PERCOBAAN II

PENGOLAHAN DIGITAL SINYAL WAKTU KONTINYU

2.1

Tujuan

Mempelajari hubungan dalam domain waktu antara sinyal waktu

kontinyu xa(t) dan sinyal waktu diskrit x[1] yang dibangkitkan oleh

sampling periodik xa(t)

Menginvestigasi hubungan antara frekuensi sinyal sinusoidal xa(t)

dengan perioda sampling.

Menginvestigasi hubungan

antara

Continuous

Time

Fourier

Transform (CTFT) pada sinyal waktu kontinyu band terbatas (limited)

2.2

dan Discrete Time Fourier Transform (DTFT) dari sinyal diskrit.

Mendisain filter lowpass analog.

Peralatan

Program Matlab 6.1 ke atas

2.3

Dasar Teori

2.3.1

Transformasi Sinyal
Asumsikan ga(t) adalah sinyal waktu kontinyu yang disample secara

kontinyu pada t=nT menghasilkan sekuen g[n], yaitu:

..... 2.1
Dengan T adalah perioda sampling. Kebalikannya dari T disebut dengan frekuensi
sampling (FT), yaitu 1/T. Representasi domain frekuensi dari ga(t) diperoleh dari
transformasi Fourier waktu kontinyu Ga(j), yaitu :

2.2
Dimana representasi domain frekuensi dari g[n] diperoleh dengan transformasi
Fourier Diskrit

. 2.3
Relasi antara Ga(j) dengan

, diberikan oleh :

. 2.4

. 2.5
Atau dapat dinyatakan sebagai :

. 2.6
2.3.2

Teorema Sampling
Asumsikan ga(t) adalah sinyal bandlimited dengan Ga(j) = 0 untuk || >

m. Kemudian ga(t) dihitung dengan mensamplenya pada ga(nt), n =

0,1,2,3,4,5, ...... jika,
T >m, dengan =

2
T

. 2.7

Dengan mengetahui {g[n]} = {ga(nT)}, kita dapat memulihkan ga(t) dengan

membangkitkan deret impulse gp(t), yaitu :

. 2.8
dan melewatkan gp(t) ke filter lowpass ideal Hr(j) dengan gain T dan frekuensi
cut off c > m dan c < T- m, sehingga:
. 2.9
Frekuensi tertinggi m yang terkandung dalam ga(t) disebut dengan Frekuensi
Nyquist, yang dinyatakan sebagai:
T > 2 m

2.10

dan 2 m disebut dengan Nyquist rate. Jika rate sampling lebih besar dari rate
Nyquist maka disebut dengan Oversampling, dan sebaliknya disebut dengan
Undersampling. Jika rate sampling sama dengan rate Nyquist maka disebut
dengan Critical sampling.
2.3.3

Proses Filterisasi
Response impulse hr(t) dari filter lowpass ideal secara sederhana diperoleh

dengan inverse transformasi Fourier dari response frekuensinya Hr(j), yaitu :

2.11
Maka :

... 2.12
Dan deretan impulse diperoleh dengan :

2.13
Selanjutnya, output filter lowpass ideal ( ) diketahui dengan mengkonvolusi gp(t)
dengan response impulse hr(t).

2.14
Substitusi persamaan 2.12 ke dalam persamaan 2.14 dan asumsikanc = T/2 =
/T, maka akan diperoleh :

2.15

2.3.4

Spesifikasi Filter
Spesifikasi

filter

biasanya

dinyatakan

dalam

bentuk

respon

magnituda.Sebagai contoh, magnitude |Ha(j)| dari filter low pass analog

ditunjukan pada Gambar 2.1. Dalam passband, dinyatakan dengan 0 < < p,
magnitudanya adalah :
untuk

...... 2.16

atau dengan kata lain, magnituda mendekati 1 dengan error . Dalam stopband
dinyatakan dengan s || , magnitudanya :
...... 2.17
Frekuensi p dan s masing-masing disebut dengan passband edge frequency
dan stopband edge frequency. Batas toleransi maksimum dalam passband dan
stopband

dan

disebut dengan ripples.

Gambar 2.1 Spesifikasi respon magnitude filter lowpass analog

2.4

Langkah Percobaan

2.4.1

Sampling Sinyal Sinusoidal

Percobaan ini akan menginvestigasi sampling sinyal sinusoidal waktu

diskrit xa(t) di beberapa rate sampling.

