Bab 3 Fourier Series Untuk Sinyal Periodik

Tujuan Pembelajaran Tujuan dari bab ini adalah membekali peserta dengan
pengetahuan dan kemampuan untuk menghitung deret Fo-
Peserta dapat memahami representasi deret Fourier dari urier dari sinyal periodik. Rencana belajar diperlihatkan
sinyal periodik dan menggunakannya untuk analisis sistem. pada Tabel 1.
1. Peserta dapat memahami model deret Fourier dari
sinyal periodik 2 Eigenfunctions: Respon sistem LTI pada
sinyal kompleks eksponensial
(a) Peserta memahami konsep fungsi eigen dalam
bentuk sinyal eksponensial kompleks. 2.1 Konsep eigenfunction dan eigenvalue

(b) Peserta dapat mendenisikan deret Fourier dan Mempelajari sistem LTI dengan mepresentasikan sinyal se-
menerapkannya untuk merepresentasikan sinyal bagai kombinasi linear dari sinyal dasar memberikan banyak
periodik CT dan DT kemudahan. Sinyal dasar yang digunakan memiliki dua si-
(c) Peserta memahami sinyal periodik sebagai kom- fat berikut:
binasi linear dari ekponensial kompleks yang ter-
1. Kumpulan sinyal dasar dapat digunakan untuk mem-
hubung secara harmonik.
bentuk kelas sinyal yang beragam dan berguna.
(d) Peserta mengetahui berbagai sifat deret Fourier
dan menerapkannya untuk menentukan deret 2. Respon dari sebuah sistem LTI dari setiap sinyal harus
Fourier suatu sinyal berdasarkan sifat-sifatnya. memiliki struktur yang cukup sederhana untuk membe-
rikan kepada kita, kemudahan representasi untuk res-
(e) Peserta memahami konsep kandungan frekuensi pon sistem terhadap sinyal apapun yang dibentuk dari
dari sinyal periodik kombinasi linear dari sinyal dasar.
2. Peserta dapat menerapkan deret Fourier untuk menen- Hasil analisis Fourier dengan dua sifat tersebut diberikan
tukan respons sinyal periodik pada sistem LTI (DT dengan kumpulan sinyal kompleks eksponensial waktu kon-
maupun CT) tinu dan waktu diskrit. Sinyal dalam bentuk est untuk sinyal
waktu kontinu. Sinyal dalam bentuk z n untuk sinyal waktu
(a) Peserta dapat menggunakan sistem LTI sebagai diskrit. Dalam hal ini s dan z adalah bilangan kompleks.
lter Pentingnya sinyal kompleks eksponensial dalam pemba-
(b) Peserta mengenali contoh-contoh lter yang diwu- hasan sistem LTI berasal dari fakt bahwa respon dari sebu-
judkan dengan LCCDE ah sistem LTI terhadap sinyal input kompleks eksponensial
adalah sinyal kompleks eksponensial yang sama dengan ha-
nya perubahan pada amplituda; yaitu,
1 Pendahuluan waktu kontinu: e H(s)est , (1)
Pada bab ini akan dibahas alternatif representasi sinyal per-
iodik menggunakan sinyal kompleks eksponensial. Hasil waktu diskrit: z n H(z)z n , (2)
representasi ini dikenal sebagai deret Fourier waktu konti-
di mana faktor amplituda kompleks H(s) dan H(z) se-
nu dan deret Fourier waktu diskrit. Representasi ini dapat
cara umum adalah fungsi dari variabel kompleks s atau z .
digunakan untuk membentuk berbagai bentuk sinyal yang
Sebuah sinyal yang menyebabkan output dari sistem kon-
berguna.
stanta (biasanya bilangan kompleks) dari input disebut se-
Karena sifat superposisi, respon dari sistem LTI terhadap bagai fungsi eigen (eigenfunction) dari sistem, dan faktor
input yang terdiri dari kombinasi linear dari sinyal dasar amplituda disebut sebagai nilai eigen (eigenvalue) dari sis-
adalah kombinasi linear yang sama dari respon individual tem.
terhadap setiap sinyal dasar tersebut. Respon sistem LTI
terhadap sebuah sinyal kompleks eksponensial juga memi-
liki bentuk yang sederhana, yang memberikan kita repre- 2.2 Sinyal kompleks eksponensial adalah
sentasi sistem LTI yang mudah dan dengan cara yang lain eigenfunction dari sistem LTI CT
untuk melakukan analisa sistem dan menambah wawasan
terhadap sifat deret Fourier. Untuk menunjukkan bahwa sinyal kompleks eksponensial
adalah eigenfunction dari sistem LTI waktu kontinu, li-
2012 Armein Z R Langi, STEI ITB. v 12.05 alpha hatlah sistem LTI waktu kontinu dengan respon impuls

1
2 Eigenfunctions: Respon sistem LTI pada sinyal kompleks eksponensial 2

h(t). Untuk input x(t), kita dapat menentukan output

dengan menggunakan integral konvolusi, sehingga dengan
x(t) = est
Tab. 1: Rencana Belajar

Sub Sesi Materi Tujuan  +  +

3.1 Eigenfunctions: Respon sistem y(t) = h( )x(t )d = h( )es(t ) d (3)

LTI pada sinyal kompleks

eksponensial Dengan mengekspresikan es(t ) sebagai est es , dan da-

1 Konsep eigenfunction dan 1.a pat kita lihat est dapat dikeluarkan dari integral, maka per-
eigenvalue samaan (3) akan menjadi
2 Sinyal kompleks eksponensial 1.a
adalah eigenfunction dari sistem  +

LTI CT y(t) = est h( )es d (4)

3 Sinyal kompleks eksponensial 1.a
adalah eigenfunction dari sistem Asumsikan bahwa integral pada sisi kanan dari persama-
LTI DT an (4) konvergen, maka respon terhadap est memiliki bentuk
4 Kombinasi linear sinyal 1.a
kompleks eksponensial y(t) = H(s)est (5)
3.2 Representasi Deret Fourier pada
dengan H(s)adalah konstanta kompleks yang nilainya
sinyal CT
bergantung pada s dan memiliki hubungan dengan respon
1 Kombinasi linear dari sinyal 1.b, c impuls sistem, yaitu
kompleks eksponensial
terhubung harmonik  +
2 Menentukan representasi deret 1.b, H(s) = h( )es d (6)
Fourier pada sinyal periodik CT c, e

3 Kasus: Menghitung deret 1.b Dari sini kita dapat melihat bahwa kompleks eksponensial
Fourier dari sinyal kotak adalah eigenfunction dari sistem LTI waktu kontinu. Kon-
4 Konnvergensi deret Fourier 1.b stanta H(s) untuk sebuah nilai spesik s adalah eigenvalue
3.3 Sifat-Sifat Deret Fourier CT yang berasosiasi dengan eigenfunction est .
1 Linearitas, Time Shifting, Time 1.d
Reversal 2.3 Sinyal kompleks eksponensial adalah
2 Time Scaling, Multiplication, 1.d
eigenfunction dari sistem LTI DT
Konjugasi dan Simetri Konjugat
3 Relasi Parseval untuk Sinyal 1.d Dengan cara yang sama kita dapat melihat bahwa barisan
Periodik Waktu kontinu kompleks eksponensial adalah eigenfunction dari sistem LTI
4 Contoh Soal 1.d waktu kontinus. Lihatlah sistem LTI waktu diskrit dengan
3.4 Deret Fourier untuk sinyal DT respon impuls h[n]. Untuk input x[n] = z n ,
dan sifat-sifatnya
1 Kombinasi linear dari sinyal 1.b, c + +
(7)
X X
kompleks eksponensial y[n] = h[k]x[n k] = h[k]z nk
terhubung harmonik k= k=

