LAPORAN SEMENTARA

Laporan Praktikum Pengolahan dan Transmisi Sinyal

Modul 1
Transformasi Fourier Waktu Diskrit

oleh kelompok 5:
1. Dadan Darmawan 1506917
2. Muhammad Rizki Dwi Putra 1505737
3. Novia Karostiani 1503449

LABORATORIUM TELEKOMUNIKASI
DEPARTEMEN PENDIDIKAN TEKNIK ELEKTRO
FAKULTAS PENDIDIKAN TEKNOLOGI DAN KEJURUAN
UNIVERSITAS PENDIDIKAN INDONESIA
2018
A. Tujuan
1. Mahasiswa dapat memahami manfaat MATLAB untuk perhitungan Transformasi Fourier
Waktu Diskrit dan Transformasi Fourier Diskrit.
2. Mahasiswa dapat memahami konsep dasar Transformasi Fourier Waktu Diskrit dan
Transformasi Fourier Diskrit.
3. Mahasiswa dapat menggunakan MATLAB sebagai media untuk menyelesaikan persoalan
Transformasi Fourier Waktu Diskrit dan Transformasi Fourier Diskrit.

B. Teori Dasar
1. Transformasi Fourier Waktu Diskrit
Transformasi Fourier Waktu Diskrit atau Discrete Time Fourier Transform (DTFT) adalah
pasangan transformasi untuk Transformasi Fourier Waktu Kontinyu atau Continue Time Fourier
Transform (CTFT) ketika berhadapan dengan sinyal waktu-diskrit, yaitu ketika berhadapan
dengan sinyal yang dijelaskan oleh fungsi x[n], n ϵ Z. Persamaan matematis dari DTFT adalah
𝑋(𝜔) = ∑∞
−∞ 𝑥[𝑛]. 𝑒
−𝑗𝜔𝑛
(1)
DTFT adalah fungsi bilangan kompleks kontinu dari frekuensi siklik ω. Kondisi yang mungkin
pada DTFT, X(ω) untuk sinyal x[n] adalah sebagai berikut:
∑∞
−∞|𝑥[𝑛]| < ∞ (2)
Selain itu, DTFT selalu merupakan fungsi periodik dengan periode 2π. Untuk kembali dari domain
frekuensi ω ke domain waktu diskrit n, terdapat invers DTFT. persamaan matematis dari invers
DTFT adalah
1 1 𝜋
𝑥[𝑛] = 2𝜋 ∫2𝜋 𝑋(𝜔)𝑒 𝑗𝜔𝑛 𝑑𝜔 = 2𝜋 ∫−𝜋 𝑋(𝜔)𝑒 𝑗𝜔𝑛 𝑑𝜔 (3)

2. Transformasi Fourier Diskrit

Untuk mengimplementasikan analisis DTFT dari suatu sinyal pada sebuah komputer, perlu
untuk mendapatkan sampel 𝜔𝑘 dari frekuensi 𝜔. Hal ini mengarah ke jenis transformasi Fourier
kedua yang sesuai untuk sinyal waktu-diskrit, yaitu Transformasi Fourier Diskrit atau Descrete
Fourier Transform (DFT). N-titik DFT dari sinyal waktu-diskrit 𝑥[𝑛] dilambangkan dengan 𝑋𝑘
atau 𝑋(𝑘) atau 𝑋(𝜔𝑘 ). Ini didefinisikan dalam interval waktu diskrit 0 ≤ 𝑛 ≤ 𝑁 − 1, dan dihitung
berdasarkan persamaan berikut
2𝜋𝑛𝑘
𝑗
𝑋𝑘 = ∑𝑁−1
𝑛=0 𝑥[𝑛]. 𝑒 𝑁 𝑑𝑖𝑚𝑎𝑛𝑎 𝑘 = 0, 1, 2, ⋯ , 𝑁 − 1 (4)
DFT 𝑋𝑘 sebuah deret x[n] adalah sebuah fungsi k ditentukan oleh nilai-nilainya untuk k=0, 1, 2,
..., N-1, hal tersebut adalah dari nilai N 𝑋1 , 𝑋2 , ⋯ , 𝑋𝑁−1 . Khususnya 𝑋𝑘 merupakan bilangan
kompleks. Oleh sebab itu, dapat dinyatakan dalam bentuk polar seperti pada persamaan (5)
X k =| X k | e jX k , k=0, 1, 2, ... , N-1 (5)
Dimana,
| X k | adalah magnitude dari X k

