Dasar-Dasar dari DFT Transformasi Fourier adalah prosedur dasar dalam pemrosesan sinyal dimana sinyal dapat dirubah

dari domain waktu ke domain frekuensi. Transformasi Fourier adalah transformasi integral, yang merubah satu fungsi menjadi fungsi yang lain. Secara Umum, istilah TF mencakup semua jenis dari transformasi-transformasi sejenis. Namun biasanya, TF digunakan untuk menunjukkan transformasi fourier kontinyu. Di dalam transformasi diperoleh sprektrum frekuensi tergantung pada varian kontinyu atau diskrit. 1. Sebuah proses yang meluas dari aperiodik hingga tak terbatas, memerlukan sebuah transformasi Fourier kontinyu. Hasilnya ialah sebuah spektrum kontinyu.

Gambar 1. Spektrum sinyal kontinyu 2. Dalam suatu proses, jika nilai yang diketahui hanya diskrit, dengan jarak sampling yang dalam interval terbatas, maka digunakan transformasi fourier diskrit, dimana spektrumnya juga diskrit.

Gambar 2. Spektrum sinyal diskrit 3. Sebuah fungsi periodic pada interval terbatas, bisa diselesaikan dalam deret Fouriernya. Spektrum pada fungsi periodiknya ialah diskrit.

Gambar 3. Spektrum sinyal diskrit Transformasi fourier diskrit merupakan tool terpenting di dalam praktek pengolahan sinyal digital. Itu merupakan transformasi fourier pada waktu diskrit terbatas atau sinyalperiodik. Contoh aplikasi DFT :

Menetapkan komponen frekuensi di dalam sebuah sinyal Menghitung konvolusi dan korelasi dari duasinyal Penggunaan secara efisien filter digital dengan banyak koefisien Penciptaan algoritma kompresi seperti MP3-format Transfer Broadband sebagai dasar untuk ADSL, WLAN, DVB-T, DRM, DAB.

Definisi Matematika dari DFT Titik awal dari Discrete Fourier Transformation (DFT) adalah Fourier yang mengubah waktu sinyal kontinyu (time-continuous signal):

Untuk mengubah transformasi fourier kontinyu ke transformas ifourier diskrit, variable t untuk waktu sinya lkontinyu x(t) diganti dengan waktu variable diskrit (nT), dan diferensial dt dengan interval sampel T. Setelah diubah ke variabel diskrit, integralnya dapat diaproksimasi dengan penjumlahan :

Dengan x(nT) = x[n] , , dan menjumlahkan dari 0 ke (N-1), definisinya diberikan untuk transformasi fourier diskrit :

Pernyataan ini juga dikenal dengan rumus analisis. Sebagai bagian dari DFT, ada inverse DFT (IDFT), yang dikenal sebagai rumus sintesis:

adalah sepasang transformasi untuk mengubah waktu sinyal diskrit dalam domain waktu ke domain frekuensi, dan sebaliknya. Nilai n nilai komplek X[k] adalah koefisien DFT.

Pernyataan

bisa dikonversi ke:

, dimana untuk fungsi eksponensial di

dalam kurung, istilah twiddle factor dan simbol digunakan. Faktor twiddle disebut akar-akar satuan ke-n dan mendeskripsikan titik-titik k. Pada bilangan komplek, semua terletak dengan jarak yang sama pada satuan lingkaran satuan, yang selalu memiliki radius 1. Dengan demikian, DFT dapat juga diberikan dalam bentuk berikut:

Akar k satuan (roots of unity) adalah bilangan komplek, Yang terletak pada keliling lingkaran di bawah ini. Mereka diwakili ilustrasi oleh arah panah vektor:

Gambar 4. Lingkaran ilustrasi Sementara setiap titik k pada lingkaran satuan, dengan bantuan penjumlahan

dipetakan untuk setiap nilai sampel x[n], input vektornya adalah dihitung dari hasil vector pada transformasi fourier. Jika nilai sampel yang tersedia sebagai vector masukan untuk DFT adalah N, unit lingkarannya harus dibagi menjadi N titik atau akar satuan N. Korelasi dari nilai sampel N dengan akar satuan N membutuhkan total nilai sampel N akar satuan N. Untuk vektor input denga nmagnitude N, maka harus dibuat perhitungan N .