2 Menentukan representasi deret 1.b, Dengan mengekspresikan z nk sebagai z n z k , dan dapat

Fourier pada sinyal periodik DT c, e kita lihat z n dapat dikeluarkan dari integral, maka persama-
3 Sifat Deret Fourier DT 1.d an (7) akan menjadi
4 Contoh Soal 1.d
3.5 Sistem LTI dan Filter +
(8)
X
1 Sistem LTI dan Respon 1.e, y[n] = z n h[k]z k
Frekuensi 2a k=

2 Contoh Soal Sistem LTI 2.a Asumsikan bahwa penjumlahan pada sisi kanan dari per-
3 Filter Frekuensi Shaping 2.a samaan (8) konvergen, maka respon terhadap z n memiliki
4 Filter Selektif Frekuensi 2.a bentuk
3.6 Contoh Filter CT dan DT
LCCDE untuk sinyal periodik y[n] = H(z)z n (9)
1 Filter RC Lowpass CT 2.b
2 Filter RC Highpass CT 2.b dengan H(s)adalah konstanta kompleks yang nilainya
3 Filter DT rekursif orde 1 2.b bergantung pada s dan memiliki hubungan dengan respon
4 Filter DT non-rekursif 2.b impuls sistem, yaitu
+
(10)
X
H(z) = h[k]z k
k=
3 Representasi Deret Fourier pada sinyal CT 3

Dari sini kita dapat melihat bahwa kompleks eksponensial 3 Representasi Deret Fourier pada sinyal CT
adalah eigenfunction dari sistem LTI waktu diskrit. Kon-
stanta H(z) untuk sebuah nilai spesik z adalah eigenvalue 3.1 Kombinasi linear dari sinyal kompleks
yang berasosiasi dengan eigenfunction z n . eksponensial terhubung harmonik

2.4 Kombinasi linear sinyal kompleks

Sebuah sinyal dikatakan periodik jika, untuk terdapat nilai
positif T ,
eksponensial

Untuk analisis sistem LTI, kegunaan dari dekomposisi si- x(t) = x(t + T ) untuk semua t (17)
nyal umum ke dalam eigenfunction dapat dari sebuah con-
toh. Misalkan x(t) berkorespondensi kepada kombinasi li- Periode fundamental dari x(t) adalah nilai positif mini-
near dari tiga buah sinyal kompleks eksponensial, yaitu, mum tidak nol dari T sehingga persamaan (17) dipenuhi,
dan nilai 0 = 2/T didenisikan sebagai frekuensi funda-
x(t) = a1 es1 t + a2 es2 t + a3 es3 t (11) mental dari sinyal x(t).
Kita telah mempelajari dua sinyal dasar periodik, sinyal
Dari sifat eigenfunction, respon masing-masing kompo- sinusoidal
nen adalah
x(t) = cos 0 t (18)
aes1 t a1 H(s1 )es1 t ,
dan sinyal periodik kompleks eksponensial
a2 es2 t a2 H(s2 )es2 t ,
a3 es3 t a3 H(s3 )es3 t , x(t) = ej0 t . (19)
dan dari sifat superposisi, respon terhadap input x(t)
adalah penjumlahan dari respon masing-masing komponen, Kedua sinyal ini periodik dengan frekuensi fundamental
sehingga 0 dan periode fundamental T = 2/0 . Terdapat kumpul-
an sinyal kompleks eksponensial yang terhubung harmonik
dengan sinyal pada persamaan (19) yaitu
y(t) = a1 H(s1 )es1 t + a2 H(s2 )es2 t + a3 H(s3 )es3 t (12)
Secara umum, pada waktu kontinu, persamaan (5), de-
ngan sifat superposisi, mengimplikasikan bahwa representa- k (t) = ejk0 t = ejk(2/T )t , k = 0, 1, 2, . . . . (20)
si sinyal sebagai kombinasi linear dari sinyal kompleks eks-
ponensial memberikan kemudahan untuk memperoleh eksp- Tiap sinyal ini memiliki sebuah frekuensi fundamental
resi dari respon dari sebuah sistem LTI. Secara spesik, bi- yang merupakan kelipatan dari 0 , dan oleh sebab itu,
la input terhadap seubah sistem LTI waktu kontinu direp- masing-masing periodik dengan periode T (walaupun untuk
resentasikan sebagai kombinasi linear dari sinyal kompleks |k| > 2, periode fundamental dari k (t) adalah pecahan da-
eksponensial, yaitu, jika ri T ). Maka, seubah kombinasi linear dari sinyal kompleks
eksponensial yang terhubung harmonik dengan bentuk
(13)
X
x(t) = ak esk t , + +
(21)
X X
k
x(t) = ak ejk0 t = ak ejk(2/T )t
maka akan diperoleh output k= k=

(14) juga periodik dengan periode T . Pada persamaan (21)

X
y(t) = ak H(sk )esk t .
k term untuk k = 0 adalah sebuah konstanta. Term untuk
Dengan analogi yang sama, jika input terhadap sistem k = +1 dan k = 1, keduanya memiliki frekuensi funda-
LTI waktu diskrit direpresentasikan sebagai kombinasi line- mental 0 dan secara kolektif didenisikan sebagai kompo-
ar dari sinyal eksponensial yaitu, jika nen fundamental atau komponen harmonik pertama. Dua
term untuk k = +2 dan k = 2, adalah periodik dengan
(15) setengah periode fundamental (atau ekuivalen, mempunyai
X
x[n] = ak zkn ,
k frekuensi dua kali lebih besar) dari komponen fundamen-
maka akan diperoleh output tal dan didenisikan sebagai komponen harmonik kedua.
Secara umum, komponen untuk k = +N dan k = N di-
(16) denisikan sebagai komponen harmonik ke-N.
X
y[n] = ak H(zk )zkn .
k Representasi dari sinyal periodik dengan bentuk pada
Dengan perkataan lain, untuk waktu kontinu dan waktu persamaan (21) didenisikan sebagai representasi deret Fo-
diskrit, jika input terhadap sebuah sistem LTI direpresenta- urier.
sikan dengan kombinasi linear dari sinyal kompleks ekspo- Misalkan sebuah sinyal periodik x(t), dengan frekuensi
nensial, maka output juga dapat direpresentasikan sebagai fundamental 2 , diekspresikan dengan bentuk
kombinasi linear dari sinyal kompleks eksponensial yang sa-
ma. Setiap koesien pada representasi dari output diperoleh +3
(22)
X
x(t) = ak ejk2t ,
dengan perkalian koesien ak dari input dan eigenvalue dari
sistem H(sk ) atau H(zk ) yang berasosiasi dengan eigenfun- k=3

ction esk t atau zkn . dengan

3 Representasi Deret Fourier pada sinyal CT 4

ak = Ak ejk ,
a0 = 1
a1 = a1 = 1 maka persamaan (26) menjadi
4
1
a2 = a2 = 2 X n o
1 x(t) = a0 + 2 Re Ak ej(k0 t+k ) .
a3 = a3 = 3 k=1

dengan menulis ulang persamaan (22) dan mengumpulk- Dapat juga ditulis menjadi
an setiap dari komponen harmonik yang memiliki frekuensi
fundamental yang sama, kita akan memperoleh
(27)
X
x(t) = a0 + 2 Ak cos(k0 t + k ).
k=1

x(t) = 1 + 14 (ej2t + ej2t ) + 12 (ej4t + ej4t ) (23)

