LAPORAN PRAKTIKUM II

Sinyal dan Sistem

Disusun Oleh:
Thomas Andherson Sihombing

Jurusan Teknik Fisika

Fakultas Teknologi Industri
Institut Teknologi Sepuluh Nopember
Surabaya
2015

Percobaan 2.1
Tujuan :

Memahami penerapan konvolusi

Memahami konsep sederhana noise-removal (signal enhancement).

Peralatan : laptop/PC dengan matlab dan DSP toolbox.

Prosedur :
1 Double-click Matlab/scilab
2 Buka text editor matlab (icon persegi putih, sisi kiri) atau menggunakan sembarang
text editor, seperti notepad, wordpad dll.
3 Ketik command line dibawah ini
%Konvolusisinyalsinusbernoisedenganraisedcosine;
n=7.9:.5:8.1;
y=sin(4*pi*n/8)./(4*pi*n/8);
figure(1);
plot(y,'linewidth',2)
t=0.1:.1:8;
x=sin(2*pi*t/4);
figure(2);
plot(x,'linewidth',2)
%Tambahkannoisepadasinyalsinus.
t=0.1:.1:8;
x_n=sin(2*pi*t/4)+0.5*randn*sin(2*pi*10*t/4)+
0.2*randn*sin(2*pi*12*t/4);
figure(3);
plot(x_n,'linewidth',2)
%Konvolusikankeduanya
xy=conv(x_n,y);
figure(4);
plot(xy,'linewidth',2)
4
5
6
7

Save dengan nama konvolusi1.m; letakkan pada direktori dimana matlab dieksekusi
(lihat current folder).
Apa yang terjadi pada sinyal y tersebut ?
Lakukan perubahan panjang n sinyal y; perpendek rentangnya dan perpanjang nilai n.
Apa yang terjadi ?
Jelaskan mengapa !

Hasil Percobaan 2.1 :

Dengan command line di atas, didapatkan 4 buah grafik sebagai berikut :

Figure 1 : Filter
n=-7.9:.5:8.1;
y=sin(4*pi*n/8)./(4*pi*n/8);

Di gambar figure 1 menandakan suatu filter yang bentuk sinyalnya berupa sinusoidal dengan
setengah gelombang yang mempunyai amplitudo 1 dan beberapa gelombang kecil yang
amplitudonya semakin kecil pula di sebelum dan sesudah gelombang besar.
Figure 2 : Input Sinyal
t=0.1:.1:8;
x=sin(2*pi*t/4);

Di gambar figure 2 menandakan input sinyal yang bentuk sinyalnya berupa gelombang
sinusoidal dengan amplitudo 1.

Figure 3 : Pemberian Noise

x_n=sin(2*pi*t/4)+0.5*randn*sin(2*pi*10*t/4)+
0.2*randn*sin(2*pi*12*t/4);

Pada figure 3 menuntuk apabila gelombang x pada figure 2 yang telah diberi noise sehingga
bentuknya tidak lagi semirip atau selembut gelombang x. Noise yang diberikan menggunakan
fungsi random / acak.
Figure 4 : Hasil Konvolusi
xy=conv(x_n,y);

Pada figure 4 merupakan hasil konvolusi dari sinyal x yang telah diberi noise (figure 3)
dengan sinyal y (figure 1). Pada sinyal tersebut terbentuk 2 gelombang yang mempunyai

amplitudo 4 dan diikuti gelombang gelombang kecil mendekati nol di sebelum dan sesudah
gelombang besar.

Modifikasi Perlakuan sinyal untuk hasil konvolusi :

Untuk melakukan modifikasi perlakuan sinyal ini kita terlebih dahulu mengenal jenis noise,
yaitu : noise fasa, dan noise amplitudo. Di mana kedua jenis noise ini akan memengaruhi hasil
konvolusi (figure 4). Untuk noise fasa, saya akan memodifikasi nilai fasa pada command
line :
x_n=sin(2*pi*t/4)+0.5*randn*sin(2*pi*10*t/4)+
0.2*randn*sin(2*pi*12*t/4);
akan dilakukan penambahan ataupun pengurahan pada fasanya. Untuk noise amplitude, saya
akan memodifikasi nilai amplitudo pada command line akan dilakukan penambahan ataupun
pengurahan pada fasanya.
x_n=sin(2*pi*t/4)+0.5*randn*sin(2*pi*10*t/4)+
0.2*randn*sin(2*pi*12*t/4);
1. Perlakuan modifikasi untuk noise fasa
Dalam hal ini saya mengubah nilai fasa dengan menambahkan nilai fasanya pada command
line yang ditunjukkan pada comman line berikut :
t=0.1:.1:8;
x_n=sin(2*pi*t/4+0.99*pi)+0.5*randn*sin(2*pi*10*t/4+0.96*pi) +
0.2*randn*sin(2*pi*12*t/4+0.89*pi);
Berikut hasil konvolusinya :

