PRAKTIKUM PENGOLAHAN SINYAL

DIGITAL

POLITEKNIK NEGERI MALANG

2015

Praktikum Pengolahan Sinyal Digital

Semester Genap 2015/2016
Nama Mahasiswa
NIM/Absen
Waktu (Hari, jam)
Kelas/Semester
Program Studi
Judul Job Sheet
Unit Kompetensi
Job Sheet ke-

: GUNTUR LAKSONO
: 1341170014/13
: Rabu, 20 April 2016
: 3BD4TE/ Genap
: Teknik Elektronika
: Windowing dan Analisa Spektrum
: Windowing pada Fast Fourier Transform (FFT)
:6

I. Tujuan Pembelajaran
1. Mengamati sinyal dalam domain waktu dan domain frekuensi dengan menggunakan FFT
2. Mengetahui bagaimana membagi sinyal ke dalam bentuk window
3. Menghitung dan menampilkan spectrum suatu window sinyal
II. Dasar Teori
1. Windowing
Seringkali kita menginginkan untuk menganalisa suatu sinyal yang panjang dengan cara
mengambil satu bagian yang cukup mewakili. Hal ini lebih kita kenal sebagai proses windowing.
Sebagai contoh sederhana disini diinginkan untuk menghitung spectrum rata-rata atau yang lebih
dikenal sebagai suatu spectrogram. Sayangnya dalam hal ini kita tidak dapat secara sederhana
mengambil sinyal secara gampang dengan menentukan suatu periode secara sembarang. Karena
hal ini akan menyebabkan efek diskontinuitas.
Windowing juga digunakan dalam mendesain FIR. Respon impulse sinyal infinite h[n] dikalikan
dengan window w[n] untuk mendapatkan respon impulse hd[n]=w[n]h[n]. Sebagai contoh disini
kita lihat perbandingan window hamming, hanning dan window rectangular.
3. Analisa Spektrum
Untuk menghitung frekuensi dari suatu sinyal, sebuah implementasi diskrit dari analisa Fourier
dapat digunakan, yang kemudian lebih kita kenal sebagai Fast Fourier Transform, atau disingkat
FFT. Secara umum teknik ini merupakan pendekatan yang terbaik untuk transformasi. Dalam hal
ini input sinyal ke window ditetapkan memiliki 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 0Hz sampai dengan sampling frekuensi yang digunakan.
III. Perangkat yang diperlukan
Sistem Operasi Windows dan Perangkat Lunak Matlab.

IV. Langkah Percobaan

Pengamatan Sinyal Tunggal
1. Bangkitkan sinyal sinus yang memiliki frekuensi f1, dan amplitudo 1
Volt.
Fs=100;
t=(1:100)/Fs;
f=5;
s=sin(2*pi*f*t);
subplot(2,1,1)
plot(t,s)
xlabel('time')

2. Lanjutkan langkah ini dengan memanfaatkan fungsi fft untuk

mentranformasi sinyal ke dalam domain frekuensi
S=fft(s,512);
w=(0:255)/256*(Fs/2);
subplot(2,1,2)
plot(w,abs(S(1:256)))
xlabel('frequency')

Langkah ini akan memberikan hasil seperti Gambar 1 :

Gambar 1 Sinyal sinus dalam domain waktu dan frekuensi

3.

Cobalah anda merubah nilai f1=5, 10, 20, dst Apa yang anda lihat pada gambar sinyal
anda?

Dari percobaan di atas dapat kita lihat apabila kita mengubah nilai frekuensinya menjadi lebih
besar maka gelombang sinus yang dihasilkan akan semakin kekanan dan sampling time yang di
hasilkan akan semakin mengecil atau merapat.
4. Cobalah merubah nilai amplitudo dari 1 volt menjadi 2, 4 atau 5. Apa yang terjadi pada sinyal
anda?

