BAB I Sinyal Dan System

SINYAL & SISTEM
EE2423
SINYAL
TEAM DOSEN
1
Outline
Definisi Sinyal & Sinyal dalam kehidupan kita
Klasifikasi Sinyal
Sinyal waktu kontinyu & Sinyal waktu Diskret
Sinyal Periodik & Aperiodik
Sinyal Genap & Sinyal Ganjil
Sinyal Deterministik dan Acak
Sinyal-sinyal Dasar
Operasi Dasar
2
Definisi Sinyal
 Sinyal pada umumnya menggambarkan berbagai fenomena fisik.
 Berbagai contoh sinyal dalam kehidupan sehari-hari : arus atau tegangan dalam
rangkaian elektrik, suara, suhu, tekanan udara, kecepatan, debit air, sinyal biomedis
seperti EEG, ECG dlsb.
 Dalam konteks hubungan sinyal dengan sistem, sinyal adalah masukan dari enviroment
ke dalam sistem dan keluaran dari sistem ke enviroment.
SINYAL SINYAL
INPUT SISTEM OUTPUT
environment
3
Definisi Sinyal
 Perhatikan gambar dibawah, sebuah sistem rangkaian penyearah jembatan dengan
sinyal masukan adalah tegangan AC, dan sinyal keluaran berupa sinyal DC.
 Dalam hal ini sinyal adalah masukan sistem dan output sistem yang direpresentasikan
sebagai perubahan tegangan terhadap waktu.
4
Definisi Sinyal
 Gambar dibawah adalah sinyal ucapan dari kata “apa kabar” yang dilewatkan melalui
mikrofon sepanjang 1100 milidetik. Dalam hal ini, suara ucapan digambarkan
sebagai perubahan tekanan akustik terhadap waktu.
5
Definisi Sinyal
 Selain sinyal satu dimensi, dalam sehari-hari, kita juga akan sering menjumpai sinyal
dua dimensi. Sebagai contoh adalah citra digital. Perhatikan sebuah citra
monokromatis. Citra monokromatis direpresentasikan oleh tingkat kecerahan
sebagai fungsi titik koordinat.
6
Definisi Sinyal
Secara metematis sinyal dinyatakan sebagai fungsi dari
variabel bebas. Sinyal dapat memiliki satu atau lebih dari
satu variabel bebas.
Sebagaimana contoh di atas, sinyal listrik memiliki satu
variabel bebas waktu, sedangkan sinyal citra memiliki
dua variabel bebas berupa titik koordinat.
Dalam banyak hal sinyal adalah fungsi waktu yang
merepresentasikan variabel fisik yang berkaitan dengan
sistem.
7
Definisi Sinyal
Dalam kuliah ini kita akan membatasi pembahasan pada
sinyal dengan satu variabel bebas berupa waktu.
Meskipun pada kenyataannya tidak seluruh variabel bebas
dinyatakan dengan waktu, seperti variasi tekanan udara
dan kelembaban terhadap ketinggian.
Waktu sebagai variabel bebas yang akan kita pelajari
dalam kuliah ini, mencakup waktu kontinyu dan waktu
diskret.
8
Representasi Sinyal
 Selain dengan cara grafis seperti contoh-contoh di atas, sinyal dapat juga
direpresentasikan dengan persamaan matematis.
Contoh :
Untuk sinyal waktu kontinyu :
 x(t) = 10 sin 2t
 x(t) = 2t+7

t t ≥ 0
y (t ) = 
0 t < 0
Untuk sinyal waktu diskret :
 x(n)=2n+3
 y(n)=[1, 2, 3, 4, 3, 2, 1], keterangan : tanda ”_” adalah titik n=0.

1 n ≥ 0
y ( n) = 
0 n < 0
9
Klasifikasi Sinyal
Sinyal waktu kontinyu & Sinyal waktu Diskret
Sinyal Periodik & Aperiodik
Sinyal Genap & Sinyal Ganjil
Sinyal Deterministik & Sinyal Acak
10
Sinyal waktu kontinyu & Sinyal waktu
Diskret
 Sinyal Waktu Kontinyu terdefinisi untuk setiap nilai pada sumbu waktu, sedangkan
Sinyal Waktu Diskret terdefinisi hanya pada nilai waktu diskret.
 Dalam pembahasan kita, sumbu waktu untuk Sinyal Waktu Kontinyu menggunakan
simbol t, sedangkan untuk Sinyal Waktu Diskret menggunakan simbol n. Sehingga
representasi sinyal x untuk Sinyal Waktu Kontinyu dituliskan sebagai x(t) dan untuk
Sinyal Waktu Diskret dituliskan sebagai x(n).
 Contoh Sinyal Waktu Kontinyu : Sinyal modulasi AM
11
Sinyal waktu kontinyu & Sinyal waktu
Diskret
 Contoh Sinyal Waktu Dsikret :
Jumlah pelanggan tetap VoIP U.S
Sumber :Trend in the U.S communication equipment market :A wall

