Makalah

ANALISIS SINYAL
TEORI SISTEM LIINEAR

DISUSUN OLEH:
KELOMPOK 2
AINUL QALBI
(H22114002)
MUHAMMAD ALKADRI (H22114007)
ARIYADI
(H22114011)
PUTRI WULANDARI
(H22114014)
MUTMAINNAH MIRANTI (H22114306)
NURHASANAH HAMZAH (H22114363)

JURUSAN FISIKA PROGRAM STUDI GEOFISIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAM
UNIVERSITAS HASANUDDIN
2016

Kata Pengantar
Puji syukur penulis ucapkan kehadirat Allah Subhanahu wataala, yang telah
melimpahkan rahmat-Nya sehingga penulis dapat menyelesaikan makalah ini. Makalah ini
diajukan guna memenuhi tugas presentase mata kuliah Analisis Sinyal, mengenai Teori
Sistem Linear. Terima kasih penulis sampaikan kepada dosen mata kuliah yang telah
berdedikasi dalam penyelesaian makalah ini serta kepada semua pihak yang telah membantu
secara langsung maupun tak langsung sehingga makalah ini dapat diselesaikan sesuai dengan
waktunya.
Penulis menyadari sepenuhnya bahwa makalah ini masih jauh dari kesempurnaan.
Oleh karena itu, kritik dan saran yang bersifat membangun sangat diharapkan, sekecil apapun
akan penulis perhatikan dan pertimbangkan guna penyempurnaan dalam pembuatan makalah
yang akan datang.
Semoga makalah ini mampu memberikan nilai tambah bagi pembacanya dan juga bermanfaat
untuk pengembangan ilmu pengetahuan bagi kita semua.
Makassar, Februari 2016

Penulis

BAB I
PENDAHULUAN

I.1. Latar Belakang

Sistem dapat diartikan sebagai hubungan antara input dan output. Pada umumnya input
adalah sebab dan output adalah akibat. Beberapa contoh sistem yang umum kita kenal adalah
(Apriyanto, 2007):
1) Sebuah rangkaian listrik dengan input tegangan dan / atau arus sumber sedangkan
outputnya yaitu tegangan dan / atau arus yang mengalir pada beberapa titik pada
rangkaian tersebut.
2) Sebuah sistem kanal komunikasi dengan input sebanding dengan sinyal yang
ditransmisi pada kanal tersebut sedangkan outputnya adalah sinyal yang sampai pada
ujung kanal.
3) Sebuah sistem biologi seperti mata manusia dengan input sinyal gambar yang masuk
ke retina mata dan outputnya adalah rangsangan syaraf yang selanjutnya diolah di
otak untuk pengambilan keputusan informasi apa yang masuk.
4) Sebuah manipulator robot dengan input n torsi yang diaplikasikan ke robot tersebut
dan output posisi akhir salah satu lengannya.
5) Proses manufaktur, dengan input bahan mentah yang dimasukkan dan outputnya
berupa jumlah barang yang diproduksinya.
Teori sistem linear biasanya dipergunnakan untuk menyertakan sifat-sifat rangkaian listrik
dan sistem optis. Yang dimaksud dengan sistem adalah sesuatu yang menerima suatu input
dan menghasilkan suatu output.
Dalam teori kita hanya tertarik pada hubungan antara input dan output . Kita tampak tidak
begitu tertarik pada apa yang terdapat dalam sistem. Input dan output dapat berupa sinyal satu
dimensi, dua dimensi atau dimensi yang lebih tinggi (Syahruddin, 2013).
Oleh sebab itu, untuk mengetahui korelasi antara input yang dimasukkan kedalam sistem
sehingga menghasilkan suatu output, dapat diketahui melalui penerapan teori sistem linear.

I.2. Rumusan Masalah

1)
2)
3)
4)
5)

Definisi dan Klasifikasi Sistem.

Fungsi-Fungsi dalam Analisa Sistem Linear.
Konvolusi.
Analisa Sinyal Harmonik dan Kompleks.
Analisa Sistem Linear dalam Domain Frekuensi

I.3. Tujuan
1)
2)
3)
4)

Memahami Definisi dan Klasifikasi Sistem.

Mengetahui Fungsi-fungsi dalam analisa sistem linear
Mengetahui tentang konvolusi
Memahami analisa sinyal harmonic dan kompleks, dalam hubungannnya dengan

sinyal input, fungsi transfer, dan sinyal output.

5) Memahami analisa sistem linear dalam domain frekuensi.

