LAPORAN MATEMATIKA

ANALISIS FOURIER
DISUSUN OLEH :
GIGIH BAGAS PRASETYO

3114041001

AISYAH NUR MUFDHILLA

3114041015

WINDY UNTARI SUNYOTO

3114041025

FIRMANDITA NUGROHO

3114041031

PROGRAM STUDI D4 TEKNIK SIPIL

JURUSAN TEKNIK SIPIL
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
TAHUN 2014 2015
DAFTAR ISI

Halaman judul 1
Daftar isi .. 2
A. Deret fourier . 3
A.1 Teorema Keortogonalan fungsi sinus dan cosinus.

A.2 Pemanfaatan Deret Fourier . 5

B. Transformasi Fourier ..

B.1 Kelebihan Transformasi Fourier ..

B.2 Kekurangan Transformasi Fourier

C. Fast Fourier Transform 10

Daftar Pusataka

13

A. DERET FOURIER

[Type text]

Page 2

Dalam matematika, deret fourier merupakan penguraian fungsi periodic menjadi jumlahan
fungsi-fungsi berosilasi, yaitu fungsi sinus dan kosinus, ataupun eksponensial kompleks.
Studi deret fourier merupakan cabang analisis fourier. Deret fourier (1768-1830) untuk
memecahkan masalah persamaan panas di lempeng logam. Deret Fourier merupakan
hampiran bagi suatu fungsi yang periodik. Deret Fourier berupa jumlah suku-suku sinus
dan cosinus.
Perlu diketahui terlebih dahulu, suatu fungsi f(t) dikatakan periodik jika terdapat suatu
bilangan positif T (yang disebut periode) sehingga

f (t + nT) = f(t)
dengan n sebarang bilangan bulat.
Misalkan fungsi f(t) berperiode 2 yang kontinu bagian demi bagian ditentukan dengan
deret berikut yang disebut deret Fourier.

Untuk mencari koefisien deret Fourier a0,an,bn (n = 1, 2, ), digunakan teorema berikut:

A.1 Teorema Keortogonalan fungsi sinus dan cosinus

[Type text]

Page 3

Untuk m, n bilangan positif berlaku

sifat di atas berlaku untuk selang integrasi apapun dengan panjang 2

A.2 Pemanfaatan Deret Fourier

[Type text]

Page 4

1. Teknik Komputasi Nilai

Misalkan f(t) = t2 untuk 0<t<2 dengan periode 2 dan definisikan f(t) = 2 untuk t
bilangan genap. Koefisien deret Fourier untuk f(t) adalah:

Maka
Jika t=0, maka

Selanjutnya diperoleh jumlah deret berikut dan kita dapat memanfaatkannya untuk
mengkomputasi nilai .

[Type text]

Page 5

Selain itu, terdapat cara lain untuk mengkomputasi nilai yaitu dengan
memanfaatkan deret berikut yang dapat diperoleh melalui deret Fourier dan deret
pangkat.

2. Bandwidth-Limited Signals
Dalam komunikasi data, untuk mentransmisikan data yang berupa sinyal digital via
media transmisi seperti kabel, serat optik, wireless dan satelit, dilakukan
aproksimasi terhadap sinyal tersebut. Untuk melakukannya diperlukan analisis deret
Fourier dengan batas deret tertentu (bilangan harmonik). Sinyal data dalam domain
waktu dipetakan ke domain frekuensi. Besarnya bilangan harmonik menentukan
keakuratan aproksimasi dan besarnya bandwidth data yang dapat ditransmisikan.
3. Spread spectrum watermarking
Watermarking adalah proses penyisipan cuplikan data (watermark) ke dalam data
inang berupa gambar/suara dengan tujuan menjaga hak ciptanya. Selain tidak
mempengaruhi kualitas gambar/suara, penyisipan watermark juga perlu dirancang
agar tahan banting (robust) terhadap berbagai bentuk modifikasi data. Salah satu

[Type text]

Page 6

metode watermarking dengan robustness yang relatif tinggi adalah spread spectrum
watermarking. Metode ini melakukan transformasi data ke dalam domain frekuensi
dengan analisis deret Fourier, lalu dilakukan penyisipan watermark ke dalam data
yang telah ditransformasikan tersebut.
B. TRANFORMASI FOURIER
Transformasi fourier adalah transformasi yang dapat merubah suatu sinyal dari domain
waktu s(t) kedalam domain frekuensi S(f). Fungsi dilakukanya transformasi ini bertujuan
untuk mendapatkan informasi apakah suatu sinyal memiliki frekuensi tertentu atau tidak.
Transformasi Fourier menggabungkan sinyal ke bentuk fungsi eksponensial dari frekuensi
yang berbeda-beda.
Caranya adalah dengan didefinisikan ke dalam persamaan berikut:

Dapat kita katakan dari dua persamaan diatas bahwa X(f) adalah transformasi
Fourier dari x(t) yang mengubah x(t) dari domain waktu ke domain frekuensi,dan untuk

[Type text]

Page 7

persamaan ke2 adalah kebalikan dari persamaan ke1 atau bisa di sebut dengan invers
transformasi faurier.

Dibawah ini contoh dari transformasi fourier dari domain waktu ke domain
frekuensi.