1. Buatlah script Matlab berikut dan simpan hasilnya dengan nama

P2_1
%ProgramP2_1
%Ilustrasidalamprosessamplingdomainwaktu
clf;
t=0:0.0005:1;
f=13;
xa=cos(2*pi*f*t);
subplot(2,1,1)
plot(t,xa);grid
xlabel('Time,msec');ylabel('Amplitude');
title('Continuoustimesignalx_{a}(t)');
axis([011.21.2])
subplot(2,1,2);
T=0.1;
n=0:T:1;
xs=cos(2*pi*f*n);
k=0:length(n)1;
stem(k,xs);grid
xlabel('Timeindexn');ylabel('Amplitude');
title('Discretetimesignalx[n]');
axis([0(length(n)1)1.21.2])

2. Jalankan Program P2_1 untuk menghasilkan sinyal waktu kontinyu

dan sinyal versi tersample.
3. Dari scipt diatas, berapakah frekuensi (Hz) sinyal sinusoidal dan
berapakah perioda sampling (detik).
4. Jalan program P2_1 untuk 4 (empat) nilai perioda sampling baru,
masing-masing 2 (dua) lebih rendah dan 2 (dua) lainnya lebih tinggi
dari perioda sampling di script. Amati hasilnya dan jelaskan
5. Ulangi program P2_1 dengan merubah frekuensi sinyal menjadi 3 Hz
dan 7. Amati dan jelaskan hasil yang diperoleh.

2.4.2

Pengaruh Aliasing Dalam Domain Waktu

Pada percobaan ini, kita akan membangkitkan sinyal kontinyu ekivalin

ya(t) dari sinyal diskrit yang dihasilkan oleh program P2_1 untuk menginvestigasi
hubungan antara frekuensi sinyal sinusoidal xa(t) dengan perioda sampling. Untuk
menghasilkan sinyal rekontruksi ya(t), sinyal x[n] dilewatkan melalui filter
lowpass menggunakan persamaan :

...
2.18
Langkah Percobaan :
1. Buat script Matlab dan simpan dengan nama P2_2

2.
3.

%ProgramP2_2
%Ilustrasiefekaliasingdalamdomain
clf;
T=0.1;f=13;
n=(0:T:1)';
xs=cos(2*pi*f*n);
t=linspace(0.5,1.5,500)';
ya=sinc((1/T)*t(:,ones(size(n)))
(1/T)*n(:,ones(size(t)))')*xs;
plot(n,xs,'o',t,ya);grid;
Jalan
program P2_2 untuk membangkitkan sinyal waktu diskrit x[n] dan
xlabel('Time,msec');ylabel('Amplitude');
title('Reconstructedcontinuoustimesignal
sinyal
kontinyu ekivalennya ya(t), dan menampilkannya bersama-sama.
y_{a}(t)');
Berapa range t dan nilai peningkatan waktu dalam script P2_2?. Berapa
axis([011.21.2]);

range t pada gambar/grafik yang dikeluarkan oleh simulasi?. Selanjutnya

ubahlah range t, dan jalankan kembali program P2_2. Jelaskan hasil

rekonstruksi sinyal yang dihasilkan.
4. Kembalikan range sinyal t ke kondisi semula. Selanjutnya, rubahlah
frekuensi sinyal sinusoidal menjadi 3 dan 7 Hz. Apakah terdapat
perbedaan antara sinyal diskrit ekivalen dengan yang dihasilkan pada
langkah 1. Jika tidak, jelaskan.

2.4.3

Effect of Sampling in the Frequency Domain

Percobaan ini akan meneliti hubungan antara Continuous Time Fourier

Transform (CTFT) pada sinyal waktu kontinyu band terbatas (limited) dan

Discrete Time Fourier Transform (DTFT) dari sinyal diskrit. Dalam hal untuk
mengkonversi sinyal waktu kontinyu xa(t) menjadi sinyal waktu diskrit ekivalen
x[n], diperlukan xa(t) harus band limited dalam domain frekuensi. Untuk
mengilustrasikan efek sampling dalam domain frekuensi, percobaan ini
menggunakan sinyal waktu kontinyu eksponensial dengan CTFT yang band
limited.
Langkah Percobaan :
1. Buat script Matlab dan simpan dengan nama P2_3

2.