Pada percobaan ini kita merubah amplitudo maka yang akan terjadi adalah bentuk gelombang
tidak akan berubah hanya saja nilai waktu sampling yang akan dikeluarkan dalam grafik akan
berubah apabila kita merubah amplitudonya.
Kombinasi 2 Sinyal
Anda telah mengetahui cara mengamati sinyal dalam doain waktu dan frekuensi.
1. Pada percobaan berikut ini anda coba bangkitkan 2 sinyal sinus dengan frekuensi f1 dan
f2. Sementara nilai amplitudo dapat anda lihat pada listing program berikut ini. Caranya
adalah dengan mengetik program berikut ini
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);
s=s1+s2;
subplot(2,1,1)
plot(t,s)
xlabel('time')
S=fft(s,512);
w=(0:255)/256*(Fs/2);
subplot(2,1,2)

plot(w,abs(S(1:256)))
xlabel('frequency')

Perhatikan bentuk sinyal yang dihasilkan dari langkah anda tersebut.

2. Rubah nilai f2 =10, 25, 30 dst. Apa yang anda dapatkan dari langkah
ini?

Apabila kita merubah nilai frekuensi maka gelombang sinus pada waktu akan semakin rapat dan
gelombang pada frekuensi akan selalu bergeser sesuai masukan nilai yang kita inginkan.
3. Coba rubah nilai amplitudo pada sinyal kedua menjadi 1 , 5 atau 10. Apa yang anda
dapatkan dari langkah ini?

Apabila kita merubah nilai amplitude pada sinyal kedua maka nilai sampling time menjadi
semakin mengecil dan bentek gelombang yang kedua pada grafik gelombang frequency akan
menjadi lebih besar bila nilai amplitude semakin besar.
Kombinasi 4 Sinyal
Pada percobaan berikut ini anda coba bangkitkan 4 sinyal sinus dengan frekuensi f1, f2,
f3, dan f4. Sementara nilai amplitudo dapat anda lihat pada listing program berikut ini. Caranya
adalah dengan mengetik program berikut ini:
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)
plot(t,s)
xlabel('time')
S=fft(s,512);
w=(0:255)/256*(Fs/2);
subplot(2,1,2)
plot(w,abs(S(1:256)))
xlabel('frequency')

Perhatikan bentuk sinyal yang dihasilkan dari langkah anda tersebut.

1. Rubah nilai f2 =10, f3 = 20 dan f4 =30. Apa yang anda dapatkan dari langkah ini?

Pada percobaan ini jika kita mengubah nilai f2,f3 dan f4 maka pada grafik frequency gelombang
sinus akan berubah menikuti nilai f yang di ubah.
Kombinasi 6 Sinyal
Pada percobaan berikut ini anda coba bangkitkan 4 sinyal sinus dengan frekuensi f1, f2, f3, f4,
f5, dan f6. Sementara nilai amplitudo dapat anda lihat pada listing program berikut ini. Caranya
adalah dengan mengetik program berikut ini
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)
plot(t,s)
xlabel('time')
S=fft(s,512);
w=(0:255)/256*(Fs/2);
subplot(2,1,2)
plot(w,abs(S(1:256)))
xlabel('frequency')

Perhatikan bentuk sinyal yang dihasilkan dari langkah anda tersebut. Apakah anda mendapatkan
hasil seperti gambar berikut ini?

Gambar 2. Gabungan 6 sinyal dalam domain waktu dan frekuensi

4. Windowing pada sebuah sinyal

Sinyal Raised Cosine
Disini kita akan mencoba untuk membangkitkan sinyal rasied cosine dalam domain waktu dan
mengamati bagaimana proses window hamming berpengaruh pada sinyal. Langkah selanjutnya
adalah sebagai berikut
1. Bangkitkan sinyal rasied cosine
t=25:25;
x=length(t);
f1=0.05;
b=0.4*sinc(2*pi*f1*t);
subplot(2,1,1)
plot(b)

2. Tambahkan perintah berikut ini setelah program diatas

Anda akan mendapatkan tampilan seperti berikut:
b1=b.*hamming(x)';
subplot(2,1,2)
plot(b1)

Anda akan mendapatkan tampilan seperti berikut:

Gambar 3. Pengaruh windowing pada sinyal raised cosine

Sinyal Sinus
Disini kita akan mencoba untuk membangkitkan sinyal sinus dalam domain waktu dan
mengamati bagaimana proses window hamming berpengaruh pada sinyal. Langkah selanjutnya
adalah sebagai berikut
1. Bangkitkan sinyal sinus

2. Tambahkan perintah berikut ini setelah program diatas

b1=b.*hamming(x)';
subplot(2,1,2)
plot(b1)
xlabel('b.Denganwindow')

Anda akan mendapatkan tampilan seperti berikut:

Gambar 4. Pengaruh windowing pada sinyal sinus

4. Pengaruh Windowing pada Spectrum Sinyal

Disini kita akan mencoba untuk membangkitkan sinyal sinus dalam domain waktu dan
mengamati bagaimana proses window hamming berpengaruh spectrum sinyal. Langkah
selanjutnya adalah sebagai berikut
1. Bangkitkan sinyal sinus
n = 512;
m = 128;
h = hamming(m);
sr = zeros(size(1:n));
sh = zeros(size(1:n));
f = pi / 3;
for i = 1:m ; sr(i) = sin(f * i) ; end
for i = 1:m ; sh(i) = h(i) * sin(f * i) ; end
ar=abs(fft(sr));
ah=abs(fft(sh));
subplot(4,1,1)
plot(sr(1:n/2))
subplot(4,1,2)
plot(sh(1:n/2))
subplot(4,1,3)
plot(ar(1:n/2))
subplot(4,1,4)
plot(ah(1:n/2))

Gambar 5. Pengaruh windowing pada spectrum satu sinyal sinus

Coba anda perhatikan bagaimana kondisi spectrum sinyal dengan menggunakan

window dan tanpa window. Informasi apa yang anda dapatkan?

Pada percobaan ini kita dapat melihat adanya perbedaan pada bentuk sinya yang memakai
window dan tanpa window. Bentuk sinyal yang tanpa window akan terlihat biasa sedangkan
yang menggunakan window akan terlihat agak membesar di bagian tengah dan mengecil di
bagian kiri dan kanan.

2. Modifikasi program diatas menjadi seperti berikut

n = 512;
m = 128;
h = hamming(m);
sr = zeros(size(1:n));
sh = zeros(size(1:n));
f1 = pi / 3;
f2 = 10*pi / 3;
for i = 1:m ; sr(i) = sin(f1 * i) + sin(f2 * i) ; end
for i = 1:m ; sh(i) = h(i) *sin(f1 * i)+ h(i) *sin(f2 * i) ;
end
ar=abs(fft(sr));
ah=abs(fft(sh));
subplot(4,1,1)
plot(sr(1:n/2))
subplot(4,1,2)
plot(sh(1:n/2))
subplot(4,1,3)
plot(ar(1:n/2))
subplot(4,1,4)
plot(ah(1:n/2))

Gambar 6.Pengaruh windowing pada spectrum dua sinyal sinus

3. Coba anda kembali pada program yang ada pada langkah 1. Dengan melakukan sedikit
modifikasi seperti berikut ini, coba anda perhatikan hasil apa yang didapat
n = 512;
m = 128;
h = hamming(m);
sr = zeros(size(1:n));
sh = zeros(size(1:n));
f = pi / 3;
for i = 1:m ; sr(i) = sin(f * i) ; end
for i = 1:m ; sh(i) = h(i) * sin(f * i) ; end
ar=abs(fft(sr));
ah=abs(fft(sh));
subplot(4,1,1)
plot(ar(1:n/2))
subplot(4,1,2)
plot(ah(1:n/2))
subplot(4,1,3)
plot(20 * log10(ar(1:n/2)))
subplot(4,1,4)
plot(20 * log10(ah(1:n/2)))