street perspective.
Communication Magazine, Vol 44.
Keterangan : 1Q03 = ¼ pertama tahun 2003
12
Sinyal Periodik dan Sinyal Aperiodik
 Sinyal waktu kontinyu dinyatakan periodik jika dan hanya jika
x(t+kT)=x(t) untuk - ∞ < t < ∞,

dimana k adalah bilangan bulat.
T adalah perioda sinyal.
 Sinyal waktu diskrit dinyatakan periodik jika dan hanya jika
x(n+kN)=x(n) untuk - ∞ < n < ∞,

dimana k adalah bilangan bulat.
N adalah perioda sinyal.
13
Sinyal Genap dan Sinyal Ganjil
 Salah satu klasifikasi lain diperoleh dengan melihat kesimetrian sinyal pada waktu
balikan (reverse time). Sinyal x(t) atau x(n) dinyatakan sinyal genap jika :
x(-t)=x(t) dan x(-n)=x(n)
Jadi sinyal genap membentuk simteri dengan waktu balikannya.
Contoh : gambar& pers
14
Sinyal Genap dan Sinyal Ganjil
 Sinyal x(t) atau x(n) dinyatakan sinyal ganjil jika :
x(-t)=-x(t) dan x(-n)=-x(n)
Jadi sinyal ganjil membentuk anti-simteri dengan waktu balikannya.
Contoh : gambar& pers
15
Sinyal Deterministik dan Stochastic
 Sinyal determinisktik adalah sinyal yang keseluruhan nilainya dapat ditentukan
dengan suatu persamaan matematis.
Contoh : sinyal sinus, sinyal-sinyal dalam pembahasan MK ini selanjutnya adalah
sinyal deterministik.
 Sinyal Stochastic jika nilai yang akan datang dari suatu sinyal tidak dapat ditentukan
secara pasti.
Contoh : noise tegangan dalam penguat, dll
16
Energi dan Daya Sinyal
 Untuk sinyal waktu kontinyu :
T +∞
∫ ∫
2 2
E = lim x(t ) dt = x(t ) dt
T →∞ −T − ∞1
1 T +∞
∫ ∫
2 2
; P = lim x(t ) dt = x(t ) dt
T →∞ 2T −T − ∞1
 Untuk sinyal waktu diskret :
N +∞
∑ ∑
2 2
E = lim x ( n) = x ( n)
N →∞
n=− N n = −∞
N +∞
1
∑ ∑
2 2
P = lim x ( n) = x ( n)
N →∞ 2 N − 1
n=− N n = −∞
17
Sinyal-sinyal Dasar
Sinyal Unit Step
Sinyal Impuls
Sinyal Ramp
Sinyal Eksponensial
Sinyal Sinusoidal
18
Unit Step (cont’d)
 Unit Step Kontinyu
u(t)
u(t)= 1 ,t ≥ 0 1

0 ,t < 0 t
 Unit Step Kontinyu Tergeser
u(t- τ)
u(t-τ)= 1 ,t ≥ τ
 1
0 ,t < τ t
τ
19
Unit Step (cont’d)
 Unit Step Kontinyu diskontinyu pada t=0, sehingga tak terdiferensiasi
(not differentiable)!
 Kita definisikan unit step ter-delay:
uε(t)

1 ,t > ε / 2 1

uε (t ) = 0 ,t < −ε / 2
 t 1 , otherwise t
 + −
ε ε
ε 2 2 2
 uε(t) kontinyu dan dapat di-diferensiasi