X k adalah sudut fasa dari X k /

X k juga dapat dinyatakan sebagai berikut

𝑋𝑘 = Re{𝑋𝑘 } + 𝑗Im{𝑋𝑘 }, 𝑘 = 0, 1, 2, ⋯ , 𝑁 − 1 (6)

Dimana Re{𝑋𝑘 } merupakan bilangan real dari 𝑋𝑘 , dan diperoleh dari
2𝜋𝑛𝑘 2𝜋𝑛𝑘
Re{𝑋𝑘 } = 𝑥(0) + ∑𝑁−1
𝑛=1 𝑥[𝑛] cos ( ) = ∑𝑁−1
𝑛=0 𝑥[𝑛] cos ( ) (7)
𝑁 𝑁

Dan bagian imajiner Im{𝑋𝑘 } dari 𝑋𝑘 adalah sebagai berikut

2𝜋𝑛𝑘
Im{𝑋𝑘 } = − ∑𝑁−1
𝑛=0 𝑥[𝑛] sin ( ) (8)
𝑁

3. Invers DFT (IDFT)

IDFT merupakan invers dari DFT dan didefinisikan dengan persamaan (9)
2𝜋𝑛𝑘
1 𝑗
𝑥[𝑛] = 𝑁 ∑𝑁−1
𝑘=0 𝑋𝑘 𝑒 𝑁 , 𝑛 = 0, 1, 2, ⋯ , 𝑁 − 1 (9)

4. Fast Fourier Transform (FFT)

Salah satu formulasi yang ampuh untuk proses pengolahan sinyal adalah menggunakan
Discrete Fourier Transform (DFT). Prinsip DFT adalah mentransformasikan (alih bentuk) sinyal
yang semula analog menjadi diskret dalam domain waktu, dan kemudian diubah ke dalam domain
frekuensi. Hal ini dilakukan dengan mengalikan sinyal diskret dengan suatu fungsi kernel.
Algoritma lain yang lebih cepat adalah Fast Fourier Transform (FFT). Prinsip kerja FFT adalah
membagi sinyal hasil penyamplingan menjadi beberapa bagian yang kemudian masing-masing
bagian diselesaikan dengan algoritma yang sama dan hasilnya dikumpulkan kembali.
DFT 𝑋𝑘 dari suatu deretan 𝑥[𝑛] dihitung dalam MATLAB melalui algoritma FFT, dengan
perintah fft. Sintaksnya adalah X = fft (x), di mana x adalah deretan 𝑥[𝑛] dan 𝑋 adalah DFT 𝑋𝑘 .
C. Alat dan Bahan
1. PC
2. Software MATLAB

D. Percobaan
1. Hitung DTFT X(ω) untuk sinyal 𝑥[𝑛] = 0,8𝑛 , 0 ≤ 𝑛 ≤ 20 dan plot X(ω) pada interval
frekuensi −𝜋 ≤ 𝜔 ≤ 𝜋 dan −5𝜋 ≤ 𝜔 ≤ 5𝜋.
Dari persamaan (1), tampak bahwa DTFT bernilai kompleks maka anda harus mem-plot
magnitud dan juga fasa nya.
Perintah Hasil Keterangan
Definisikan
𝑥[𝑛] = 0,8𝑛 ,
0 ≤ 𝑛 ≤ 20
Hitung TFWD
x[n] berdasarkan
persamaan (1)
Grafik magnitud
DTFT X(ω) pada
interval
frekuensi −𝜋 ≤
𝜔≤𝜋
Grafik fasa
DTFT X(ω) pada
interval
frekuensi −𝜋 ≤
𝜔≤𝜋
Grafik magnitud
DTFT X(ω) pada
interval
frekuensi
−5𝜋 ≤ 𝜔 ≤ 5𝜋
 Grafik fasa
DTFT X(ω) pada
interval
frekuensi
−5𝜋 ≤ 𝜔 ≤ 5𝜋

2. Hitung dan plot DTFT X(ω) untuk sinyal 𝑥[𝑛] = 0,6𝑛 𝑢[𝑛].
Sinyal x[n] terdefinisi pada interval [0, +∞) sebagai 𝑥[𝑛] = 0,6𝑛 𝑢[𝑛], panjang deret sinyal
x[n] tidak berhingga, oleh sebab itu DTFT nya dihitung dengan menggunakan perintah
symsum.
Perintah Hasil Keterangan

Definisikan x[n]

Hitung DTFT dari

x[n] berdasarkan
persamaan (1)
dengan
menggunakan
perintah symsum

Grafik magnitud

Grafik sudut fasa

3. Hitung DFT Xk untuk deret 𝑥[𝑛] = [1,2,2,1], 0 ≤ 𝑛 ≤ 3. Plot magnitud, fasa, bagian riil dan
bagian imajiner dari Xk. Kemudian konfirmasi persamaan (5) melalui persamaan (8).