Gambar 7.Pengaruh windowing pada power spectral density suatu sinyal

Pada percobaan ini kita dapat melihat perubahan bentuk sinyal dari langkah pertama di mana
pada percobaan ini bentuk sinyal menjadi tidak beraturan.
4. Anda sudah mengamati bagaimana bentuk power spectral density (PSD) tanpa window
dan menggunakan window. Jelas terlihat bagaimana penekanan nilai spectral sampai nol
pada saat kita gunakan window. Hal ini telah kita lakukan pada sinyal tunggal.
Bagaimana dengan sinyal yang terdiri dari sua buah sinus? Ikuti langkah program
berikut:

n=512;
m=128;
h=hamming(m);
sr=zeros(size(1:n));
sh=zeros(size(1:n));
f1=pi/3;
f2=10*pi/3;
fori=1:m;sr(i)=sin(f1*i)+sin(f2*i);end
fori=1:m;sh(i)=h(i)*sin(f1*i)+h(i)*sin(f2*i);
end
ar=abs(fft(sr));
ah=abs(fft(sh));
subplot(4,1,1)
plot(ar(1:n/2))
subplot(4,1,2)
plot(ah(1:n/2))
subplot(4,1,3)
plot(20*log10(ar(1:n/2)))
subplot(4,1,4)
plot(20*log10(ah(1:n/2)))

Gambar 8. Pengaruh windowing pada power spectral density suatu sinyal ganda

5. Apakah anda cukup puas sampai disini, akan lebih memantapkan pemahaman anda jika
dilanjutkan dengan memberikan berbagai perlakuan seperti berikut:
Rubah nilai frekuensi f1=2 sedangkan f2=20, 25, dan 30. Apa yang anda dapatkan?

Pada percobaan ini jika kita mengubah nilai f1 dan f2 akan mempengaruhi bentuk sinyal
tersebut.dimana jika kita mengubah nilai f1=2 dan f2=20 maka bentuk sinyal akan sam dengan
langkah sebelumnya.sedangkan jika kita mengubah f1=2 dan f2=25 maka bentuk sinyal berubah
diman jarak antara kedua sinyal yang menjauh sedangkan untuk nilai f1=2 dan f2=30 bentuk
kedua sinyal akan kembali merapat.

5. Proses windowing Pada Sinyal Audio

Disini dicoba untuk menggunakan window dalam pengolahan sinyal audio yang sebenarnya.
Langkah selanjutnya adalah seperti berikut.
1. Tulis sebuah program untuk mmeanggil file audio dengan extention wav (misalnya
intro.wav).
Tetapkan sampel sebanyak 1024.
fn=input('Masukkannamafilewavanda,misalintro:','s');
fx=input('Sampelyangdiambil,misal1024:');
[x,fs,nb]=wavread(fn,fx);
T=fx1;
t=(0:T)/fx;
subplot(4,1,1)
plot(x)

2. Aplikasikan window hamming untuk pengolahan sinyal.

y=x.*hamming(fx);
subplot(4,1,2)
plot(t,y)

3. Cobalah gambarkan spektrum sinyal audio tersebut.

X=fft(x,fx);
X=X(1:fx/2);
fx_2_1=fx/2-1;
f=(0:fx_2_1)*fs/fx;
subplot(4,1,3)
plot(f,20*log10(abs(X)+eps))%nilai defult eps=2.2204e-016
Y=fft(y,fx);
Y=Y(1:fx/2);
fx_2_1=fx/2-1;
f=(0:fx_2_1)*fs/fx;
subplot(4,1,4)
plot(f,20*log10(abs(Y)+eps))%nilai defult eps=2.2204e-016

Langkah yang harus anda lakukan adalah coba rubah nilai sample fx dengan nilai 2000,
8000, 12000, dan 16000. Cobalah simpan setiap gambar yang anda hasilkan dari praktikum ini
dan lakukan analisa.

Pada percobaan ini apabila nilai Fx di ubah maka seperti pada gambar di atas bentuk
gelombang akan mengalami perpotongan dan semakin tinggi nilai fx yang di berikan maka
semakin banyak pula perpotongan sinyal yang akan terjadi.
IV.Data dan Analisa
Anda telah melakukan berbagai langkah untuk percobaan operasi dasar sinyal. Yang harus anda
lakukan adalah menjawab setiap pertanyaan yang ada pada langkah percobaan.