BAB II
PEMBAHASAN

II.1. Definisi dan Klasifikasi Sistem

Pada beberapa aplikasi pemrosesan sinyal kita berharap mendesain suatu alat atau algoritma
yang melakukan beberapa operasi tertentu pada sinyal, divais atau algoritma seperti itu
dinamakan sistem. Secara lebih jelas sistem dapat didefinisikan sebagai desain alat atau
algoritma yang beroperasi pada sinyal (waktu) yang dinamakan masukan (input) atau eksitasi,
menurut beberapa aturan yang terdefinisi dengan baik/jelas (biasanya berbentuk persamaan
matematis), untuk menghasilkan sinyal (waktu) yang dinamakan keluaran (output) atau
respons sistem. Kita biasa katakan sinyal x(t) ditransformasikan oleh sistem menjadi y(t).
Hubungan x(t) dan y(t) ditulis dengan (Attamimi, 2015) :
y(t) [x(t)]

(1.1)

dengan simbol menunjukkan transformasi, atau pemrosesan dilakukan oleh sistem pada
x(t) untuk menghasilkan y(t). Hubungan matematis x(t) dan y(t) ditunjukkan pada persamaan
(1.2) dan digambarkan secara grafis pada gambar (2.1)

sistem

x(t)

y(t)

Gambar 2.1 Blok Diagram Sistem

Hubungan matematis x(t) dan y(t) :

x(t)

y(t)

Klasifikasi Sistem
Sistem dapat diklasifikasikan pada beberapa macam, yaitu (Attamimi, 2015):

(1.2)

1. Sistem Linier dan Nonlinier

Sistem linier adalah sistem yang memenuhi hukum superposisi. Prinsip superposisi
adalah respons sistem (keluaran) terhadap jumlah bobot sinyal akan sama dengan jumlah
bobot yang sesuai dari respon (keluaran) sistem terhadap masing-masing sinyal masukan
individual. Karena itu linieritas dapat didefinisikan sebagai berikut.
Teorema : Sistem adalah linier jika dan hanya jika
[a1x1(t) + a2x2(t)] = a1 [x1(t)] + a2 [x2(t)]

(1.3)

untuk setiap deret masukan x1(t) dan x2(t) yang berubah-ubah dan setiap konstanta a1 dan
a2 yang berubah-ubah.

x1(t)

a1

Gambar 2.2
+ilustrasi superposisi
x1(t)
x2(t)

y(t)

a1
a2

y(t)

x2(t)

a2

Gambar 2.3 Tampilan Grafis Prinsip Superposisi, linier jika dan hanya jika y(t) = y(t)
Sistem yang tidak memenuhi prinsip superposisi seperti diberikan pada definisi diatas,
dinamakan sistem nol-linier.
Contoh : Jika sistem dideskripsikan dengan persamaan masukan- keluaran sebagai
berikut, tentukan apakah sistem linier atau non-linier.
(a) y(t) = t x(t)
(d) y(t) = 5 x + 7 x + 3x

(b) y(t) = x2(t)

(c) y(t) = Ax(t) + B

Jawab :
a) Untuk dua deret masukan x1(t) dan x2(t) keluaran yang sesuai adalah :
y1(t) = t x1(t)
(1.4)
y2(t) = t x2(t)
Kombinasi linier dari kedua deret masukan menghasilkan keluaran :
y3(t) = [a1x1(t) + a2x2(t)] = t[a1x1(t) + a2x2(t)]
= a1 tx1(t) + a2 tx2(t)

(1.5)

Sebaliknya, kombinasi linier dari kedua keluaran dalam (1.4) menghasilkan keluaran :
ay1(t) + ay2(t) = a1 tx1(t) + a2 tx2(t)

(1.6)

Karena ruas kanan dari persamaan (1.5) dan (1.6) identik , maka sistem tersebut linier

b) Seperti pada bagian (a) kita dapatkan respons sistem terhadap dua sinyal masukan
secara terpisah x1(t) dan x2(t), hasilnya adalah :
y1(t) = x12(t)
(1.7)
y2(t) = x22(t)
keluaran sistem terhadap kombinasi linier x1(t) dan x2(t) adalah :

y3(t) = [a1x1(t) + a2x2(t)] = [a1x1(t) + a2x2(t)]2

= a12x12(t) + 2a1a2x1(t)x2(t) + a22x22(t)

(1.8)

Sebaliknya, kombinasi linier dari kedua keluaran dalam (1.7) menghasilkan keluaran :
ay1(t) + ay2(t) = a1 x12(t) + a2 x22(t)

(1.9)

Karena ruas kanan dari persamaan (1.8) dan (1.9) tidak sama , maka sistem tersebut
non-linier

Untuk soal (c) dan (d) dapat diselesaikan dengan cara yang sama
2. Sistem Invarian waktu dan varian waktu
Sistem dinamakan invarian waktu, jika karakteristik masukan-keluaran tidak berubah
menurut waktu. Secara terperinci, anggaplah keluaran y(t) adalah transformasi dari x(t),
sehingga dapat kita tulis :
y(t) = [x(t)]

(1.10)

Sekarang anggap sinyal masukan yang sama ditunda k sekon untuk menghasilkan x(t-k),
dan juga dipakai sistem yang sama. Jika karakteristik sistem tidak berubah dengan waktu,
maka keluaran sistem akan menjadi y(t-k), yakni keluaran akan sama seperti respons
terhadap x(t), kecuali bahwa ia akan ditunda k sekon, yang sama dengan penundaan
masukannya. Karen itu dapat kita definisikan sistem invarian waktu sebagai berikut.
Teorema : Suatu sistem adalah invarian waktu jika dan hanya jika

x(t)

y(t)

akan mamberikan

x(t-k)

y(t-k)

untuk setiap sinyal masukan x(t) dan setiap pergeseran k sekon.