3.
4.

%ProgramP2_3
%Ilustrasiefekaliasingdalamdomainfrekuensi
clf;
t=0:0.005:10;
xa=2*t.*exp(t);
subplot(2,2,1)
plot(t,xa);grid
xlabel('Time,msec');ylabel('Amplitude');
title('Continuoustimesignalx_{a}(t)');
subplot(2,2,2)
wa=0:10/511:10;
ha=freqs(2,[121],wa);
plot(wa/(2*pi),abs(ha));grid;
xlabel('Frequency,kHz');ylabel('Amplitude');
title('|X_{a}(j\Omega)|');
axis([05/pi02]);
subplot(2,2,3)
T=1;
n=0:T:10;
xs=2*n.*exp(n);
Jalankan
program P2_3 untuk membangkitkan dan mendisplaykan sinyal
k=0:length(n)1;
stem(k,xs);grid;
waktu
diskrit dan sinyal kontinyu ekivalennya, dan kaitan dengan
xlabel('Timeindexn');ylabel('Amplitude');
title('Discretetimesignalx[n]');
transformasi
Fourier. Apakah tampak ada efek aliasing?
subplot(2,2,4)
Ulangi
jalankan
program P2_3 dengan meningkatkan perioda sampling
wd=0:pi/255:pi;
hd=freqz(xs,1,wd);
manjadi
1.5. Apakah terjadi efek aliasing?
plot(wd/(T*pi),T*abs(hd));grid; x
t 2

Modifikasi
program P2_3 untuk kasus
(t) = e
dan ulangi
xlabel('Frequency,kHz');ylabel('Amplitude');
title('|X(e^{j\omega})|');

pertanyaan 2 dan 3.
2.4.4

Disain Filter Lowpass Analog

Tahap pertama dalam mendisain filter adalah menentukan orde filter (N)

dan frekuensi cutoff (c). Parameter ini dihitung menggunakan fungsi Matlab

buttord untuk filter Butterworth, cheb1ord untuk filter Chebyshev Tipe 1,

cheb2ord untuk tipe 2, dan ellipord untuk filter elliptic. c adalah frekuensi
cutoff 3 dB untuk filter Butterworth, passband edge untuk filter Chebyshev Type
1, stopband edge untuk filter Chebyshev Type 2, dan passband edge untuk filter
elliptic.
Langkah Percobaan :
1. Buat script Matlab dan simpan dengan nama P2_4

2.

%ProgramP2_4
%Disainfilterlowpassanalog
clf;
Fp=3500;Fs=4500;
Wp=2*pi*Fp;Ws=2*pi*Fs;
[N,Wn]=buttord(Wp,Ws,0.5,30,'s');
[b,a]=butter(N,Wn,'s');
wa=0:(3*Ws)/511:3*Ws;
h=freqs(b,a,wa);
Perhatikan
script diatas,berapakah passband ripple (Rp) dalam dB dan
plot(wa/(2*pi),20*log10(abs(h)));grid
xlabel('Frequency,Hz');ylabel('Gain,dB');
minimum
stopband attenuation (Rs) dalam dB. Berapakah frekuensi
title('Gainresponse');
passband
dan stopband edge (Hz) ?
axis([03*Fs605]);

3. Jalankan

program

P2_4

dan

perhatikan

display

grafik

yang

dihasilkan.Apakah filter yang dirancang sudah memenuhi spesifikasi ?.

Berapakah orde filter (N) dan frekuensi cutoff (Hz) dari filter yang telah
dirancang?
2.5