Apabila nilai fasa dikurangkan, pada command line yang ditunjukkan pada comman line
berikut:

2. Perlakuan modifikasi untuk noise amplitudo

Dalam hal ini dicoba untuk mengubah nilai amplitudo noise pada command line yang
ditunjukkan pada comman line berikut :
t=0.1:.1:8;
x_n=sin(2*pi*t/4)+3.5*randn*sin(2*pi*10*t/4) +
5.2*randn*sin(2*pi*12*t/4);

Dengan semakin memperbesar nilai amplitudonya, hasil konvolusi yang didapatkan :

t=0.1:.1:8;
x_n=sin(2*pi*t/4)+4.7*randn*sin(2*pi*10*t/4) +
7.1*randn*sin(2*pi*12*t/4);

Kesimpulan :

Percobaan 2.2
Tujuan

: Memahami penerapan dari konvolusi dan memahami konsep sederhana noise

removal ( signal enhacement).
Peralatan :
Laptop atau PC
Software Matlab
Prosedur :
1. Melakukan double click Matlab
2. Membuka text editor matlab ( icon persegi putih, sisi kiri) atau menggunakan
sembarang text editor seperti notepad, wordpad dll.
3. Mengetik command line di bawah ini :
clearall;
T=1000;
LPF_01=fir1(16,0.2,'low')
t=1/T:1/T:1;
y=sin(2*pi*t);
tt=length(y);
nois=0.1*randn(1,tt);
y_n=y+nois;
subplot(2,1,1);
plot(t,y_n,'linewidth',2)
axis([01.051.51.5])
xlabel('Waktu(dt)')
gridon
%konvolusiFIRfilterdengansinyaldannoise
y_filter=conv(y_n,LPF_01);
subplot(2,1,2);
t_yfil=length(y_filter);
t=1/T:1/T:t_yfil/T;
plot(t,y_filter,'linewidth',2)
axis([01.051.51.5])
xlabel('Waktu(dt)')
gridon
4. Menyimpan command line tersebut dengan nama
meletakkannya pada direktori di mana matlab dieksekusi.

konvolusi2.m

dan

Hasil Percobaan 2.2 :

1. Perbedaan Hasil Sebelum difilter dan setelah difilter
Dengan command line pada prosedur percobaan, maka didapatkan 2 grafik sebagai berikut :

Grafik yang pertama (atas) adalah grafik sinyal y yang mempunyai fungsi
y=sin(2*pi*t)ditambah
dengan
noise
yang
mempunyai
fungsi
nois=0.1*randn(1,tt).Bentuk dasarnya sama yaitu sinusoidal tetapi ada gangguan
yang menyebabkan bentuknya sinusoidal yang kasar. Kemudian sinyal tersebut difilter dengan
low pass filter dimana hasilnya lebih smooth dibanding dengan sinyal y_n dimana noisenya
direduksi walaupun tidak hilang seluruhnya. Dengan sintax di command line sebagai
berikut :
Clear all;
clc;
T=1000;
[z,p,k] = cheby1(5,0.5,100/500);
[sos,g] = zp2sos(z,p,k);
Hd = dfilt.df2tsos(sos,g);
h = fvtool(Hd);
set(h,'Analysis','freq');

freqz(b,a,512,1000)
t=1/T:1/T:1;
y=sin(2*pi*t);
tt=length(y);
noise=0.1*randn(1,tt);
y_n = y + noise;
subplot(2,1,1);
plot(t,y_n,'linewidth',2)
axis([0 1.05 -1.5 1.5])
xlabel('Waktu (dt)')
grid on
%konvolusi FIR filter dengan sinyal dan noise
y_filter=conv(y_n,LPF_01);
subplot(2,1,2);
t_yfil=length(y_filter);
t=1/T:1/T:t_yfil/T;
plot(t,y_filter,'linewidth',2)
axis([0 1.05 -1.5 1.5])
xlabel('Waktu (dt)')
grid on