Untuk keperluan uji coba respons sistem dari x(t-k) atau [x(t)] dinotasikan dengan
y(n,k) , sehingga dapat ditulis :
y(t,k ) = [x(t)]
Sekarang dapat kita katakan suatu sistem invarian waktu, jika dan hanya jika :
y(t,k ) = y(t-k)
Sistem yang dibentuk oleh rangkaian listrik akan selalu merupakan sistem invarian waktu,
dengan syarat resistor, induktor dan kapasitor bukan merupakan besaran yang berubah
terhadap waktu.
Sistem linier dan dan sekaligus invarian waktu disebut sistem LTI (linier, time invarian)

3. Sistem Statis dan Dinamis

Suatu sistem dinamakan statis atau tanpa memori jika dan hanya jika keluaran untuk
setiap waktu t hanya bergantung pada masukan untuk waktu yang sama, bukan pada
masukan sebelum atau sesudahnya, sebaliknya suatu sistem dinamakan dinamis atau akan
mempunyai memori, jika dan hanya jika keluaran sistem untuk setiap waktu t secara
mutlak bergantung pada masukan sebelumnya.
Contoh :
(1)

Sistem statis (tanpa memori) :

y(t) = a x(t)
y(t) = a x(t) + b x2(t)

(2)

Sistem dinamis (dengan memori)

y(t) = x(t) + 3 x(t 1)
y(t) = x(t 2) + 5 x(t-4)
y(t) = x(t-k)
y(t) = x(t-k)

4. Sistem Sebab Akibat (Causal) dan Bukan Sebab Akibat (Non-Causal)

Teorema : Suatu sistem dikatakankausal jika dan hanya jika keluaran sistem untuk setiap
waktu hanya bergantung pada masukan sekarang dan sebelumnya [yaitu x(t), x(t-1), x(t2), ] dan tidak bergantung pada masukan yang akan datang [dengan kata lain, x(t+1),
x(t+2), ]. Dalam bahasa matematis, keluaran sistem kausal memenuhi persamaan dalam
bentuk :
y(t) = f[x(t), x(t-1), x(t 2), x(t 3), ]

(1.18)

Jika sistem tidak memenuhi definisi diatas, disebut non- kausal . Sistem seperti itu
mempunyai keluaran tidak hanya bergantung pada masukan sekarang dan sebelumnya
saja, tapi juga bergantung pada masukan yang akan datang juga. Jelas sistem non-kausal
tidak dapat direalisasikan sistem waktu-real, tapi hanya dapat direalisasikan untuk untuk
sistem off-line (waktu non-real).
5. Sistem Stabil dan Tidak Stabil
Stabilitas merupakan sifat penting yang harus dipertimbangkan dalam setiap aplikasi
praktis dari sistem. Sistem yang tidak stabil biasanya memunculkan sifat tak menentu dan
sifat perbedaan yang mencolok dan menyebabkan aliran berlebih (overflow) dalam setiap
implementasi praktis. Dibawah ini kita akan mendefinisikan secara matematis apa yang
kita maksud dengan sistem stabil.
Teorema :

Suatu sistem berelaksasi (bertransformasi) yang berubah-ubah

dikatakan menjasi stabil masukan terbatas keluaran terbatas (bounded input-bounded

output = BIBO) jika dan hanya jika setiap masukan terbatas menghasilkan keluaran
terbatas.
Kondisi masukan x(t) dan keluaran y(t) terbatas diterjemahkan secara matematis dengan
arti bahwa terdapat beberapa angka terbatas , sebut saja Mx dan My, sehingga
x(t) Mx < y(t) My <

(1.19)

Contoh :
Perhatikan sistem yang dideskripsikan dengan persamaan masukan keluaran :

y(t) = y2(t) + x(t)

sebagai deret nasukan kita memilih sinyal terbatas
x(t) = C (t)
dengan C adalah konstanta . Kita juga mangasumsikan y(-1) = 0, maka deret keluarannya
adalah :
y(0) = C, y(1) = C2, y(2) = C4, .., y(t) = C2t

Jelasnya, keluarannya tak terbatas, bila 1 < C < . Oleh karena itu, sistem ini tidak
stabil BIBO, karena deret masukan terbatas menghasilkan keluaran tak terbatas.
II.2. Fungsi-fungsi yang berguna dalam analisa Sistem Linear
1. Pulsa segiempat (rectangular)
Sinyal persegi yang tergam-bar ini memiliki simetri ganjil. Ia tidak mengandung
komponen cosinus; an = 0 untuk semua n. Ia simetris terhadap sumbu waktu, jadi a0 = 0.