Perintah Hasil Keterangan

DFT Xk dari deret x[n]

dihitung berdasarkan
persamaan (4). Ingat nilai
Xk adalah bilangan
kompleks

Grafik magnitud |𝑋𝑘 | dari

DFT 𝑋𝑘

Grafik sudut fasa X k

dari DFT 𝑋𝑘

Konfirmasi persamaan (5)

Grafik bagian riil

Grafik bagian imajiner

Persamaan (6) terverifikasi

 Bagian riil dihitung
berdasarkan persamaan
(7), dan nilai sama dengan
nilai Xk sebelumnya
sehingga persamaan (7)
terverifikasi.

Bagian imajiner dihitung

berdasarkan persamaan
(8), dan nilai sama dengan
nilai Xk sebelumnya
sehingga persamaan (8)
terverifikasi

4. Tuliskan sebuah fungsi yang menghitung DFT 𝑋𝑘 untuk sebuah deret 𝑥[𝑛]. Hitung DFT dari
sinyal waktu diskrit 𝑥[𝑛] = [1, −2,2,1], 0 ≤ 𝑛 ≤ 3 melalui fungsi yang tadi dibuat.

Perintah Hasil Keterangan

Fungsi dft.m
didasarkan pada kode
yang ditulis pada
contoh sebelumnya.
Urutan x [n] adalah
argumen input,
sedangkan DFT Xk
adalah argumen
output dari fungsi.
 Fungsi dft.m
dijalankan dari
command prompt.

5. Hitung IDFT dari deretan 𝑋𝑘 = [6, −1 − 𝑗, 0, −1 + 𝑗], 0 ≤ 𝑘 ≤ 3

Perintah Hasil Keterangan

Definisi Xk

IDFT dari Xk dihitung

berdasarkan persamaan (9),
hasilnya merupakan sinyal
diskrit 𝑥[𝑛] = [1, 2, 2, 1], 0 ≤
𝑛 ≤ 3.

6. Hitung DFT dari sinyal 𝑥[𝑛] = [1,2,3], 0 ≤ 𝑛 ≤ 2 dengan menggunakan perintah fft.
Perintah Hasil Keterangan

DFT dari sinyal 𝑥[𝑛] = [1,2,3], 0 ≤

𝑛 ≤ 2 dihitung dengan syntaks fft

DFT dari urutan yang sama dihitung

oleh fungsi dft.m yang dibuat pada
contoh 4. Tentu saja, hasilnya dalam
kedua kasus itu sama.

7. Plot magnitud dan fasa dari DTFT untuk sinyal 𝑥[𝑛] = cos(𝜋𝑛⁄3) , 0 ≤ 𝑛 ≤ 10 dan berada di
interval −𝜋 ≤ 𝜔 ≤ 𝜋 dan −3𝜋 ≤ 𝜔 ≤ 3𝜋
8. Plot magnitud, sudut, bagian riil dan bagian imajiner dari DFT sinyal 𝑥[𝑛] = cos(𝜋𝑛⁄3) , 0 ≤
𝑛 ≤ 10
E. Hasil
Perintah Hasil
1. Hitung DTFT X(ω) untuk sinyal 𝑥[𝑛] = 0,8𝑛 , 0 ≤ 𝑛 ≤ 20 dan plot X(ω) pada interval
frekuensi −𝜋 ≤ 𝜔 ≤ 𝜋 dan −5𝜋 ≤ 𝜔 ≤ 5𝜋.
2. Hitung dan plot DTFT X(ω) untuk sinyal 𝑥[𝑛] = 0,6𝑛 𝑢[𝑛].
3, Hitung DFT Xk untuk deret 𝑥[𝑛] = [1,2,2,1], 0 ≤ 𝑛 ≤ 3.
5, Hitung IDFT dari deretan 𝑋𝑘 = [6, −1 − 𝑗, 0, −1 + 𝑗], 0 ≤ 𝑘 ≤ 3