1
duε (t )  ,− ε / 2 < t < ε / 2
u (t ) = lim uε (t ) = ε
ε →0 dt 0 , otherwise
20
Unit Impulse (cont’d)
 Unit Impuls Kontinyu:
δε(t)
∞ ,t = 0
δ (t ) =  1/ε
0 , t ≠ 0 t
ε ε
ε −
2 2
∫ε δ (t )dt = 1
−
δ(t)
1 ε ε
duε (t )  ,− <t < ε0
δ (t ) = lim = ε 2 2
ε →0 dt 0 , otherwise
t
21
Unit Impuls (cont’d)
 Unit Impuls Kontinyu Tergeser: δ(t-τ)
 Properties Unit Impuls Kontinyu : τ t
du (t )
δ (t ) =
dt ∞
x(t ) = ∫ x(τ )δ (t − τ )dτ
t
u (t ) = ∫ δ (τ )dτ
−∞
−∞
δ (−t ) = δ (t )
x(t )δ (t ) = x(0)δ (t )
x(t )δ (t − τ ) = x(τ )δ (t − τ )
22
Unit Step
 Unit Step Diskret
u[n]
u[n]= 1 ,n ≥ 0
 1
0 ,n < 0
n
-3 -2 -1 1 2 3
 Unit Step Diskret Tergeser
u[n-k]
1 ,n ≥ k
u[n-k]=
 1
0 ,n < k
n
-1 1 … k
23
Unit Impuls
 Unit Impuls Diskret δ[n]
1
1 ,n = 0
δ [ n] =  n
0 ,n ≠ 0 -3 -2 -1 1 2 3
 Unit Impuls Diskret Tergeser
δ[n-k]
1
1 ,n = k
δ [n − k ] =  n
0 ,n ≠ k -1 1 … k
24
Unit Impuls (cont’d)
Properties Fungsi Unit Impuls Diskret:
δ [n] = u[n] − u[n − 1]

n
u[n] = ∑ δ [k ]
k = −∞
x[n]δ [n] = x[0]δ [n]

x[n]δ [n − k ] = x[k ]δ [n − k ]
∞
x[n] = ∑ x[k ]δ [n − k ]
k = −∞
25
Latihan
 Hitung persamaan dibawah:
10 10 ∞
∑ nu[n] + ∑ ∑ nδ [n − 2k ]
n = −∞ n = −∞ k = 0
10
∫ t (u(t ) + δ (t − 15))dt
−∞
 Gambarkan sinyal berikut ini:
x[n] = (1 − n)u[n] + nu[n − 3]

x(t ) = −(t + 2)u (t ) + t (u (t − 4) − u (t − 6) + u (t − 8))
 Gambar turunan dari x(t), yakni dx(t)/dt.
26
Signals Sebagai Fungsi Step
x(t) y(t)
c 1
t t
a b - 1
1
z(t) w(t)
2
1
1 t t
- - - 1
1 2 1
2
27
Signals Sebagai Fungsi Step (cont’d)
x[n]
1
n
-1 1 … N
y[n]
1
n
… -3 -2 -1 1 2 3 4 5…
28
Operasi-operasi Dasar
 Operasi terhadap Sumbu Waktu
  b    b 
f (± at ± b) = f ± a t ±  f (± an ± b) = f ± a n ± 
  a    a 
Pergeseran sumbu waktu
X(t+t0) geser ke kiri sejauh t0
X(t-t0) geser ke kanan sejauh t0
Pencerminan
X(-t) pencerminan terhadap sumbu vertikal
Penskalaan waktu (kompresi-ekspansi)

X(at) jika |a|>1 Kompresi
29 jika |a|<1 ekspansi
Operasi-operasi Dasar
Operasi terhadap Amplituda
Penskalaan
A.x(t)
30
EE2423
SINYAL & SISTEM
SISTEM
TEAM DOSEN
31
Outline (bagian 1)
Definisi Sistem
Interkoneksi Sistem
Klasifikasi Sistem :
Sistem Memory vs. Memoryless
Kausalitas
Stability and Invertibility
Linearity
Time-Invariance
Superposisi pada Sistem LTI
32
Definisi Sistem
 Sistem: Black box yang memetakan sinyal input menjadi sinyal
output.
 Sistem Waktu Diskret: y[n] = H[x(n)]
x[n] y[n]
H
 Sistem Waktu Kontiunyu: y(t) = H(x(t))

x(t) y(t)
H
33
Interkonneksi Sistem
 Hubungan serial (Cascade): y(t) = H2( H1( x(t) ) )
x(t) y(t)
H1 H2
 Contoh: radio receiver diikuti oleh amplifier