(a)

(b)

(d)

(c)

(e)

Uraian bentuk gelombang persegi.

a) sinus dasar; b) sinus dasar + harmonisa ke-3; c) sinus dasar + harmonisa ke-3 +
harmonisa ke-5; d) sinus dasar + harmonisa ke-3 + harmonisa ke-5 + harmonisa ke-7; e)
sinus dasar + harmonisa-harmonisa sampai harmonisa ke-21.
Penjumlahan sampai dengan harmonisa ke-21 memperlihatkan bahwa penjumlahan
seterusnya akan makin mendekati bentuk gelombang persegi. Sampai harmonisa ke
berapa kita akan melakukan penjumlahan tergantung dari kepuasan kita untuk menerima
bentuk yang diperoleh sebagai bentuk pendekatan gelombang persegi.
Sekuen Rectangular (persegi)
Kita tetapkan suatu variabel L dengan nilai positif integer.
Sebuah fungsi pulsa rectangular waktu diskrit pL[n] dengan
panjang L dapat didefinisikan sebagai

2. Pulsa segitiga
a)
Gelombang Periodik dan Aperiodik
Suatu gelombang disebut periodik jika gelombang itu selalu berulang setiap selang
waktu tertentu. Jadi jika v(t) adalah periodik, maka v(t+T0) = v(t) untuk semua nilai t,
dengan T0 adalah periodanya yaitu selang waktu terkecil yang memenuhi kondisi
tersebut.
Contoh: sinyal gigi gergaji adalah sinyal periodik. Sinyal yang tidak periodik disebut
juga sinyal aperiodik.

b)

Trigonometri Deret fourier

c) Deret Fourier
Penguraian suatu sinyal periodik menjadi suatu spektrum sinyal tidak lain adalah
pernyataan fungsi periodik kedalam deret Fourier yang kita pelajari dalam
matematika. Jika f(t) adalah fungsi periodik yang memenuhi persyaratan Dirichlet,
maka f(t) dapat dinyatakan sebagai deret Fourier:

Persyaratan Dirichlet meminta agar f(t) bernilai tunggal, integral |f(t)| dalam selang
satu perioda adalah berhingga, dan f(t) mempunyai ketidak-kontinyuan dalam jumlah
yang terbatas dalam satu perioda. Deret Fourier konvergen untuk fungsi periodik yang
memenuhi persyaratan ini. Tetapi ada fungsi-fungsi yang tidak memenuhi persyaratan
ini namun mempunyai deret Fourier yang konvergen. Jadi persyaratan Dirichlet ini
cukup untuk terjadinya deret Fourier yang konvergen tetapi tidak harus. Persyaratan
ini tidak merupakan persoalan yang serius sebab kebanyakan bentukbentuk
gelombang sinyal yang kita temui dalam rekayasa elektro memenuhi persyaratan ini.
Contoh-contoh bentuk gelombang periodik yang sering kita temui adalah gelombang
persegi, deretan pulsa, segitiga, gigi-gergaji, sinus, cosinus, sinus setengah
gelombang, sinus gelombang penuh.
3. Distribusi Gaussian

 Distribusi Normal (Distribusi Gauss) merupakan distribusi probabilitas yang

paling penting baik dalam teori maupun aplikasi statistik.
Terminology normal karena memang distribusi ini adalah yang paling banyak
digunakan sebagai model bagi data riil diberbagai bidang :
1. antara lain karakteristik fisik mahluk hidup (berat, tinggi badan manusia, hewan
dll),
2. kesalahan-kesalahan

pengukuran

dalam

eksperimen

ilmiah

pengukuran-

pengukuran intelejensia dan perilaku,

3. nilai skor berbagai pengujian dan berbagai ukuran dan indikator ekonomi.
Alasan mengapa distribusi normal menjadi penting:
Distribusi normal terjadi secara alamiah. Seperti diuraikan sebelumnya

banyak

peristiwa di dunia nyata yang terdistribusi secara normal.

Beberapa variable acak yang tidak terdistribusi secara normal dapat dengan mudah
ditranformasikan menjadi suatu distribusi variabel acak yang normal.
Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik hanya bisa
berfungsi dengan benar jika model distribusinya berupa distribusi normal
Ada beberapa variabel acak yang tidak menunjukkan distribusi normal pada
populasinya Namun distribusi rata-rata sampel yang diambil secara random dari
populasi tersebut ternyata menunjukkan distribusi normal.

4. Fungsi Kepadatan Probabilitas Fungsi Distribusi Kumulatif Normal

f x; x , x

x 2

x x 2

2
e 2 x

x
Sebuah variabel acak kontinu X dikatakan

memiliki distribusi normal dengan parameter x dan x dengan - < x < dan x >0

a) Distribusi Normal Standar

Untuk menghitung probabilitas P(a X b) dari suatu variable acak kontinu X
yang berdistribusi normal dengan parameter dan maka fungsi kepadatan
probabilitasnya harus diintegralkan mulai dari x=a sampai x =b.
Namun, tidak ada satupun dari teknik-teknik pengintegralan biasa yang bisa
digunakan untuk menentukan integral tersebut.
Untuk itu diperkenalkan sebuah fungsi kepadatan probabilitas normal khusus
dengan nilai mean = 0 dan deviasi standart = 1.
1 2z
f N z;0,1
e
2

z
Variabel acak dari distribusi normal standard ini

biasanya dinotasikan dengan Z. Fungsi kepadatan probabilitas dari distribusi normal

standard variabel acak kontinu Z :