7. Plot magnitud dan fasa dari DTFT untuk sinyal 𝑥[𝑛] = cos(𝜋𝑛⁄3) , 0 ≤ 𝑛 ≤ 10 dan berada
di interval −𝜋 ≤ 𝜔 ≤ 𝜋 dan −3𝜋 ≤ 𝜔 ≤ 3𝜋
8. Plot magnitud, sudut, bagian riil dan bagian imajiner dari DFT sinyal 𝑥[𝑛] = cos(𝜋𝑛⁄3) , 0 ≤
𝑛 ≤ 10
F. Analisis
Dari hasil praktikum yang telah dilaksanakan mengenai transformasi fourier waktu
diskrit dapat diketahui bahwa untuk menghitung nilai , membuat grafik magnitude dan grafik
fasa dari DTFT, DFT dan IDF menggunakan syntax yang sesai dengan fungsi masing-masing
dan ketentuan-ketentuan pada setiap percobaan berikut batas dan bentuk fungsi yang dimana
berpengaruh pada nilai hasil perhitungan dan grafik yang diinginkan.
1. Untuk DTFT syntax disesuaikan dengan persamaan 𝑋(𝜔) = ∑∞
−∞ 𝑥[𝑛]. 𝑒
−𝑗𝜔𝑛
.
2. Untuk DFT syntax disesuaikan dengan persamaan 𝑿𝒌 =
𝟐𝝅𝒏𝒌
𝒋
∑𝑵−𝟏
𝒏=𝟎 𝒙[𝒏]. 𝒆 𝑵 𝒅𝒊𝒎𝒂𝒏𝒂 𝒌 = 𝟎, 𝟏, 𝟐, ⋯ , 𝑵 − 𝟏. Menghitung bagian riil DFT
menggunakan syntax yang disesuaikan dengan persamaan R𝐞{𝑿𝒌 } =
𝟐𝝅𝒏𝒌 𝟐𝝅𝒏𝒌
𝒙(𝟎) + ∑𝑵−𝟏
𝒏=𝟏 𝒙[𝒏] 𝐜𝐨𝐬 ( ) = ∑𝑵−𝟏
𝒏=𝟎 𝒙[𝒏] 𝐜𝐨𝐬 ( ) dan untuk menghitung bagian
𝑵 𝑵

imajiner menggunakan syntax yang disesuaikan dengan persamaan 𝐈𝐦{𝐗 𝐤 } =

𝟐𝛑𝐧𝐤
− ∑𝐍−𝟏
𝐧=𝟎 𝐱[𝐧] 𝐬𝐢𝐧 ( ).
𝐍
𝟐𝝅𝒏𝒌
𝒋 𝟏
3. Untuk IDFT syntax disesuaikan dengan persamaan 𝒙[𝒏] = 𝑵 ∑𝑵−𝟏
𝒌=𝟎 𝑿𝒌 𝒆
𝑵 , 𝒏=

𝟎, 𝟏, 𝟐, ⋯ , 𝑵 − 𝟏
Salah satu hal yang perlu diketahui bahwa bahasa matlab ∑ untuk fungsi terbatas
yaitu sum dan untuk fungsi dengan batas sampai takhingga menggunakan sysum berlaku
untuk DTFT, DFT dan IDFT.
Kesalahan dalam pendeklarasian syntak yang tidak sesuai dengan fungsi, ketidak telitian
dalam pengimputan syntax seperti salah penulisan syntax akan menimbulkan error pada hasil kerja
MATLAB.

G. Kesimpulan
Dengan melihat hasil percobaan dari perhitungan nilai dan grafik dari Discrete
Time Fourier Transform (DTFT) , Descrete Fourier Transform (DFT) dan Invers Descrete
Fourier Transform (IDFT) dapat diketahui bahwa dengan menggunakan syntax sesuai dengan
fungsi masing-masing dapat dilihat bahwa terdapat perbedaan antara ke-3 transformasi fourier
tersebut. Dilihat dari grafik magnitude dan fasa terlihat perbedaan, yaitu grafik DTFT
berbentuk kontinyu sedangkan DFT diskrit. Hal tersebut dikarenakan bahwa DTFT adalah
 transformasi Fourier (konvensional) dari sinyal waktu diskrit yang hasilnya adalah spektrum
frekuensi versi kontinyu dari sinyal tersebut. Sedangkan DFT adalah versi didkrit dari DTFT.
Perbedaanpun dapat dilihat pada IDFT, hal tersebut sesuai dengan persamaan yang berlaku
pada IDFT yang merupakan invers dari DFT ,dimana inputnya merupakan sinyal diskrit dari
DFT (Xk) yang menghasilkan sinyak diskrit x(n).
Pendeklarasian syntax pada MATLAB yang disesuaikan dengan fungsi masing-
masing yang telah diketahui pada setiap percobaan membuktikan dan membantu memahami
perbedaan dari DTFT , DFT dan IDFT.

H. Referensi
Modul Praktikum Transformasi Fourier Waktu Diskrit