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

 DERET FOURIER

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 2π 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:
Teorema Keortogonalan fungsi sinus dan cosinus

Untuk m, n bilangan positif berlaku

sifat di atas berlaku untuk selang integrasi apapun dengan panjang 2π

Pemanfaatan Deret Fourier

1. Teknik Komputasi Nilai π

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 π.
 Selain itu, terdapat cara lain untuk mengkomputasi nilai π 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

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.

 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
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 .

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:

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

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

sinyal.

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.

 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-in-

frequency (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:

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

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.
 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/