Hand Out PSD

PENGOLAHAN SINYAL
DIJITAL
1
Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom
Outline
Pendahuluan
(Sejarah Perkembangan PSD)
Sinyal & Sistem
Transformasi Fourier Waktu Diskrit
Transformasi Z
Transformasi Fourier Diskrit
Sampling & Rekonstruksi Sinyal
Filter Dijital
TT-3113
Pengolahan Sinyal Dijital
BAB #1
PENDAHULUAN
Outline
Pendahuluan (Sejarah Perkembangan

PSD)
Sinyal & Sistem
Transformasi Fourier Waktu Diskrit
Transformasi Z
Transformasi Fourier Diskrit
Filter Dijital
Tujuan
Mengetahui
perkembangan
teknologi
pemrosesan sinyal dijital
Mengetahui keuntungan dan kerugian
pengolahan secara dijital
Mengetahui bidang yang terkait dengan
pengolahan sinyal dijital
Mengetahui aplikasi pengolahan sinyal
dijital
DEFINISI
Definisi
Sinyal diartikan sebagai suatu fungsi dari sekumpulan

variabel bebas. Sinyal membawa suatu informasi yang
kemungkinan besar terdapat dalam suatu pengamatan.
Pengolahan diartikan sebagai suatu operasi dalam suatu
bentuk tertentu pada suatu sinyal, yang untuk selanjutnya
diekstrak ke dalam suatu bentuk yang lebih bermanfaat.
Dalam banyak kasus, pengolahan akan berlaku sebagai
suatu transformasi yang bersifat non destruktif yang
menghasilkan sinyal data.
Dijital memberi arti bahwa pengolahan yang dilakukan
menggunakan komputer dijital atau perangkat keras dijital
khusus.
Sejarah Perkembangan
Tahun 1807 : Foirier mengembangkan Transformasi

Fourier untuk menyelesaikan permasalahan pada suatu
persamaan yang sulit.
Awal abad 18 : Laplace memodifikasi Transformasi
Fourier di atas untuk menyelesaikan persamaanpersamaan diferensial yang lebih luas.
Masih di awal abad 18 : Gauss menemukan suatu metode
yang dapat secara cepat digunakan untuk menghitung
Transformasi Fourier. Gauss kemudian mengembangkan
dasar-dasar filter dijital untuk proses penelitian tentang
planet dan komet.
10
Tahun 1900-1n : Bunsen menggunakan analisis spektral

untuk menemukan elemen-elemen baru.
Awal 1900-an : Einstein menunjukkan hubungan yang
penting antara spektrum daya dan fungsi korelasi.
Tahun 1940-an : Teknologi radar dan sonar telah
dikembangkan . Kemajuan-kemajuan dalam bidang
pemrosesan sinyal digunakan pada sistem komunikasi.
Tahun 1960-an : Kalman mengembangkan filter yang
praktis untuk menunjukkan optimasi dari suatu
filter/kontrol.
11
Tahun 1960-an : Filter dijital yang lebih kompleks berikut

sistem-sistem kontrol dijital diimplementasikan di NASA
dan tempat-tempat lain. Pada masa ini pula filter adaptif
telah mulai dikembangkan.
Tahun 1964 : Kecepatan Transformasi Fourier
dikembangkan kembali. Algoritma-algoritma Markov yang
penting telah dikembangkan.
Tahun 1970 : Teori dn pengertian dari filter/kontrol dijital
telah mapan.
Awal tahun 1980-an : Filter dijital sudah sangat populer
dikenal.
12
Tahun 1980-an : terjadi kemajuan yang pesat pada bidang

pengkodean gambar dan sinyal bicara, pengenalan
sinyalbicara, pencitraan bentuk radar, pencitraan di
bidang medis, dsb.
Akhir tahun 1980-an : Jaringan syaraf, Wavelets, dan
fractal mulai ditemukan. TV dijital mulai semakin
dikembangkan.
Tahun 1990-an : Terjadi ledakan di dalam penggunaan
teknik-teknik pengolahan sinyal dijital untuk menggantikan
sirkit-sirkit elektronik konvensional (seperti : filter, kodekode, modulator, dsb).
KAPABILITAS
PENGOLAH
SINYAL DIJITAL
13
14
Perkembangan Chip tidak lepas dari teknologi IC yaitu LSI

(Large Scale Integration) dan VLSI (Very Large Scale
Integration), ULSI (Ultra Large Scale Integration) serta
GSI (Giant Scale Integration).
LSI mengandung 1.000 sampai 9.999 transistor per chip.
VLSI mengandung 10.000 sampai 99.999 transistor per
chip.
ULSI mengandung 100.000 sampai 999.999 transistor per
chip.
GSI mengandung jutaan transistor per chip.
Kecepatan suatu prosesor juga tergantung waktu siklus

(cycle time) uaitu selang waktu antara pemanggilan (call)
akan informsi dan penyerahannya (delivery) dari piranti
penyimpan. Waktu siklus ini merupakan parameter unjuk
kerja dari kecepatan prosesor yang terkait dengan proses
pengepakan rangkaian.
15
16
Semakin rumit aplikasi, maka nilai BIPS (Billion Input Per

Second)/GFLOPS (Giga Floating Point Solutions) juga
semakin tinggi. Nilai BIPS/GFLOPS menunjukkan input
dalam satu detik sebagai solusi pengolahan bagi
banyaknya data floating.
17
Kebutuhan Kinerja Berdasarkan Servis

18
Aplikasi yang menggunakan Chip DSP sebagai unjuk data

perbandingan adalah :
Video Conferencing
Graphics Processing
Speech Processing
Virtual reality
Video Recognisers
Radar/Sonar Processing
19
20
Sebagai gambaran pertumbuhan kecepatan konverter A/D

dari tahun ke tahun untuk tipe 12 bit adalah :
Tahun 1983
: 100.000 sampel / detik
Tahun 1987
: dalam jutaan sampel / detik
Tahun 1993
: 30 juta sampel / detik
Tahun 1996
: 50 juta sampel / detik
Saat ini
: ????
Dari sisi harga dapat ditunjukkan bahwa :
Tahun 1982
US$300
Tahun 1996
: Chip TMS320C30 (kecepatannya lebih
tinggi dibanding TMS320C10) biayanya berkisar US$30
21
: Chip TMS320C10 biayanya berkisar
Grafik Pertumbuhan Pasar Chip DSP

22
SEKILAS
PENGOLAHAN
SINYAL DIJITAL
23
Pengolahan sinyal dijital secara umum meliputi 3 tahap yaitu
Sinyal analog didigitasi melalui proses pencuplikan dan

kuantisasi , sehingga sinyal dikuantisasi ke bentuk bit-bit
sejumlah terbatas. Proses ini disebut konversi Analog ke
dijital.
Sampel-sampel terdigitasi diolah oleh Digital Signal

Processor (DSP).
Sinyal keluaran DSP dikonversi kembali ke bentuk analog

oleh analog reconstructor (yang disebut dengan proses
Digital to Analog Convertion/DAC)
24
Keuntungan :
25
Toleransi terhadap harga komponen tidak kritis

Performansi relatif tidak sensitif terhadap lingkungan ,
misalnya temperatur
Akurasi tinggi, karena dapat dikontrol secara presisi.
Keakurasian tergantung dari panjang word.
Rangkaian mudah direproduksi
Dapat merealisasikan sistem yang relatif ideal, misal filter
berfasa linear.
Parameter-parameter filter seperti frekuensi cut-off, dapat
dikontrol dengan mudah.
Keuntungan :
26
Mudah dikembangkan ke sistem adaptif.

Teori matematika yang komplek sekalipun dapat
diimplementasikan seperti : Aljabar linear untuk
Coding/Decoding dalam error control, Transformasi Diskrit
(DFT, DCT dsb), Teori filter kalman untuk pemrosesan
sinyal acak.
Simulasi
software
dapat
secara
eksak
menunjukkan/mewakili performansi hasil.
Dengan perkembangan teknologi VLSI : Reliabilitas tinggi,
Ukuran Kecil, Pemrosesan kompleks, Harga murah.
Dan sebagainya
Kerugian :
27
DSP selalu menggunakan daya listrik, tidak ada rangkaian

dijital pasif.
Keterbatasan frekuensi tinggi yang diolah, karena
keterbatasan frekuensi ADC.
Sinyal alam adalah sinyal analog.
Dan sebagainya
Bidang Ilmu Terkait
28
Teori Komunikasi
Analisis Numerik
Statistik dan Probabilitas
Pemrosesan SinyalAnalog
Teori Keputusan
Elektronika Dijital dan Elektronika Analog
Dan sebagainya
Aplikasi PSD
Medical :
Pencitraan untuk diagnosis
Analisis Elektrokardiogram
Medical Image
Komersial :
Kompresi Suara dan Citra untuk Multimedia
Efek Spesial pada film
Video Conferencing
29
Telephon :
Kompresi data dan Voice
Reduksi Echo
Multipleksing Sinyal
Filtering
Pengkodean sinyal bicara, Pemrosesan Sinyal bicara dan Audio,
Pengenalan sinyal Bicara
Militer :
Radar
Sonar
Pemandu Koordinat
Keamanan Komunikasi
30
Industri :
Kontrol dan monitoring proses
Pengetesan non destruktif
CAD
Scientific :
Perekaman dan analisis gempa
Akuisisi data
Analisis Spektral
Simulasi dan pemodelan
31
Ruang angkasa :
Perbaikan kualitas foto udara
Kompresi data
Remote sensing
32
Penyebab Perkembangan PSD
33
Teknologi Piranti : Mikroelektronik, Superkonduktor, dsb

Teknologi Sensor : Sistem Intelegen, Interface mesinmanusia.
Teknologi algoritma : Sistem adaptif, Sistem Expert,
Algoritma pemodelan (jaringan syaraf tiruan, Fuzzy logic,
algoritma genertika dsb)
TT-3113
BAB #2
SINYAL & SISTEM
34
DEFINISI
35
36
Sistem dapat didefinisikan sebagai sekumpulan objek

yang disusun membentuk proses dengan tujuan tertentu.
Sebagai model matematik yang menghubungkan antara
input dan output, umum disebut I/O system
Masukan dari enviroment ke system dan keluaran dari
system ke enviroment di sebut sinyal.
Diskrit : hanya terdefinisi pada bilangan integer.
Kontinyu : di luar definisi diskrit.
Input
Sinyal
Input Output
System
Outpu
t
Sinyal
environment
37
Sinyal bisa digambarkan sebagai fungsi

waktu/time signals dan fungsi frekuensi. Sinyal
fungsi waktu dapat dibedakan menjadi Sinyal
Waktu Kontinyu (t) dan Sinyal Waktu Diskrit (n).
Sistem yang menghubungkan sinyal input

kontinyu dengan sinyal output kontinyu disebut
Sistem Waktu Kontinyu (SWK) dan Sistem yang
menghubungkan sinyal input diskrit dengan sinyal
output diskrit disebut Sistem Waktu Diskrit.
38
Konvensi :
- t = waktu kontinyu
- n = waktu diskrit
- = frekuensi kawasan waktu kontinyu
- = frekuensi kawasan waktu diskrit
39
x(t)
x(t)
SWK
y(t)
y(t)=T(x(t))
x(n)
y(n)
x(n)
SWD
y(n)
y(n)=T(x(n))
n
40
Sampling
Waktu Diskrit
Waktu Kontinyu t
t
Rekonstruksi
Pasangan
Pasangan
-1
Kontinyu
Frekuensi
Sampling
Kontinyu
-1
Diskrit
Frekuensi
Diskrit
Rekonstruksi
41
Sinyal-sinyal Dasar
42
Sinyal impulse (t),(n)
Sinyal impuls / delta kontinyu

(t )
1, t 0
(t)
0, t lainnya
1
t
Sinyal impuls / delta diskrit

(n)
1
n
43
1, n 0
(n)
0, n lainnya
44
Setiap sinyal waktu diskrit dapat dinyatakan sebagai

deretan sinyal impuls yang dikalikan dengan suatu
koefisien (konstanta)
Sinyal langkah satuan u(t),u(n)
Sinyal impuls / delta kontinyu

(t )
1, t 0
u(t)
0, t lainnya
1
t
Sinyal impuls / delta diskrit

(n)
1
n
45
1, n 0
u (n)
0, n lainnya
Sinyal Segitiga
(t)
1
-1
(t ) 1 t ; - 1 t 1
46
Sinyal Persegi Rect(t) atau (t)

t
t
-0,5
Rect(t) = (t)=
0,5
1 , -0,5 t 0,5
0 , t lainnya
47
Sinyal sinc atau [sin(t)/t]

sinc (t)
-2
-1 0
2 3
sin t
sin c( t )
~ t ~
t
48
Fungsi Genap
&
Fungsi Ganjil
49
Seperti halnya fungsi waktu kontinyu, maka fungsi waktu

diskrit dapat dibedakan menjadi fungsi genap, fungsi ganjil
dan bukan fungsi genap maupun ganjil. Namunseperti
fungsi waktu kontinyu, setiap fungsi waktu diskrit dapat
diuraikan menjadi bagian genap dan bagian ganjil. Berikut
contoh fungsi genap dan fungsi ganjil waktu diskrit.
Fungsi Genap Waktu Diskrit
50
Fungsi Ganjil Waktu Diskrit
Diberikan g(n) adalah fungsi waktu diskrit maka bila ge(n) adalah bagian
genap dari g(n) dan go(n) adalah bagian ganjil dari g(n) maka :
ge(n) = [g(n) + g(-n)]/2 dan go(n) = [g(n) + g(-n)]/2

Bila g(n) adalah fungsi genap maka :
ge(n) = [g(n) + g(-n)]/2 = g(n) dan go(n) = [g(n) + g(-n)]/2 = 0
Bila g(n) adalah fungsi ganjil maka :

ge(n) = [g(n) + g(-n)]/2 = 0 dan go(n) = [g(n) + g(-n)]/2 = g(n)
51
Contoh soal 2.1.

Periksalah apakah g(n) = sin (2n/7)(1+n2) merupakan
fungsi genap atau fungsi ganjil?
52
Contoh soal 2.2.

Sketsalah bagian genap dan bagian ganjil dari g(n) = u(n) u(n-4)
Solusi :
Bagian genap dari g(n) adalah :
Bagian genap dari g(n)
53
Bagian ganjil dari g(n)
Latihan :
1. Sketsalah bagian genap dan bagian ganjil dari g(n) = cos[2n/4]
2. Diberikan sinyal sebagai berikut :
Sketsalah
a. g(-n)
54
b. g(2-n)
c. g(2n) d. g(n/2)
Operasi Sinyal
55
Sinyal dapat dioperasikan berdasar amplitudonya

maupun waktunya. Pada kuliah ini, operasi sinyal
yang dibahas adalah berdasar waktunya seperti :
56
Pencerminan
Penskalaan Waktu
Pergeseran
Sinyal Waktu Diskrit f(n)
f (an b) f a (n
57
b
a
Sifat & Klasifikasi Sistem
58
a). Statis (memoryless) dan Dinamis (with

memory)
Sistem statis jika keluaran sistem hanya
tergantung/hanya
dipengaruhi
pada
masukan saat itu (memoryless), sedangkan
sistem dinamis jika keluaran sistem dapat
mengingat masa lalu (with memory)
59
b). Linieritas dan homogenitas

Sistem linier jika memenuhi prinsip superposisi
x1[n]
x2[n]
x1[n]+x1[n]
SWD
y1n]
SWD
y2[n]
SWD
y1[n]+y1[n]
Dan homogenitas
x1(n)+ x2(n) = y1(n) + y2 (n)
60
Mengapa diperlukan sistem yang linear ?