Gambar dan Data Hasil Percobaan

2.5.1

Sampling Sinyal Sinusoidal P2_1

a. Sampling T = 0.1

Gambar 2.2 Sampling Sinyal Sinusoidal T = 0.1

b. Sampling T = 0.08

Gambar 2.3 Sampling Sinyal Sinusoidal T = 0.08

c. Sampling T = 0.06

Gambar 2.4 Sampling Sinyal Sinusoidal T = 0.06

d. Sampling T = 0.5

Gambar 2.5 Sampling Sinyal Sinusoidal T = 0.5

e. Sampling T = 0.8

Gambar 2.6 Sampling Sinyal Sinusoidal T = 0.8

f. Sampling F = 3 Hz

Gambar 2.7 Sampling Sinyal Sinusoidal F = 3 Hz

g. Sampling F = 7 Hz

Gambar 2.8 Sampling Sinyal Sinusoidal F = 7 Hz

2.5.2

Pengaruh Aliasing Dalam Domain Waktu P2_2

a. Range T = 0.1 dan F = 13

Gambar 2.9 Pengaruh Aliasing Dalam Domain Waktu T = 0.1 dan F = 13

b. Range T = 0.2 dan F = 13

Gambar 2.10 Pengaruh Aliasing Dalam Domain Waktu T = 0.2 dan F = 13

c. Range T = 0.1 dan F = 3

Gambar 2.11 Pengaruh Aliasing Dalam Domain Waktu T = 0.1 dan F = 3

d. Range T = 0.1 dan F = 7

Gambar 2.12 Pengaruh Aliasing Dalam Domain Waktu T = 0.1 dan F = 7

2.5.3

Effect of Sampling in the Frequency Domain P2_3

a. Sampling T = 1.0

Gambar 2.13 Effect of Sampling in the Frequency Domain T = 1.0

b. Sampling T = 1.5

Gambar 2.14 Effect of Sampling in the Frequency Domain T = 1.5

t 2

c. Sampling xa(t) = e

dengan T=1.0

Gambar 2.15 Effect of Sampling in the Frequency Domain xa(t) =

t 2
d. Sampling xa(t) = e
dengan T=1.5

et 2 T = 1.0

Gambar 2.16 Effect of Sampling in the Frequency Domain xa(t) =

2.5.4

Disain Filter Lowpass Analog P2_4

Gambar 2.17 Disain Filter Lowpass Analog

t 2

T = 1.5

2.6 Analisa Data

2.6.1 Sampling Sinyal Sinusoidal P2_1
Proses sampling dilakukan dengan mensampling sinyal analog dalam
periode waktu tertentu disebut dengan periode pencacahan ( Ts). Kebalikan dari
periode pencacahan adalah frekuensi sampling (Fs) yaitu

Fs=

1
Ts

. Semakin

tinggi frekuensi sampling, atau semakin kecil periode sampling maka sinyal hasil
sampling akan semakin menyerupai sinyal analog asli. Sinyal hasil sampling
sering kali disebut juga istilah pulse amplitude modulation (PAM). Namun,
semakin tinggi frekuensi sampling membawa konsekuensi pada harga keseluruhan
pada proses pencacahan semakin tinggi sebaliknya, menggunakan frekuensi
sampling rendah akan menurunkan harga proses pencacahan tetapi mengandung
konseskuensi pada represensitasi sinyal PAM yang kurang dapat mewakili sinyal
analog asli. Karena itu secara natural akan muncul pertanyaan, berapa frekuensi
terendah yang dapat digunakan agar hasil pengkodean digital nantinya dapat
dikendalikan ke bentuk dari sinyal analog. Hal tersebut sesuai dengan Teorema
Nyiquist yang berbunyi sebagai berikut Frekuensi sampling harus minimal 2 kali
frekuensi tertinggi(bukan bandwidth) yang dikandung oleh sinyal asli.
a. Sampling T = 0,1

Gambar 2.17 Sampling Sinyal Sinusoidal T=0,1

Pada hasil percobaan di atas dengan periode T = 0,1 Sehingga apabila

dilakukan perhitungan matematis akan dperoleh hasil sebagai berikut :

Fs=

1
Ts

1
0,1

Fs=10 Hz
Sehingga, sesuai dengan teori semakin tinggi frekuensi sampling, atau
semakin kecil periode sampling maka sinyal hasil sampling akan semakin
menyerupai sinyal analog asli. Data diatas menunjukan Frekuensi sampling (Fs)
sebesar 10 Hz. Hasil Fs itu belum terlalu tinggi sehingga hasil sampling dari
sinyal tersebut belum menyerupai sinyal analognya.
b. Sampling T = 0,08

Gambar 2.18 Sampling Sinyal Sinusiodal T = 0,08

Pada hasil percobaan di atas dengan periode T = 0,08 Sehingga

apabila dilakukan perhitungan matematis akan dperoleh hasil sebagai berikut :
Fs=