Bila amplitudo noise dari semula 0.1 diperbesar menjadi 0.38

Bila amplitudo noise dari semula 0.1 diperbesar menjadi 0.73

Bila Fasa noise dari semula diperbesar menjadi 0.5*pi

Bila Fasa noise dari semula diperbesar menjadi 0.98*pi

Kesimpulan :
Dari keempat sampel di atas, dimana 2 sampel diambil untuk memodifikasi nilai amplitude

noise dan 2 sampel lagi diambil untuk memodifikasi nilai fasa noise, menunjukkan bahwa
amplitudo noise dan fasa noise apabila semakin diperbesar ataupun diperkecil , ternyata
menyebabkan sinyal yang dihasilkan juga tidak berubah atau tetap. Hal ini mempengaruhi
pula pada hasil filternya, yang lolos filter juga sama dengan amplitudo noise dan fasa noise
sebelumnya. Untuk itu dapat disimpulkan bahwa apabila sinyal tersebut menggunakan low
pass filter (LPF), maka seberapapun amplitude noise dan fasa noise yang diubah nilainya
tidak akan memengaruhi hasil konvolusi filter, karena fungsi dari Low Pass Filter itu sendiri
dapat mempertahankan elemen-elemen (nilai-nilai) pada pusat matriks dan menghilangkan
nilai-nilai yang lain. Aturan yang digunakan untuk low pass filtering ini adalah semua
koefisiien filter harus positif dan jumlah semua koeefisien harus sama dengan 1. Jika jumlah
semua koefisien lebih besar dari 1, maka konvolusi menghasilkan penguatan (sharpening) dan
jka kurang dari 1 maka menghasilkan penurunan.

2. Batas Dimana Ketika Nilai Noise Diubah Hasilnya Tidak Sama

Dalam menindaklanjuti percobaan 2.2, selanjutnya akan dicari batas minimal dimana apabila
nilai noise nilainya diubah, hasilnya tidak mirip dengan noisenya

Bila amplitudo noise dari semula 0.1 diperbesar menjadi 0.34

Grafik yang pertama (atas) adalah grafik sinyal y yang mempunyai fungsi
y=sin(2*pi*t)ditambah
dengan
noise
yang
mempunyai
fungsi
nois=0.34*randn(1,tt).Bentuk dasarnya masih mirip atau sama yaitu sinusoidal.

Bila amplitudo noise dari semula 0.1 diperbesar menjadi 0.56

Grafik yang pertama (atas) adalah grafik sinyal y yang mempunyai fungsi
y=sin(2*pi*t)ditambah
dengan
noise
yang
mempunyai
fungsi
nois=0.56*randn(1,tt). Bentuk dasarnya masih mirip atau sama yaitu sinusoidal,
tetapi kalau dilihat noise dan hasilnya semakin kasar.

Bila amplitudo noise dari semula 0.1 diperbesar menjadi 1.4

Grafik yang pertama (atas) adalah grafik sinyal y yang mempunyai fungsi
y=sin(2*pi*t)ditambah
dengan
noise
yang
mempunyai
fungsi
nois=0.71*randn(1,tt).Bentuk dasarnya sudah tidak mirip lagi dan hasilnya sangat
kasar. Apabila nilai amplitude noise diganti 1.3 hasilnya nyaris mirip, sehingga nilai 1.4
adalah merupakan batas minimum di mana grafik noise tidak mirip dengan hasilnya.

Percobaan 2.3
Prosedur :
1 Double-click Matlab/scilab
2 Buka text editor matlab (icon persegi putih, sisi kiri) atau menggunakan sembarang
text editor, seperti notepad, wordpad dll.
3 Ketik command line dibawah ini (unduh file wav pada share.its.ac.id di kuliah
pemrosesan sinyal dan perhatikan letak direktori file .wav)
%Penerapanspeechsignalenhancement
[Y,Fs]=wavread(1A.wav);
Fs=16000;
%Bilainginmengetahuisuara,hilangkantanda%comment
outpercent
%sound(Y,Fs)
%untuktahapberikutnyajanganlupacommentoutline
%diatas.
derau=randn(length(Y),1);
Y_noise=Y+0.08*derau;
%Bilainginmengetahuisuara,hilangkantanda%comment
outpercent
%sound(Y_noise,Fs)
satu=ones(4,1);
Y_conv=conv(satu,Y_noise);
sound(Y_conv,Fs)
4
5

Apa yang terjadi dengan sinyal y, y_noise, y_conv ?

Coba pakai cara pemfilteran seperti pada percobaan 2.2, apakah hasilnya lebih baik ?
coba perdengarkan Y dibandingkan dengan Y_conv dengan menggunakan satu dan
percobaan 2.2 kepada 10 orang diluar yang sedang mengambil mata kuliah ini, mana

yang lebih baik; berikan skor antara 1 (sangat jelek) hingga 5 (sangat baik) untuk tiap
orang yang anda tanyai.

