Anda di halaman 1dari 8
A.PENGERTIAN TRANSFORMASI FOURIER Pengertian Transformasi Fourier - Proses penting dalam pemrosesan sinyal digital adalah menganalisis suatu sinyal input maupun output untuk mengetahui karakteristik sistem fisis tertentu dari sinyal. Proses analisis dan sintesis dalam domain waktu memerlukan analisis cukup panjang dengan melibatkan turunan dari fungsi, yang dapat menimbulkan ketidaktelitian hasil analisis. Analisis dan sintesis sinyal akan lebih mudah dilakukan pada domain frekuensi, karena besaran yang paling menentukan suatu sinyal adalah frekuensi. Oleh karena itu, untuk dapat bekerja pada domain frekuensi dibutuhkan suatu formulasi yang tepat sehingga proses manipulasi sinyal sesuai dengan kenyataan. Salah satu teknik untuk menganalisis sinyal adalah mentransformasikan (alih bentuk) sinyal yang semula analog menjadi diskrit dalam domainwaktu, dan kemudian diubah ke dalam domain frekuensi. Pada materi yang akan dijelaskan yaitu: 1. Bilangan Kompleks 2. Penjelasan tentang Transformasi Fourier 3. Penjelasan tentang perhitungan transformasi 1 dimensi 4. Analisis Fourier 5. Sifat-Sifat Transformasi Mengenai materi yang akan dijelaskan terdapat pada isi makalah. 1.Bilangan Kompleks Bilangan kompleks terdiri dari bilangan Real dan Imajiner, dimana bilangan real ada tipe rasional dan irasional.  Bilangan yang berbentuk dari a + b I  di mana a dan b adalah bilangan riil, dan i adalah bilangan imajiner tertentu yang mempunyai sifat i 2 = −1. Bilangan riil a disebut juga bagian riil dari bilangan kompleks, dan bilangan real b disebut bagian imajiner. Jika pada suatu bilangan kompleks, nilai b adalah 0, maka bilangan kompleks tersebut menjadi sama dengan bilangan real a.  Sebagai contoh, 3 + 2i adalah bilangan kompleks dengan bagian riil 3 dan bagianimajiner 2i. Bentuk bilangan kompleks seperti: Polar, Rectangular, Trigonometri, Eksponensial, dan deret euler. Transformasi Fourier Transformasi Fourier merupakan transformasi paling penting di dalam bidang pengolahan sinyal (signal processing), khususnya pada bidang pengolahan citra.Umumnya sinyal dinyatakan sebagai bentuk plot amplitudo versus waktu (pada fungsi satu matra) atau plot amplitudo versus posisi spasial (pada fungsi dwimatra). Pada beberapa aplikasi pengolahan sinyal, terdapat kesukaran melakukan operasi karena fungsi dalam ranah waktu/spasial, misalnya pada operasi konvolusi di atas. Operasi konvolusi dapat diterapkan sebagai bentuk perkalian langsung bila fungsi berada dalam ranah frekunsi.Transformasi Fourier adalah kakas (tool) untuk mengubah fungsi dari ranah waktu/spasial ke ranah frekuensi. Untuk perubahan sebaliknya digunakan Transformasi Fourier Balikan. IntisaridariTransformasi Fourier adalah menguraikan sinyal atau gelombang menjadi sejumlah sinusoida dari berbagai frekuensi, yang jumlahnya ekivalen dengan gelombang asal. Di dalam pengolahan citra, transformasi Fourier digunakan untuk menganalisis frekuensi pada operasi seperti perekaman citra, perbaikan kualitas citra, restorasi citra, pengkodean,dan lain-lain. Dari analisis frekuensi, kita dapat melakukan perubahan frekuensi pada gambar.Perubahan frekuensi berhubungan dengan spektrum antara gambar yang kabus kontrasnya samapi gambar yang kaya akan rincian visualnya. Sebagai contoh, pada proses perekaman citra mungkin terjadi pengaburan kontras gambar. Pada gambar yang mengalami kekaburan kontras terjadi perubahan intensitas secara perlahan, yang berarti kehilangan informasi frekuensi tinggi.Untuk meningkatkan kualitas gambar, kita menggunakan penapis frekuensi tinggi sehingga pixelyang berkontras kabur dapat dinaikkan intensitasnya.Sehingga Transformasi Fourier adalah suatu model transformasi yang memindahkan domain spasial atau domain waktu menjadi domain frekwensi. Transformasi Fourier merupakan suatu proses yang banyak digunakan untuk memindahkan domain dari suatu fungsi atau obyek ke dalam domain frekwensi. Di dalam pengolahan citra digital, transformasi fourier digunakan untuk mengubah domain spasial pada citra menjadi domain frekwensi. Analisa-analisa dalam domain frekwensi banyak digunakan seperti filtering. Dengan menggunakan transformasi fourier, sinyal atau citra dapat dilihat sebagai suatu