Persamaan (27) adalah satu bentuk dasar yang ditemui
+ 13 (ej6t
+e ). j6t untuk deret Fourier untuk sinyal real periodik waktu konti-
nu. Bentuk lain diperoleh dengan menulis ak dalam bentuk
Dengan menggunakan relasi Euler, kita dapat menuliskan rectangular sebagai
x(t) dalam bentuk
ak = Bk + jCk ,
1 2
x(t) = 1 + cos 2t + cos 4t + cos 6t. (24)
dengan nilai Bk dan Ck keduanya bernilai real. Dengan
2 3
Persamaan (24) adalah contoh dari bentuk alternatif da- ekspresi ini maka persamaan (26) akan mempunyai bentuk
ri deret Fourier untuk sinyal periodik real. Secara spesik,
misalkan x(t) adalah bernilai real dan dapat direpresenta-
sikan dalam bentuk persamaan (21). Karena x (t) = x(t), (28)
X
x(t) = a0 + 2 [Bk cos k0 t Ck sin k0 t] .
maka kita memperoleh k=1

+ Maka untuk fungsi periodik real, deret Fourier dalam

term kompleks eksponensial seperti ditunjukkan pada per-
X
x(t) = ak ejk0 t .
k= samaan (21), secara matematik ekuivalen dengan dua ben-
Dengan mengganti k dengan k pada penjumlahan, kita tuk baik pada persamaan (27) dan (28) dengan menggu-
mendapatkan nakan fungsi trigonometri. Namun bentuk persamaan (21)
memberikan kemudahan untuk analisa kita, maka kita akan
+
X lebih sering menggunakannya.
x(t) = ak ejk0 t ,
k=
3.2 Menentukan representasi deret Fourier
maka bila dibandingkan dengan persamaan (21), maka pada sinyal periodik CT
haruslah ak = ak , atau ekivalen juga dengan
Asumsikan bahwa sebuah sinyal periodik dapat direpresen-
ak = ak . (25) tasikan dengan deret dari persamaan
Kita lihat bahwa pada contoh sebelumnya adalah kasus + +
(29)
X X
jk0 t
di mana ak adalah bernilai real dan ak = ak . x(t) = ak e = ak ejk(2/T )t ,
Untuk menurunkan bentuk alternatif dari deret Fourier, k= k=

kita harus menyusun penjumlahan dalam persamaan (21) kita memerlukan sebuah prosedur untuk menentukan ko-
menjadi esien ak . Mengalikan kedua sisi dari persamaan (29) de-

ngan ejn0 t , kita memperoleh
X
ak ejk0 t + ak ejk0 t

x(t) = a0 + +
X
k=1
x(t)ejn0 t = ak ejk0 t ejn0 t .
dengan mengganti ak dengan ak dari persamaan (25) k=
maka kita memperoleh Dengan melakukan integrasi kedua sisi dari 0 sampai T =

X 2/0 , kita mempunyai
+ ak ejk0 t .
 jk0 t 
x(t) = a0 + ak e
k=1  T  T +
Karena dua term di dalam penjumlahan adalah pasangan
X
jn0 t
x(t)e dt = ak ejk0 t ejn0 t dt.
kompleks konjugat, maka kita peroleh 0 0 k=

Dalam hal ini, T adalah periode fundamental dari x(t),
(26) dan konsekuensinya, kita melakukan integrasi pada rentang
X
2Re ak ejk0 t .

x(t) = a0 +
k=1 satu periode. Dengan menukar urutan integrasi dan pen-
Jika ak dinyatakan dalam bentuk polar sebagai jumlahan menghasilkan
3 Representasi Deret Fourier pada sinyal CT 5


1
 T +
"
T
# a0 = x(t)dt, (36)
T
(30)
X
x(t)ejn0 t dt = ak ej(kn)0 t dt . T
0 k= 0 yaitu nilai rata-rata dari x(t) pada satu periode.
Hasil evaluasi dari integrasi dengan kurung siku dengan
3.3 Kasus: Menghitung deret Fourier dari
formula Euler dapat diperoleh,
sinyal kotak

T
T Sinyal kotak periodik, seperti terlihat pada gambar dan di-

0
ej(kn)0 t dt = 0
cos(k n)0 tdt (31) denisikan pada satu periode sebagai

T
+j 0
sin(k n)0 tdt. (
1, |t| < T
Untuk k 6= n, cos(kn)0 t dan sin(kn)0 t adalah sinyal x(t) =
1
. (37)
0, T1 < |t| < T /2
sinusoidal periodik dengan periode fundamental (T /|kn|).
Oleh karena itu, pada persamaan (31), kita melakukan in- Sinyal ini periodik dengan periode fundamental T dan
tegrasi pada sebuah interval (dengan panjang T ). Karena frekuensi fundamental 0 = 2/T .
integrasi dapat dipandang sebagai menghitung luas total x(t)
di bawah fungsi pada rentang integrasi, kita dapat meli-
hat bahwa untuk k 6= n, kedua integrasi pada sisi kanan
persamaan (31) bernilai nol. Untuk k = n, bagian yang di- 1
integrasikan bernilai 1, sehingga hasil integrasi bernilai T . ... ...
Sehingga kita peroleh
t
 ( 2T T T T1 0 T1 T T 2T
T
T, k=n 2 2
ej(kn)0 t dt = ,
0 0, k 6= n Untuk menentukan koesien deret Fourier untuk x(t), ki-
sehingga, bagian sisi kanan dari persamaan (30) menjadi ta menggunakan persamaan (35). Karena x(t) simetris pada
T an . Sehingga, t = 0, maka akan lebih mudah memilih T /2 t < T /2

sebagai interval dari integrasi, walaupun setiap interval de-
1 T
ngan panjang T sama-sama valid dan menghasilkan ha-
an = x(t)ejn0 t dt, (32) sil yang sama. Dengan menggunakan batas integrasi ini
T 0
yang memberikan persamaan untuk menentukan koesi- dan menggunakan persamaan (37), kita memperoleh untuk
k = 0,
en. Lebih jauh lagi, ketika melakukan evaluasi pada persa-
maan (31), kita hanya menggunakan fakta rentang integrasi  T1
1 2T1
pada interval dengan panjang T . Oleh sebab itu kita akan a0 = dt = . (38)
T T
memperoleh hasil yang sama jika kita melakukan integrasi T1

pada interval dengan panjang T . Maka kita peroleh Seperti telah disebutkan sebelumnya, a0 diinterpretasik-
 an sebagai nilai rata-rata dari x(t). Untuk k 6= 0, kita
(33) memperoleh
1
an = x(t)ejn0 t dt.
T T
Jika x(t) memiliki representasi deret Fourier [yaitu dapat   T1
1 T1 jk0 t 1 jk0 t 
diekspresikan sebagai kombinasi linear dari sinyal kompleks

ak = e dt = e ,
T T1 jk0 T
eksponensial yang terhubung secara harmonik dalam ben-