 Parallel Connection: y(t) = H2( x(t) ) + H1( x(t) )
H1
x(t) y(t)
+
H2
 Contoh: line telepon terhubung parallel dengan microphone telepon
34
Interkonneksi Sistem(cont’d)
 Hubungan Feedback : y(t) = H2( y(t) ) + H1( x(t) )
x(t) y(t)
+ H1
H2
contoh : Sistem penghapus echo

 Sangat mungkin untuk mengkombinasikan hubungan tersebut.
35
Sistem Memory vs. Memoryless
 Sistem Memoryless (static): Output sistem y(t) bergantung hanya
pada intput pada waktu t,
 y(t) adalah fungsi x(t)
 Sistem Bermemori (dynamic): Output sistem y(t) bergantung pada

input sebelum atau sesudah waktu t (current time t),
 y(t) fungsi x(τ) dimana -∞ < τ <∞.
36
Sistem Memory vs. Memoryless
 Contoh:Tentukan apakah dibawah ini sistem bermemori atau tak bermemori
 resistor: y(t) = R x(t)
t
1
 capacitor: y (t ) = ∫ x(τ )dτ
C −∞
 satu unit delayer: y[n] = x[n-1]
 accumulator:
n
y[n] = ∑ x[k ]
k = −∞
37
Kausalitas
Sistem kausal jika keluaran pada saat n=n0 hanya bergantung
pada harga-harga dari masukan n≤n0 (sebelumnya dan
sekarang), dengan kata lain h(n)=0 untuk n<0.
h(n) = respon impuls
Sistem yang dapat direalisasikan harus kausal
38
Stabilitas dan Invertibilitas
 Stabilitas: Sistem stabil jika memberikan keluaran terbatas untuk masukan yang
terbatas (bounded-input/bounded-output)-BIBO.
 Jika |x(t)| < k1, maka |y(t)| < k2.

 Contoh:
t
y (t ) = ∫ x(t )dt y[ n] = 100 x[ n]
0
39
 Invertibilitas: Sistem invertible jika input yang berbeda menghasilkan output yang
berbeda. Jika sistem invertible,maka ada sistem “inverse” yang dapat mengkonversi
output asli sistem menjadi input asli sistem.
 Contoh:
x(t) y(t) Sistem w(t)=x(t)

Sistem
Inverse
40
 Contoh:
t
y (t ) = ∫ x(t )dt
n
y (t ) = 4 x(t ) y[n] = ∑ x[k ]
−∞
k = −∞
1 dy (t )
w(t ) = y (t ) w[ n ] = y [ n ] − y[ n − 1] w(t ) =
4 dt
41
Linearitas
 Sistem linier jika memenuhi sifat:
additivitas: x(t) = x1(t) + x2(t)  y(t) = y1(t) + y2(t)
homogeneitas (atau scaling): x(t) = a x1(t)  y(t) = a y1(t), dengan a
konstanta complex.
 Dua sifat tersebut dapat dikombinasi menjadi satu sifat:

Superposition:
x(t) = a x1(t) + b x2(t)  y(t) = a y1(t) + b y2(t)
x[n] = a x1[n] + b x2[n]  y[n] = a y1[n] + b y2[n]
42
Linearitas
Contoh: Apakah sistem berikut linier?
y (t ) = x 2 (t )
y[n] = nx[n]
y (t ) = x(t ) cos(ωt )
43
Time-Invariance
 Sistem time-invariant jika delay (time-shift) pada sinyal input
menyebebkan delay yang sama besar (time-shift) pada sinyal ouput.
x(t) = x1(t-t0)  y(t) = y1(t-t0)

x[n] = x1[n-n0]  y[n] = y1[n-n0]
 Periksalah sistem dibawah apakah time-invariant:
y[n] = nx[ n]
y (t ) = x(2t )
y (t ) = sin x(t )
44
Superposisi dalam Sistem LTI
 Dalam sistem LTI:
Respons sistem y(t) untuk sinyal input x(t)
Sangat mungkin menggambarkan respons sistem untuk sejumlah
sinyal input x1(t) yang dapat diperoleh dengan “scaling” atau “time-
shifting” dari sinyal input x(t),
contoh :
x1(t) = a0 x(t-t0) + a1 x(t-t1) + a2 x(t-t2) + … 