b) Menstandarkan distribusi Normal

Z

Distribusi normal variable acak kontinu X dengan nilai-nilai

parameter dan berapapun dapat diubah menjadi distribusi normal kumulatif

standard jika variable acak X diubah menjadi variable acak standard Z menurut
hubungan :

a x
x x

P X a P Z x
x

x
a x
b x
a x
b x

P a x b P
Zx

x
x
x
x

a x
b x
b x
1 P Z x
1

P X b P Z x
x
x

x
normal dengan mean dan deviasi standard maka

Jika X distribusi

5. Fungsi Impuls
Sinyal impuls satuan

(t)

atau disebut juga fungsi delta Diract atau disingkat fungsi

delta, menempati posisi yang sangat penting dalam analisis sinyal. Secara matematis
fungsi impuls didefinisikan oleh
t2

x (t ) ( t ) dt =x ( 0 ) t1 <0< t2
t1

dan memiliki sifat :

a)

(0)

b)

( t )=0, t 0

c)

( t ) dt=1

Dalam praktek, fungsi impuls tersebut didekati menggunakan limit dari suatu fungsi
konvensional untuk parameter mendekati nol. Hal ini bersesuaian dengan nilai (t) yang
mendekati.
Secara grafik fungsi impuls satuan(t) gambarnya ditunjukkan seperti Gambar di bawah ini

Gambar 2.4. grafik fungsi impuls

Sifat sifat operasi fungsi impuls

a. Sifat Pergeseran
t0

x (t ) ( t t 0 ) dt= x ( t 0 ) ,t 1 <t 0< t2

t1

0, yang lain

atau secara umum

x ( t )= x ( ) ( t ) d

yang menyatakan x (t) sebagai penjumlahan kontinyu impuls berbobot.

b. Sifat Sampling.
Jika x (t) kontinyu di t, maka
x ( t ) ( tt 0 )=x (t 0) ( tt 0 )
c. Sifat Scalling
1
b
(t + )
a
|a|

( at +b )=

Relasi antara ( t ) dan u (t) dapat di tunjukkan dalam bentuk hubungan differensial
dan integral
d
u ( t )= ( t )
dt
t

( ) d =u(t)

6. Fungsi Tangga
Fungsi tangga satuan u (t) waktu kontinyu secara matematis didefinisikan sebagai
u ( t ) = 1. t> 0
0. t< 0

Definisi fungsi tangga satuan u(t) memiliki arti bahwa amplitude pada u (t) bernilai
semua t > 0 dan u (t) bernilai 0 menyatakan kekontinyuannya. Untuk suatu sinyal waktu

kekontinyu x (t), hasil kali x (t) dan u (t) sebanding dengan x(t) untuk t 0 dan sebanding
dengan nol untuk t < 0.
Secara grafik fungsi tangga satuan u(t) ditunjukkan seperti gambar berikut :

Gambar 2.5 Grafik Fungsi Tangga

Sinyal ini juga merupakan sinyal yang penting untuk mempelajari sinyal secara analitik
dan juga banyak dioakai dalam praktek. Fungsi unit step merupakan sinyal waktu
kontinyu untuk semua t kecuali pada t = 0, dimana fungsinya tidak kontinyu.
II.3. Konvolusi
Konvolusi adalah suatu operasi perkalian sekaligus penjumlahan. Dalam kawasan waktu
dapat digunakan untuk mendapatkan respon sistem terhadap masukan bebas. Jadi merupakan
transformasi dari masukan ke keluaran (Susilawati, 2009).
Sinyal kontinu
Untuk menentukan hasil dari suatu sinyal masukan ke sistem dapat menggunakan teknik
konvolusi (Nurwati, 2015).

y (t )= h ( t ) x ( ) d =h(t )x (t)

Contoh:

Sinyal masukan x(t) adalah sinyal segiempat, dengan lebar T dan amplitudo A. Respon
impuls dari sistemnya adalah sinyal step/tangga. Tentukan keluaranya.
Jawab:

Dengan rumus

y (t )= h ( t ) x ( ) d =h(t )x (t)

h(-) didapat dengan mencerminkan fungsi h() terhadap sumbu vertikal. h(t-) dihasilkan
dari h(-) dengan menggeser / refleksi (bab 1) sejauh t. Jika t bernilai negatif, maka fungsi
bergeser ke kiri. Jika t bernilai positif, maka fungsi bergeser ke kanan.
Ada system diskrit sbb:
Sinyal pertama: x[i]= 1 2 3
Sinyal kedua : h[i]= 2 1 3
Cari konvolusi 2 sinyal tersebut secara manual dan dengan MATLAB.
Jawab:
Langkah 1: pembalikan sinyal kedua, h[n] sehingga didapatan kondisi :
Sinyal pertama: x[i] = 1 2 3
Sinyal kedua : h[-i] = 3 1 2
Langkah 2: pergeseran dan penjumlahan
Sinyal pertama: 1 2 3
Sinyal kedua : 3 1 2
--------------------------------------- x
product and sum: 0 0 2 0 0 = 2
Langkah 3: pergeseran satu step dan penjumlahan
Sinyal pertama: 1 2 3
Sinyal kedua : 3 1 2
--------------------------------------- x
product and sum: 0 1 4 0 = 5
Langkah 4: pergeseran satu step dan penjumlahan
Sinyal pertama: 1 2 3
Sinyal kedua : 3 1 2
--------------------------------------- x
product and sum: 3 2 6 = 11
Langkah 5: pergeseran satu step dan penjumlahan
Sinyal pertama: 1 2 3
Sinyal kedua : 3 1 2
---------------------------------------- x
product and sum: 0 6 3 0 = 9