T1

tuk persamaan (29)], maka koesien dapat ditentukan oleh e^{j\omega n}

persamaan (33). Pasangan dari persamaan ini, mendeni- yang dapat ditulis sebagai
sikan deret Fourier dari sinyal periodik waktu kontinu:
ejk0 T1 ejk0 T1
 
2
+ + ak = . (39)
k0 T 2j
(34)
X X
x(t) = ak ejk0 t = ak ejk(2/T )t
k= k= Perhatikan bahwa term dalam kurung siku adalah
sin k0 T1 , kita dapat menuliskan koesien ak sebagai
 
1 1
ak = x(t)ejk0 t dt = x(t)ejk(2/T )t dt. (35)
T T 2 sin (k0 T1 ) sin (k0 T1 )
T T ak = = , k 6= 0. (40)
k0 T k
Persamaan (34) didenisikan sebagai persamaan sintesis
dan persamaan (35) didenisikan sebagai persamaan ana- 3.4 Konvergensi deret Fourier
lisis. Kumpulan koesien {ak } biasanya disebut koesien
deret Fourier atau koesien spektral dari x(t). Koesien Pada contoh sebelumnya dapat dilihat walaupun x(t) dis-
kompleks ini mengukur porsi dari sinyal x(t) pada setiap kontinu tetapi tiap-tiap komponen harmoniknya kontinu.
harmonik komponen fundamental. Koesien a0 adalah ni- Walaupun faktanya Fourier menyatakan setiap sinyal per-
lai DC atau komponen konstan dari x(t) yang ditentukan iodik dapat direpresentasikan dengan deret Fourier. Wa-
oleh persamaan (35) dengan k = 0, yaitu laupun hal ini tidak sepenuhnya tepat, akan tetapi benar
3 Representasi Deret Fourier pada sinyal CT 6

bahwa deret Fourier dapat digunakan untuk merepresenta- energi terbatas pada interval satu periode, yaitu sinyal de-
sikan sejumlah besar kelas dari sinyal periodik, termasuk ngan
sinyal kotak dan sinyal-sinyal periodik lainnya. 
Kita akan melihat masalah aproksimasi (pendekatan) si- 2
|x(t)| dt < . (45)
nyal periodik x(t) dengan kombinasi linear dari jumlah ter- T
batas sinyal komplek eksponensial terhubung harmonik de- Ketika kondisi ini dipenuhi, maka dapat dijamin bahwa
ngan bentuk, koesien ak yang diperoleh dari persamaan (35) adalah ter-
batas. Lebih jauh lagi, misalkan xN (t) adalah aproksimasi
N
x(t) yang diperoleh dengan menggunakan koesien ini un-
(41) tuk |k| N :
X
xN (t) = ak ejk0 t .
k=N

Kita denisikan error aproksimasi dengan eN (t), yaitu +N

(46)
X
xN (t) = ak ejk0 t .
k=N

Maka dijamin bahwa energi EN pada error aproksimasi,

N
(42) seperti yang didenisikan pada persamaan
X
eN (t) = x(t) xN (t) = x(t) ak ejk0 t .
(43), konvergen
k=N
ke 0 ketika kita menambah banyak term. Jika kita mende-
Untuk menentukan seberapa baik sebuah aproksimasi, ki- nisikan
ta perlu menentukan ukuran kuantitatif dari ukuran error +
aproksimasi. Kriteria yang akan digunakan adalah energi e(t) = x(t)
X
ak ejk0 t . (47)
dari error pada satu periode: k=

maka
EN =
2
|eN (t)| dt. (43) 
T

Dapat dibuktikan bahwa pilihan untuk koesien dalam

2
|e(t)| dt = 0. (48)
T
persamaan (41) untuk meminimalkan energi dari error ada-
lah Tetapi persamaan (48) tidak mengimplikasikan bahwa si-
nyal x(t) dan representasi deret Fourier

1
ak = x(t)ejk0 t dt. (44) +
T (49)
X
T ak ejk0 t .
Kita dapat persamaan (44) adalah indentik dengan ekps- k=
resi yang digunakan untuk menentukan koesien deret Fou- adalah sama pada setiap nilai t. Persamaan (48) hanya
rier. Maka jika x(t) memiliki representasi deret Fourier, ma- menyatakan bahwa tidak terdapat perbedaan energi pada
ka aproksimasi terbaik dengan hanya menggunakan jumlah keduanya.
terbatas dari kombinasi linear sinyal kompleks eksponensi- Lebih lagi, sebuah alternatif kumpulan kondisi yang di-
al terhubung harmonik dapat diperoleh dengan memotong buat oleh Dirichlet yang berlaku untuk semua sinyal yang
deret Fourier dengan jumlah term yang diinginkan. Ketika akan banyak digunakan, menjamin bahwa x(t) akan sama
N bertambah, maka jumlah term akan bertambah dan EN dengan representasi deret Fourier, kecuali pada nilai t ter-
akan berkurang. Pada faktanya jika x(t) memiliki represen- isolasi yang menyebabkan x(t) diskontinu. Pada nilai ini,
tasi deret Fourier maka limit dari EN ketika N adalah deret tak terbatas dari persamaan (49) konvergen pada ni-
nol. lai rata-rata dari nilai pada setiap sisi pada diskontinu.
Bagaimana menentukan sebuah sinyal x(t) memiliki rep- Kondisi Dirichlet antara lain:
resentasi deret Fourier? Tentu saja untuk semua sinyal, ki-
ta dapat mendapatkan kumpulan koesien Fourier dengan Kondisi 1
menggunakan persamaan (35). Bagaimanapun, pada be-
berapa kasus integral pada persamaan (35) dapat menjadi Pada satu periode manapun, x(t) harus absolutely integra-
divergen; yaitu ketika diperoleh beberapa nilai ak adalah tak ble, yaitu
terbatas (innite). Lebih lagi, walau semua koesien yang 
diperoleh dari persamaan (35) adalah terbatas (nite), ke- |x(t)|dt < . (50)
tika koesien ini disubtitusikan ke persamaan sintesis (34), T
hasilnya dapat saja tidak konvergen kepada sinyal asli x(t). Hal ini akan menjamin bahwa setiap koesien dari ak ak-
Beruntungnya, tidak terdapat kesulitan konvergensi un- an terbatas karena
tuk sejumlah kelas dari sinyal periodik. Contohnya, setiap
sinyal periodik kontinu memiliki representasi deret Fourier  
1 x(t)ejk0 t  dt = 1
dengan energi EN untuk error aproksimasi menuju nol ke- (51)
 
|ak | |x(t)|dt.
T T
tika N menuju . Ini juga berlaku untuk banyak sinyal T T

diskontinu. Karena dirasakan berguna untuk memasukkan Kondisi 2

sinyal diskontinu seperti sinyal kotak, menjadi bermanfaat
untuk menyelidiki isu konvergensi dengan lebih detil. Pada interval waktu terbatas manapun, x(t) memiliki va-
Salah satu kelas sinyal periodik yang dapat direpresen- riasi terbatas; yaitu, hanya memiliki sejumlah berhingga
tasikan dengan deret Fourier adalah sinyal yang memiliki maxima dan minima pada satu periode sinyal manapun.
4 Sifat-Sifat Deret Fourier CT 7

Kondisi 3 maka
Pada interval waktu terbatas manapun, hanya terdapat se- FS
jumlah berhingga jumlah diskontinuitas. x(t t0 ) ejk0 t0 ak .