Pada gambar di bawah ini,pada gambar (a) terlihat bahwa
suatu sinyal sebagai masukan sistem yang linear akan
dihasilkan sinyal output yang sama dengan sinyal
inputnya, hanya mengalami penundaan (delay).
Sedangkan pada gambar (b) terlihat bahwa suatu sinyal
sebagai masukan suatu sistem yang tidak linear akan
menghasilkan sinyal output yang mengalami distorsi
phasa.
61
62
Pergeseran Waktu
Sistem tak ubah waktu jika output sistem tidak berubah

bentuk walaupun inputnya digeser tetapi outputnya akan
bergeser sejauh pergeseran input.
x[n]
x[n - k]
63
SWD
y[n]
SWD
y[n - k]
Dengan kata lain :
Jika y1 (n) adalah output sistem dengan input x1 (n)

y2 (n) adalah output sistem dengan input x2 (n)
dan x(n) = x1 (n-k) maka y(n) = y1 (n k)
Sistem disebut LTW (Linear dan Tak Berubah terhadap
Waktu) atau LTI (Linear Time Invariant) jika Linier dan tak
ubah waktu
64
d). Kausalitas
Sistem LTW disebut kausal adalah sistem yang dapat
direalisasikan. Sistem LTW disebut kausal bila keluaran
pada waktu n=n0 (untuk SWD) hanya bergantung pada
harga-harga dari masukan n<n0 (sebelumnya dan
sekarang)dan keluaran-keluaran sebelumnya.
Dengan kata lain bahwa keluaran saat ini y(n) (untuk SWD)
hanya bergantung pada harga-harga dari masukan saat
ini x(n) dan atau masukan-masukan sebelumnya dan atau
keluaran-keluaran sebelumnya.
65
Kondisi Perlu dan Cukup (KPC) untuk menyatakan

kausalitas adalah :
h (n) = 0 untuk n < 0 . h(n) adalah respon impuls sistem.
Respons impuls
h(n)
h(n)
kausal
Non kausal
n
0
66
n
0
e). Stabilitas
Sistem LTW disebut stabil bila setiap masukan terbatas
menghasilkan keluaran terbatas BIBO Bounded input
Bounded output.
Kondisi yang diperlukan dan cukup (KPC)untuk menyatakan
stabilitas adalah :
h n
untuk SWD
h t dt
untuk SWK
67
Contoh : Respons impuls LTW suatu SWD

h(n)
Stabil
.......
n
0
h(n)
Tidak Stabil
.......
n
0
68
Stabilitas sistem dapat juga dilihat dari letak pola dari fungsi
transfer sistem:
Untuk SWK stabil, letak pole di sebelah kiri sumbu
imajiner
Untuk SWD stabil, letak pole didalam lingkaran satuan
Jadi untuk kuliah sinyal dan sistem ini sistem yang perlu
adalah LTW/LTI (Linier tak ubah waktu / linier time
invariant) dengan memeriksa apakah sistem tersebut
kausal dan stabil.
69
Contoh soal 2.3.

Diketahui suatu SWD yang merupakan transformasi deretan
masukan x(n) dengan hubungan input output sebagai
berikut :
y(n) = ax2(n-1)
y(n) = ax(n-2) + bx(n+2)
Periksa sifat sistem diatas
70
Solusi :
y(n) = ax2 (n-1)
Linearitas
Jika input x1(n) maka output y1 (n) = ax12 (n-1)
Input x2 (n) maka output y2 (n) = ax22 (n-1)
Ambil x(n) = x3(n) = x1 (n) + (3x2(n)
Maka
y(n) = y3(n) = a [x(n-1)]2
= a [ x1(n-1) + x2 (n-1)]2
= a [2 x12 (n-1) + 2x1 (n-1) x2 (n-1) + 2 x2 (n-1)]
y1(n) + y2 (n)
71
Pergeseran waktu
Jika input x1 (n) maka output y1 (n) = a x12 (n-1)
Jika input x1 (n-k) maka output y1(n) = a x12 (n-k-1)
= y1 (n-k)
Syarat kausal : output saat ini hanya tergantung pada
input saat ini dan/atau input saat sebelumnya dan / atau
output saat sebelumnya.
Stabilitas
y(n) = a x2 (n-1) jika < M maka
Jadi sistem tsb nonlinier time invariant kausal stabil

72
y(n) = a x(n-2) + b x (n + 2)
Bukti kausal dapat dilihat dari respons impuls
h(n)
b
-2
non causal
karena h(n) ada untuk n < 0
73
Diambil x(n) = x3(n) = x1(n) + x2(n)

maka y(n) = y3 (n) = {a x1(n-2 + b x(n+2)}+ {a x2(n-2) + b
x2 (n+2)}
= y1(n) + y2(n)
sistem Linier
Jika x(n) = x1(n) maka y(n) = y1(n) = ax1(n-2) +bx1(n+2)
Jika x(n) = x (n-k) maka y (n) = a x1 (n-k-2) + b x1 (n-k-2)
= y1 (n-k-t)
Kesimpulan sistem : Linier, Tak ubah waktu, Non kausal,
Stabil
74
Sistem Operator
75
Sistem operator :
L = Output/Input =Fungsi alih sistem (fungsi transfer sistem)
Untuk SWK L(p) = N(p)/D(p) = Numerator/Denumerator
Dimana p = operator diferensial d/dt
p-1 = operator integral (.) dt
Untuk SWD L(q) = N(q)/D(q) = Numerator/Denumerator
Dimana q = operator maju
q-1 = operator tunda
q-1.x(n) = x(n-1)
q.x(n) = x(n+1)
Untuk menganalisis suatu sistem maka buat dulu model matematis
(hubungan input-outputnya).
76
Contoh soal: 2.4.

Carilah sistem operator (Fungsi transfer sistem) dari Sistem
Waktu Diskrit dengan hubungan input-output sebagai
berikut :
3y(n) + 4y(n-1) + 7y(n-2) = 2x(n) + 5x(n-1)
Solusi :
Dengan menggunakan operator q didapat :
y(n)(3 + 4q-1 + 7q-2 ) = x(n) (2 + 5q-1)
y( n )
2 5q 1
q2
2q 2 5
L( q )
x 2 2
1
2
x ( n ) 3 4q 7q
q
3q 4q 7
77
Solusi Persamaan Difference

(Perbedaan)
78
Persamaan Perbedaan (u/ SWD)

Bentuk umum sistem LTW
N
a y( n i ) b x( n i ) M 0
i 0
i 0
Untuk penyederhanaan , ambil a0 = 1

y(n) + a1y(n-1) + + aNy(n-N) = b0x(n) + + bMx(n-M)
dengan operator q :
dimana q-1 x(n) = x(n-1) dan q x(n) = x(n+1),
maka didapat:
y(n) (1 + a1q-1 + + aNq-N ) = x(n) (b0 + b1q-1 + + bMq-M)
79
y ( n ) N ( q ) b0 b1q 1 ... bM q M
L( q )
x ( n ) D( q )
q a1q 1 ... aN q N
jadi :
80
D(q). y(n) = N(q). x(n)
Seperti halnya SWK ,maka pada SWD juga ada dua macam
solusi yaitu solusi komplementer (solusi umum) dan solusi
partikular (solusi khusus) :
y(n) = yc(n) + yp(n)
Solusi komplementer jika deretan masukan x(n) = 0

D(q) yc(n) = N(q).0 = 0, maka D(q) = 0 dengan solusi :
m
k 1
k 1
yc ( n ) Ak yk ( n ) Ak rk
81
dimana rk = akar polynomial D(q) dengan solusi :

(i) . rk riil dan tunggal yk(n) = rkn
(ii). rk riil dan jamak sejumlah m buah
yk (n) = rn, nrn, n2rn,,nm-1rn
(iii). rk kompleks tapi tunggal , rk = + j = rej
yk(n) = rn cos n dan rn sin n
(iv). rk kompleks dan jamak sejumlah m buah
yk(n) = rn cos n ; rn sin n
= nrn cos n ; nrn sin n
.
= nm-1rn cos n ; nm-1rn sin n
82
Solusi khusus jika deretan masukan ada

D(q) yp(n) = N(q)x(n)
yp(n) = N ( q ) x ( n ) L( q ) x ( n )
D( q )
Kasus khusus jika input eksponensial , ambil x(n) = A(s)n

didapat : yp(n) = L(q)x(n)
q=s
Stabilitas sistem SWD stabil jika magnitudo akar polynomial
D(q) < 1 (atau didalam lingkaran satuan).
83
Contoh soal 2.5.

y(n + 3) 8y(n + 2) + 37y(n+1) 50y(n) = 8(0,5)n , y(0) = 2,
y(1) = 3, y(2) = 5
dengan operator q
y(n) (q3 8q2 + 37q - 50) = 8(0,5)n
y( n ) N ( q )
8( 0,5 ) n
L( q ) 3
x ( n ) D( q )
q 8q 2 37q 50
D(q) = (q3 8q2 + 37q 50) = (q 2)(q2 6q + 25)
84
D(q) = (q3 8q2 + 37q 50) = (q 2)(q2 6q + 25)

Akar-akar D(q)
q1 = 2
q2,3
6 j 36 100
3 j4
=
2
q2 = 3 + j4 = 5 < 0,927 rad

q3 = 3 j4 = 5 < -0,927 rad
Solusi komplementer
yc(n) = A(2)n + B(5)n cos 0,927n + C(5)n sin 0,927n
85
solusi partikular
8( 0,5 ) n
yp(n) = L(q) x(n) = q 3 8q 2 37q 50
q=s
q = 0,5
8( 0,5 ) n
69
n
(
0
,
5
)
yp(n) =
( 0,5 ) 3 8( 0,5 ) 2 37( 0,5 ) 50
267
solusi total/lengkap
y( n )
86
64
( 0,5 ) n A( 2 ) n B ( 5 ) n cos 0,927n C ( 5 ) n sin 0,927n
267
y ( 0)
64
A B C 2
267
y ( 1)
32
2A 5B cos 0,927 5C sin 0,927 3
267
y ( 2)
didapat :
87
16
4A 25B cos 1,8546 25 sin 1,8546 5
267
A = 2,1886
B = 0,05108
C = 0,35666
Sehingga:
y( n )
64
( 0,5 ) n 2,1886( 2 ) n 0,05108( 5 ) n cos 0,927n 0,35666( 5 ) n sin 0,927n
267
- cek stabilitas :
Plot akar D(q) :
x
Im D(q)
Re D(q)
x
sistem tidak stabil (karena ada akar polinomial D(q) yang
terletak di luar lingkaran satuan)
88
Realisasi SWD
89
Syarat sistem dapat direalisasi jika kausal dapat direalisir

dalam bentuk
struktur langsung tipe I
struktur langsung tipe II
90
Realisasi SWD
Struktur Langsung Tipe I :
Hubungan input-output Sistem Waktu Diskrit dapat dituliskan
sebagai berikut
N
a y( n i ) b x ( n i )
i 0
i 0
Untuk penyederhanaan, ambil

hubungan berikut :
N
i 0
i 0
a0 = 1, sehingga didapat
y ( n ) b i x ( n i ) a i y( n i )
b 0 x (n ) b1 x (n 1) ... b n x (n n )
a 1 y(n 1) ... a n y(n m)
91
q-1
q-1
bN
b1
x(n)
b0
q-1
+
aN
y(n)
aN-1
q-1
92
q-1
Struktur Langsung Tipe II

Mengacu pada hubungan input-outpur SWD berikut ini,
N
a y( n i ) b x ( n i )
i 0
i 0
a 0 y(n ) a 1 y(n 1) ... a n y(n n )

b 0 x (n ) b1 x (n 1) ... b n x (n n )
93
y(n ) a 0 a 1 q 1 ... _ a n q n x (n ) b 0 b 1 q 1 ... b n q n

N(q ) y(n ) b 0 b 1 q 1 ... b n q n
L (q )
D(q ) x (n ) a 0 a 1 q 1 ... a n q n
n
1
a i q 1
n
i i 0
a
q
L2 (q )
0
i
L1 ( q )
94
Fungsi Transfer L(q) diuraikan menjadi 2, sehingga L(q) =

L1(q). L2(q) . Masing-masing fungsi transfer dapat
digambarkan struktur realisasinya dan kemudian digabung
kembali, hingga didapat L(q) total.
n
(n )
L1(q )
(n ) a iq 1 x (n )
n
x (n )
1
i 0
a
q
i
i 0
(n ) x (n ) a i(n i)
95
x(n)
(n)
+
q-1
-a1
q-2
-a2
q-N
-aN
N
y( n ) N
L 2 (q )
b i q 1 y(n ) (n ) b i q 1
(n ) i 0
i 0
96
(n)
b0
+
y(n)
q-1
b1
q-2
b2
q-N
bN
97
Rangkaian total digabung :

L(q) = L1(q) . L2(q)
y(n ) (n ) y(n )
.
x (n ) x (n ) (n )
x (n)
b0
y(n)
q-1
b1
-a1
q-2
b2
-a2
-aN
98
q-N
bN
Contoh soal 2.6.