Langkah 6: pergeseran satu step dan penjumlahan

Sinyal pertama: 1 2 3
Sinyal kedua : 3 1 2
----------------------------------------- x
product and sum: 0 0 9 0 0 = 9
Langkah 7: pergeseran satu step dan penjumlahan
Sinyal pertama: 1 2 3
Sinyal kedua : 3 1 2
------------------------------------------ x
product and sum: 0 0 0 0 0 0 = 0
Dari hasil product and sum tersebut hasilnya dalam bentuk deret : 2 5 11 9 9
Hasil dicek dengan menggunakan m-file (matlab):

% contoh konvolusi
n=1:1:8
h=[0 0 0 0 1 2 3 0];
x=[0 0 0 0 2 1 3 0];
hx=conv (x,h);
subplot(3,1,1);
stem(n,h);
subplot(3,1,2);
stem(n,x);
nn=-3:1:11; 15 didapat dari jumlah h[n] + x[n] 1 8+8 -1 =15
dimulai dari -3 karena nilai (h[n-k] kali x[k]) 0 saat n=5
subplot(3,1,3);
stem(nn,hx);
hasil
ans =
Columns 1 through 15
0 0 0 0 0 0 0 0 2 5 11 9 9 0 0

Gambar 2.6 Hasil Konvolusi di Matlab

II.4. Analisa sinyal-sinyal harmonik dan komplek
Dalam penerapan, biasanya sinyal dinyatakan oleh fungsi-fungsi satu atau dua variabel yang
berharga riil. Pengembangan sifat-sifat sistem linear mudah dilakukan jika kita
memperbolehkan input dan output berupa fungsi-fungsi berharga komplek, karena fungsi
berharga riil dapat dipandang sebagai kasus istimewa fungsi berharga komplek, maka kita
tidak akan kehilangan apa-apa dalam generalisasi ini (Syahruddin, 2013).
Sinyal-sinyal harmonik: mempunyai bentuk
x 1 ( t )=e jt =cos t + j sin t ; j= 1, =2 f

x 1(t)

K ( ,t)

y 1 (t)

x 1 ( t )=e jt
Misal, tanggapan impuls sistem linear invariant terhadap pergeseran dinyatakan dalam
K ( ,t) sehingga tanggapan sistem
y 1 (t)=K ( ,t ) e

jt

Dengan
K (, t)=

y 1 (t)
adalahkomplek dant
e jt

Misalkan ada sinyal input kedua yang dibentuk dengan menggeser waktu
x 2 ( t )=e

jt

( tT ) =e jt e jt =x1 ( t ) e jt

Maka tanggapan sistem pada

y 2 ( t )=K ( , t T ) e

Dari sifat :

maka

x1 ( t )

jt ( tT )

x2( t )
jT

=K ( , tT ) e

x1 ( t )

Jika x 1 ( t ) y 1 ( t ) maka
x 2 ( t )=a x1 ( t ) y 2 ( t )=a y 1 ( t )

x 2 ( t )=e jt x1 ( t )

y 2 ( t )=e jt y 1 ( t )=e jt K ( , t ) e jt
jt

K ( ,t ) x 1 ( t )

Dari perbandingan kedua pernyataan untuk y 2 ( t ) kita peroleh

jt

K ( , tT ) e

jt

x 1 (t) e

K ( ,t ) x 1 ( t )

Atau
K ( , tT ) =K ( ,t ) untuk sembarang pergeseran T.
Pernyataan diatas hanya benar jika

K ( , t ) bebas t.
Jadi

y (t )=K ( ) x (t)

Tanggapan sistem linear invariant terhadap pergeseran input harmonik adalah input dikalikan
dengan konstanta komplek yang bergantung frekuensi.

Input harmonik selalu menghasilkan output harmonik dengan frekuensi yang sama. Fungsi
K ( ) dinamakan fungsi transfer sistem linear dan fungsi ini cukup untuk mengspesifikkan
sistem secara komplit. Untuk sistem linear invariant pergeseran, fungsi transfer mengandung
semua informasi yang ada mengenai sistem (Syahruddin, 2013).
Fungsi komplek

K ( ) dapat dinyatakan sebagai

K ( )= A ()e j ()

dengan

frekuensi berharga riil yang dinamakan factor gain multiplikatif, dan

A ()