1
Ts

1
0,08

100
8

Fs=12,5 Hz
Sehingga, sesuai dengan teori semakin tinggi frekuensi sampling, atau
semakin kecil periode sampling maka sinyal hasil sampling akan semakin
menyerupai sinyal analog asli. Data diatas menunjukan Frekuensi sampling (Fs)
sebesar 12,5 Hz. Hasil Fs itu sudah terlalu tinggi sehingga hasil sampling dari
sinyal tersebut hampir menyerupai sinyal analognya.
c. Sampling T = 0,06

Gambar 2.19 Sampling Sinyal Sinusiodal T = 0,06

Pada hasil percobaan di atas dengan periode T = 0,06 Sehingga

apabila dilakukan perhitungan matematis akan dperoleh hasil sebagai berikut :
Fs=

1
Ts

1
0,06

100
6

Fs=16,67 Hz

Sehingga, sesuai dengan teori semakin tinggi frekuensi sampling, atau

semakin kecil periode sampling maka sinyal hasil sampling akan semakin
menyerupai sinyal analog asli. Data diatas menunjukan Frekuensi sampling (Fs)
sebesar 16,67 Hz. Hasil Fs itu sudah terlalu tinggi sehingga hasil sampling dari
sinyal tersebut hampir menyerupai sinyal analognya.
d. Sampling T= 0,5

Gambar 2.20 Sampling Sinyal Sinusiodal T = 0,5

Pada hasil percobaan di atas dengan periode T = 0,5 Sehingga apabila

dilakukan perhitungan matematis akan dperoleh hasil sebagai berikut :
Fs=

1
Ts

1
0,5

10
5

Fs=2 Hz
Sehingga, sesuai dengan teori semakin tinggi frekuensi sampling, atau
semakin kecil periode sampling maka sinyal hasil sampling akan semakin

menyerupai sinyal analog asli. Data diatas menunjukan Frekuensi sampling (Fs)
sebesar 2 Hz. Hasil Fs itu kecil sehingga hasil sampling dari sinyal tersebut belum
menyerupai sinyal analognya.

e. Sampling T = 0,8

Gambar 2.20 Sampling Sinyal Sinusiodal T = 0,8

Pada hasil percobaan di atas dengan periode T = 0,5 Sehingga apabila

dilakukan perhitungan matematis akan dperoleh hasil sebagai berikut :
Fs=

1
Ts

1
0,8

10
8

Fs=1,25 Hz
Sehingga, sesuai dengan teori semakin tinggi frekuensi sampling, atau
semakin kecil periode sampling maka sinyal hasil sampling akan semakin

menyerupai sinyal analog asli. Data diatas menunjukan Frekuensi sampling (Fs)
sebesar 1,25 Hz. Hasil Fs itu kecil sehingga hasil sampling dari sinyal tersebut
belum menyerupai sinyal analognya.

f. Sampling F = 3 Hz

Gambar 2.21 Sampling Sinyal Sinusiodal F = 3 Hz

Pada hasil percobaan di atas dengan frekuensi F = 3 Hz Sehingga

apabila dilakukan perhitungan matematis akan dperoleh hasil sebagai berikut :
Ts=

1
Fs

1
3

Ts=0,33
Sehingga, sesuai dengan teori semakin tinggi frekuensi sampling, atau
semakin kecil periode sampling maka sinyal hasil sampling akan semakin
menyerupai sinyal analog asli. Data diatas menunjukan Periode sampling (Ts)

sebesar 0,33. Hasil Ts itu cukup besar sehingga hasil sampling dari sinyal tersebut
belum menyerupai sinyal analognya.

g. Sampling F = 7 Hz

Gambar 2.22 Sampling Sinyal Sinusiodal F = 7 Hz

Pada hasil percobaan di atas dengan frekuensi F = 7 Hz Sehingga

apabila dilakukan perhitungan matematis akan dperoleh hasil sebagai berikut :
Ts=

1
Fs

1
7

Ts=0,14

Sehingga, sesuai dengan teori semakin tinggi frekuensi sampling, atau

semakin kecil periode sampling maka sinyal hasil sampling akan semakin
menyerupai sinyal analog asli. Data diatas menunjukan Periode sampling (Ts)
sebesar 0,14. Hasil Ts itu cukup kecil sehingga hasil sampling dari sinyal tersebut
hampir menyerupai sinyal analognya.
2.6.2