Buat realisasi tipe I dan tipe II dari SWD dengan hubungan
input-output sebagai berikut:
y(n) + 3y(n-1) + 5(n-2) + 7y(n-2) = 6 x(n) + 4 x(n-1)
Jawab :
Struktur langsung tipe I :
y(n) = 6x(n) + 4x(n-1) 3y(n-1) 5y (n-2) 7y(n-3)
99
x (n)
6
y (n)
+
q-1
q-1
4
-3
q-1
-5
q-1
-7
100
Struktur langsung tipe II :

y(n) [1 + 3q-1 + 5q-2 + 7q-3] = x(n) [6 + 4q-1]
y( n )
6 4q 1
1
x 6 4q 1
x (n ) 1 3q 1 5q 2 7q 3 1 3q 1 5q 2 7q 3
(n)/x(n) = 1/[1 + 3q-1 + 5q-2 + 7q-3]

x(n) = (n) + 3(n-1) + 5(n-2) + 7(n-3)
(n) = x(n)-3(n-1)-5(n-2)-7(n-3)
y( n )
6 4q 1
(n )
101
y(n)=6(n) + 4(n-1)
x (n)
y(n)
q-1
-3
n-1
q-2
-5
n-2
q-1
-7
n-3
102
Respons Impulse
103
Respons impuls adalah respons sistem (output sistem) jika masukannya

diberi sinyal impuls
(n
)
h
(n)
SWD
(t)
SWK
Respons impuls
h
(t)
Sistem sering digambarkan dengan respons impulsnya karena dengan

respons impuls dapat dilihat apakah sistem tersebut kausal dan stabil
atau tidak.
104
SWD
SWK
x (n)
x (t)
h(n)
y (n)
h(t)
y (t)
Respons Impuls SWD

Diketahui SWD - LTW
y(n) + a1 y(n-1) + a2 y(n-2) + .+ an y(n-N) = x(n)
Respons impuls sistem adalah respons sistem (output) jika
x(n) = (n)
Sehingga dapat dituliskan h(n) = y(n)
x(n) = (n)
Jadi
h(n) + a1 h(n-1) + a2 h(n-2) + . + aN h(n-N) = (n)
karena SWD kausal ==> h(n) = 0 untuk n<0
105
maka
n = 0 h(0) = (0) = 1 ; h(n-1) ; h(n-2) dst = 0
n = 1 h(1) + a1 h(0) + 0 + .+ 0 = (1) = 0
n = 2 h(2) + a1 h(1) + a2 h(0) + = (2) = 0
dst
ingat solusi persamaan y(n) = yc(n) + yp(n)
D(q) y(n) = N(q) x(n)
yc(n) D(q) yc(n) = 0 D(q) = 0 maka yc(n) =
n
A
r
kk
k 1
106
yp(n) yp(n) = L(q) x(n)q=s untuk x(n) = A(s)n

tetapi input disini bukan eksponesial maka yp(n)=0
107
Contoh soal 2.7.

y(n) 0,8y(n-1) + 0,15 y(n-2) = x(n)
Respons impuls
h(n)-0,8 h(n-1) + 0,15 h(n-2) = (0)
n=0 h(0) 0,8 h(-1) + 0,15 h(-2) = (0) = 1 h(0) = 1
n=1 h(1) 0,8 h(0) + 0,15 h(-1) = (1) = 0 h(1) = 0,8
n=2 h(2) 0,8 h(1) + 0,15 h(0) = (2) = 0 h(2) = 0,8 x
0,8 0,15 = 0,49
108
solusi
yc(n) =
Ak rk A1 (r1 ) n A2 (r2 ) n
n
k 1
dimana
y(n) [1- 0,8 q-1 + 0,15 q-2] = x(n)
L(q) =
109
q2
q2
q2
x
1
2
3
2
1 0,8q 0,15q
2
q 0,8q 0,15 (q 0,5)(q 0,3)
1
Jadi
yc(n) = A (0,5)n + B (0,3)n
n=0 y(n) =
A + B = h(0) = 1
n=1 y(n) = 0,15A + 0,3 B = h(1) = 0,8
A + 0,6 B = 1,6
A+
B=1
- 0,4B = 0,6 B = -1,5
A = 2,5
Maka y(n) = h(n) = [2,5 (0,5)n 1,5 (0,3)n] u(n)
Bagaimana kalau imputnya superposisi ?
Karena sistem linier maka outputnya juga superposisi
110
Contoh soal 2.8.

y(n) 2y(n-1) + 1,31 y(n-2) 0,28 y(n-3) = x(n) + 3x(n-2)
respons impuls didapat jika x(n) = (n) dan 3x(n-2) = 3(n-2)
y(n) [1 2 q-1 + 1,31 q-2 0,28 q-3] = x(n) [1 + 3 q-2]
L(q) = y(n)/x(n) = N(q)/D(q) = [1 + 3 q-2] / [1 2 q-1 + 1,31
q-2 0,28 q-3]
Kalikan L(q) dengan q3 / q3 , didapat :
L (q )
111
q 3 3q
q 3 2q 2 1,31q 0,28
D(q) = q3-2 q2 + 1,31 q - 0,28 = (q - 0,5) (q - 0,7) (q - 0,8)

yc(n)=A(0,5)n + B(0,7)n + C(0,8)n
Input 1 : (n) maka h(n) = 2h(n-q) + 1,31 h(n-2)-0,28 h(n-3)=(n)]
n = 0 h(0) = 1
n =1 h(1) 2h(0) + 0 + 0 = 0 h(1) = 2
n = 2 h(2) 2h(1) + 1,31 h(0) 0 = 0 h(2) = 2,69
dimana
h ( 0) A B C 1
A 25 / 6
h(1) 0,5 A 0,7 B 0,8C 2

B 49 / 2
h(2) 0,25 A 0,49 B 0,64C 2,69 C 64 / 3
112
Jadi
25
49
69
n
n
h 1 (n )
(0,5)
(0,7)
(0,8) n
1
2
3
Input 2 : 3(n-2)
outputnya
n=0
n=1
n=2
113
untuk n 0
h(n) 2h(n-1) + 1,31 h(n-2) 0,28 h(n-3) = 3 (n-2)

h(0) 2h(-1) + 1,31 h(-2) 0,28 h(-3) = 3 (-2) = 0
h(0) = 0
h(1) 2h(0) + 0 0 = 3 (-1) = 0 h(1) = 0
h(2) 2 h(1) + 1,31 h(0) 0 = 3 (0) = 3 h(2) = 3
Maka
h(0) = A
+
B
+
C
=0
A= 50
h(1) = 0,5A +
0,7B +
0,8C = 0
B = -150
h(2) = 0,25A +
0,49B +
0,64C = 3
C = 100
jadi
h2(n) = 50(0,5)n 150 (0,7)n + 100 (0,8)n n 2
Maka : h(n) = h1 (n) + h2 (n)
64
25
n 49
n
n
(
0
,
5
)
(
0
,
7
)
(
0
,
8
)
untuk n 0 dan 1
6
2
3
h (n )
325
n 349
n 364
(0,5)
(0,7)
(0,8) n
untuk n 2
2
3
6
114
Latihan :
Carilah respons impuls sistem dengan persamaan
perbedaan berikut :
y(n) = x(n) +0,8 y(n-1)
25y(n) + 6y(n-1) + y(n-2) = x(n)
2y(n) + 6y(n-2) = x(n) x(n-2)
115
Konvolusi
116
Konvolusi
Adalah suatu operasi perkalian sekaligus penjumlahan
dalam kawasan waktu (SWD) atau suatu operasi
perkalian sekaligus integral dalam kawasan waktu (SWK).
Dapat digunakan untuk mendapatkan respons sistem
terhadap masukan bebas. Jadi merupakan transformasi
dari masukan ke keluaran.
117
Penjumlahan Konvolusi
Jika x(n) adalah input suatu SWD LTW dan y(n) adalah
output sistem tersebut dimana y(n) = T.[x(n)] , maka :
y( n )
x (k )h (n k )
k ~
x (n k )h (k )
k ~
dimana operasi diatas didefinisikan

konvolusi * , sehingga
y( n ) x ( n ) * h ( n )
x (k )h (n k )
k ~
sebagai
operator
x (n k ) * (k )
k ~
Dimana h (n) adalah respons impuls

118
Blok diagram penjumlahan konvolusi
x[n]
y[n]
x(n) * h(n) = y(n)
119
Sifat-sifat Konvolusi :
Komutatif :
x(n) * y(n) = y(n) * x(n)
Asosiatif :
x(n) * [y(n) * z(n)] = [x(n) * y(n)] * z(n)
Distributif untuk operasi penjumlahan
x(n) * [y(n) + z(n)] = x(n) * y(n) + x(n) * z(n)
Memiliki elemen identity : (n)
x(n) * (n) = (n) * x(n) = x(n)
Konvolusi dari suatu deretan pulsa sampling tertunda dengan x(n)
x(n) * (n-k) = x(n-k)
Lihat lagi operasi pencerminan dan pergeseran

120
Contoh soal 2.9.

x[n]
y[n]
h(n)
Dengan input x(n) dan respons impuls h(n) seperti di bawah
ini, dapatkan output sistem y(n) = x(n)*h(n)
x (n)
h (n)
3
2
0,5
121
Jawab :
y( n ) x ( n ) * h ( n )
x (k )h (n k )
k ~
Disini k merupakan variabel penjumlahan untuk harga n

tertentu. Misalnya diberikan harga suatu n=N0 maka
jumlahkan semua perkalian antara deretan x(k) dengan
h(n0-k) untuk semua k [-~ , ~], dimana h(n0-k) = h-(k-n)
yaitu pencerminan dari h(k) kemudian digeserkan sejauh
n0.
122
Dengan kata lain dapat dituliskan langkah-langkah

penjumlahan konvolusi sebagai berikut :
123
Gambarkan x(n) dan h(n)

Ubah peubahnya dari n menjadi k, sehingga didapat x(k)
dan h(k)
Lakukan pencerminan terhadap sumbu vertikal dari h(k)
atau x(k) sehingga didapat h(-k) atau x(-k)
Misalkan yang dicerminkan adalah h(k) maka didapat h(k) dan x(k). Geser h(-k) untuk n =0 dan kalikan besaran
pada h(-k) dan x(k) pada waktu yang sama dan
jumlahkan. Sehingga akan dikalikan h(-k) dengan x(k).
Geser lagi h(-k) untuk n=1, maka kita akan mengalikan
h(1-k) dengan x(k), begitu seterusnya hingga antara h(n-k)
dan x(k) tidak bersinggungan lagi.
124
Energi & Daya Sinyal
125
Energi Sinyal
Energi sinyal waktu diskrit x(n) didefinisikan sebagai Ex
berikut :
126
Contoh 2.10.
Carilah energi sinyal waktu diskrit x(n) = ()n u(n)
Solusi :
Dari definisi :
= 1/[1-1/4] = 4/3
127
Daya Sinyal
Daya rata-rata sinyal waktu diskrit didefinisikan sebagai
berikut :
Untuk sinyal waktu diskrit periodik, daya rata-ratanya adalah

:
128
Latihan :
Carilah energi dan daya sinyal berikut ini :
x(n) = 10 sin (2n/4)
129
TT-3113
BAB #3
TRANSFORMASI FOURIER
WAKTU DISKRIT
130
Tujuan
Memahami prinsip dasar deret Fourier dan

Transformasi Fourier Waktu Diskrit serta
dapat menerapkannya pada berbagai
Sinyal Waktu Diskrit
Memahami sifat-sifat deret Fourier dan

Transformasi Fourier Waktu Diskrit dan
menerapkan dalam analisis sinyal
131
Deret Fourier Waktu Diskrit

(DFWD)
132
DFWD bentuk Trigonometri

Diberikan sebuah sinyal waktu diskrit x(n) periodik dengan
periode N :
x(n)=x(n+kN)
0 1
7
133
x(n) = an cos ( 2n/N)
x(n) = bn sin ( 2n/N)
DFWK :
x(t ) a0 (an cos n0t bn sin n0t )

n 1
x(n) a0 (ak cos kwo n bk sin kwo n)
DFWD :
Dimana frekuensi sudut = 2/periode 0 = 2/T; 0 =
2/N
Bentuk-bentuk trigonometri yang penting :
cos(N0n)=cos (2n)=cos (00n)
cos([N+1]0n)=cos(0n)
cos([N+2]0n)=cos(20n)
cos([N+k]0n)=cos(k0n)
k 1
134
DFWD bentuk Eksponensial
c e
DFWK : x(t )
jn 0t
1 t 0 T
cn
x(t )e jn 0 t dt
T t0
DFWD :
x ( n)
N 1
ak e
, n 0,1,2,....
k 0
1
ak
N
135
jk0n
N 1
jk0 n
x
n
e
, k 0,1,2...N 1
n 0
Disingkat penulisannya :
x (n )
N 1
a
k 0
1
ak
N
wN e
136
w kn
N , n 0,1,2,....
N 1
kn
x
n
w
N , k 0,1,2...N 1
n 0
j 2
N
w e
k
N
e j0
j2 k
N
Bentuk DFWD cukup dianalisis 1 periode dari n =0 sampai

dengan N-1, karena sifat eksponensial dan periodisitas :
jk0 N
j 2k
N
e j 2k 1
Dimana k adalah integer sejumlah N dari 0 sampai N-1.
137
Respons Steady State thd

masukan sinusoidal
138
Sistem dalam notasi operator q : L(q) = y(n)/x(n) = N(q)/D(q)

Respons sistem : y(n) = yc(n) + yp(n)
Respons steady state input eksponensial x(n) = A e jk n
yss(n) = [N(q)/D(q)] x(n) dimana q= e j
Jika input sinusoidal maka ubah dahulu ke dalam bentuk
eksponensial
0
139
Contoh
Tentukan respon tunak (steady state) dari sistem waktu
diskrit berikut :
y(n+2)-0.8y( n+1)+0.15y(n)= x(n) dimana x(n) = 5 + 2 ej2n/10
Jadi disini seolah-olah inputnya ada 2 buah yaitu x1(n) = 5
dan x2(n) = ej2n/10
Dengan menggunakan operator q, dapat ditulis :
y(n)[q2 0,8 q + 0,15] = x(n)
1
L(q) = y(n)/x(n)
q 2 0.8q 0.15
yss1(n) = L(q) x1(n) dengan q = ej0
140
5
5 / 0,35 14,286
e j 0 0,8e j 0 0.15
yss2(n) = L(q) x2(n) dengan q = ej2/10

2e
j 4
10
j 2n
10
0,8e
j 2
10
0.15
j 2n
10
2e
(cos 0,4 j sin 0,4 0,8 cos 0.2 j 0,8 sin 0.4 ) 0,15
j 2n
10
2e
3,873e j ( 0, 2n 1,94)
0,188 j 0,488
Sehingga : yss(n) = 14,286 3,873e j (0, 2n1,94)
141
Transformasi Fourier
Waktu Diskrit
(TFWD)
142
Tinjau sinyal waktu diskrit terbatas :

x(n) 0 , 0 n N1
Buatlah x(n) menjadi sinyal periodik
(dimana N> N1)
x(n)
dengan periode N
n
0
(a)
N1-1
~
x ( n)
-N
143
(b)
0 N1-1
Dengan menggunakan analisis DFWD dapat ditulis :

~
x (n )
N 1
( jk0 n )
a
e
k
n 0
1 N 1 ~
a k x (n ) e ( jk0 n )
N n 0
Karena =0, n> N1, maka

1
ak
N
N 1
( jk0 n )
x
(
n
)
e
n 0
1
ak
N
144
N 1
kn
x
(
n
)
w
N
n 0
Karena x(n) 0, 0nN1 maka
1
ak
N
1
ak
N
kn
x
(
n
)
w
n
n
( jk0 n )
x
(
n
)
e
Perlu diingat bahwa 0 = 2/N

Perlu diperhatikan bahwa akan mendekati x(n) untuk nilai N
yang semakin tinggi.
145
Sehingga dapat dinyatakan :
lim ~
x (n ) x (n )
Sedangkan bila N ~ maka 0 0 sehingga spektrumnya

kontinyu.
N .ak
N .ak
146
( jk0 n )
x
(
n
)
e
n
n
( jn )
x
(
n
)
e
N .ak X (e j )
Dengan = k.0
inilah yang disebut sebagai Transformasi Fourier Waktu
Diskrit dari x(n).
Kembali ke persamaan sebelumnya :
~
x ( n)
N 1
( a )e
n 0
~
x ( n)
N 1
[
n 0
147
( jk0 n )
1
X (k0 )]e ( jk0n )
N

~
x (n ) 0 X(k0 ) e jk0 n )
n 0 2
N
Untuk N~, 0 0 maka x(n)

Sehingga 0 berubah menjadi suatu elemen frekuensi d,
dengan demikian :
1 2
jkn )
x (n )
X
(
)
e
d
0
2
148
Jadi pasangan Transformasi Fourier Waktu Diskrit (TFWD)

dan inversenya adalah sebagai berikut :
X ( )
( jn )
x
(
n
)
e
1
x ( n)
2
149
X ( ) e jkn ) d
TFWD
Sinyal Sinusoidal
150
x (n ) Ae
X()
j0 n
2(
2k )
A j 0 n
x n A cos 0 n (e
e j 0 n )
2
X() ( 0 2k ) ( 0 2k )
k
151
Dengan cara yang sama kita dapat menunjukkan bahwa