() sudut

penggeser phasa.
Misal: input berupa fungsi kosinus, yang dapat diambili dengan bagian riil sinyal harmonik:
x ( t )=cos t=e

jt

Maka tanggapan sistem pada input harmonik:

jt

K ( ) e = A( )e e

jt

A ()e j (t +)
Sehingga sinyal output sesungguhnya:
y (t )= { A ()e j (t+) }= { A () { cos ( t + ) + j sin ( t + ) } }
A ( ) cos ( t + )
Sehingga untuk sistem linear invariant terhadap pergeseran, berlaku:
a. Input harmonik selalu menghasilkan output harmonik pada frekuensi sama.
b. Sistem secara komplit dispesifikkan oelh fungsi transfernya, suatu fungsi frekuensi
saja yang berharga komplek.
c. Fungsi transfer menghasilkan hanya dua efek pada input harmonik, perubahan
amplitude dan pergeseran phasa (pergeseran titik awal waktu).
A ()
d. Faktor gain multiplikatif
menyatakan derajat sistem memperbesar
(memperkuat) atau memperkecil (mengatenuasi) sinyal input. Sudut pergeseran phasa
( ) hanya menggeser titik asal waktu fungsi input harmonik.

Penerapan pemfilteran
Pengfilteran linear berguna dalam tiga kelas pengolahan sinyal (Syahruddin, 2013):
a) Deconvolution : menghilangkan efek-efek yang sebelumnya dilakukan oleh sistem
linear yang dioperasi pada sinyal diluar kontorl pemakai.
Contoh: menghilangkan efek aberasi lensa/cacat-cacat lensa pada bayangan yang
terbentuk.
b) Penghilangan bising : mengurangi efek sinyal pengkontaminasi yang tak diinginkan
yang ditambahkan pada sinyal secara linear.
Mengestimasi sinyal sebelum noise ditambahkan
Mendeteksi adanya sifat-sifat tertentu yang terbenam dalam latar belakang yang
bising.
Penghilangan bising koheren (periodic).
c) Perbaikan (enhancement) feature (hal-hal yang penting) menambah kontras feature
spesifik (tepi, spot, citra) dengan mengurangi obyek-obyek lain dalam suatu citra
pemandangan.
II.5. Analisa Sistem Linear dalam Domain Frekuensi
Konsep Spektrum Frekuensi
Suatu Sinyal dapat didekomposisi menjadi komponen-komponen sinusoidal (atau
eksponensial kompleks). Dengan dekomposisi semacam itu, sebuah sinyal dikatakan
direpresentasikan dalam Domain Frekuensi (Apriyanto, 2007).
Pada sinyal periodik, dekomposisi menjadi komponen sinusoidal disebut Deret Fourier.
Sedangkan pada sinyal aperiodik (finite energy) disebut sebagai

Transformasi Fourier.

Transformasi Fourier dan Deret Fourier adalah alat matematis yang sangat penting dalam
analisis dan desain sistem LTI. Dengan melakukan analisis frekuensi, kita dapat melihat
representasi matematis komponen-komponen frekuensi yang terkandung dalam suatu sinyal.
Rangkaian frekuensi yang terkandung dalam sinyal tersebut disebut spectrum (Apriyanto,
2007).
Salah satu proses analisa di dalam domain frekuensi bisa dilakukan dengan cara menghitung
frekuensi dari suatu sinyal, dalam hal ini bisa memanfaatkan bentuk waktu diskrit dari analisa
Fourier dapat digunakan, yang kemudian lebih disempurnakan dengan suatu algoritma yang
kita kenal sebagai Fast Fourier transform (FFT). Secara umum teknik ini merupakan
pendekatan

yang

terbaik

untuk transformasi. Dalam hal ini input sinyal ke window

ditetapkan memmiliki panjang 2m. Anda dapat memilih analisis window yang akan
digunakan. Outputdari syntax

fft(x,n) merupakan sebuah vector komplek, dengan n

amplitudo komplek dari 0 Hz sampai dengan sampling frekuensi yang digunakan.

Frekuensi Sinyal Kontinyu Periodik
Representasi matematis dasar dari sinyal periodik adalah Deret Fourier, yang merupakan
penjumlahan berbobot linear (linear weighted sum) dari sinyal sinusoidal atau eksponensial
kompleks (Apriyanto, 2007).

x ( t )=

Kombinasi linear dari eksponensial kompleks harmonis dalam bentuk

( adalah sinyal periodik dengan periode fundamental:

T p=

1
T0

k=

c k e j2 k F t
0

Oleh karena itu, kita dapat berpikir bahwasinyal eksponensial (

e j2k F

k = ..., -2, -1, 0, 1,

2, ,,,) adalah building block dasar, yang darinya kita dapat mengkonstruksi sinyal periodik
dengan berbagai tipe dengan memilih frekuensi fundamental dan koefisen koenfisien {
}.

F0

menentukan periode fundamental dari x(t) dan koefisien {

ck

ck

} menentukan

bentuk dari gelombang (waveform).