Pengaruh Aliasing Dalam Domain Waktu P2_2

Aliasing adalah fenomena bergesernya frekuensi tinggi gelombang

seismik menjadi lebih rendah yang diakibatkan pemilihan interval sampling yang
terlalu besar (kasar). Aliasing dapat menghasilkan efek dipping yang semu. Secara
spasial aliasing dapat menyisakan artifact (noise) setelah proses migrasi atau
dikenal migration artifact. Efek aliasing terjadi karena frekuensi sinyal
maksimum Fmax lebih besar dari

1
2

frekuensi sampel (Fs). Untuk menghindari

efek aliasing maka frekuensi sampel Fs harus dua kali lebih besar daripada
frekuensi sinyal maksimum Fmax. Apabila aliasing terjadi maka tidak dapat
mengetahui frekuensi sinyal yang sebenarnya. (Frekuensi aliasing = frekuensi
pencuplikan frekuensi sinyal ).
a. Range T = 0,1 & F = 13

Gambar 2.23 Pengaruh Aliasing Dalam Domain Range T=0,1 dan F =13

Dalam Keadaan diatas diketahui T = 0,1 dan F= 13 sehingga akan

terjadi perubahan/pergeseran amplitudo saat perubahan waktu sebesar 0,1.
Misalnya 0,1 detik pertama akan membuat amplitudo bergeser dari 1 volt menjadi
-0,3 volt. Perubahan tersebut juga terjadi lagi saat waktu berjalan menjadi 0,2 dan
membuat amplitudo sebesar 0,8 volt begitu seterusnya sesuai perubahan waktu
dan pola akan tetap sama.

b. Range T= 0,2 dan F= 13

Gambar 2.24 Pengaruh Aliasing Dalam Domain Range T=0,2 dan F =13

Dalam Keadaan diatas diketahui T = 0,2 dan F= 13 sehingga akan

terjadi perubahan/pergeseran amplitudo saat perubahan waktu sebesar 0,2.
Misalnya 0,2 detik pertama akan membuat amplitudo bergeser dari 1 volt menjadi
-0,8 volt. Perubahan tersebut juga terjadi lagi saat waktu berjalan menjadi 0,2 dan
membuat amplitudo sebesar 0,4 volt begitu seterusnya sesuai perubahan waktu
dan pola akan tetap sama.
c. Perbandingan Antara T yang Sama dengan F yang Berbeda

(i)

(ii)

(iii)

Keterangan :
(i) : Range T = 0,1 dan F =13
(ii) : Range T = 0,1 dan F = 3
(iii)

: Range T = 0,1 dan F = 7

Dari ketiga data yang diperoleh dengan range periode yang sama

sebesar 0,1 dan frekuensi yang berbeda beda. Mempunyai hasil penggambaran
sinyal yang sangat indentik atau sama tanpa adanya perbedaaan.Sehingga apabila
kita mengacu pada rumus
Frekuensi Aliasing = Frekuensi Sampling Frekuensi Sinyal
Anggap saja F = 13 merupakan frekuensi sinyal dan Fs = 16 maka sehingga
apabila dimasukan rumus tersebut akan diperoleh hasil sebagai berikut :
Frekuensi Aliasing = Frekuensi Sampling Frekuensi Sinyal
= 16 13
Frekuensi Aliasing

=3

Dari hal tersebut diperoleh kesimpulan yaitu sinyal yang memiliki Fs= 15 akan
mempunyai kembaran sinyal yang memiliki sinyal aliasing sebesar 3.
2.6.3

Effect of Sampling in the Frequency Domain P2_3

Proses ini mengubah representasi sinyal yang tadinya berupa sinyal

kontinyu menjadi sinyal diskrit. Dapat juga diibaratkan sebagai sebuah saklar
on/off yang membuka dan menutup setiap periode tertentu. Proses sampling
dilakukan dengan mensampling sinyal analog dalam periode waktu tertentu
disebut dengan periode pencacahan ( Ts). Kebalikan dari periode pencacahan
adalah frekuensi sampling (Fs) yaitu