TFWD dari fungsi sinus
x (n ) A sin 0 n
A
( e j 0 n e j 0 n )
(2 j)
Adalah :
X() j [( 0 2k ) ( 0 2k )
k
152
TFWD sinyal cosinusoidal

X(n)
-2
TFWD sinyal sinusoidal

X(n)
-2
153
Sifat-sifat TFWD
154
a. Periodik atau berulang
X(+2)=X()
b. Linearitas
Jika F x1 (n ) X1 () dan
Maka :
F x 2 ( n ) X 2 ()
F a1x1 (n ) a 2 x 2 (n ) a1X1 () a 2 X 2 ()
155
maka
c. Pergeseran waktu dan frekuensi
Jika F x (n ) X () maka
Jika F x (n ) X () maka
156
F x(n n 0 ) e jn 0 X()
F e jn 0 x(n) X( 0 )
d. Penskalaan waktu dan frekuensi
Jika F x (n ) X() maka F x (nk ) X ( / k )

dimana k 1
e. Differensiasi dan penjumlahan
Jika F x (n ) X()
Dan
157
maka F x (n ) x (n 1) (1 e j) X()
1
n
F x ( m)
X() X(0) ( 2k )
j
k
m
1 e
f. Differensiasi dalam frekuensi
Jika F x (n ) X() maka
F nx (n ) j
dX()
d ()
g.Teorema Parseval
Jika F x (n ) X() maka
x (n )
h. Konvolusi
Jika y(n) x (k )h (n k ) maka
1 2
2
X
(
)
d
0
2
Y() H()X()
158
i. Konvolusi Periodik/Konvolusi sirkular

kN
N 1
k 1
m 0
y(n ) x1 m x 2 n m ~x1 (m)~x 2 (n m)R N (n )
dimana ,
k adalah integer, ekspresi r adalah r modulo N untuk r
integer sembarang, N adalah perioda
x1(n)=x2(n)= deretan terbatas
y(n) adalah respons sistem
159
TT-3113
BAB #4
Transformasi Z
160
Tujuan
Memahami sifat-sifat Transformasi Z
Memahami hubungan antara Transformasi Z dengan
Transformasi Fourier Waktu Diskrit serta hubungan
Transformasi Z dengan Transformasi Laplace
Dapat menggunakan Transformasi Z untuk memecahkan
persamaan perbedaan dengan kondisi awal.
161
Bila ada deretan x(n) maka TZ[x(n)] didefinisikan sebagai :
X ( z)
n
x
(
nT
).
z
TZ 2 sisi
X ( z ) x(nT ).z n
n 0
162
TZ 1 sisi
Definisi diperluas :
TZ[h(n)] = H(z) =
Untuk z = ej
h(n) z-n
didapat H(ej)
Sehingga bila ada respons impulse h(n), dapat dihitung

H(z), kemudian z diganti dengan ej didapat H(ej ) yaitu
Respons Frekuensi.
Dengan kata lain, untuk mencari respons frekuensi dapat
dilakukan melalui TZ.
163
Daerah Konvergensi
164
Daerah Konvergensi merupakan tempat kedudukan (hargaharga) dari z yang menyebabkan TZ nya berharga
berhingga.
a. Diberikan sinyal kausal x(n) = An u(n), || >0 maka :
X(z) =
An
u(n).z-n
=
n 0
An
z-n
A (/z)n
n 0
X(z) akan berhingga bila (/z) < 1 atau |z| > ||

Sehingga X(z) = A 1 , |z| > || dengan daerah konvergensi
1 z
di setiap titik di luar lingkaran dengan jari-jari .
165
b. Diberikan sinyal antikausal x(n) = A-n u(-n), || >0 maka :
X(z) =
A-n
u(-n).z-n
A-n
z-n
= A
-n
z-n
= A (.z)n
n 0
X(z) akan berhingga bila (z) < 1 atau |z| < |1/|
Sehingga X(z) = A , |z| < |1/| dengan daerah konvergensi
1 z
di
setiap titik di dalam lingkaran dengan jari-jari 1/.
166
Deretan
dalam Waktu Terbatas
167
Bila x(n) 0, n [N1,N2] dengan N1< N2 dan N1,N2 terbatas,

maka :
N2
X(z) = x(n).z-n
n N1
X(z) konvergen di setiap titik pada bidang z dengan

kemungkinan pengecualian di z = 0 atau z = ~.
x(-3) = 2, x(-2) = -5, x(-1) = 3, x(0) = 0, x(1) = 4, x(2) = 2, x(3)
= -4, x(4) = -2
x(n)
3
2
2
-2
-3
3
-1
2
-2
-4
-5
168
X ( z ) 2 z 5 z 3z 4 z 2 z 4 z 2 z
3
Terlihat bahwa bila ada z berpangkat positif, maka z = ~ tidak berlaku

karena hasilnya tak terhingga. Begitu pula bila ada z berpangkat
negative maka z = 0 tidak berlaku karena hasilnya juga tak terhingga.
Bila deretan dengan waktu terbatas adalah Respons Impuls h(n) dari
suatu sistem linear dan tak berubah terhadap waktu maka sistem
tersebut disebut dengan SISTEM RESPONS IMPULS TERBATAS
(RIT) atau FINITE IMPULSE RESPONSE SYSTEM (FIR SYSTEM).
Bila N1 = -~ dan/ N2 = ~ maka sistemnya disebut dengan SISTEM
RESPONS IMPULS TAK TERBATAS atau INFINITE IMPULSE
RESPONSE SYSTEM (IIR SYSTEM).
169
Deretan Kausal
170
Bila x(n) 0, n [N1,~] dengan N1 0 , maka :
-n
X(z) = n
x(n).z
N1
Contoh :
Diberikan sinyal x(n) = an u(n)
X(z) = 1
, |z| > ||
1 az 1
X(z) konvergen di setiap titik di luar lingkaran dengan jari-jari

a. Bila a < |1|, maka sistem stabil.
171
Deretan Tidak Kausal
172
Bila x(n) 0, n [-~, N1] dengan N1 <0 , maka :

N1
X(z) =
x(n).z-n
Contoh :
Diberikan sinyal x(n) = - bn u(-n-1)
n.z - n = -b-n.z n = - b-n.z n = 1 - b-n.z n

X(z) = n
-b
n 1

n 1
=1-
n 0
(b-1.z) n
n 0
173
X(z) akan konvergen bila |b-1.z| < 1.
X(z) = 1 -
1
1 b 1 z
z
=
, |z| < |b|
z b
X(z) konvergen di setiap titik di dalam lingkaran dengan jarijari b.
174
Deretan Dua Sisi
175
Bila x(n) 0, n [-~, ~], maka :
X(z) = x (n)
n
z-n
Contoh :
Diberikan sinyal x(n)
X(z) =
176
z
za
z
z b
=
n 0
x(n).
z-n
+ x(n). z-n
= an u(n)
= - bn u(-n-1)
, |a| < |b|
z (2 z a b
=( z a)( z b) , dengan ROC |a| < |z| < |b|
TZ
beberapa Sinyal
177
a. Sinyal impuls
1, n 0
(n)
0, n lainnya
X (z) =
n 0
x(n) z-n = 1
b. Deretan konstan
x(n) A,
n 0,1,2,.........,
x(n) z-n = A( 1 + z-1 + z-2 + )

X(z) =
n 0
= 1 Az
178
, |z| > |1|
c. Deretan eksponensial
n
x
(
n
)
A
.
r
u(n) A
-1 )n = 1 rz
X (z) = n 0 A rn z-n =
A
(r
z
n 0
AZ
zr
>
d. Deretan sinusoidal/cosinusoidal
x(n) A. cos n
Diberikan sinyal cosinusoidal
Ae
Ae
A cos n
X(z) = TZ
TZ 2 2
jn
X(z) = (A/2)
=
179
z
z e j
jn
z
z e j
Az z e j z e j
2 z 2 ze j ze j 1
Az 2 z 2 cos
2 z 2 2 z cos 1
Az[ z cos
z 2 2 z cos 1
, z >1
Im[z]
lingkaran
satuan
180
Re[z]
Diberikan sinyal sinusoidal

X(z) =TZ [A.sin n ] = TZ Ae2 j
jn
=
=
Ae jn
2j
A z
z
2 j z e
z e j
Az sin
z 2 2 z cos 1
; z
>1
Im[z]
lingkaran
satuan
181
Re[z]
Sifat-sifat TZ
182
Linearitas
Bila deretan x(n) = x1(n) + x2(n), dengan dan konstan,
maka :
X(z) = TZ x1 (n) x2 (n)
x1 (n).z
n 0
x 2 (n).z n
n 0
X 1 ( z ) X 2 ( z )
dengan
183
X1(z) = TZ[x1(n)]
X2(z) =TZ[x2(n)]
X(z) = Z [x(n)],
, ROC R1 -< z < R1+;

, ROC R2 -< z <R2+ dan
Maka TZ[x1(n) + x2(n)] dengan ROC dari hasil TZ ini

diberikan oleh irisan ROC dari X1 (z) dan ROC dari X 2 (z).
ROC : max [R1 - ; R2-] < z < min [R1+ ; R2+]
184
Pergeseran Deretan
Diberikan xk(n) = x(n-k) adalah deretan x(n) yang tergeser
sebesar k cuplikan dan bila
TZ[x(n)] = X(z) maka :
TZ[x(n-k)] = Xk(z)
= xk(n) z-n =
n
x(n-k) z-n
Sebut n-k = m maka Xk(z) =
x(m)z-(m+k)=z-k
x(m) z-m
= z-k X(z)
185
Bila TZ[x(n)] = X(z) ,

Rx -< z < Rx+;
Maka :
TZ[x(n-k)] = z-k X(z),
Rx -< z < Rx+;
Jadi daerah konvergensi (ROC) dari x(n) dan x(n-k) adalah
sama , dengan kemungkinan pengecualian di z = 0 dan z
= ~.
186
Perkalian dengan n (diferensiasi)

Jika : X(z) = TZ [x(n)], maka :
TZ nx(n) z
d
X ( z)
dz
d m x( z )
n x ( n) ( z )
dz m
Bentuk umum :
nx(n) z n z nx(n) z n 1
Bukti TZ nx(n)
n 0
n 0
z x(n)(n.z
n 0
n 1
) z x(n). z z n
dz
n 0
d
d
z x(n).z n z X ( z )
dz n 0
dz
187
Perkalian dengan rn
Jika : X(z) = TZ [x(n)], maka : TZ r
z
x ( n) X ( )
r
Bukti :
x(n) r x(n).z
n
n 0
188
z
x(n).
r
n 0
z
X ( )
r
Penjumlahan Konvolusi
Jika X (z) =TZ [x (n)]
, ROC R1- < z < R1+;
X (z)=TZ[ x (n)]
, ROC R2 -< z < R2+,
Maka :X1(z) X2(z) = TZ x (k ).x (n k )
Bukti :
k 0
TZ

n
x
(
k
).
x
(
n
k
)
x
(
k
).
x
(
n
k
)
1
2
1
2
.z
k 0
n 0 k 0
k 0
n 0
x1 (k ) x 2 (m).z m k , m n k
x1 (k ) z
k 0
x (m).z ,
n 0
X 1 ( z ). X 2 ( z )
189
Contoh :
-n =
x(n) = u(n), maka X(z) =
z
n 0
1
1 z 1
, |z| > |1|
h(n) = an u(n), maka H(z) = anz-n = 1 1 , |z| > |a|, dengan

n 0
1 az
a < 1, maka :
Y(z) = X(z).H(z)
190
1
1
=
.
1 z 1 1 az 1
z2
( z a)( z b)
|z| > |1|
Teorema Nilai Awal

Jika
: X(z) = Z [x(n)], maka :
x(0) lim X ( z )
z
Penerapan utama dari sifat ini adalah untuk menentukan

nilai awal x(0) secara langsung dari X(z), tanpa
melakukan evaluasi inverse TZ. Buktinya diberikan seperti
berikut ini :
Dari persamaan definisi TZSS,
X(z) = x(0) + x(1). z-1 + x(2).z-2 + x(3).z-3 + ....
Bila z , maka seluruh suku akan menjadi sangat kecil,
kecuali suku pertama. Hal ini membuktikan persamaan
nilai awal di atas.
191
Teorema Nilai Akhir

Jika TZ [x(n)] = X(z) dan semua pole X(z) terletak didalam
lingkaran satuan, dengan pengecualian yang mungkin dari
pole yang sederhana pada z = 1, maka nilai x(n) pada n
diberikan oleh :
lim x(n)= lim z 1 X (z)
z1
Bukti :
Dengan mempertimbangkan TZ [ x(n 1) x(n)] , Dari sifat
pergeseran maka dapat dituliskan :
TZ [ x(n 1) x(n)] [ zX ( z) zx(0)] X ( z)
k
lim [ x(n 1) x(n)]z n

k
192
n 0
Hal ini dapat disusun kembali sebagai :

k
( z 1) X ( z ) x(0) lim [ x(n 1) x(n)]z n

k
n 0
dengan pengambilan z pada kedua sisi, kita dapatkan :

l im ( z 1) X ( z ) x(0) [ x(1) x(0)] [ x(2) x(1)] ... [ Xk ) x(k 1)] ...
z 1
lim x(k )
k
193
Penskalaan
Bila TZ[x(n)] = X(z) maka :
TZ[n x(n)]
= n x(n) z-n =
n 0
n 0
x(n) (z/)-n
= G(z/)
Dengan cara yang sama :

TZ
194
j0 n
e
[
x(n)] = G(z ) e j
Latihan
Carilah hasil TZ dan daerah konvergensi dari sinyal :
x(n) = [3(4/5)n (2/3)2n] u(n)
x(n) = 2n u(n) + 3n u(-n)
195
Inverse Transformasi Z
196
Tujuan dari Inverse Transformasi Z atau

sering dituliskan dengan Z-1[...] adalah
mengembalikan dari kawasan frekuensi (z)
ke kawasan waktu (n).
Ada
beberapa
metode
Transformasi Z, antara lain :
197
Inverse
Metode Penyesuaian Koefisien
Jika X (z) = an z n
maka : x (n) = a untuk n=0,1,2,
n 0
Contoh :
3z 5 z
X (z) = z 4 z 6 z 4
lakukan pembagian :
x (z) = 0z0 +3z-1 +7z-2 +
2
a0
a1
a2
x(0) x(1)
198
x(2)
Metode Deret Taylor

Merefer pada suatu bilangan komplek c dimana |c| < 1.
1
1 c
199
n
c
n 0
Metode Ekspansi Parsiil

Metode ini merupakan metode yang paling popular, karena
cukup melihat pasangan TZ dan inversenya yang
sederhana.
N
X(z) =
i 1
a (i )
1 p (i ) z 1
a (i )
1 p (i ) z 1
a(i) pn(i)
N
Maka
200
x(n) = a(i) pn(i) , n 0

i 1
=0
,n<0
TT-3113
BAB #5
TRANSFORMASI FOURIER
DISKRIT
201
Tujuan
202
Memamahi hubungan Transformasi Fourier