Hasil Praktikum 2.3 :

Note :
1. Suara dengan ekstensi .wav yang digunakan adalah lagu berGenre POP, Kelly Clarkson
Because of you.

Pada sinyal y dengan syntax :

%convolusi_1.m
clear all;
clc;
[Y,Fs]=wavread('kelly.wav');
Fs=16000;
%sound(Y,Fs)
stem(Y)
derau=randn(length(Y),1);
Y_noise=Y+0.08*derau;
sound(Y_noise,Fs)
satu = ones(4,1);
Y_conv = conv(satu, Y_noise);
sound(Y_conv, Fs)

Gambar di atas merupakan hasil percobaan dari gelombang suara kelly.wav. Pada awal
sebelum suara belum disimulasikan ketika kita mendengarkan suaranya terdengar nyaman
ditelinga, tetapi setelah syntax pada command line dijalankan suara yang dihasilkan datar
dibanding dengan suara asli pada kelly.wav. Pada suara kelly.wav, terdengar suara

bergelombang gelombang tetapi dengan diberi frekuensi sampling 16000 maka suara yang
didengar tanpa ada suara yang bergelombang.

Pada sinyal y_noise dengan syntax :

[Y,Fs]=wavread(kelly.wav);
Fs=16000;
%Bilainginmengetahuisuara,hilangkantanda%comment
outpercent
%sound(Y,Fs)
%untuktahapberikutnyajanganlupacommentoutline
%diatas.
derau=randn(length(Y),1);
Y_noise=Y+0.08*derau;
sound(Y_noise,Fs)
Suara yang dihasilkan lebih berat, seperti ada derau walaupun tidak begitu jelas kalau
pendengarannya kurang peka.

Pada sinyal y_conv dengan syntax :

[Y,Fs]=wavread(kelly.wav);
Fs=16000;
%Bilainginmengetahuisuara,hilangkantanda%comment
outpercent
%sound(Y,Fs)
%untuktahapberikutnyajanganlupacommentoutline
%diatas.
derau=randn(length(Y),1);
Y_noise=Y+0.08*derau;
%Bilainginmengetahuisuara,hilangkantanda%comment
outpercent
%sound(Y_noise,Fs)
satu=ones(4,1);
Y_conv=conv(satu,Y_noise);
sound(Y_conv,Fs)
Setelah dikonvolusikan dengan sinyal satu maka sinyal y_noise menghasilkan suara
yang dihasilkan lebih nyaring.

Dengan memakai filter pada praktikum 2.2

a. Dengan LPF
Syntax :

%Penerapan speech signal enhancement

[Y, Fs] = wavread('kelly.wav');
figure (1);
plot (Y, Fs,'linewidth',2)
Fs = 16000;
%Bila ingin mengetahui suara, hilangkan tanda %commentout percent
%sound (Y, Fs)
%untuk tahap berikutnya jangan lupa comment-out line
%diatas.
derau = randn(length(Y), 1);
Y_noise = Y + 0.08*derau;
figure (2);
plot (Y_noise,'linewidth',2)
LPF_01=fir1(16,0.2,'low')
%Bila ingin mengetahui suara, hilangkan tanda %commentout percent
%sound(Y_noise, Fs)
satu = ones(4,1);
Y_conv = conv(Y_noise,LPF_01);
sound(Y_conv, Fs)
figure (3);
plot (Y_conv,'linewidth',2)
Figure 1 :
Merupakan grafik dari suara kelly.wav yang dibuat. Tidak ada grafik yang tergambar.

Figure 2
Merupakan grafik Y_noise

Suara yang dihasilkan setelah difilter lebih berat, kalau yang sebelum difilter lebih nyaring.

Berikut merupakan penilaian dari 10 orang responden yang telah disurvey untuk
mendengarkan lagu kelly.wav yang merupakan hasil percobaan 2.2 dan percobaan 2.3 :

Orang ke
Suara
Nilai suara
Percobaan 2.3
Nilai suara
Percobaan 2.2
dengan filter

10

Berdasarkan hasil penilaian dari responden, dapat disimpilkan bahwa sebagian besar
responden mengatakan kalau suara yang telah difilter lebih enak didengar dibanding yang
tanpa filter. Karena suara yang telah diberikan filter kalau kita cermat untuk
mendengarkannya suara derau halus tidak ada dibandingkan dengan suara yang tanpa difilter.