Fs=

1
Ts

. Semakin tinggi frekuensi

sampling, atau semakin kecil periode sampling maka sinyal hasil sampling akan
semakin menyerupai sinyal analog asli. Sinyal hasil sampling sering kali disebut
juga istilah pulse amplitude modulation (PAM). Namun, semakin tinggi frekuensi
sampling membawa konsekuensi pada harga keseluruhan pada proses pencacahan
semakin tinggi sebaliknya, menggunakan frekuensi sampling rendah akan
menurunkan harga proses pencacahan tetapi mengandung konseskuensi pada
represensitasi sinyal PAM yang kurang dapat mewakili sinyal analog asli. Karena
itu secara natural akan muncul pertanyaan, berapa frekuensi terendah yang dapat
digunakan agar hasil pengkodean digital nantinya dapat dikendalikan ke bentuk
dari sinyal analog. Hal tersebut sesuai dengan Teorema Nyiquist yang berbunyi
sebagai berikut Frekuensi sampling harus minimal 2 kali frekuensi
tertinggi(bukan bandwidth) yang dikandung oleh sinyal asli.
a. Sampling T= 1,0

Gambar 2.25 Effect of Sampling in the Frequency Domain T=1,0

Pada hasil percobaan di atas dengan periode T = 1,0 Sehingga apabila dilakukan
perhitungan matematis akan dperoleh hasil sebagai berikut :
Fs=

1
Ts

1
1

Fs=1 Hz

(i)

(ii)

Keterangan :
(i) : Sinyal Asli
(ii): Sinyal Hasil Sampling
Data diatas menunjukan sampling antara sinyal asli menjadi sinyal sampling
dengan T= 1,0

(iii)

(iv)

Keterangan :
(iii)
Diskrit

: Perubahan dari Sinyal Waktu Kontinyu menjadi Sinyal Waktu

(iv)

: Perubahan dari Sinyal Waktu Diskrit menjadi Sinyal Waktu

Kontinyu
Dari data di atas diperoleh hasil yaitu proses perubahan sinyal akibat adanya
variable frekuensi. Di mana Fs = 1,0 sesuai dengan proses perhitungan di atas.

Gambar 2.26 Pengaruh Variable Frekuensi

b. Sampling T= 1,5

Gambar 2.27 Effect of Sampling in the Frequency Domain T=1,5

Pada hasil percobaan di atas dengan periode T = 1,5 Sehingga apabila dilakukan
perhitungan matematis akan dperoleh hasil sebagai berikut :
Fs=

1
Ts

1
1,5

F s=0.67 Hz

(i)

(ii)

Keterangan :
(i) : Sinyal Asli
(ii): Sinyal Hasil Sampling
Data diatas menunjukan sampling antara sinyal asli menjadi sinyal sampling
dengan T= 1,5

(iii)

(iv)

Keterangan :
(iii)

: Perubahan dari Sinyal Waktu Kontinyu menjadi Sinyal Waktu

(iv)

: Perubahan dari Sinyal Waktu Diskrit menjadi Sinyal Waktu

Diskrit
Kontinyu
Dari data di atas diperoleh hasil yaitu proses perubahan sinyal akibat adanya
variable frekuensi. Di mana Fs = 0.67 sesuai dengan proses perhitungan di atas.

Gambar 2.28 Pengaruh Variable Frekuensi

t 2
c. Sampling xa(t) = e
dengan T=1.0

Gambar 2.29 Effect of Sampling in the Frequency Domain xa(t) =

et 2 dengan T=1.0

Pada hasil percobaan di atas dengan periode T = 1,0 dan xa(t) =

t 2

Sehingga apabila dilakukan perhitungan matematis akan dperoleh hasil

sebagai berikut :
Fs=

1
Ts

1
1

F s=1 Hz
Dalam hal ini akan dibandingkan antara Effect of Sampling in the Frequency

T=1.0 dan Effect of Sampling in the Frequency Domain xa(t) =

et 2

dengan

T=1.0.
Gambar 2.30 Perbandingan Effect of Sampling in the Frequency T=1.0 dan Effect of
Sampling in the Frequency Domain xa(t) =

t 2

dengan T=1.0.