Diskrit dengan Transformasi Fourier Waktu Diskrit
dan Transformasi Z
Memahami sifat-sifat Transformasi Fourier Diskrit
Memahami aplikasi Transformasi Fourier Diskrit
pada pengolahan sinyal dijital
Analisis Fourier
203
Sinyal Waktu Kontinyu Periodik, digunakan Deret Fourier Waktu

Kontinyu (DFWK), akan didapatkan spektrum yang diskrit.
Sinyal Waktu Kontinyu Non Periodik (terbatas), digunakan
Transformasi Fourier Waktu Kontinyu (TFWK), akan didapatkan
spektrum yang kontinyu.
Sinyal Waktu Diskrit Periodik, digunakan Deret Fourier Waktu Diskrit
(DFWD), akan didapatkan spektrum yang diskrit.
Sinyal Waktu Diskrit Non Periodik (terbatas), digunakan Transformasi
Fourier Waktu Diskrit (TFWD), akan didapatkan spektrum yang
kontinyu.
Sinyal Waktu Diskrit Non Periodik (terbatas), dan diinginkan
spektrum diskrit, maka digunakan Transformasi Fourier Diskrit
(TFD).
Representasi Fourier
204
Formulasi Transformasi Fourier Diskrit

N 1
X ( k ) x ( n )e
j 2kn
N
, k 0,1,....N 1
n 0
X (k ) X ( ) 2kn / N
1
x ( n)
N
205
N 1
kn
X
(
k
)
w
N ,
2k
X(
)
N
n 0,1,2,...N 1
k 0
Contoh
Diberikan respons impuls sistem adalah :
h(n)
= 1/3
,0n2
= 0
, n lainnya
Bila dicari hasil TFWD[(h(n)] yaitu H(ej) dan hasil TFD
[h(n)] yaitu H(k) seperti ditunjukkan dalam gambar berikut
ini.
206
Hubungan antara TFWD dan TFD dari deretan kausal untuk N=4 dan N=8
207
Sifat-sifat TFD
Jika F x (n ) X(k ),
k 0,1,2,3,....N
maka:
1.Linearitas
F a1 x1 (n) a2 x2 (n) a1 X 1 (k ) a2 X 2 (k )
2.Pergeseran waktu
F[ x(n m)] X (k )wN km
3.Pergeseran frekuensi
F[ x(n)wN mn ] X (k m)
4.Dualitas
F[ x(k )] Nx(n)
5. Konvolusi Sirkular
N 1
F x[( n i ) mod N ] y (i ) X (k )Y (k )
i 0
N 1
F [ x(n) y (n)] N 1 x[( k i ) mod N ]Y (i )

i 0
6. Perkalian
N 1
7.Teorema Parseval
208
N x ( n)
n 1
N 1
X (k )
k 1
Transformasi Fourier Cepat
209
Komputasi langsung dari TFD tidak efisien, karena tidak

memanfaatkan sifat simetri dan sifat keperiodikan
(periodisitas).
Sifat simetri
WNkn = - WNk
Sifat periodisitas
WNk+n = WNk
TFD langsung
N2 perkalian
N2 N penjumlahan
210
Refer TFD :
N-1
X(k) = x(n) WNkn
, k = 0, 1, ...., N-1
n=0
WNk
= e-j2/N
Bila x(n) deretan waktu diskrit dengan panjang N, maka X(k)

merupakan deretan frekuensi dengan panjang N.
211
TFD 2 Titik
1
X(k) = x(n) W2kn,
k = 0, 1
n=0
k =0 X(0) = x(0) + x(1)

k=1 X(1) = x(0) x(1)
Diperlukan : 4 perkalian dan 2 penjumlahan.
212
x(0)
X(0)
x(1)
X(1)
TFD 4 Titik
3
X(k) = x(n) W2kn,
k = 0, 1 , 2 , 3
n=0
= x(0) + x(1) + x(2) + x(3)
= x(0) + x(1) W41 + x(2) W42 + x(3) W43

= x(0) -j x(1) - x(2) + j x(3)
X(2)
= x(0) + x(1) W42 + x(2) W44 + x(3) W46
= x(0) - x(1) + x(2) - x(3)
X(3)
= x(0) + x(1) W43 + x(2) W46 + x(3) W49
= x(0) +j x(1) - x(2) j x(3)
Diperlukan : 16 perkalian dan 12 penjumlahan.
213
X(0)
X(1)
X(0)
X(1)
X(2)
X(3)
= [x(0) + x(2)] + [x(1) + x(3)]

= [x(0) - x(2)] j[ x(1) - x(3)]
= [x(0) + x(2)] - [x(1) + x(3)]
= [x(0) - x(2)] + j[ x(1) - x(3)]
x(0)
x(1)
x(2)
x(3)
214
X(0)
X(1)
X(2)
X(3)
Transformas Fourier Cepat

(Fast Fourier Transform)
FFT
215
Algoritma FFT
216
Desimasi dalam waktu

Desimasi dalam frekuensi
Desimasi dalam Waktu

N-1
Refer TFD : X(k) = x(n) WNkn
, k = 0, 1, ...., N-1
n=0
WN = e-j2/N
217
Misalkan
n = 2r ,
n = 2r+1
(N/2)-1
X(k)
untuk ndeks genap

,untuk indeks ganjil
(N/2)-1
= x(2r) WN2rk +
r=0
x(2r+1) WN (2r+1)k
r=0
(N/2)-1
= x(2r) WN2rk
r=0
(N/2)-1
WN k
x(2r+1) WN 2rk
r=0
= N/2 point TFD bag genap + N/2 point TFD bag ganjil
218
Dengan
WN2rk = exp[-j(2/N)2rk] = exp exp[-j{2/(N/2)}rk] =
WrkN/2
Sehingga :
(N/2)-1
X(k)
= x(2r) WrkN/2+
r=0
219
(N/2)-1
WkN
x(2r+1) WrkN/2
r=0
G(k)
+ WkN
H(k)
; k = 0, 1, ..., N-1
Dimana :
G(k) = TFD N/2 titik bagian genap dari deretan x(n)
H(k) = TFD N/2 titik bagian ganjil dari deretan x(n)
220
Gambar a
FFT 8 titik (N = 23) Desimasi dalam Waktu
TFD N titik didekomposisi dalam TFD N/2 titik
221
Gambar b
FFT 8 titik (N = 23) Desimasi dalam Waktu
TFD N/2 titik didekomposisi dalam TFD N/4 titik
222
Gambar b
Substitusi gambar b ke dalam gambar a
223
Flow Graph 2 titik
224
Flow Graph dari perhitungan TFD 8 titik dekomposisi desimasi dalam waktu
225
Struktur FFT 8 titik
226
Perhitungan kompleksitas perkalian dan penjumlahan dalam FFT
227
Pengurutan kembali deretan dengan bit reversal
228
Tugas
229
Turunkan formulasi
Frekuensi pada FFT
Desimasi
Dalam
TT-3113
BAB #6
SAMPLING &
REKONSTRUKSI SINYAL
230
Tujuan
231
Memahami kaidah-kaidah pencuplikan

sinyal serta rekonstruksinya
Memahami kaidah-kaidah pada quantisasi
Latar Belakang
232
Pemrosesan Sinyal Dijital
233
Sampling
Sampling ideal :
234
Contoh
Sinyal Sinusoidal x(t) = e2jft dengan frekuensi f ,
Sebelum proses sampling : spektralnya pada frekuensi f
Setelah proses sampling :
X(nT) = e2jnft : spektralnya pada frekuensi = f yang
periodik dengan dengan n fs.
Pengulangan Spektrum akibat pencuplikan
235
fs = frekuensi sampling = 1/T = sampling rate

Sinyal x(t) dibuat bandlimited,
dengan frekuensi sebesar fmax
spektrumnya bandlimited
Samping rate dipilih paling tidak = 2 x frekuensi maksimum dari

sinyal yang ada.
fs 2 fmax
236
atau
T 1/(2 fmax)
Sampling Rate minimum fs = 2 fmax disebut

Nyquist Rate
Sedangkan besaran fs/2 disebut frekuensi

Nyquist atau Folding frequency
[-fs/2 , fs/2 ] disebut Nyquist Interval
237
Contoh
238
Aplikasi
Geofisika
Biomedical
Mekanikal
Speech
Audio
Video
fmax
500 Hz
1 kHz
2 kHz
4 kHz
20 kHz
4 MHz
fs
1 kHz
2 kHz
4 kHz
8 kHz
40 kHz
8 MHz
Untuk sinyal yang tidak bandlimited, dibuat

bandlimited dengan diprefilter oleh filter
analog Low Pass disebut sebagai
Antialiasing pre filter dengan cut off
frequency :
fmax fs/2
239
Output dari analog Low Pass Pre Filter menjadi bandlimited
Prefilter Antialiasing
240
Pembatasan Hardware
Bila total waktu proses atau waktu komputasi = Tprocess
dan periode pencuplikan = T, maka :
T Tprocess
Dengan kata lain : Computation Rate atau Processing
Rate adalah :
fprocess = 1/Tprocess
Sehingga berlaku :
241
2 fmax fs fprocess
Ilustrasi
Sinyal frekuensi tunggal :
x(t) = Cos (2ft) disampling dengan 3 macam frekuensi
sampling : fs1= 8f, fs2= 4f dan fs3= 2f
Sinyal Sinusoidal pada rate fs = 8f; 4f; 2f
242
Dari ketiga gambar tersebut di atas, apa komentar anda ???
Jumlah sample/cycle = fs/f

= (sample/sec)/(cycles/sec)
= samples/cycle
fs/f 2 samples/cycle
sehingga
fs 2f
Seringkali f dinormalisir terhadap frekuensi Nyquist :

fN = fs/2 sehingga f/ fN
243
Dalam hal ini interval Nyquist menjadi [-1, 1]
Unit Frekuensi
244
Analog Reconstruction & Aliasing

x(t) = ejt = ej2ft disampling dengan periode T sehingga t = nT :
x(nT) = ejnT = ej2fnT
Definisikan m=0,+-1, +-2,. xm(t) = exp2j(f+mfs)nT
Ingat : exp2jmfsnT = exp2jmn = 1
Maka : xm(t) = exp2j(f+mfs)nT = exp2jfnT. exp2jmfsnT

= exp2jfnT
= x(nT)
245
Ideal Reconstructor
246
Ideal Analog Reconstructor melewatkan

semua sinyal dengan komponen frekuensi
yang ada di dalam interval Nyquist [-fs/2 ,
fs/2 ] dan menghilangkan sinyal dengan
frekuensi di luar interval tersebut.
Dengan kata lain : Ideal Analog

Reconstructor bekerja sebagai LPF dengan
cut off sama dengan frekuensi Nyquist fs/2.
247
Ilustrasi
Diberikan x(t) = 4 + 3 Cos (t) + 2 Cos (2t) + Cos (3t)
(t dalam ms). Tentukan sampling rate minimum agar tak
terjadi aliasing.
Tunjukkan bila sinyal disampling
Nyquist rate
(tunjukkan xa(t) dan x(t))
Solusi :
Frekuensi yang ada pada x(t) adalah :
f1 = 0 Hz, f2 = 0,5 kHz, f3 = 1kHz, f4 =1,5 kHz,
fmax = f4 =1,5 kHz
Nyquist rate = 2 fmax = 2f4 = 3 kHz
248
Bila sinyal disampling 0,5 Nyquist rate :

fs = 1,5 kHz, interval Nyquist [-0,75; 0,75] kHz
f1 dan f2 tidak masalah (f1a = f1 , f2a = f2)
Tetapi f3 dan f4 di luar interval Nyquist.
f3a = f3mod(fs) = 1 mod(1,5) = 1 1,5 = -0,5 kHz
f4a = f4mod(fs) = 1,5 mod(1,5) = 1,5 1,5 = 0 kHz
Ditulis kembali x(t) dengan frekuensi yang baru :
x(t) = 4Cos 2f1t + 3Cos 2f2t 2 Cos 2f3t + Cos 2f4t
249
Terjadi aliasing :
xa(t) = 4Cos2f1at + 3Cos 2f2at+2Cos2f3at+Cos 2f4at

= 4 + 3 Cos t + 2 Cos(-t) + Cos 0
= 5 + 5 Cos t
250
Pada frekuensi = 0 kHz, amplitudonya (4 + 0,5 + 0,5) = 5

= +- 0,5 kHz, amplitudonya (3/2 + 2/2) = 2,5
251
Kuantisasi
Konversi Analog ke Dijital

252
Setelah melewati DS Processor, terapkan D/A Converter

untuk mengembalikan ke bentuk analog kembali.
Sinyal terkuantisasi xQ(nT) direpresentasikan oleh B bits

yang mempunyai nilai 2B yang mungkin
(2B level
quantisasi)
Dimana : R
= range
Q
= spasi antar level
= lebar quantisasi
= resolusi quantizer
2B
= jumlah level quantisasi
253
Kuantisasi sinyal
254
Dalam range skala penuh dibagi secara uniform ke dalam 2B level

quantisasi.
Q = R/(2B) atau R/Q = 2B

Misal harga R antara 1 s/d 10 volt, dengan melihat gambar
sebelumnya , maka B = 3 atau 2B = 8 level.
255
Untuk Bipolar ADC :
-R/2 xQ(nT) < R/2
Untuk Unipolar ADC :
0 xQ(nT) R/2
Dengan maksimum level :
R/2 - Q.
Beberapa Definisi dalam Kuantisasi
256
ROUNDING : pembulatan ke harga terdekat dari level

quantisasi
TRUNCATION : memotong bagian atas (membulatkan ke
harga di bawahnya yang terdekat)
QUANTIZATION ERROR : selisih antara sinyal
terkuantisasi dengan sinyal tersample x(nT)
e(nT) = xQ(nT) x(nT) atau
e = xQ x
Q/2 e Q/2
Mean Error
Mean Square Error
Terlihat bahwa e tidak dapat merepresentasikan error.