y1(t) = a0 y(t-t0) + a1 y(t-t1) + a2 y(t-t2) + …
45
Superposisi in Sistem LTI (cont’d)
 Latihan: Diberikan respon y(t) pada sistem LTI untuk sinyal input x(t) di bawah, carilah
response sistem untuk sinyal input x1(t) dan x2(t).
x(t) y(t)
2
1
t t
1 -1 1
46
Superposisi in Sistem LTI (cont’d)
 Latihan: Diberikan respon y(t) pada sistem LTI untuk sinyal input x(t) di bawah, carilah
response sistem untuk sinyal input x1(t) dan x2(t).
x1(t) x2(t) 4
2
2
1 3 t
-1
-1/2 1/2 1
t
47
EE2423
SINYAL & SISTEM
KONVOLUSI
TEAM DOSEN
48
Outline (bagian 2)
Representasi Sinyal sebagai Impuls
Response Impulse
Penurunan Konvolution Jumlah
Arti Konvolusi
Metoda Konvolusi Dua Sinyal
Penurunan Konvolusi Integral
49
Representasi Sinyal sebagai Impuls
Kita dapat merepresentasikan berbagai sinyal melalui
pen-sampling-an dengan unit impulse tergeser:
 ... + x[−2]δ [n + 2] + x[−1]δ [n + 1] 

 
x[n] =  + x[0]δ [n] + x[1]δ [n − 1] 
 + x[2]δ [n − 2] + ... 
 
Disebut sebagai sifting (or shifting) property:
∞
x[n] = ∑ x[k ]δ [n − k ]
k = −∞
50
Response Impuls
Respons dari sistem ketika sinyal input adalah unit impulse δ(t)
disebut sebagai respons impulse, dan direpresentasikan oleh h(t).
Pada SWK : h(t) = H(δ(t))
δ(t) Sistem h(t)

Pada SWD : h[n] = H[δ[t]]
H
δ[n] Sistem h[n]

H
51
Penurunan Konvolution Jumlah
 Pada SWD LTI, misal h[n] adalah respons impuls dari sistem H.
 signal x[n] sebagai masukan H.
 tulis x[n] dalam bentuk representasi unit impulses:
∞
x[n] = ∑ x[k ]δ [n − k ]
k = −∞
 Maka sinyal output y[n] menjadi:
 ∞ 
y[n] = H [ x[n]] = H  ∑ x[k ]δ [n − k ]
 k = −∞ 
52
Penurunan Konvolution Jumlah (cont’d)
 Karena additivitas pada sistem LTI :
∞
y[n] = ∑ H [ x[k ]δ [n − k ]]
k =pada
−∞ sistem LTI :
 Karena homogenitas
∞
y[n] = ∑ x[k ]H [δ [n − k ]]
k = −∞
 Karena time-invariance pada sistem LTI:
∞
y[n] = ∑ x[k ]h[n − k ]
k = −∞
53
Arti Konvolusi
∞
 Persamaan y[n] = ∑ x[k ]h[n − k ]disebut sebagai konvolusi jumlah
k = −∞
(convolution sum) atau superposition sum, dan direpresentasikan oleh:
y[n] = x[n] * h[n]