Konsekuensi dari sifat ini adalah, ketika sinyal periodik

4 Sifat-Sifat Deret Fourier CT
mengalami pergeseran waktu, maka magnitude dari koesi-
Kita akan mendenisikan sebuah notasi singkat untuk en deret Fourier tidak berubah.
mengindikasikan relasi antara sebuah sinyal periodik de-
ngan koesien deret Fouriernya, yaitu Time Reversal
FS
x(t) ak Periode T dari sinyal periodik x(t) juga tidak berubah ke-
tika sinyal mengalami time reversal. Untuk menentukan
4.1 Linearitas, Time Shifting, Time Reversal koesien deret Fourier dari y(t) = x(t), kita akan melihat
pengaruh dari time reversal pada persamaan sintesis (34):
Linearitas
Misalkan x(t) dan y(t) merupakan dua buah sinyal periodik +
X
dengan periode T dan memiliki koesien deret Fourier ak x(t) = ak ejk2t/T
dan bk , yaitu k=

FS Buat subtitusi k = m, kita memperoleh

x(t) ak ,
FS +
y(t) bk . X
y(t) = x(t) = am ejm2t/T
Karena x(t) dan y(t) memiliki periode yang sama yaitu m=
T , maka dengan mudah disimpulkan bahwa setiap kombi-
nasi linear dari dua sinyal tersebut juga periodik dengan Kita dapat melihat sisi kanan dari persamaan ini memiliki
periode T . Lebih jauh lagi, koesien deret Fourier ck dari bentuk sintesis deret Fourier untuk x(t), di mana koesien
kombinasi linear x(t) dan y(t), z(t) = Ax(t) + By(t), dibe- bk adalah
rikan oleh kombinasi linear yang sama dari koesien deret
Fourier untuk x(t) dan y(t). b =a . k k

Jadi jika
FS
z(t) = Ax(t) + By(t) ck = Aak + Bbk . (52)
Sifat linearitas ini juga dengan mudah diperluas kepada FS
x(t) ak ,
kombinasi linear dari sejumlah lain sinyal dengan periode
T. maka

Time Shifting FS
x(t) ak .
Ketika pergeseran waktu (time shift) dilakukan pada si-
nyal periodik x(t), periode T dari sinyal akan tetap sa-
ma. Koesien deret Fourier bk yang dihasilkan dari sinyal 4.2 Time Scaling, Multiplication, Konjugasi
y(t) = x(t t0 ) dapat diekspresikan sebagai dan Simetri Konjugat

1 Time Scaling
|bk = x(t t0 )ejk0 t dt. (53)
T T
Time scaling adalah operasi perubahan periode dari sinyal.
Subtitusi = t t0 pada integral, variabel juga me- Jika x(t) periodik dengan periode T dan frekuensi funda-
miliki rentang pada interval dengan durasi T , sehingga kita mental 0 = 2/T , maka x(t) dengan adalah sebuah
memperoleh bilangan real positif adalah periodik dengan periode T /
dan frekuensi fundamental 0 . Karena operasi time sca-
  ling beroperasi langsung pada setiap komponen harmonik
1 jk0 ( +t0 ) jk0 t0 1
x( )e d = e x( )ejk0 d dari x(t), maka dapat disimpulkan bahwa koesien deret
T T T T
(54) Fourier untuk tiap-tiap komponen adalah tetap sama. Jika
x(t) memiliki representasi deret Fourier, maka
ejk0 t0 ak = ejk(2/T )t0 ak ,
+
di mana ak adalah koesien Fourier dari sinyal x(t), Yaitu
X
x(t) = ak ejk(0 )t
jika k=

FS
x(t) ak , adalah representasi deret Fourier dari x(t).
5 Deret Fourier untuk sinyal DT dan sifat-sifatnya 8

Multiplication 4.4 Contoh Soal

Misalkan x(t) dan y(t) merupakan dua buah sinyal periodik Misalkan kita diberikan beberapa fakta tentang sinyal x(t):
dengan periode T dan memiliki koesien deret Fourier ak
dan bk , yaitu 1. x(t) adalah sinyal real.

FS
2. x(t) adalah periodik dengan T = 4, dan memiliki koe-
x(t) ak , sien deret Fourier ak .
FS
y(t) bk . 3. ak = 0 untuk |k| > 1.
Karena hasil perkalian x(t)y(t) juga periodik dengan per- 4. Sinyal dengan koesien Fourier bk = ejk/2 ak adalah
iode T , kita dapat melakukan ekspansi dalam sebuah deret sinyal genap.
Fourier dengan koesien deret Fourier hk dengan

5. 1
4 4
|x(t)|2 dt = 1/2.
+
FS
(55)
X
x(t)y(t) hk = al bkl
5 Deret Fourier untuk sinyal DT dan
l=
sifat-sifatnya

Konjugasi dan Simetri Konjugat

5.1 Kombinasi linear dari sinyal kompleks
Mengambil kompleks konjugat dari sinyal periodik x(t) eksponensial terhubung harmonik
mempunyai imbas kompleks konjugasi dan time reversal pa-
da koesien deret Fourier yang diperoleh. Yaitu jika Sinyal waktu diskrit x[n] adalah periodik dengan periode N
jika
FS
x(t) ak ,
x[n] = x[n + N ]. (56)
maka
Periode fundamental adalah bilangan bulat N positif
FS yang terkecil di mana persamaan (56) berlaku, dan 0 =
x (t) ak . 2/N adalah frekuensi fundamental. Sinyal kompleks eks-
Beberapa konsekuensi menarik dapat diperoleh dari sifat ponensial e adalah periodik dengan periode N , ma-
j(2/N )n

ini untuk x(t) real, yaitu ketika x(t) = x (t). Pada kasus
ka sekumpulan sinyal kompleks eksponensial periodik waktu
ini diperoleh koesien deret Fourier akan konjugat simetris, diskrit dengan periode N diberikan oleh