Perlu definisi harga rms :
Pelajari lebih lanjut mengenai probabilitas dan statistik
257
Bila R = range dari sinyal dan Q = noise kuantisasi maka

S/N Ratio (SNR) adalah :
SNR = 20 log10(R/Q) = 20 log10 (2B)
= B. 20 log10 2
Jadi :
SNR = 20 log10(R/Q) = 6 B
(dB)
= disebut dynamic range dari quantizer

258
Contoh soal
Dalam aplikasi audio dijital, sinyal dicuplik pada laju
pencuplikan 44 kHz dan masing-masing cuplikan
dikuantisasi
menggunakan
A/D
konverter
yang
mempunyai range/jangkauan skala penuh 10 volt.
Tentukan jumlah bit B jika kesalahan kuantisasi efektif
(rms) dijaga di bawah 50 mikro volt. Kemudian tentukan
kesalahan (dalam rms) dan bit rate per second. Hitung
pula dynamic range dari kuantiser.
259
Solusi
Jumlah bit B = log2 [R/(erms 12)] = log2 [10/(50.10-612)] =
15,82 , dibulatkan ke 16. Sehingga terdapat 2B = 65.536
level kuantisasi.
Dengan harga B tersebut dapat dihitung erms = R.2-B/12
= 44 mikro volt.
Bit Rate =B.fs = 16. 44 = 704 kbits/sec. Ini merupakan
tipikal bit rate untuk CD player.
Dynamic range dari kuantiser : 6B = 6. 16 = 96 dB.
Sebagai catatan, dynamic range alat pendengaran
manusia sekitar 100 dB. Ini sebagai alasan mengapa
Dijital Audio kualitas CD diperlukan minimal 16 bit
kuantisasi.
260
TT-3113
BAB #7
FILTER DIJITAL
261
Tujuan
262
Memahami sifat-sifat filter dijital

Dapat merancang filter dijital respons
impuls terbatas dan filetr dijital respons
impuls tak terbatas dengan berbagai
metode
Pendahuluan
Pemfilteran Dijital adalah pemrosesan sinyal dengan

menggunakan program komputer yakni memproses suatu
file dari sampel-sampel sinyal dan menghasilkan suatu file
baru dari sampel-sampel terfilter.
Sehingga pemfilteran dijital dapat diimplementasikan pada

suatu komputer dijital.
Dewasa
ini
ada
kecenderungan
untuk
mengimplementasikannya secara cepat, untuk desain
khusus dan murah sehingga sering ditambahkan dengan
suatu Digital Sinyal Prosessor (DSR) Chip.
263
Deskripsi Desain Filter Dijital

Blok Diagram Pemfilteran Dijital
264
Sinyal analog band limited dicuplik periodik dan

dikonversikan dalam sampel dijital x(n), untuk n = 0, 1, 2,
.....
Prosesor Dijital mengimplementasikan operasi filtering,
mapping deretan input x(n) ke deretan output y(n)
menurut algoritma komputasi pada filter.
265
Digital to Analog Converter (DAC) mengkonversi output

filter dijital ke dalam nilai-nilai analog, kemudian di
smoothing dan menghilangkan komponen frekuensi tinggi
yang
tidak
diinginkan.
Prosesor
Dijital
mengimplementasikan operasi filtering, mapping deretan
input x(n) ke deretan output y(n) menurut algoritma
komputasi pada filter.
Keuntungan Filter Dijital
266
Filter dijital dapat mempunyai karakteristik yang tidak

dapat dipenuhi filter analog, seperti respons fasa yang
benar-benar linear.
Performansi filter dijital relatif tak berubah dengan
perubahan lingkungan seperti variasi temperatur.
Cut off, daerah transisi dsb di bawah kontrol komputer,
sehingga dapat diset high precission. Kepresisian
ditentukan panjang word
Fleksibilitas tinggi : cut off, daerah transisi dsb dapat
bervariasi dengan perubahan kecil pada program.
267
Mudah membangun filter linear fasa

Respons Frekuensi dapat otomatis di ajust jika
diimplementasikan menggunakan prosesor terprogram
(kasus Filter adaptif)
Dapat memfilter sejumlah input
Data terfilter & data tak terfilter dapat disimpan untuk
keperluan yang akan datang
Dengan perkembangan teknologi elektronika, filter dijital
dapat dipabrikasi dengan ukuran kecil, konsumsi daya
rendah, harga murah
Mudah dalam pengembangan ke filter adaptif.
Aplikasi Filter Dijital
268
Kompresi Data.
Biomedical Signal Processing.
Speech Processing.
Image Processing.
Digital Audio.
Telephone Echo Cancellation.
Video Processing.
Watermaking.
Steganografi.
Inverse Filtering.
Dsb.
Gambaran Implementasi Sederhana
Step 1 : Pada sampel sinyal x(n) diterapkan Transformasi

Fourier, sehingga didapat fungsi di kawasan frekuensi
X(f).
Step 2 : Terapkan fungsi pemberat H(f) pada kawasan

frekuensi, sehingga didapatkan X(f) yang terfilter.
Step 3 : Terapkan Inverse Transformasi Fourier untuk

mendapatkan sinyal y(n).
269
Implementasi Sederhana Pemfilteran Dijital
270
Tipe Filter Dijital

Filter Respons Impuls Tak Terbatas (RITT) /Infinite Impulse
Response (IIR) :
y(n) = h(k).x(n-k)
k=0
271
Terlihat bahwa Respons Impuls IIR Filter TAK TERBATAS

Secara Praktis tidak feasibel menghitung output filter IIR
dengan persamaan di atas, karena respons impulnya
sangat panjang (teori : tak terbatas)
Sehingga Filtering IIR diekspresikan dalam bentuk Rekursif

sebagai berikut :
y(n) = h(k).x(n-k)
k=0
= ak.x(n-k) - bk.y(n-k)
k=0
k=1
ak dan bk adalah koefisien filter IIR

272
Filter Respons Impulse Terbatas (RIT) / Finite Impulse

Response (FIR) :
N-1
y(n) = h(k).x(n-k)
k=0
273
Komparasi FIR & IIR Filter

FIR Filter :
Sederhana (+)
Stabil (+)
Hampir selalu berfasa linear (+)
Delay = 0,5 panjang h(n) (-)
IIR Filter :
Orde rendah & Delay pendek (+)
Sulit membuat fasa linear (-)
Ada kemungkinan tak stabil (-)
274
Pertimbangan Pemilihan
1. Filter FIR dapat secara tepat mempunyai respons fasa
linear, implikasinya tak ada distorsi fasa (Perlu dalam
transmisi data, biomedical, digital audio, image processing
dsb.)
Fasa Filter FIR non linear
2. Filter FIR direalisasikan non rekursif
Filter FIR selalu stabil
Filter IIR belum tentu stabil
275
3. Filter FIR banyak memerlukan koefisien dibanding Filter

IIR. Kurang ekonomis dalam hal komputasi dan memory
penyimpanan
4. Filter analog dapat dengan mudah ditransform dalam
ekivalen Filter IIR menyesuaikan spesifikasi.
Tak dapat dilakukan pada Filter FIR karena tak ada
analoque counterpart nya
5. Dan sebagainya.
276
Kompromi (Pedoman umum)
Penggunaan IIR Filter

Bila diperlukan filter dengan cut off curam, terutama
penggunaan karakteristik ellyptic akan menggunakan
koefisien yang lebih kecil dibanding ilter FIR
Penggunaan FIR Filter

Bila jumlah koefisien tidak terlalu besar dan khusunya bila
diperlukan syarat tanpa distorsi fasa (distorsi fasa yang
kecil)
277
Ilustrasi
Dua fungsi transfer yang mempunyai respons amplitudo
hampir sama sebagai berikut :
IIR : H(z) =[a0+a1z-1+a2z-2]/[1+b1z-1+b2z-2]

dengan a0 = 0,4981819
a1 = 0,9274777
a2 = 0,4981819
278
b1 = -0,6744878
b2 = -0,3633482
11
FIR : H(z) = h(k) z-k

k=0
dengan
279
h(0)
h(1)
h(2)
h(3)
h(4)
h(5)
=
=
=
=
=
=
0,546.10-12
-0,450.10-1
0,691.10-1
-0,553.10-1
-0,634.10-1
0,5789.10-0
= h(11)
= h(10)
= h(9)
= h(8)
= h(7)
= h(6)
Blok Diagram IIR untuk kasus di atas :

w(n) = x(n) b1(n-1) b2(n-2)
y(n) = a0(n) + a1w(n-1) + a2w(n-2)
Jumlah perkalian = 5; jumlah penambahan = 4

Data & koefisien yang disimpan = 10 (?)
yaitu :x(n), w(n), w(n-1), w(n-2), dan koefisien : a0, a1, a2, b1, b2
280
Blok Diagram FIR untuk kasus di atas :

11
y(n) = h(k) x(n-k)

k=0
Jumlah perkalian = 12; jumlah penambahan = 11

Data dan koefisien yang disimpan = 24 yaitu x(0) s/d x(11)
dan h(0) s/d h(11)
281
Mengapa diperlukan Filter Fasa Linear?
282
Filter Fasa Minimum

Secara umumn, diinginkan adanya delay sekecil-kecilnya
yang mungkin dalam suatu filter. Delay minimum atau
fasa minimum filter dapat dicapai dengan tidak
membangun Right Half Plane Zeros.
Filter berfasa minimum adalah suatu filter dimana seluruh
pole dan zero dari fungsi transfernya di dalam lingkaran
satuan. Bila dilihat dari fasanya, sistem berfasa minimum
akan memenuhi hubungan :
=
283
=0
Filter Dijital
Respons Impuls Tak
Terbatas
284
Respons Impuls h(n) = 0 , n < 0

y (n) a0 x(n) a1 x(n 1) ... an x(n p)
b1 y (n 1) ... bn y (n q)
Transformasi Z :
285
Syarat :
Minimum ada sebuah ak 0
Akar-akar dari penyebut tidak dihilangkan oleh akarakar dari pembilang
Zero dapat disembarang tempat, pole harus di dalam
lingkaran satuan.
Biasanya M N
286
Fungsi Magnitude Squared :
|H(ej)|2 = |H(z).H(z-1)| untuk z= ej
Respons Fasa :
(ej) = tan-1 {Im[H(z)}/Re[H(z)]} untuk z= ej
= (1/2j).ln[H(z)/H(z-1)] untuk z= ej
Group Delay :
g(ej) = - d(ej)/d = -( jz d/dz)| untuk z= ej
287
Penentuan Koefisien Filter RITT

Menentukan bk dan ak agar Respons Filter mendekati
sifat yang diinginkan.
Pendekatan :
bidang z untuk filter dijital
bidang s untuk filter analog
Penentuan h(n) Filter :
Spesifikasi filter
Spesifikasi filter didekati dengan filter digital yang kausal
(pole berhingga).
Realisasi filter
288
Metode Pendekatan :
289
Transformasi Respons Impuls

Transformasi z Bilinear (BZT Method)
Transformasi Matched Z
Transformasi Respons Impuls
Respons Impuls Filter Dijital adalah versi cuplikan dari

respons impuls analog
Fungsi Transfer Filter Analog :
M
bk.sk
k=0
H(s) = ----------- =
N
ak . S k
k=1
290
M
(s +ck)
k=1
-----------N
(s + dk)
k=1
Dengan perluasan pecahan parsial :

N
H(s) = ck/(s+dk)
k=1
Dimana :
ck = H(s).(s+dk)|s=dk
dk = tempat pole ke-k
291
Respons Impuls :
N
h(t) = ck. exp[-dkt ]u(t)

k=1
Dengan pencuplikan :
N
h(nT) = ck. exp[-dknT] u(nT) ;

k=1
T= Periode pencuplikan
292
Transformasi Z :
~
H(z) = h(nT) z-n = ck. exp[-dknT] z-n

n=0
n=0 k=1
= ck exp[-dkT. z-1]n
n=0
k=1
= ck/[1- exp(-dkT. z-1)]

k=1
293
Hubungan Pemetaan :
1/(s+dk) 1/[1- exp(-dkT. z-1)] untuk pole sederhana

Bila dk komplek maka ck juga komplek, karena h(t) riil maka
akan ada pole dk* dan ck* , dimana * = komplek konjugate
ck/(s+dk) + ck* /(s+dk*)
294
Bila dk = k + jk dan ck = gk + jhk

ck/(s+dk) + ck* /(s+dk*)
= 2 gk. s+2(k gk+k hk)/[s2+2 k.s +(k2+k2)
295
Dengan pemetaan : 1/(s+dk)
1/[1- exp(-dkT. z-1)]
maka :
ck/[1- exp(-dk.T. z-1)] + ck*/[1- exp(-dk*T. z-1)]
= 2 gk- exp(-kT) . z-1 [2 gk Cos(kT)-2 hk Sin(kT)

(7.17)
1- 2 exp(-dk*T). z-1 Cos(kT) + exp(-2 kT). z-2
296
Sehingga :
s + + (h/g)
s2+2 s + 2+2
1 - exp(-T). z-1 [Cos(T) - (h/g) Sin(T)]
(7.18)
1 - 2 exp(-T). z-1 Cos(T) + exp(-2T). z-2
297
Contoh :
h(t) = exp(-T). Cos (t).u(t)
H(s) = (s+)/(s2+2 s+2+2)
H(z) = [1- exp(-T). z-1 Cos (T)] / [1-2 exp(-T).z-1

Cos(T)+exp(-2T) z-2]
Kesimpulan :
Koefisien filter dijital tergantung periode pencuplikan
298
Karena respons impuls filter dijital adalah hasil cuplikan

dari respons impuls filter analog maka ada efek aliasing.
~
H(ejT) = (1/T) H(j +j l s)
l=-~
s
= 2/T = Frekuensi pencuplikan (radian) untuk
sistem dijital
299
Transformasi Z Bilinear
Definisi : s
(2/T) [(1-z-1)/(1+z-1)]
z = [(2/T)+s]/[(2/T)-s]
Bila s = j
= 0
= ~
= -~
300
z = [(2/T) + j]/[(2/T)- j]
z=1
z = -1
z =-1
Bila s = + j
z = [(2/T) + + j]/[(2/T)- -j]
< 0 (Bidang s sebelah kiri)

satuan)
|z | < 1 (didalam lingkaran
Fungsi transfer filter dijital didapat dengan transformasi

bilinear
H(z) = H(s) untuk s=(2/T)[(1-z-1)/(1+z-1)]
301
Transformasi dari bidang s ke bidang z

302
Jadi dengan transformasi Bilinear ini tidak terjadi Aliasing

303
Hubungan Non Linear
Hubungan antara frekuensi analog dan frekuensi dijital

ditunjukkan pada persamaan sebagai berikut :
Bila s = j dan z = exp(jT) , maka :
j (2/T)[(1 exp(-jT)/ (1 + exp(-jT)]
j (2/T)[ exp(jT/2) exp(-jT/2)]. exp(-jT/2)/{[exp(jT/2
+ exp(-jT/2)]. exp(-jT/2)}
304
Hubungan antara Frekuensi Analog dan Frekuensi Dijital

dalam Transformasi Bilinear
j (2/T) j tan (T/2)
(2/T) tan (T/2)
305
Sifat-sifat Transformasi Bilinear :

Pemetaan sederhana :
Bidang s
Bidang z
Sumbu j
Lingkaran satuan
Bila filter analog stabil dan kausal (dapat direalisasikan)
maka filter dijitalnya juga stabil dan dapat direalisasikan.
Karena
Transformasi Non Linear maka response
frekuensi filter analog harus konstan per segmen.
Response Impuls maupun response fasa filter tidak sama
dengan filter analog.
306
Filter Analog sbg Counterpart

Filter Dijital
307
Filter analog yang digunakan

Counterpart filter IIR adalah :
Filter Butterworth
Filter Chebyshev
Filter Ellyptic
308
sebagai
Respons Frekuensi Filter

(a) Butterworth (b) Chebyshev tipe-I (c) Chebyshev tipe-II (d) Elliptic
309
Filter Butterworth
310
Filter yang akan kita rancang biasanya adalah filter yang

sudah dinormalisasi.
Contoh : LPF dengan Frekuensi Cut Off fco = 1 rad/det
Filter frekuensi kendali (normalisasi).
Respons Magnitude Squared :
|H( )|2 = 1/[1+(2)n]
Dengan = frekuensi cut off (1 rad/s)
n = derajad filter
H(s).H(-s) = 1/[1+(-s2)]n
311
Tempat kedudukan pole-pole filter Butterworth

(a). n ganjil (b). n genap
312
Fungsi transfer Filter Butterworth dapat dituliskan sebagai

berikut :
n
H(s) = k0/[ (s-sk)]

k=1
dimana sk adalah pole-pole filter Butterworth

sk = exp [j(0,5 + (2k-1)/2n] dengan k = 1, 2, , n
313
H(s) = 1/[ (s-sk)] = 1/Bn(s)

LHP
Poles
Dengan Bn(s) adalah polinomial Butterworth.

