = 1024; f1 = 150; f2 = 450; f3 = 1000; fs = 8000; n = 0 : N-1; y1 = (1/2)*sin(2*pi*(f1/fs)*n); y2 = (1/3)*sin(2*pi*(f2/fs)*n); y3 = (5/6)*sin(2*pi*(f3/fs)*n); yjum = y1+y2+y3 ; figure (1); plot (n, y1); title ('Isyarat y1(n)'); figure (2); plot (n, y2); title ('Isyarat y2(n)');

22

figure (3); plot (n, y3); title ('Isyarat y3(n)'); figure (4); plot (n, yjum); title ('Isyarat y1(n)+y2(n)+y3(n)'); y = fft(yjum,N); ymag = abs (y(1 : length (y)/2 +1)); f = fs / 2 *linspace (0, 1, length (y)/2 +1); figure (5); plot (f, ymag); axis ([0 0.5 e+004 0 max (abs (ymag))]); title ('Hasil Ekstrasi dengan FFT');

Saat Amplitudo diubah :

clear all,close all, clc; N = 1024; f1 = 150; f2 = 450; f3 = 1000; fs = 8000; n = 0 : N-1; y1 = (1/3)*sin(2*pi*(f1/fs)*n); y2 = (1/2)*sin(2*pi*(f2/fs)*n); y3 = (1/4)*sin(2*pi*(f3/fs)*n); yjum = y1+y2+y3 ; figure (1); plot (n, y1); title ('Isyarat y1(n)'); figure (2); plot (n, y2); title ('Isyarat y2(n)'); figure (3); plot (n, y3); title ('Isyarat y3(n)'); figure (4); plot (n, yjum);

23

title ('Isyarat y1(n)+y2(n)+y3(n)'); y = fft(yjum,N); ymag = abs (y(1 : length (y)/2 +1)); f = fs / 2 *linspace (0, 1, length (y)/2 +1); figure (5); plot (f, ymag); axis ([0 0.5 e+004 0 max (abs (ymag))]); title ('Hasil Ekstrasi dengan FFT');

Saat frekuensi yang diubah :

clear all,close all, clc; N = 1024; f1 = 300; f2 = 500; f3 = 900; fs = 10000; n = 0 : N-1; y1 = (1/2)*sin(2*pi*(f1/fs)*n); y2 = (1/3)*sin(2*pi*(f2/fs)*n); y3 = (5/6)*sin(2*pi*(f3/fs)*n); yjum = y1+y2+y3 ; figure (1); plot (n, y1); title ('Isyarat y1(n)'); figure (2); plot (n, y2); title ('Isyarat y2(n)'); figure (3); plot (n, y3); title ('Isyarat y3(n)'); figure (4); plot (n, yjum); title ('Isyarat y1(n)+y2(n)+y3(n)'); y = fft(yjum,N); ymag = abs (y(1 : length (y)/2 +1)); f = fs / 2 *linspace (0, 1, length (y)/2 +1); figure (5); plot (f, ymag); axis ([0 0.5 e+004 0 max (abs (ymag))]); title ('Hasil Ekstrasi dengan FFT');

24

Saat beda fase yang diubah :

clear all,close all, clc; N = 1024; f1 = 150; f2 = 450; f3 = 1000; fs = 8000; n = 0 : N-1; y1 = (1/2)*sin(2*pi*(f1/fs)*n +0.1*pi*(f1/fs)*n); y2 = (1/3)*sin(2*pi*(f2/fs)*n +0.1*pi*(f2/fs)*n); y3 = (5/6)*sin(2*pi*(f3/fs)*n +0.1*pi*(f3/fs)*n); yjum = y1+y2+y3 ; figure (1); plot (n, y1); title ('Isyarat y1(n)'); figure (2); plot (n, y2); title ('Isyarat y2(n)'); figure (3); plot (n, y3); title ('Isyarat y3(n)'); figure (4); plot (n, yjum); title ('Isyarat y1(n)+y2(n)+y3(n)'); y = fft(yjum,N); ymag = abs (y(1 : length (y)/2 +1)); f = fs / 2 *linspace (0, 1, length (y)/2 +1); figure (5); plot (f, ymag); axis ([0 0.5 e+004 0 max (abs (ymag))]); title ('Hasil Ekstrasi dengan FFT');

25