Transformasi Fourier Cepat ( Fast Fourier Transformation) Dasar Dasar FFT Transformasi Fourier Cepat (FFT) adalah suatu algoritma untuk perhitungan cepat nilai dalam sebuah transformasi Fourier diskrit (DFT). Proses cepat dibandingkan dengan perhitungan langsung dicapai dengan menghindari perhitungan ganda menggunakan persamaan yang membatalkan satu sama lain. Algoritma dari Cooley dan Tukey adalah algoritma klasik untuk maksud di atas.

Sebuah prasyarat untuk penerapannya adalah bahwa jumlah titik sampel adalah pangkat dari 2, yaitu jumlah titik sampel bisa 1, 2, 4, 8, 16, 32, dll. Hal ini disebut, sebagai akar 2 FFT. Perhitungan dari DFT dengan besarnya N, dibagi menjadi dua perhitungan besarnya DFT N/2, yaitu vektor untuk nilai yang terukur dibagi menjadi bagian vektor untuk nilai-nilai indeks genap dan ganjil dan kemudian DFT ditentukan dari kedua set nilai-nilai. Kedua hasil parsial tersebut kemudian dikombinasikan untuk kembali hasil tunggal total. Untuk menghitung dua bagian, sifatsifat akar satuan digunakan dari matriks Fourier. Sebuah aplikasi rekursif dari ide dasar, memungkinkan kita melakukan perhitungan DFT dengan order satuan O (N log (N)) . Definisi Matematika Dari FFT Dasar dari Transformasi Fourier Cepat (FFT), adalah definisi matematis dari DFT:

[ ]

[ ]

Pemisahan urutan x[n] ke bagian x1[n] = x[2n] bahkan dengan indeks dan x2[n] = x[2n +1] dengan indeks ganjil nilai sampel, jumlah dari DFT dapat diwakili oleh dua jumlahparsial :

[ ]

Dengan:

sehingga:

[ ]

[ ]

[ ]

dan: [ ] [ ] [ ]

X1 [k] dan X2 [k] adalah N/2- titik DFT dari x1[n] dan x2 [n]. Perhitungan yang dilakukan diperlukan untuk mengikuti model ini, sebanding dengan operasi

untuk menentukan DFT keseluruhan. Diagram di bawah menunjukkan resolusi dari sebuah 8-titik DFT menjadi dua 4-titik yang DFT.

Gambar 5. Diagram 8-titik DFT menjadi dua 4-titik yang DFT Prinsip resolusi ke N/2DFT yang menggunakan urutan perpecahan x1[n]dan x2 [n] dapat digunakan berulang kali, dengan syarat bahwa jumlah sampel habis dibagi 2. Dengan demikian, pengurangan 8-titik DFT dapat dilanjutkan dalam langkah-langkah lebih lanjut.

Gambar 6. Diagram resolusi ke N/2DFT Pada langkah terakhir, yang N / 4 DFT benar-benar diganti dengan perkalian kompleks dan tambahan, yang dapat diwakili dalam grafik kupu-kupu:

Gambar 7. Grafik kupu-kupu DFT Setengah dari perkalian dihilangkan, karena . Secara umum, untuk radix-2 FFT, ada N ld (N) penjumlahan kompleks dan N ld (N) perkalian kompleks jika N adalah kepangkatan 2. Dasar Teori Tambahan Perbedaan DFT dengan DTFT (discrete time Fourier Transform) adalah pada evaluasi frekuensi yang terbatas. Jadi DFT sendiri sebenarnya adalah DTFT dalam implementasi nyata karena keterbatasan piranti pemroses, memori dan piranti lainnya. Pada prakteknya DFT sendiri dikerjakan oleh suatu pemroses baik itu komputer atau DSP dengan algoritma yang dinamakan Fast Fourier Transform (FFT). Algoritma FFT sendiri ada berbagai macam. Oleh karena FFT adalah implementasi penerapan DFT maka antara FFT dan DFT sering dianggap sama dan dapat dipertukarkan. DFT yang dikenakan pada sinyal akan menghasilkan spektrum frekuensi yang terdiri dari spektrum magnitude dan spektrum fasa yang menunjukan hubungan antara magnitude, fasa dengan frekuensi. Artinya kita dapat melihat komponen penyusun sinyal tersebut dari magnitude sinyal pada rentang frekuensi. Begitu juga dengan fasenya. Misalnya digunakan untuk analisis suara manusia maka kita dapat melihat sebenarnya suara kita memyunyai magnitude besar pada frekuensi berapa saja, yang menunjukkan dominan frekuensi dari suara kita. Analisis ini juga dapat digunakan untuk mengamati suara dengan deraunya. Jika suara kita yang direkam berasama suara derau periodis (misal bunyi tut), maka dengan mudah kita dapat mengamati pada frekuensi berapa derau tersebut untuk kemudian dapat merancang filter untuk menghapus derau tersebut. Penerapan DFT pada tanggapan cuplik satuan suatu sistem akan menghasilkan tanggapan frekuensi yang terdiri dari tanggapan magnitude dan tanggapan fase. Hal ini berguna untuk analisis suatu filter, bagaimana respon filter tersebut secara frekuensi. Tentu sebagai anak elektro sudah tidak asing lagi dengan low pass, high pass, band pass dan band rejected filter. Penamaan tersebut adalah dilihat dari tanggapan frekuensi filter http://dhidik.wordpress.com/2009/05/09/memahami-makna-discrete-fourier-transform/ BAB II

HASIL PRAKTIKUM

Analisis Sinyal Latihan 1 Pada saat F= 500 Hz

T: 5 ms/DIV

CHN A [1 V/DIV] DC

CHN B [1 V/DIV] DC

XT

Gambar 8. Hasil percobaan pada f = 500 Hz Pada Saat F= 3500 Hz

T: 5 ms/DIV

CHN A [1 V/DIV] DC

CHN B [1 V/DIV] DC

XT

Gambar 9. Hasil percobaan pada f = 3500 Hz BAB III PEMBAHASAN

Pada percobaan pertama frekuensi yang diberikan sebesar 500 dan 3500 Hz.Pada saat di frekuensi 500 gelombang yang ditampilkan pada osiloskop sangat rapat.Hal ini desabkan karena perubahan yang terjadi dari sinyal waktu kontinyou ke diskrit sangat cepat. Pada percobaan 3500 Hz tampilan yang tampak pada osiloskop sama seperti pada saat 500Hz. Yang jadi penyebabnya sama yaitu karena perubahan yang terjadi pada saat sinyal waktu kontinyu ke diskrit sangat cepet. Pada Latihan 2 osiloskop tidak dapat menampilakan hasil,hal ini mungkin disebabkan karena rumus yang dimasukkan salah atau alat praktikan (Lucas Null ) tidak dapat merespon input diberikan.

BAB IV KESIMPULAN

1. Output Pada latihan 1 bentuk gelombangnya sama hal ini disebabkan karena perubahan yang terjadi dari sinyal waktu kontinyu ke diskrit sangat cepat. 2. Pada latihan 2 praktikan mengalami kegagalan hal ini mungkin disebabkan lucas null tidak dapat merespon input yang diberikan 3. Rumus yang dimasukkan pada lucas null adalah SIN(X)+1/3*SIN(3*X). 4. Praktikum kali ini hanya mengubah sinyal waktu kontinyu ke diskrit