ANALISA SINYAL DALAM DOMAIN FREKUENSI

4.1. Fenomena Gibb

t=-3:6/100:3;
N=input('masukan jumlah sinyal yang
dikehendaki : ');
c0=0.5;
w0=pi;
Fs=100;
xN=c0*ones(1,length(t));
for n=1:2:N;
theta=((-1)^((n-1)/2)-1)*pi/2;
xN=xN+2/n/pi*cos(n*w0*t+theta);
end
subplot(211)
plot(t,xN)
grid

title('Phenomena Gibb')
xlabel('Waktu(s)')
ylabel('X(t)')
%Transformasi
xf=fft(xN,512)
w=(0:255)/256*(Fs/2);
subplot(212)
plot(w,abs(xf(1:256)))
grid
title('Sinyal pada Domain
Frekuensi')
xlabel('Frekuensi(Hz)')
ylabel('X(f)')

N=3

N= 5

N=7

N=9

Analisa:

Di deret fourier yang banyak digunakan untuk menghampiri suatu fungsi periodik dan
terintegralkan Riemann di selang periodisasinya, tetapi akan muncul masalah ketika
fungsinya memiliki titik diskontinuitas, ketika deret fouriernya mengalami kelebihan dan
kekurangan disekitar titik diskontinuitasnya, maka kejadian inilah yang disebut

Fenomena Gibbs. Sebagai akibatnya akan muncul ripple - ripple pada sinyal yang
dihasilkan.dapat diamati diatas semakin besar nilai N semakin banyak ripple yg muncul .
4.2. Pengamatan Frekuensi Pada Sinyal Tunggal
Fs=100;
t=(1:100)/Fs;
f=5; A=1;
s=A*sin(2*pi*f*t);
subplot(211)
plot(t,s)
grid
xlabel('waktu(s)')
title('Sinyal Sinus')

S=fft(s,512)
w=(0:255)/256*(Fs/2);
subplot(212)
subplot(212)
plot(w,abs(S(1:256)))
grid
xlabel('Frekuensi(Hz)')
title('Sinyal pada Domain
Frekuensi')

F=5Hz ; A=1volt

F=10Hz ; A=4volt

F=20Hz ; A=5volt

F=30Hz ; A=6volt

Analisa:

Sinyal masukan adalah sinyal tunggal dimana frekuensi yang digunakan sebanyak 1
frekuensi saja sehingga sinyal gabungannya hanya berdasarkan waktu dan
frekuensi.dapat diamati diatas bahwa semakin besar nilai A yang dimasukkan maka
frekuensi yang dihasilkan puncak dan lembahnya terpotong .

4.2. Pengamatan Frekuensi Pada Kombinasi 2 Sinyal

Fs=100;
t=(1:400)/Fs;
f1=1;
s1=(2/pi)*A*sin(2*pi*f1*t);
f2=20; A=10;
s2=(2/3/pi)*sin(2*pi*f2*t);

s=s1+s2;

subplot(211)
plot(t,s)
grid

xlabel('waktu(s)')
title('Sinyal Sinus')
S=fft(s,512)
w=(0:255)/256*(Fs/2);
subplot(212)
plot(w,abs(S(1:256)))
grid
xlabel('Frekuensi(Hz)')
title('Sinyal pada Domain
Frekuensi')

F2=3Hz ; A=1volt

F2=10Hz ; A=1volt

F2=25Hz ; A=5volt

F2=20Hz ; A=10volt
.

Analisa:

sinyal masukan frekuensi yang digunakan sebanyak dua frekuensi saja sehingga
sinyal gabungannya hanya berdasarkan waktu dan dua frekuensi.dapat diamati juga
semakin besar frekeuensi dan amplitudo,semakin rapat frekuensinya

4.3. Pengamatan Frekuensi Pada Kombinasi 4 Sinyal

Fs=100;
t=(1:400)/Fs;
f1=1;
s1=(2/pi)*sin(2*pi*f1*t);
f2=3;
s2=(2/3/pi)*sin(2*pi*f2*t);
f3=5;
s3=(2/5/pi)*sin(2*pi*f3*t);
f4=7;
s4=(2/7/pi)*sin(2*pi*f4*t);
s=s1+s2+s3+s4;
subplot(2,1,1)
subplot(211)

f2 =3Hz, f3 = 5Hz dan f4 =7Hz

plot(t,s)
grid
xlabel('waktu(s)')
title('Sinyal Sinus')
S=fft(s,512)
w=(0:255)/256*(Fs/2);
subplot(212)
plot(w,abs(S(1:256)))
grid
xlabel('Frekuensi(Hz)')
title('Sinyal pada Domain
Frekuensi')

f2 =10Hz, f3 = 20Hz dan f4 =30Hz

Analisa:

Pada kombinasi 4 sinyal, frekuensi yang digunakan sebanyak empat frekuensi dan
hasilnya dalam domain waktu dan frekuensi. Semakin tinggi harga frekuensi yang
dimasukkan maka semakin banyak juga sinyal diskontinuitas yang dihasilkan, sebagai
bukti adalah ripple ripple yang dihasilkan ketika frekuensi naik.

4.4. Pengamatan Frekuensi Pada Kombinasi 6 Sinyal

Fs=100;
t=(1:200)/Fs;
f1=1;
s1=(2/pi)*sin(2*pi*f1*t);
f2=3;
s2=(2/3/pi)*sin(2*pi*f2*t);
f3=5;
s3=(2/5/pi)*sin(2*pi*f3*t);
f4=7;
s4=(2/7/pi)*sin(2*pi*f4*t);
f5=9;
s5=(2/9/pi)*sin(2*pi*f5*t);
f6=11;
s6=(2/11/pi)*sin(2*pi*f6*t);
s=s1+s2+s3+s4+s5+s6;

subplot(2,1,1)
subplot(211)
plot(t,s)
grid
xlabel('waktu(s)')
title('Sinyal Sinus')
S=fft(s,512)
w=(0:255)/256*(Fs/2);
subplot(212)
plot(w,abs(S(1:256)))
grid
xlabel('Frekuensi(Hz)')
title('Sinyal pada Domain
Frekuensi')

Analisa:

frekuensi pada kombinasi 6 sinyal, didapatkan bahwa lebar sinyal yang dihasilkan
lebih lebar dibandingkan pada kombinasi 4 sinyal, 2 sinyal dan 1 sinyal, sehingga
lebar ripple yang didpatkan juga semakin lebar mengikuti lebarnya sinyal yang
dihasilkan.

4.5. Pengamatan Frekuensi Pada Sinyal Audio

[y,Fs]
Fs=16000;
subplot(211)
plot(y(100:1000))
grid
title('Sinyal Audio')
xlabel('Waktu(s)')
ylabel('x(t)')
S=fft(y);
%w=(0:255)/256*fs/2;

Sab=abs(S);
subplot(212)
plot(Sab(100:1000))
grid
%plot(Sab)
title('Sinyal Audio domain
frekuensi')
xlabel('Frekuensi(Hz)')
ylabel('x(f)')

Sinyal Audio

0.2

x(t)

0.1
0
-0.1
-0.2

100

200

300

400

100

200

300

400
500
600
Frekuensi(Hz)

300

500
600
700
Waktu(s)
Sinyal Audio domain frekuensi

800

900

1000

800

900

1000

x(f)

200
100
0

700

Sinyal Audio

0.2

x(t)

0.1
0
-0.1
-0.2

100

200

300

400

100

200

300

400
500
600
Frekuensi(Hz)

300

500
600
700
Waktu(s)
Sinyal Audio domain frekuensi

800

900

1000

800

900

1000

x(f)

200
100
0

700

Fs=16000

Fs=4000
Analisa:
Tidak ada perbedaan bentuk sinyal audio Fs= 16000 dan fs= 4000 . dapat
diamati puncak amplitudo berada pada frekuensi 400Hz dan turun pada
frekuensi 500Hz

Kesimpulan
Dari praktikum ini analisa sinyal dalam domain frekuensi ini dapatkan bahwa
Fenomena Gibb adalah kondis dimana deret fouriernya mengalami kekurangan dan
kelebihan disisi diskontinuitas sinyalnya. Dan perbedaan dari frekuensi pada
kombinasi sinyal tunggal, 2 sinyal, 4 sinyal dan 6 sinyal adalah terletak pada jumlah
sinyal masukan sehingga hasil yang didapatkan bervariasi. Dan pada simulasi sinyal
audio puncak tertinggi terjadi pada frekuensi 400Hz