ak = ak .
k [n] = ejk0 n = ejk(2/N )n , k = 0, 1, 2, ... (57)
Jika x(t) bernilai real maka a0 juga bernilai real dan
Semua sinyal ini mempunyai frekuensi-frekuensi funda-
|ak | = |ak |. mental yang merupakan kelipatan dari 2/N dan dengan
demikian terhubung secara harmonik. Dalam hal ini ha-
Jika x(t) bernilai real dan fungsi genap maka ak = ak . nya terdapat sekumpulan N buah sinyal berbeda. Hal ini
Jika x(t) bernilai real dan fungsi ganjil maka koesien de- merupakan konsekuensi dari fakta bahwa sinyal kompleks
ret Fourier merupakan bilangan imajiner murni dan ganjil. eksponensial waktu diskrit yang memiliki perbedaan freku-
ensi sebesar kelipatan dari 2 adalah identik. Dari fakta ini
kita memperoleh kombinasi linear dari sinyal kompleks eks-
4.3 Relasi Parseval untuk Sinyal Periodik
ponensial terhubung harmonik untuk sinyal waktu diskrit
Waktu kontinu
adalah
Relasi Parseval untuk sinyal periodik waktu kontinu adalah
X X X
 + x[n] = ak k [n] = ak ejk0 n = ak ejk(2/N )n .
1 2
X
2
|x(t)| dt = |ak | , k=hN i k=hN i k=hN i
T T k= (58)
Umumnya kita menggunakan nilai k = 0, 1, ..., N 1.
di mana ak adalah koesien deret Fourier dari x(t) dan Persamaan (58) didenisikan sebagai deret Fourier waktu
T adalah periodenya. diskrit dan koesien-koesien ak sebagai koesien-koesien
Juga berlaku, deret Fourier-nya.
 
1 ak e 0  dt = 1
 jk t 2
|ak |2 dt = |ak |2 ,
T T 5.2 Menentukan representasi deret Fourier
T T
pada sinyal periodik DT
|ak |2 adalah daya rata-rata pada komponen harmonik ke-
k dari x(t). Jadi yang hendak dikatakan oleh relasi Parseval Misalkan kepada kita diberikan sinyal x[n] yang periodik
adalah total daya rata-rata dari sinyal periodik adalah sama dengan periode fundamental N . Kita ingin menentukan
dengan jumlah dari daya rata-rata dari komponen harmo- apakah terdapat representasi x[n] dalam bentuk persama-
niknya. an (58), dan jika ada kita ingin mendapatkan koesien ak .
5 Deret Fourier untuk sinyal DT dan sifat-sifatnya 9

Kita dapat memperolehnya dengan mencari solusi dari se- Time Shifting
kumpulan persamaan linear. Bila kita melakukan evaluasai
dari persamaan (58) untuk N buah nilai n yang berurutan jika
dalam satu periode x[n], kita memperoleh FS
x[n] ak ,
maka
X
x[0] = ak
k=hN i
FS
x[n n0 ] ejk(2/N )n0 ak .
(59)
X
x[1] = ak ej2k/N
k=hN i Frequency Shifting
.. jika
.
FS
x[n] ak ,
maka
X
x[N 1] = ak ej2k(N 1)/N
k=hN i
FS
ejM (2/N )n x[n] akM .
Persamaan (59) merepresentasikan N buah persamaan
linear untuk N buah koesien ak . Dapat dilihat kumpulan
persamaan ini bersifat bebas linear dan dapat diselesaikan Time Reversal
untuk memperoleh koesen ak . Dapat diperoleh Jika
1 X FS
ar = x[n]ejr(2/N )n x[n] ak ,
N
n=hN i maka
Kita memiliki pasangan persamaan deret Fourier waktu FS
diskrit sebagai berikut: x[n] ak .

(60) Multiplikasi
X X
x[n] = ak ejk0 n = ak ejk(2/N )n ,
k=hN i
Jika
FS
1 X 1 X x[n] ak ,
ak = x[n]ejk0 n = x[n]ejk(2/N )n .
N N FS
n=hN i n=hN i y[n] bk ,
(61) maka
Persamaan (60) merupakan persamaan sintesis dan per-
samaan (61) merupakan persamaan analisis. Seperti pada FS
x[n]y[n] dk =
X
al bkl .
waktu kontinu, koesien deret Fourier waktu diskrit ak ju- l=hN i
ga sering disebut sebagai koesien spektral dari x[n]. Hal
penting yang harus diperhatikan adalah hanya terdapat N
Diferensiasi Pertama
buah term pada representasi deret Fourier waktu diskrit.
Jika
5.3 Sifat Deret Fourier DT FS
x[n] ak ,
Terdapat kemiripan yang kuat antara sifat-sifat deret Fo- maka
urier waktu diskrit dengan sifat-sifat deret Fourier waktu
kontinu. Akan digunakan notasi singkat untuk mengindika- FS
x[n] x[n 1] (1 ejk(2/N ) )ak .
sikan relasi antara sebuah sinyal periodik dengan koesien
deret Fourier dengan
Relasi Parseval untuk Sinyal Periodik Waktu Diskrit
FS
x[n] ak . Relasi Parseval diberikan oleh persamaan
1 X
Linearitas (62)
2
X 2
|x[n]| = |ak | .
N
n=hN i n=hN i
Jika
Persamaan ruas kiri dari relasi Parseval adalah daya rata-
FS
x[n] ak , rata dari satu periode sinyal periodik x[n]. |ak |2 adalah daya
rata-rata dari harmonik ke-k dari komponen x[n]. Jadi se-
FS
y[n] bk , kali lagi, relasi Parseval menyatakan bahwa daya rata-rata
dari sinyal periodik adalah sama dengan jumlah dari daya
maka rata-rata dari semua komponen harmoniknya. Pada wak-
FS
tu diskrit, tentu saja hanya terdapat N buah komponen
Ax[n] + By[n] Aak + Bbk . harmonik yang berbeda.
6 Sistem LTI dan Filter 10

5.4 Contoh Soal Respon sebuah sistem LTI terhadap sinyal kompleks eks-
ponensial dengan bentuk ejt (untuk waktu kontinu) atau
Misalkan kita diberikan beberapa fakta tentang sinyal x[n]: ejn (untuk waktu diskrit) adalah sangat sederhana untuk
1. x[n] adalah periodik dengan N = 6. mengekspresikan respon frekuensi dari sistem. Lebih jauh
lagi karena berlaku sifat superposisi dari sistem LTI, maka
2. 5n=0 x[n] = 2.
P
kita dapat mendapatkan respon sistem LTI dengan kombi-
nasi linear dari sinyal kompleks eksponensial.
3. 7n=2 (1)n x[n] = 1. Untuk kasus waktu kontinu, misalkan x(t) adalah sinyal
P
periodik dengan representasi deret Fourier diberikan oleh
4. x[n] memiliki daya minimum per periode di antara se-
kumpulan sinyal yang memenuhi tiga kondisi sebelum- +
(67)
X
nya. x(t) = ak ejk0 t .
k=