Bila diberikan sinyal periodik x(t) dengan periode

Tp

Kita dapat merepresentasikan

sinyaltersebut dengan suatu deret yang disebut Deret Fourier, dimana frekuensi fundamental
Fo dipilih timbal balik dengan periode
koenfisien {
kompleks

ck
e j2k F

Tp

. Untuk menentukan ekpresi dari koefisen-

}, kita pertama-tama harus mengalikan kedua sisi dengan eksponensial

0

, dimana l adalah integer, dan kemudian mengintegrasikan kedua sisi

pada satu periode, dari to ke to+Tp . Akan kita dapatkan :

Amplitudo dan Fasa

Suatu sinyal x(t) yang berada pada interval hingga t0 t < t0 + T dapat dinyatakan dengan
deret harmonik sebagai berikut (Apriyanto, 2007):
x(t) = A0 cos0 + A1 cos(0t + 1 )+ A2 cos(20t + 2 )+ ....

A n cos (n 0 t + n)
n=0

(*)

dengan
0 = frekuensi natural/dasar
= 2/T
= 2f

Analisa Sinyal dalam Spektrum Frekuensi

Sebuah sinyal waktu sebagai hasil penjumlahan beberapa sinyal kontinyu dapat dinyatakan
sebagai (Apriyanto, 2007):

x ( t )= A n cos ( n t+ n )<t <

n=1

dimana:
N = bilangan integer positif
An = amplitudo sinyal sinusoida
n = frekuensi sudut (dalam radiant/detik)
n = fase sinyal sinusoida
Analisis Domain Frekuensi untuk Sistem Linier Stasioner
Untuk sinyal input

x ( t )= X n e

jn 0 t

n=

Output untuk sistem linier stasioner adalah

y (t )=

n=

H (n 0 t) X n e jn t
0

atau

y (t )=

n=

Yne

jn0 t

Dengan Y n=H ( n 0 t) X n
Spektrum kompleks output :
Y n=

H ( j 2 f ) X n f =n f 0
0
f nf 0

BAB III
PENUTUP

III.1. Kesimpulan
Pada beberapa aplikasi pemrosesan sinyal diperlukan algoritma yang melakukan beberapa
operasi tertentu pada sinyal. Aplikasi pemrosesan sinyal sebagai suatu sistem yang
memproses sinyal masukan (input) menjadi sinyal keluaran (output) atau respon sistem.
Dapat dikatakan bahwa sinyal x(t) ditransformasikan oleh sistem menjadi y(t). Hubungan x(t)
dan y(t) dapat ditulis menjadi

y (t )=[ x ( t ) ] dengan menunjukkan transformasi.

Sistem linear adalah sistem yang bersufat superposisi yaitu jika masukan terdiri atas jumlahan
beberapa sinyal, maka keluarannya adalah superposisi atas tanggapan sistem untuk seetiap
sinyal masukannya.
III.2. Saran
Sebaiknya bila sistem pembelajaran mengenai Analisis Sinyal lebih interaktif dan
berlangsung dua arah, antara fasilitator (dalam hal ini dosen maupun pemateri presentasi) dan
mahasiswa. Sehingga, tujuan pembelajaran dapat dicapai.

Lampiran
Pertanyaan:
1) Kelompok 7 (Laode Armin)
Mengapa sinyal pada sistem linear outputnya bersifat tetap, sedangkan sinyal pada sistem
non-linear output yang dihasilkan bisa sama?
Jawab berdasarkan prinsip superposisi, sistem linear memiliki ketetapan pada setiap
prosesnya. Sedangkan sistem non-linear tidak memiliki ketetapan pada setiap proses
dengan kata lain tidak stabil dan tidak mudah diprediksi.
Bila dipetakan,
I
O
I

Sistem Linear
Sisitem Non-linear
Jika diambil contoh bahwa sistem linear sebagai SPL dan sistem Non-linear sebagai
Persamaan Kuadrat, sebagai berikut:
Sistem Persamaan Linear
y=2 x+ 3
Sistem linear bersifat unik dan mudah diprediksi. Misalkan nilai x=1, maka nilai y=5, nilai
x
y
x=2 maka nilai y=7. Hasil ini diperoleh dengan mensubtitusikan nilai-nilai
1
5
tersebut pada persamaan y=2x+3
2
7

Sistem Persamaan Kuadrat

y=x 2
Sistem Non-linear bersifat tidak unik dan tidak mudah diprediksi. Misalkan nilai x=2 maka
x
y
nilai y=4, nilai x=-2 maka nilai y=4. Keduanya memiliki hasil yang sama
2
4
jika nilai 2 dan -2 disubtitusikan ke dalam persamaan.
-2
4

DAFTAR PUSTAKA
[1] Apriyanto S.T, Bambang. 2007. Diktat Kuliah Sistem Linier. Batam: Universitas Negeri

Batam.
[2] Attamimi M.T, Ir. Said. 2015. Pusat Pengembangan Bahan Ajar: Sinyal dan Sistem. UMB
[3] Nurwati, Tri. 2015. Pengolahan Sinyal. Bali:Universitas Udayana.
[4] Susilawati S.T,M.T, Hesti. 2009. Hibah Kompetisi Penyusunan Bahan Ajar:Sistem Linier.
Purwokerto: Universitas Jendral Soedirman.
[5] Syahruddin, Dr. Muhammad Hamzah. 2013. Laporan Penulisan Modul Berbasis LMS:
Mata Kuliah Analisis Sinyal. Makassar: Universitas Hasanuddin