Pole-pole sk dicari dari hubungan sebagai berikut :
314
Untuk n ganjil : 1
k/n
; k = 0, 1, 2, ..., 2n-1.
Untuk n genap : 1
/2n + k/n; k = 0, 1, 2, ..., 2n-
Polinomial Butterworth
315
316
Sifat Filter Butterworth :

Hanya mempunyai pole
Pada =1 H() = 1/2
Derajad filter n menentukan karakteristik filter
Bila redaman pada t > 1 (yaitu di daerah stopband)
sebesar A db, maka dari hubungan :
|H( )|2 = 1/[1+(2)n], terlihat bahwa H(t ) = 1/A
317
Sehingga didapat persamaan :
|(1/A)2|= 1/[1 + t2n]
Dari persamaan tersebut, derajad (orde) filter n dapat dicari :

n = log (A2 1)/(2 log t)
318
Kuadrat respons frekuensi untuk berbagai orde filter
Semakin tinggi orde filter (n) maka semakin curam respons

frekuensi dan kuadrat respons frekuensinya.
319
Contoh-contoh :
1).
H(s) =k0/(s-s1) Orde-1
s1 = ej(0,5+0,5) = ej = -1
H(s) = k0/(s+1) pada s =0 maka H(s) = 1 sehingga k0=1
Didapat H(s) = 1/(s+1)
320
2. Diberikan LPF Butterworth dengan redaman pada t > 3

rad/detik sebesar 30 db
Berapakah orde filter tersebut?
Carilah pole-pole filter tersebut.
Carilah fungsi transfer filter tersebut.
321
Gain Filter Butterworth untuk berbagai orde n

322
Perencanaan Filter Dijital dengan Transformasi

Analog-Analog
Dengan Transformasi Analog-Analog
LPF
analog
c = 1
323
Transformasi PencuplikanFilter Dijital

Analog-analog
Transformasi Analog-Analog
324
Dengan Transformasi Dijital-Dijital

Perencanaan Filter Dijital dengan Transformasi Dijital-Dijital
LPF
Analog
c = 1
325
Pencuplikan Transformasi Filter Dijital

Dijital-Dijital
Transformasi Dijital-Dijital
326
Perencanaan LPF Butterworth

Bila 1 dan 2 masing-masing adalah frekuensi passband
dan frekuensi stop band serta K1 dan K2 masing-masing
gain pada frekuensi 1 dan 2 maka :
327
Gain (dalam dB) dari LPF
328
Gain pada passban dan Gain pada stop band
329
Derajad filter
330
Perencanaan BPF Butterworth

Tipikal BPF untuk ditransformasike LPF
331
Fungsi Transfer BPF
332
r diambil yang lebih kecil dari harga mutlak A atau harga

mutlak B, dimana A dan B adalah kecuraman daerah
transisi dari BPF.
333
Latihan
334
Diinginkan filter dijital yang akan melalukan

pita frekuensi dari 0 s/d 100 Hz. Jenis filter
yang dipilih adalah Butterworth derajad
(orde) 2. Frekuensi pencuplikan 625 Hz.
Perencanaan filter dengan menggunakan
Transformasi Bilinear.
Tentukan fungsi transfer filter analog H(s)
dan Fungsi Transfer filter Dijital H(z)
Filter Chebyshev
335
Tipe I : Hanya mempunyai pole

Response Magnitude Squared :
Dimana Tn() = polinomial Chebyshev derajad n
Tn() = Cos (n Cos-1 )

= Cosh (n Cosh-1 )
|| 1
|| > 1
= parameter ripple di passband

336
= 1 maka |H(1)| = 1/(1 + 2)

= r maka |H(r)| = 1/A2
n ganjil
337
n genap
Kuadrat Respon Magnitude dari Filter Che Byshev type I

untuk orde n ganjil dan n genap
Pada = 1 H(1)2 = 1/(1 +2)
= r H(r)2 = 1/A2
338
Polinomial Chebyshev
T0()
T1()
T2()
T3()
T4()
T5()
T6()
=
=
=
=
=
=
=
2 2 1
4 3 3
8 4 8 2 + 1
16 5 20 3 + 5
32 6 48 4 + 18 2 1
Tn+1()
2 Tn() Tn-1()
Tn2() = 0,5 [T2n() + 1]

339
(a). plot dari polinomial Chebyshev orde 5 yaitu T5()

(b). plot kuadrat respons magnitudenya |H5(j)|2
340
Pole=pole dari Hn(s). Hn(-s) didapat dengan menentukan

akar-akar dari persamaan :
1 + 2 Tn2(s/j) = 0
Tempat kedudukan pole-pole Filter Chebyshev adalah

sebagai berikut :
Bila sk = k + j k dengan k = 1, 2, n, maka :
k2/sinh Q + k2/cosh Q = 1
341
Dimana :
k = - sinh Q sin[(2k-1)/2n] ;
k = cosh Q cos [(2k-1)/2n]
sinh Q = ( - -1)/2; cosh Q = ( + -1)/2
= [(1 + 1 +2 )/]1/n
342
(a). Tempat kedudukan pole-pole

(b). Dari H(s) untuk n=6, = 0,7647831
343
Sifat-sifat Filter Chebyshev :
344
Tempat kedudukan pole-pole nya didalam

ellip
Passband tidak rata (tipe-I)
Daerah Transisi curam
Fasanya terpengaruh ripple juga
Aplikasi filter microwave
Sifat filter Chebyshev ditentukan oleh :

Derajad filter (n)
Faktor ripple ()
Frekuensi daerah stopband (r)
Redaman pada stopband (A)
345
Bila Faktor ripple, Redaman stopband dan frekuensi

stopband diketahui, maka orde (derajad) filter dapat dicari
dengan hubungan :
n = log (g + g2 -1)/[log(r + r2 -1]
Dimana g = [A2 1)/2]
346
Pole-pole Filter Chebyshev dapat juga ditentukan dengan

menggunakan persamaan sebagai berikut :
347
Fungsi Transfer :
Dimana K adalah konstanta sedemikian sehingga harga H(0)

= 1 untuk n ganjil dan H(0) = 1/(1 +2)1/2 untuk n genap.
Sedangkan Vn(s) adalah polinomial dalam s sebagai berikut :
Vn(s) = sn + bn-1 sn-1 ++ b1s + b0
348
Sehingga Konstanta K dapat dengan mudah ditentukan

sebagai berikut :
349
Langkah-langkah Perencanaan Tipe-I

Data-data
- r
-A
Hitung Pole dan Zero untuk mendapatkan H(s)
H(s)
rangkaian L/C (analog) dengan cara sintesa
Untuk filter dijital :
H(s) dengan pendekatan didapat H(z), dengan
transformasi Bilinear
350
Perencanaan (seperti pada Filter Butterworth).
Low Pass Filter

Band Pass Filter
High Pass Filter
Band Stop Filter
Dengan menggunakan filter prototipe nya adalah LPF
351
Dengan Transformasi Frekuensi :

1). LPF analog Transf. Frekuensi Pencuplikan
Filter Dijital
c=1
analog-analog
2). LPF analog
Pencuplikan
Filter Dijital
c=1
Dijital-dijital
352
Tranf. Frekuensi
Contoh-contoh :
LPF ke HPF
H(s) = 1/(s+1)
misal u = 2 rad/s maka H(s) = 1/(2/s +1) = s/(2 + s)
s (2/T) (1-z-1)/(1+z-1)
Didapat H(z)
353
LPF ke BPF
misal L = 2 rad/s, u = 3 rad/s
H(S) = 1/[{(s2+6)/s(1)}+1] = s/[s2 + s + 6]
Untuk s=0, H(s) = 0
s= ~ , H(s) = 0
s= j3, H(s) =j3/(-9+j3+6) = j3/(j3+3), |H(s)|= 3/(32) = 1/2
s=j2, H(s) = j2/(-4+j2+6) = j2/(2+j2), H(s) =2/(22) = 1/2
354
Latihan
Transformasi Bilinear dengan bentuk umum :
s k(z-1)/(z+1)
Diinginkan filter dijital yang akan melalukan pita frekuensi dari 0 Hz
sampai 100 Hz dengan ripple 0,5 db, diluar pita frekuensi tersebut di
atas redaman akan naik secara monoton sehingga pada frekuensi
183 Hz minimum redaman 19 db. Bila k=1 dan frekuensi pencuplikan
1000 Hz :
a). Hitung frekuensi ekivalen dari 100 Hz dan 183 Hz pada domain
analog
b). Jenis filter analog adalah Chebyshev tipe-I, hitung derajad filter (n)
yang dibutuhkan
c). Hitung harga-harga pole dan tentukan fungsi transfer dari filter analog
d). Dengan menggunkan transformasi bilinear, tentukan fungsi transfer
H(z) dari filter dijital
355
Polinomial Chebyshev Vn(s)
356
357
358
359
Filter Ellyptic
360
Respons Magnitude Squared
Dimana Rn() adalah fungsi rasional Chebyshev sebagai

fungsi yang ditentukan dari karakterisstik ripple.
361
Kuadrat Respons Magnitude untuk LPF Ellyptic
362
Kuadrat Respons magnitude Ternormalisasi
363
Fungsi Transfer Filter Elliptic
364
365
Parameter-paremeter filter Elliptic :

A
r
G1 dan G2
Dengan hubungan sebagai berikut :
Koefisien dari Fungsi

ternormalisasi HN(s)
366
Transfer
LPF
Elliptic
367
368
369
370
371
372
Filter Non Rekursif
373
Fungsi Transfer :
H(z) = Y(z)/X(z)
N-1
H(z) = h(n) z-n

N=0
Persamaan Perbedaan :
N-1
y(n) = h(i).x(n-i) = h(0).x(n) + h(1).x(n-1) + ...+ h(N-1).x(n-N+1)

i=0
374
Struktur Filter Non Rekursif
375
Karakteristik Filter Respons Impuls Terbatas

(RIT) dengan Fasa Linear
Bila h(n) adalah deretan waktu terbatas kausal 0 n N-1,
maka
TZ :
N-1
H(z) = h(n) z-n
= h(0) + h(1). z-1 +...+ h(N-1).z-N+1
n=0
TFWD :
N-1
H(ej) = h(n) e-jn

n=0
376
Fungsi periodik dengan periode 2 :
H(ej) = H(ej(+2m) , m = 0, +- 1, +- 2, ...

Bila h(n) nyata : H(ej) = H(ej) ej()
H(ej) = H(e-j);
()
377
= - (-)
fungsi genap
fungsi ganjil
Persyaratan h(n) agar karakteristik tercapai linear :
()
= - .
= konstanta pelambat fasa
maka :
N-1
H(ej) = h(n) e-jn = H(ej) e-j

n=0
378
Bagian Riil :
N-1
H(ej) Cos =
h(n) Cos n
n=0
Bagian Imajiner :
N-1
H(ej) Sin =
h(n) Sin n
n=0
N-1
N-1
tan = Sin / Cos = h(n) Sin n /[h(0) + h(n) Cos n ]

n=0
379
n=0
Solusi :
1). = 0 h(0) sebarang
h(n) = 0, n 0
Respons Impuls dari filter adalah sebuah impuls.
N-1
N-1
2). 0 h(n) Cos n Sin - h(n) Sin n Cos = 0

n=0
n=0
N-1
h(n) Sin [(-n)] = 0

n=0
380
Salah satu solusi :
= (N-1)/2
h(n) = h(N-1-n) ,
0 n N-1
Untuk setiap N, hanya ada satu sehingga fasa linear dan

deretan h(n) simetris.
381
a). N ganjil bilangan bulat

Filter delay adalah sejumlah cuplikan yang berharga
bulat.
Contoh N = 11 = 5
382
b). N genap bilangan pecahan

Contoh N = 10 = 4,5
383
Filter dengan fasa linear :
H(ej) = H(ej) ej(-)

Solusi : = (N-1)/2 dan = +- /2
h(n) = - h(N-1-n)
, 0 n N-1
maka respons impulsnya anti simetris terhadap pusat

deretan.
384
Respons Frekuensi Filter FIR fasa Linear
H(ej) = H*(ej) ej(-)

= 0, simetris
= /2, anti simetris
Tanda * bukan menyatakan konjugate, tetapi menyatakan
amplitudo yang bukan harga mutlak.
385
1). Respons Impuls Simetri dan N ganjil

(N-1)/2
H(ej) =[ a(n) Cos n ] e-j(N-1)/2

n=0
(N-1)/2
H*(ej) =[ a(n) Cos n ]

n=0
a(0) = h[(N-1)/2]
a(n) = 2 h[(N-1)/2 n]
386
, n = 1, 2, ..., (N-1)/2
Gambarkan Respons Frekuensi Sistem dengan respons

Impuls sebagai berikut :
a). h(n) = (n) + 2 (n-1) + 3 (n-2) + 2 (n-3) + (n-4)
b). h(n)
= 1 , 0 n 4
= 0 , n lainnya
387
2). Respons Impuls Simetri dan N genap

N/2
H(ej) =[ b(n) Cos (n-0,5) ] e-j(N-1)/2

n=1
N/2
H*(ej) =[ b(n) Cos (n-0,5) ]

n=1
Terlihat bahwa untuk = H*(ej) = 0, sehingga

tidak cocok untuk HPF.
b(n) = 2 h[(N/2) n]
388

a). h(n) = - (n) - 2 (n-1) + 3 (n-2) + 3 (n-3) - 2 (n-4) (n-5)
b). h(n)
=1 ,0n5
= 0 , n lainnya
389
3). Respons Impuls Anti Simetri dan N ganjil

(N-1)/2
H(ej) =[ c(n) Sin n ] e-j(N-1)/2 . ej/2

n=1
(N-1)/2
H*(ej) =[ c(n) Sin n ]

n=1
Dengan : c(n) = 2 h[(N-1)/2 - n] , n = 1 , 2, ..., (N-1)/2

Terlihat bahwa respons frekuensinya imajiner.
390

h(n) = - (n) + 2 (n-1) - 3 (n-3) + (n-4)
391
4). Respons Impuls Anti Simetri dan N genap

N/2
H(ej) =[ d(n) Sin (n-0,5) ] j. e-j(N-1)/2

n=1
N/2
=[ d(n) Sin (n-0,5) ] e-j(N-1)/2 . ej/2

n=1
N/2
H*(ej) =[ d(n) Sin (n-0,5) ]
dengan
n=1
d(n) = 2 h[(N)/2 - n] , n = 1 , 2, ..., N/2

392
Untuk = 0 H*(ej) = 0
Cocok untuk :
Transformator Hilbert
Diferensiator

h(n) = - (n) - 2 (n-1) + 3 (n-2) - 3 (n-3) + 2 (n-4) + (n5)
393
Perbandingan respons impuls dari ke empat

tipe FIR linear fasa.
394
Delay Filter FIR fasa Linear
Untuk Sistem dengan Respons Impuls Simetris Group