Pada gambar di atas,di bagian kiri merupakan sinyal asli dari domain waktu dan sisi
sebelah kanan merupakan hasil transformasi fourier .
B.1 Kelebihan Transformasi fourier
Definisi transformasi fourier sebagai tool/alat untuk mengubah suatu sinyal dari
kawasan waktu ke kawasan frekuensi,menjelaskan kepada kita bahwa transformasi ini
memiliki kelebihan:
[Type text]

Page 8

1. Mampu menunjukkan kandungan frekuensi yang terkandung di dalam sinyal.

2. Mampu menunjukan beberapa banyak komponen frekuensi yang ada di dalam
sinyal.

B.2 Kekurangan Transformasi Fourier

Dibalik kelebihan yang ada ternyata transformasi ini memiliki keterbatasan
-keterbatasan menjadi kekurangan yang cukup fatal

untuk transformasi fourier.

Kekuranganya adalah transformasi fourier hanya dapat menangkap informasi apakah

suatu sinyal memiliki frekuensi tertentu atau tidak, tapi tidak dapat menangkap dimana
frekuensi itu terjadi.

[Type text]

Page 9

C. FAST FOURIER TRANSFORM

Fast Fourier transform (FFT) adalah suatu algoritma yang efisien untuk menghitung
transformasi Fourier diskrit (DFT) dan inversenya.
Fast Fourier transform (FFT) menjadi penting untuk bermacam macam aplikasi, dari
pengolahan sinyal digital dan memecahkan persamaan diferensial parsial menjadi
algoritma-algoritma untuk penggandaan bilangan integer dalam jumlah yang banyak. Dua
kelas dasar dari algoritma FFT adalah decimation-in-time (DIT) dan decimation-infrequency (DIF). Istilah fast digunakan oleh karena formulasi FFT ini jauh lebih cepat
dibandingkan dengan metoda perhitungan Fourier Transfrom sebelumnya. Teknik FFT
memerlukan sekitar 10000 operasi matematik untuk data dengan 1000 observasi, yaitu 100
kali lebih cepat dibandingkan dengan teknik perhitungan sebelumnya. Dengan penemuan
FFT ini dan perkembangan personal komputer, teknik FFT dalam analisa data menjadi
populer, dan merupakan salah satu metoda baku dalam analisa data. Satu bentuk
transformasi yang umum digunakan untuk merubah sinyal dari domain waktu ke domain
frekuensi adalah dengan transformasi Fourier:

[Type text]

Page 10

Persamaan ini merupakan bentuk transformasi Fourier yang siap dikomputasi secara
langsung dari bentuk sinyal x(t).
Ada beberapa macam algoritma yang tergolong ke dalam Transformasi Fourier
Cepat. Namun dalam makalah ini hanya akan membahas tiga algoritma saja.
a. Algoritma Cooley-Tukey
Algoritma Cooley Tukey adalah salah satu dari sekian algoritma yang digunakan
untuk menghitung Transformasi Fourier Diskrit. Algoritma ini dipopulerkan oleh J. W.
Cooley dan John Tukey pada tahun 1965. Sebenarnya algoritma ini pertama kali ditemukan
oleh Carl Friedrich Gauss pada tahun 1805. Hanya saja ia tidak sampai pada pembahasan
waktu perhitungan asimptotik. Sampai dengan waktu saat makalah ini dibuat, algoritma ini
merupakan algoritma yang paling umum digunakan.
Ide dari Transformasi Fourier Cepat adalah mengubah suatu bentuk Transformasi
Fourier Diskrit dengan panjang N menjadi bentuk penjumlahan dari dua buah bentuk
Transformasi Fourier Diskrit dengan panjang masing-masing N/2, satu bagian terdiri dari
elemen bernomor ganjil sementara yang lain genap.
b. Algoritma Rader
Algoritma Rader, ditemukan pada tahun 1968, adalah salah satu jenis Transformasi
Fourier Cepat untuk menghitung transformasi Fourier Diskrit berukuran bilangan prima
[Type text]

Page 11

dengan mengekspresikan kembali Transformasi Fourier Diskrit sebagai sebuah siklus

konvolusi. Untuk suatu kasus yang sama, algoritma Cooley-Tukey jauh lebih sederhana dan
lebih praktis dalam memecahkan suatu masalah. Oleh karena itu, algoritma Rader biasanya
hanya digunakan untuk kasus dasar dari dekomposisi rekursif Cooley-Tukey

dari

Transformasi Fourier Diskrit.

c. Algoritma Bluestein
Algoritma Bluestein, ditemukan pada tahun 1968, adalah salah satu bentuk
Transformasi Fourier Cepat untuk menghitung Transformasi Fourier Diskrit dengan ukuran
bebas dengan cara mengubah bentuk Transformasi Fourier Diskrit ke dalam bentuk
konvolusi.

[Type text]

Page 12

DAFTAR PUSTAKA

http://anggieprasetiyo.blogspot.com/2013/05/cooley-dan-tukey.html
http://risnotes.com/2012/03/fast-fourier-transform-fft/
http://wangready.wordpress.com/2012/10/14/fast-fourier-transform/

[Type text]

Page 13