obyek dalam domain frekwensi. Kelebihan dan Kekurangan transformasi Fourier Kelebihanya adalah: Transformasi Fourier dapat mempermudah analisis terhadap suatu sinyal yang berada dalam suatu sistem. Kekuranganya adalah: Transformasi Fourier hanya dapat menangkap informasi apakah suatu sinyal memiliki frekuensi tertentu atau tidak, tapi tidak dapat menangkap dimana frekuensi itu terjadi. Definisi Transformasi Fourier Fourier mendefinisikan transformasi Fourier dari deret Fourier bentuk kompleks (eksponensial), yaitu dengan menganggap fungsi non periodik adalah fungsi periodik dengan perioda tak berhingga. Kita mulai dengan bentuk bentuk eksponensial deret Fourier. Transformasi Fourier 1 Dimensi Transformasi Fourier 1 dimensi ada 2, yaitu: Transformasi kontinu 1 dimensi Transformasi Diskrit 1 dimensi Transformasi fourier kotinyu Transformasi fourier kotinyu adalah Sebuah sinyal waktu sebagai hasil penjumlahan beberapa sinyal kontinyu. Transformasi Fourier kontinu 1D dari suatu fungsi waktu f(t) didefinisikan dengan: F f t e dt jt () ( ). dimana F(w) adalah fungsi dalam domain frekwensi w adalah frekwensi radial 0 – 2pf, atau dapat dituliskan bahwa w = 2pf Hasil dari transformasi Fourier untuk = 0 s/d 2 adalah : Gambar 2.2. Contoh hasil transformasi fourier Transformasi Fourier Diskrit Transformasi fourier diskrit atau disebut dengan Discrete Fourier Transform (DFT) adalah model transformasi fourier yang dikenakan pada fungsi diskrit, dan hasilnya juga diskrit. DFT didefinisikan dengan : DFT 1D DFT seperti rumus di atas dinamakan dengan DFT 1 dimensi, DFT semacam ini banyak digunakan dalam pengolahan sinyal digital. Contoh 4.3 : Diketahui f(t) dalam bentuk diskrit f(n) sebagai berikut : Hasil dari DFT untuk T (periode sampling) yang berbeda akan juga berbeda. Sehingga dalam proses perhitungan DFT, penentuan nilai T juga merupakan perhatian penting. Sebagai acuan dapat digunakan aturan frekwensi Niquist bahwa frekwensi sampling minimal dua kali frekwensi informasi (data), atau dengan kata lain periode sampling maksimal setengah kali periode dari nilai fungsinya. Contoh 2.3: Diketahui f(t) dalam bentuk diskrit f(n) sebagai berikut : DFT dengan T=1 dari fungsi f(n) di atas adalah : Hasil DFT fungsi f(t) di atas adalah : Terlihat bahwa hasil dari DFT adalah bilangan komplek, yang terdiri dari unsur real dan imaginer. Sehingga dapat dipisahkan dalam unsur real dan imaginer sebagai berikut : Dan dapat digambarkan sebagai berikut : Atau dapat dinyatakan dalam magnitude dan phase dengan definisi sebagai berikut : Gambar 4.6. Contoh DFT real dan imaginer Bila DFT dihitung untuk k=0 s/d 15 maka hasilnya adalah: Terlihat terjadi pengulangan hasil, hal ini disebabkan proses DFT memang mengakibatkan terjadinya periodik. Ini sebagai akibat dari adanya unsur radial 2 dalam bentuk transformasi fourier. Sehingga dalam proses perhitungan DFT, perhitungan cukup dilakukan sampai 1/2 periodik saja. Dan perhitungan inilah yang dinamakan dengan FFT (Fast Fourier Transform). Sifat-Sifat Transformasi Fourier Sifat-sifat Transformasi Fourier Jika f(t) ↔F(u) dan g(t) ↔G(u), maka sifat-sifat TransformasiFourier dirumuskan di dalam Tabel Kesimpulan Bahwa pada sitem transformasi fourier ini merupakan proses pengukuran seberapa kuat sinyal yang diterima dan dikeluarkan dengan pengitungan secara 1 dimensi maupun 2 dimensi. Pada materi yang dipelajari ini kami mendalami dalam proses pengolahan sinyal 1 dimensi secara kotinu ataupun diskrit, secara umum perebedaan dalam proses ini mencakup dalam analog dan digital dengan relatif pengukuran hasil yang hampir sama. Pengolahan sinyal disini difokuskan dalam pengolahan citra dengan pengaplikasian secara pixel maupun ruang. Bilangan kompleks sangat banyak digunakan, terutama dalam berbagai sinyal. Sinyal – sinyal tersebut telah menjadi bagian penting dalam kehidupan kita, seperti listrik, gambar digital, suara audio, dan sinyal –sinyal lain. Hadirnya bilangan kompleks sangat mendukung perkembangan sinyal sehingga teknologi dapat semakin maju seperti saat ini. Penggunaan bilangan kompleks dan pemrosesan sinyal dengan sistem transformasi tentu akan terus berkembang dan menghasilkan teknologi –teknologi baru yang lebih baik dari sebelumnya.