Delay nya sebesar :
[(N-1)/2] T
Untuk Sistem dengan Respons Impuls Anti Simetris

Group Delay nya sebesar :
[(N-1-)/2] T
Dengan T adalah Periode Pencuplikan.
395
Perancangan Filter FIR Fasa

Linear dengan Metode
Jendela (Windowing)
396
Respons frequensi yang diinginkan:

H (e j )
jn
jn
j ( )
h
(
n
).
e
H
(
e
)
e
Dimana :
1
h( n)
2
j
jn
H
(
e
).
e
d
Maka : koefisien dari deret Fourier h(n) identik dengan

respons impuls filter.
397
(a). Respons Frekuensi LPF Ideal

(b). Respons Impuls LPF Ideal
398
Umumnya respons impuls tak kausal, dan panjangnya tak

terbatas, atau dengan kata lain akan dtemukan kesulitan
karena :
Respons Impuls tak terbatas
Filter tak dapat direalisasikan, karena diperlukan
pelambat tak terbatas agar bersifat kausal
Pendekatan :
H(ej) didekati dengan deret Fourier terbatas n = +- M
Akibatnya :
Fenomena Gibbs
Overshoot dan ripple di titik diskontinyu respons
frekuensi.
399
Efek pemotongan(pembatasan) respons impuls terhadap respons frekuensi

(a). 13 koefisien (b). 25 koefisien (c). Koefisien tak terbatas
400
Ilustrasi penentuan koefisien filter dengan metode jendela

401
h(n) Low Pass Filter :
h(n)
402
= 2.fc. Sin (nc)

; - n dan n 0
= 2.fc
; n = 0 (menggunakan aturan LHopital)
Respons Impuls LPF, HPF, BPF dan BSF

403
Contoh :
a. LPF Ideal dengan
1
h( n)
2
H (e
sin c
n
).e
1
H (e )
0
jn

diluar nilai di atas
d 1 1.e jn d
2
n , n 0
n0
h(n) merupakan deretan tak terbatas dan tidak kausal

404
b. LPF Ideal dengan
e
H ( e j )
0
1
1
j
jn
h( n)
H (e ).e d
2
2
sin c (n )
n(n )

j jn
e
.e d
n , n
n0
h(n) hanya merupakan deretan h(n) pada a) yang digeser

kekanan sebesar , tetap merupakan deretan tak terbatas
dan tidak kausal
405
c. HPF Ideal dengan H (e j ) 1
1
h( n)
2
j
jn
H
(
e
).
e
d
sin c
c jn
j n
1.e d 1.e d

n , n 0
h(n) merupakan deretan tak terbatas dan tidak kausal

Untuk mendapatkan respons impuls terbatas dapat
dilakukan pemotongan respons impuls tak terbatas.
406
Untuk membuat respons impuls terbatas maka n akan

dibatasi -M n M , diperoleh :
h ( n ) M n M
~
h ( n)
diluar nilai diatas
0
Jadi :
~ j
H (e ) H (e j ) *W (e j )
~
1
h ( n)
2
407
j
j ( n )
H
(
e
).
W
(
e
d
Produk konvolusi antara dua buah respons frequensi

Ada perubahan bentuk spektral yang inginkan, oleh
karena itu kita harus memilih window yang baik
Zero menjadi terbatas
Ada fenomena Gibbs
408
Agar kausal, kalikan respons impuls yang tak kausal dengan

deretan pemberat terbatas.
h(n M ) 0 n 2M
~
h ( n)
0
diluar nilai diatas
Respons frekuensi filter :
~ j
j
H (e ) H (e ) (e jM )
409
Jenis Filter Respons Impuls Terbatas

Spesifikasi
II
III
IV
Panjang N
Ganjil
Genap
Ganjil
Genap
Derajat Filter
Genap
Ganjil
Genap
Ganjil
Sifat h(n)
Simetri
Simetri
Anti Simetri
Anti Simetri
Sifat H(ejw)
Simetri
Simetri
Anti Simetri
Anti Simetri
Perioda H(ejw)
H(1)
Sembarang
Sembarang
H(-1)
Sembarang
Sembarang
Pemakaian
LP, HP, BP,

Multiband
LP, BP
Differensiator
Transformasi Hilbert
Differensiator
Transformasi Hilbert
410
Perbandingan Karakteristik Jendela pada Kawasan

Waktu dan Frekuensi
411
Jendela
Persamaan
Rectangular
1 ,0 n N 1
w(n)
0 , diluar nilai diatas
1 ,0 n N 1
w(n)
Bartlett
Tidak kausal
1 ,( N 1) / 2 n ( N 1) / 2
w(n)
2n /( N 1)
w(n) 2 2n /( N 1)
412
Kausal
0 n ( N 1) / 2
( N 1) / 2 n ( N 1)
Jendela
Hanning
Persamaan
2n
0,5 0,5 cos
w(n)
N
,0 n N 1
, diluar nilai diatas
Hamming
2n
0,54 0,46 cos
w(n)
N 1
0
,0 n N 1
Blackman
2n
4n
0,42 0,5 cos
0,08 cos
w(n)
N 1
N 1
Keiser
413
2

2
n
I 0 a 1

N 1
w(n)
I 0 (a)
0
,0 n N 1
,0 n N 1
, diluar nilai di atas
Window Kaiser
x
I 0 ( x) k
k 0 2 k!
L
, L 25 adalah fungsi bessel termodifikasi orde nol
A 20 log(min{ p , s })
A 50
0,1102 ( A 8,7)
0,5842 ( A 21) 0,07886 ( A 21) 21 A 50

0
A 21
414
A 7,95
2,285 ( s p )
Parameter dari berbagai Jendela
415
Latihan
Diinginkan membuat filter digital respons impuls terbatas
yang mempunyai karaktersitik sbb :
j(- - ).e- j4,5
j
H (e ) j .e- j4,5
j(- ).e- j4,5
,- / 2
,- / 2 / 2
, / 2
Desain filter ini memakai metoda windowing, window yang

dipakai Blackman dengan persamaan :
2n
4n
0,42 0,5 cos
0
,
08
cos
w(n)
N
1
N
416
,0 n N 1
Frequensi sampling 20 KHz

Gambarkan respons frekuensi Amplituda
Hitung koefisien filter digital tsb.
Apakah desain saudara menghasilkan filter stabil dan
kausal?
Gambarkan realisasi filter tsb
Gambarkan respon amplituda yang didapatkan
Filter ini sebagai apa ?
417
Perancangan Filter
FIR Metode Sampling
Frekuensi
418
Filter Non Rekursif Sampling Frekuensi

Respons frekuensi LPF Ideal
Dengan mengambil N sample dari Respons Frekuensi pada

interval :
419
Tipe I :
fk = Fs .(k/N)
(7.116)
; k = 0, 1, 2, ..., N-1
Tipe II :
fk = Fs .(k+0,5)/N
; k = 0, 1, 2, ..., N-1
Refer : Inverse Transformasi Fourier Diskrit (TFD)
Koefisien filter h(n) ditentukan dengan menggunakan Inverse

TFDdari sampel-sampel ideal/target respons frekuensi .
Sampel-sampel dari LPF Ideal

420
Untuk filter fasa linear, respons impuls simetris dan N genap
Dengan = (N-1)/2
421
Untuk filter fasa linear, respons impuls simetris dan N ganjil,

persamaannya seperti di atas hanya k = 0,1,...(N-1)/2.
Respons Frekuensi LPF yang diturunkan dari sampelsampel frekuensi gambar sebelumnya.
422
Ada 4 kemungkinan sampling pada bidang z sebagai berikut :
423
Contoh soal
Diberikan spesifikasi LPF Filter sebagai berikut :
Passband
0 5 KHz
Frekuensi Sampling
18 KHz
Panjang Filter
9
Tentukan koefisien filter menggunakan metoda sampling
frekuensi.
424
Solusi
Respons Frekuensi ideal
Sampel-sampel yang diambil pada interval k. Fs/N adalah

18/9 = 2 KHz. Sehingga sampel-sampel frekuensi tersebut
adalah :
H(k)
=
1
; k = 0, 1, 2
=
0
; k = 3, 4
425
Lanjutkan sehingga didapat :

h(0) =
0,07252
= h(8)
h(1) =
-0,1111
= h(7)
h(2) =
-0,05912
= h(6)
h(3) =
0,3199
= h(5)
h(4) =
0,5555
= h(4)
426
Filter Rekursif Sampling Frekuensi

Transformasi Fourier Diskrit dan Inverse-nya :
N-1
H(k) = h(n) e-j(2/N)kn

n=0
N-1
h(n) = (1/N) H(k) ej(2/N)kn

n=0
dan
427
H(k) = H(z) untuk z = ej(2/N)k
Fungsi transfer filter :
N-1
N-1
H(z) = h(n) z-n

n=0
= [(1/N) H(k) ej(2/N)kn ] z-n

n=0
N-1
N-1
k=0
N-1
= [(1/N) H(k) ej(2/N)kn ] z-n

k=0
N-1
n=0
N-1
= [(H(k)/N)] (ej(2/N)kn z-1) n

k=0
n=0
N-1
= [(H(k)/N)] [(1 - ej2k z-N) / (1 - ej2k/N z-1)]

k=0
428
Karena ej2k = 1 , maka :

N-1
H(z) = [(1- z-N)/N)] [H(k) / (1 - ej2k/N z-1)]

k=0
= H1(z). H2(z)
Dengan : H1(z) = (1- z-N)/N)
N-1
H2(z) = [H(k) / (1 - ej2k/N z-1)]

K=0
429
Terlihat bahwa pada bentuk rekursif, H(z) dapat

diekspresikan dengan cascade 2 filter :
H1(z) yang mempunyai N zero uniform yang terdistribusi di
sekeliling lingkaran satuan.
H2(z) yang merupakan penjumlahan
N single All-pole
filter
Zero dari H1(z) dan pole dari H2(z) terletak pada lingkaran
satuan pada titik zk = ej2k/N Pole-Zero Cancelation
membuat H(z) sebagai filter tanpa pole.
430
Secara praktis, efek finite wordlength menyebabkan pole

dari H2(z) tidak benar-benar pada lingkaran satuan pole
tidak dihilangkan oleh zero yang ada H(z) sebuah IIR
yang potensial tidak stabil.
Problem di atas dapat dihindari dengan mencuplik H(z) pada
jari-jari r yang sedikit lebih kecil ( mendekati) jari-jari
lingkaran satuan, sehingga :
N-1
H(z) = [(1- z-N)/N)] [H(k) / (1 r.ej2k/N z-1)]

k=0
431
Untuk kasus linear fasa dan simetris :
H(z) = [(1- z-N)/N)]

M
x { [H(k){2 cos(2k/N)-2 r cos[2k(1+)/N].z-1}/[1-2r cos(2k/N) z-1 + r2 z-2 ]
k=1
+ H(0)/(1 z-1 r)}
Dengan = (N-1)/2
Untuk N ganjil :
M = (N-1)/2
Untuk N genap :
M = (N/2) 1
432
Latihan
1. Rancanglah filter IIR dengan spesifikasi sbb :
High pass filter dengan bandwidth 0,5 dB pada frequensi digital
f=0,375 siklus per cuplikan (cycles per sample)
Frequensi pencuplikan 20.000 Hz
Menggunakan transformasi Bilinier dan filter Low-pass anlog
ternormalisasi yang dipakai mempunyai respons impuls sbb :
1,43138
H (s) 2
s 1,4256 s 1,5162
a. Turunkan Persamaan H(s) filter High pass analog ekivalen, dan hitung
nilai pada gain = -0,5 dB
b. Turunkan persamaan H(z) filter highpass digital tsb
c. Gambarkan realisasi filter tersebut
433
2. Sebuah filter analog dengan fungsi transfer
s 0,1
H (s) 2
s 0,2 s 9,01
434
Filter tersebut ingin diubah menjadi filter digital respons impuls tak
terbatas dengan memakai metoda transformasi respons impuls.
Frequensi pencuplikan 20 Hz
Turunkan persamaaan fungsi transfer H(z) filter digital tsb
Turunkan dan gambarkan respons frequensi yang diinginkan H(ejw)
Gambarkan realisasi filter ini
Menurut pendapat anda filter digital ini berfungsi sebagai apa ?
3. Rencanakan sebuah filter Band Stop Filter respons impuls terbatas

dengan spesifikasi sbb:
Penguatan pada frequensi 0 Hz = 1 dan penuatan pada frequensi
8000 Hz = 1
Tidak melalukan daerah frequensi 3000 Hz sampai dengan 4000 Hz
Frequensi pencuplikan yang dipakai 16000 Hz
Metoda window dengan window Hamming
Jumlah koefisien filter 11
a. Gambarkan respons frequensi yang diinginkan H(ejw) sbg fungsi w
b. Hitung koefisisen filter
c. Tulis persamaan H(ejw) yang diperoleh
d. Hitung amplituda respons frekuensi pada frekuensi 4000 Hz
435
4. Diberikan spesifikasi filter LPF sebagai berikut :

Passband
0 4 KHz
Frekuensi Sampling
18 KHz
Panjang filter
9
Tentukan fungsi transfer dalam bentuk rekursif.
Gambarkan struktur realisasinya.
436
Terima Kasih
437

Hand Out PSD

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Hand Out PSD

Diunggah oleh

Hak Cipta:

Format Tersedia

PENGOLAHAN SINYAL

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Pendahuluan (Sejarah Perkembangan

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Sinyal diartikan sebagai suatu fungsi dari sekumpulan

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Tahun 1807 : Foirier mengembangkan Transformasi

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Tahun 1900-1n : Bunsen menggunakan analisis spektral

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Tahun 1960-an : Filter dijital yang lebih kompleks berikut

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Tahun 1980-an : terjadi kemajuan yang pesat pada bidang

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Perkembangan Chip tidak lepas dari teknologi IC yaitu LSI

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Kecepatan suatu prosesor juga tergantung waktu siklus

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Semakin rumit aplikasi, maka nilai BIPS (Billion Input Per

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Kebutuhan Kinerja Berdasarkan Servis

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Aplikasi yang menggunakan Chip DSP sebagai unjuk data

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Sebagai gambaran pertumbuhan kecepatan konverter A/D

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Dari sisi harga dapat ditunjukkan bahwa :

: Chip TMS320C10 biayanya berkisar

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Grafik Pertumbuhan Pasar Chip DSP

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Pengolahan sinyal dijital secara umum meliputi 3 tahap yaitu

Sinyal analog didigitasi melalui proses pencuplikan dan

Sampel-sampel terdigitasi diolah oleh Digital Signal

Sinyal keluaran DSP dikonversi kembali ke bentuk analog

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Toleransi terhadap harga komponen tidak kritis

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Mudah dikembangkan ke sistem adaptif.

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

DSP selalu menggunakan daya listrik, tidak ada rangkaian

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Bidang Ilmu Terkait

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Penyebab Perkembangan PSD

Teknologi Piranti : Mikroelektronik, Superkonduktor, dsb

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Sistem dapat didefinisikan sebagai sekumpulan objek

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Sinyal bisa digambarkan sebagai fungsi

Sistem yang menghubungkan sinyal input