6 Sistem LTI dan Filter Misalkan kita menggunakan sinyal ini sebagai input da-
ri sistem LTI dengan respon impuls h(t). Karena setiap
6.1 Sistem LTI dan Respon Frekuensi sinyal kompleks eksponensial pada persamaan (67) adalah
eigenfunction dari sistem, maka output dari sistem adalah
Kita telah melihat bahwa representasi deret Fourier dapat
digunakan untuk membentuk setiap sinyal periodik waktu +
(68)
X
diskrit dan semua sinyal periodik waktu kontinu yang pen- y(t) = ak H (jk0 ) ejk0 t .
ting. Kita juga telah melihat respon sistem LTI kepada k=

kombinasi linear dari sinyal kompleks eksponensial mem- Maka output y(t) juga adalah periodik dengan frekuensi
berikan bentuk yang sederhana. Contohnya untuk waktu fundamental yang sama seperti x(t). Lebih lagi, jika {ak }
kontinu, jika x(t) = est adalah input kepada sistem LTI adalah kumpulan koesien deret Fourier untuk input x(t),
waktu kontinu, maka menghasilkan output y(t) = H(s)est , maka {ak H (jk0 )} adalah kumpulan koesien deret Fou-
dengan rier untuk output y(t). Jadi, impak dari sistem LTI waktu
 + kontinu adalah melakukan modikasi secara individual se-
H(s) = h( )e s
d, (63) tiap dari koesien Fourier dari input melalui multiplikasi
dengan nilai dari respon frekuensi pada frekuensi yang ber-
dengan h(t) adalah respon impuls dari sistem LTI. sesuaian.
Demikian juga sdengan sistem waktu diskrit, jika x[n] = Untuk kasus waktu diskrit, misalkan x[n] adalah sinyal
z adalah input kepada sistem LTI waktu diskrit, maka
n periodik dengan representasi deret Fourier diberikan oleh
menghasilkan output y[n] = H(z)z , dengan
n
(69)
X
x[n] = ak ejk(2/N )n .
+ k=hN i
(64)
X
H(z) = h[k]z k ,
k=
Misalkan kita menggunakan sinyal ini sebagai input da-
ri sistem LTI dengan respon impuls h[n]. Karena setiap
dengan h[n] adalah respon impuls dari sistem LTI. sinyal kompleks eksponensial pada persamaan (69) adalah
H(s) dan H(z) didenisikan sebagai fungsi sistem dari eigenfunction dari sistem, maka output dari sistem adalah
sistem yang bersesuaian, dengan s dan z adalah bilangan
kompleks umum. Untuk sinyal dan sistem waktu kontinu,
 
(70)
X
y[n] = ak H ejk(2/N ) ejk(2/N )n .
kita akan melihat kasus khusus untuk Re{s} = 0, sehingga k=hN i
s = j , sehingga est adalah dalam bentuk ejt . Ini ada-
lah input kompleks eksponensial pada frekuensi . Fungsi Maka output y[n] juga adalah periodik dengan frekuensi
sistem adalah dalam bentuk s = j , H(j) dilihat seba- fundamental yang sama seperti x[n]. Lebih lagi, jika {ak }
gai fungsi dari didenisikan sebagai respon frekuensi dari adalah kumpulan koesien deret Fourier untuk input x[t],
sistem dan dituliskan dengan maka {ak H ejk(2/N ) } adalah kumpulan koesien deret

Fourier untuk output y[t]. Jadi, impak dari sistem LTI

 +
waktu diskrit adalah melakukan modikasi secara indivi-
H(j) = h(t)ejt dt. (65) dual setiap dari koesien Fourier dari input melalui mul-

tiplikasi dengan nilai dari respon frekuensi pada frekuensi
Dengan cara yang sama untuk sinyal dan sistem waktu yang bersesuaian.
diskrit, kita akan melihat kasus khusus untuk nilai z de-
ngan |z| = 1, sehingga z = ej , sehingga z n adalah dalam
bentuk ejn . Ini adalah input kompleks eksponensial pada 6.2 Contoh Soal Sistem LTI
frekuensi . Fungsi sistem adalah dalam bentuk z = ej , Misalkan sebuah sinyal
H(ej ) dilihat sebagai fungsi dari didenisikan sebagai
respon frekuensi dari sistem dan dituliskan dengan +3
X
x(t) = ak ejk2t ,
+
k=3
(66)
X
H(ej ) = h[n]ejn .
n= dengan
7 Contoh Filter CT dan DT LCCDE untuk sinyal periodik 11

6.4 Filter Selektif Frekuensi

a0 = 1 Filter selektif frekuensi adalah sebuah kelas lter yang dibu-

1 at dengan tujuan secara akurat atau mendekati melewatkan
a1 = a1 = 4
1
beberapa band frekuensi dan meredam band lainnya. Peng-
a2 = a2 = 2 gunaan dari lter selektif frekuensi muncul pada beberapa
a3 = a3 = 1
3
situasi, contohnya jika derau pada sebuah rekaman audio
berada pada band frekuensi yang lebih tinggi dibandingkan
adalah input kepada sistem LTI dengan respon impuls dengan musik atau suara pada rekaman, maka derau dapat
dihilangkan dengan lter selektif frekuensi.
h(t) = et u(t). Filter low pass adalah lter yang melewatkan frekuensi
rendah dan melakukan peredaman pada frekuensi yang le-
Untuk menghitung koesien deret Fourier dari sinyal ou- bih tinggi. Filter high pass adalah lter yang melewatkan
tput y(t), maka kita harus menghitung respon frekuensi: frekuensi tinggi dan melakukan peredaman pada frekuensi
 rendah. Filter band pass adalah lter yang melewatkan se-
H(j) = e ej d buah band frekuensi dan melakukan peredaman pada freku-
0 ensi yang lebih tinggi dan lebih rendah dari band frekuensi
1
tersebut. Frekuensi cut o adalah yang mendenisikan ba-
H(j) = . (71) tasan frekuensi yang dilewatkan (frekuensi pass band) dan
1 + j
frekuensi yang diredam (frekuensi stop band).
dengan menggunakan persamaan (68) dan persamaan Filter selektif frekuensi ideal adalah lter yang secara
(71), dengan fakta 0 = 2 , maka kita memperoleh akurat melewatkan sinyal kompleks eksponensial tanpa dis-
torsi pada pass band dan meredam secara lengkap sinyal
+3
X pada stop band. Filter ideal berguna untuk mendeskripsik-
y(t) = bk ejk2t , an kongurasi sistem ideal untuk berbagai aplikasi, namun
k=3 lter ini tidak dapat direalisasikan sehingga kita hanya bisa
dengan bk = ak H (jk2), sehingga melakukan aproksimasi (pendekatan) dari lter ideal ini.