Dari data di atas hanya diperoleh perubahan yang terjadi pada hasil
sinyal asli disebabkan karena adanya nilai xa(t) =

et 2 . Sedangkan, untuk data

hasil sampling dan data Perubahan dari Sinyal Waktu Kontinyu menjadi Sinyal
Waktu Diskrit atau sebaliknya diperoleh hasil yang sama karena nilai T yang
tetap.

t 2
d. sampling xa(t) = e
dengan T=1.5

Gambar 2.31 Effect of Sampling in the frecuency Domain xa(t)

et 2 T=1.5

Pada hasil percobaan di atas dengan periode T = 1,5 dan xa(t) =

et 2

Sehingga apabila dilakukan perhitungan matematis akan dperoleh hasil

sebagai berikut :
Fs=

1
Ts

1
1,5

F s=0,67 Hz
Dalam hal ini akan dibandingkan antara Effect of Sampling in the Frequency
T=1.5 dan Effect of Sampling in the Frequency Domain xa(t) =
T=1.5.

et 2

dengan

Gambar 2.32 Perbandingan Effect of Sampling in the Frequency T=1.5 dan Effect of

et 2 dengan T=1.5.

Sampling in the Frequency Domain xa(t) =

Dari data di atas hanya diperoleh perubahan yang terjadi pada hasil
sinyal asli disebabkan karena adanya nilai xa(t) =

t 2

. Sedangkan, untuk data

hasil sampling dan data Perubahan dari Sinyal Waktu Kontinyu menjadi Sinyal
Waktu Diskrit atau sebaliknya diperoleh hasil yang sama karena nilai T yang
tetap.
2.6.4 Disain Filter Lowpass Analog P2_4
Filter adalah adalah sebuah rangkaian yang dirancang agar melewatkan
suatu pitra frekuensi tertentu seraya memperlemah semua isyarat di luar pita ini.
Pengertian lain dari filter adalah rangkaian pemilih frekuensi agar dapat
melewatkan frekuensi yang diinginkan dan menahan (couple) atau membuang (by
pass) frekuensi lainnya, Komponen sirkit hanya terdiri dari elemen lumped (R, L,
C) atau elementer distribusi (pandugel atau microstrip, atau medium lain) atau
keduanya. Filter Low Pass (LPF) adalah sebuah rangkaian yang tegangan
keluarannya tetap dari dc naik sampai ke suatu frekuensi cut-off fc. Bersama
naiknya frekuensi di atas fc, tegangan keluarannya diperlemah (turun). Low Pass
Filter adalah jenis filter yang melewatkan frekuensi rendah serta meredam atau
menahan frekuensi tinggi.
Gambar 2.33 Disain Filter Lowpass Analog

Filter ini memiliki orde N, (N Integer) dan jika N semakin besar maka
respon filter mendekati respon filter ideal. Orde filter ini ditentukan oleh jumlah
komponen penyimpan energi. Dari hasil di atas Cuma terdapat N=1 karena hanya
terdapat 1 hasil percobaan yang sudah mendekati hasil respon filter ideal. Di mana
perhitungannya ialah :

=1
c

Keterangan :
: Frekuensi redaman yang diinginkan
c : Frekuensi cutt of 10 dB
| HN(J)|2=

1
1+10

1N

=-10Nlog(10)

dB = -10 dB/dec

Jadi setelah frekuensi cut off-nya, filter Butterworth ini memiliki respon meredam
mendekati 10N dB/ dekade.

2.7 Kesimpulan
Semakin tinggi frekuensi sampling, atau semakin kecil periode sampling

maka sinyal hasil sampling akan semakin menyerupai sinyal analog asli.
Dengan range periode yang sama sebesar dan frekuensi yang berbeda
beda. Mempunyai hasil penggambaran sinyal yang sangat indentik atau

sama tanpa adanya perbedaaan.Sehingga apabila kita mengacu pada rumus

Effect of Sampling in the Frequency Domain mengakibatkan perubahan
yang terjadi pada hasil sinyal asli disebabkan karena adanya nilai xa(t) =
t 2

. Sedangkan, untuk data hasil sampling dan data Perubahan dari

Sinyal Waktu Kontinyu menjadi Sinyal Waktu Diskrit atau sebaliknya

diperoleh hasil yang sama karena nilai T yang tetap.

Filter Lowpass Analog ini memiliki orde N, (N Integer) dan jika N
semakin besar maka respon filter mendekati respon filter ideal. Orde filter
ini ditentukan oleh jumlah komponen penyimpan energi.