7 Contoh Filter CT dan DT LCCDE untuk

b = 1
 0   sinyal periodik
1 1 1 1
b1 = , b1 = ,
4 1 + j2 4 1 j2
    7.1 Filter RC Lowpass CT
1 1 1 1
b2 = , b2 = , Rangkaian elektrik banyak digunakan untuk mengimple-
2 1 + j4 2 1 j4
1

1

1

1
 mentasikan operasi pemlteran waktu kontinu. Satu contoh
b3 = , b3 = . paling sederhana adalah rangkaian seri RC order satu se-
3 1 + j6 3 1 j6
perti diperlihatkan pada gambar,di mana sumber tegangan
vs (t) adalah input dari sistem. Rangkaian ini dapat di-
6.3 Filter Frekuensi Shaping gunakan untuk menghasilkan baik operasi lter low pass
maupun lter high pass, bergantung pada apa yang kita
Sistem LTI yang dapat mengubah bentuk dari spektrum se-
ambil sebagai sinyal output. Misalkan kita mengambil te-
ringkali didenisikan sebagai lter frekuensi shaping. Satu
gangan kapasitor vc (t) sebagai output. Tegangan output
aplikasi dari lter frekuensi shaping adalah seing ditemukan
ini berhubungan dengan tegangan input melalui persamaan
pada sistem audio. Contohnya pada sistem ini, lter LTI
diferensial linear dengan koesien konstan
memungkinkan pengguna untuk melakukan modikasi dari
jumlah relatif dari energi frekuensi rendah (bass) dan energi dvc (t)
frekuensi tinggi (treble). RC + vc (t) = vs (t). (73)
dt
Kelas lain dari lter frekuensi shaping sering ditemui di
mana output dari sistem adalah turunan dari input, yaitu
y(t) = d x(t)/dt. Dengan x(t) dalam bentuk x(t) = ejt , +
vr (t)
akan diperoleh y(t) = jejt , sehingga diperoleh respon +
frekuensi adalah
+
vs (t) vc (t)
H(j) = j. (72)

Dari respon frekuensi lter diferensiator ini, maka sinyal

kompleks eksponensial ejt akan mendapatkan penguatan
lebih besar untuk nilai yang lebih besar. Filter ini digu-
nakan untuk memperkuat variasi yang cepat atau transisi
dari sinyal. Salah satu kegunaan dari lter diferensiator ini Asumsikan sistem relaks, sistem dengan persamaan (73)
adalah sering digunakan untuk memperbaiki edge dalam pe- adalah sistem LTI. Untuk menentukan respon frekuensi
ngolahan gambar. H(j), dengan denisi, dengan tegangan input vs (t) = ejt ,
7 Contoh Filter CT dan DT LCCDE untuk sinyal periodik 12

kita akan memiliki tegangan output vc (t) = H(j)ejt . Jika s(t)

kita mensubsitusikannya, kita akan memperoleh

d  1
H(j)ejt + H(j)ejt = ejt . (74)

RC
dt 1 1
e

Maka akan diperoleh

t
1
H(j) = . (75)
1 + RCj
7.2 Filter RC Highpass CT
Besar dari respon frekuensi H(j) diperlihatkan pada
gambar di bawah. Perhatikan untuk frekuensi-frekuensi di Sebagai rangkaian alternatif dalam memilih tegangan kapa-
dekat = 0 maka |H(j)| 1, sedangkan untuk harga sitor sebagai output dalam rangkaian RC, kita dapat memi-
yang lebih besar (positif atau negatif), maka |H(j)| agak lih tegangan resistor. Dalam kasus ini persamaan diferensial
lebih kecil dan kenyataannya tetap berkurang selama || yang menghubungkan input dengan output adalah
bertambah. Dengan demikian, lter RC yang sederhana ini
(dengan vc (t) sebagai output) merupakan lter low pass non dvr (t) dvs (t)
ideal. RC + vr (t) = RC . (78)
dt dt
|H()|
1 Asumsikan sistem relaks, sistem dengan persamaan (78)
adalah sistem LTI. Untuk menentukan respon frekuensi
G(j), dengan denisi, dengan tegangan input vs (t) = ejt ,
kita akan memiliki tegangan output vr (t) = G(j)ejt . Jika
1/RC 0 1/RC kita mensubsitusikannya, kita akan memperoleh
H()
dG(j)ejt dejt
/2 RC + G(j)ejt = RC . (79)
dt dt
/4 Maka akan diperoleh
1/RC
jRC
1/RC G(j) = . (80)
1 + RC
/4
Besar dari respon frekuensi G(j) diperlihatkan pada
/2 gambar di bawah.
Tanggapan impuls dari sistem yang digambarkan oleh |H()|
persamaan (73) adalah 1

1 t/RC
h(t) = e u(t), (76)
RC 1/RC 0 1/RC

dan respon terhadap sinyal step adalah H()

/2
h i
s(t) = 1 e t/RC
u(t), (77) /4
1/RC
dengan digambarkan pada gambar berikut (dengan = 1/RC

RC ).
/4
h(t)
/2
1
Tanggapan step dari lter high pass adalah

1 s(t) = et/RC u(t), (81)

e

t dengan digambarkan pada gambar berikut (dengan =

RC ).
7 Contoh Filter CT dan DT LCCDE untuk sinyal periodik 13

s(t) Pustaka

[OCW] MIT Opencourseware,

1 http://ocw.mit.edu/courses/electrical-
engineering-and-computer-science/6-003-
signals-and-systems-spring-2010/
1
e [OpWi97] A. V. Oppenheim and A. S. Willsky (with S
Hamid Nawab), Signals & Systems (Second Edi-
= RC
t
tion), Prentice-Hall International, 1997. ISBN
0-13-651175-9
7.3 Filter DT rekursif orde 1

Filter waktu diskrit orde 1 adalah sistem LTI yang digam-

barkan dengan persamaan dierence orde satu

y[n] ay[n 1] = x[n] (82)

Dari sifat fungsi eigen sinyal kompleks eksponensial, kita
mengetahui jika x[n] = ejn , maka y[n] = H(ej )ejn , de-
ngan H(ej ) adalah respon frekuensi dari sistem. Subtitusi
ke persamaan (82), maka kita memperoleh

H(ej )ejn aH(ej )ej(n1) = ejn , (83)

atau

[1 aej ]H(ej )ejn = ejn , (84)

sehingga diperoleh
1
H(ej ) = (85)
1 aej
Kita melihat bahwa, untuk a bernilai positif, persama-
an dierence berlaku seperti lter low pass dengan atenuasi
minimal pada frekuensi rendah di dekat = 0 dan atenuasi
bertambah ketika kita menambah menuju = . Untuk a
bernilai negatif, persamaan dierence berlaku seperti lter
high pass melewatkan frekuensi rendah di dekat = dan
meredam frekuensi rendah, sedangkan untuk setiap bilang-
an positif a < 1, sistem mendekati lter low pass. Untuk
setiap bilangan negatif a > 1, sistem mendekati lter hi-
gh pass, di mana |a| mengendalikan ukuran dari passband
lter, passband melebar ketika |a| bertambah.

7.4 Filter DT non-rekursif

Bentuk umum dari lter waktu diskrit non rekursif (lter

Finite Impulse Response) adalah
M
(86)
X
y[n] = bk x[n k].
k=N

Output y[n] adalah nilai rata-rata terbobot dari (N +M +

1) buah x[n] dari x[n M ] sampai x[n + N ], dengan bobot
diberikan oleh koesien bk . Sistem dengan bentuk ini dapat
digunakan untuk berbagai macam kebutuhan pemlteran,
termasuk lter selektif frekuensi.
Satu jenis lter yang sering digunakan adalah lter mo-
ving average, di mana output y[n] untuk setiap n, anggap
n0 merupakan nilai rata-rata dari harga x[n] di sekitar n0 .