 Perlu dicatat bahwa ini bukan perkalian antara x[n] dan h[n].
 Secara Visual konvolusi berarti :
Cerminkan h[k]
Geser h[k] untuk seluruh nilai n yang mungkin, sampai melewati
x[n].
54
Penurunan Konvolusi Integral
 Pada sistem waktu kontinyu LTI H, misal h(t) adalah respons impulse
sistem.
 signal x(t) sebagai masukan H.
 Tulis “staircase approximation” untuk x(t) dalam bentuk unit impulse:
∞
xˆ (t ) = ∑ x[k∆]δ
k = −∞
∆ (t − k∆)∆
dimana .
1
 ,0 ≤ t < ∆
δ ∆ (t ) =  ∆
0 , t lain
55
Penurunan Konvolusi Integral (cont’d)
 Maka, sinyal output signal y(t) menjadi :
 ∞ 
yˆ (t ) = H ( xˆ (t )) = H  ∑ x[k∆]δ ∆ (t − k∆)∆ 
 k = −∞ 
 Karena additivitas pada sistem LTI :
∞
yˆ (t ) = ∑ H ( x[k∆]δ
k = −∞
∆ (t − k∆)∆ )
 Karena homogenitas pada sistem LTI :
∞
yˆ (t ) = ∑ x[k∆]H ( δ
k = −∞
∆ (t − k∆) ) ∆
56
Penurunan Konvolusi Integral (cont’d)
 Karena time-invariance pada sistem LTI :
∞
yˆ (t ) = ∑ x[ k
k = −∞
∆ ]hˆ(t − k∆)∆
dimana hˆ(t ) adalah staircase approximation dari h(t).
57
Pada kasus ∆ → 0 diatas penjumlahan didekati
konvolusi integral dibawah:
∞
y (t ) = lim yˆ (t ) = lim
∆ →0 ∆ →0
∑ x[k∆]hˆ(t − k∆)∆
k = −∞
∞
y (t ) = ∫ x(τ )h(t − τ )dτ
−∞
y (t ) = x(t ) * h(t )
58
Latihan
59
Sifat-sifat Konvolusi
Properties of Convolution
Causality
Step Response
Exercises
60
Sifat-sifat Konvolusi
 Commutative Property:
x[n]*y[n]=y[n]*x[n]
x(t)*y(t)=y(t)*x(t)
 Distributive Property:
x[n]*(y1[n] + y2[n])=x[n]*y1[n] + x[n]*y2[n]
x(t)*(y1(t) + y2(t))=x(t)*y1(t) + x(t)*y2(t)
 Associative Property:
x[n]*(y1[n]*y2[n])=(x[n]*y1[n])*y2[n]
x(t)*(y1(t)*y2(t))=(x(t)*y1(t))*y2(t)
61
Causality
Sistem kausal jika output hanya bergantung hanya pada
sinyal input saat ini dan sebelumnya.
Sistem LTI Kausal:
∞
y[n] = ∑ x[k ]h[n − k ]
k = −∞
Karena kausalitas h[n-k] harus nol untuk k>n.
Shg, n-k<0 untuk sistem LTI kausal.
Maka h[n]=0 untuk n<0.
62
Causality (cont’d)
 Maka konvolusi jumlah untuk sistem LTI kausalmenjadi:
n ∞
y[n] = ∑ x[k ]h[n − k ] = ∑ h[k ]x[n − k ]
k = −∞ k =0
 Sama halnya, konvolusi integral untuk sistem LTI kausal:

t ∞
y[n] = ∫ x(τ )h(t − τ )dτ = ∫ h(τ ) x(t − τ )dτ
−∞ 0
 Maka jika sistem kausal, respons impulse nol untuk nilai waktu negatif
dan gunakan persamaan konvolusi yang lebih sederhana seperti di atas
63
Step Response
 Unit Step Response: Keluaran sistem ketika diberikan masukan
sinyal step.
 Direpresentasikan oleh oleh s[n] atau s(t).
 Seluruh karakteristiknya pada sistem LTI serupa dengan Respons
Unit Impulse.
δ(t) Sistem h(t)

H
u(t) Sistem s(t)

H
64
Step Response dan Impulse Response
 Hubungan Respons Step dan Respons Impulse:
n
s[n] = ∑ h[k ]
k = −∞
h[n] = s[n] − s[ n − 1]
t
s (t ) = ∫ h(τ )dτ
−∞
ds (t )
h(t ) = = s ' (t )
dt
 Exercise: buktikan hubungan persamaan di atas.
65
EE2423
SINYAL & SISTEM
Pencuplikan (Sampling)
TEAM DOSEN
66
Outline
Teorema Pencuplikan
Pencuplikan Ideal (Rentetan Impulse)
Rekonstruksi dengan Interpolasi
Efek Under-sampling: Aliasing
Latihan
67
Teorema Pencuplikan (Sampling Theorem)
 Sampling adalah suatu proses mengubah sinyal kontinu menjadi
sinyal diskrit; sedangkan rekonstruksi adalah proses sebaliknya
 Sampling Theorem: Suatu sinyal waktu kontinu, x(t) dapat
direkonstruksi secara unik dari cuplikannya, xs(t), jika dipenuhi
dua kondisi:
1. x(t) harus memiliki pita terbatas dengan frekuensi maximum
ωM
Contoh :
Apkh x(t)=e-30tu(t) band-limited, maksudnya, apkh
|X(ω)|=0 for |ω|>ωM? Why or why not?
Apkh x(t)=sinc(t) band -limited? Why or why not?
68
Teorema Pencuplikan (Sampling Theorem)
1. x(t) harus memiliki pita terbatas dengan
frekuensi maximum ωM
Contoh :
Apkh x(t)=e-30tu(t) band-limited, maksudnya, apkh
|X(ω)|=0 for |ω|>ωM? Why or why not?
Apkh x(t)=sinc(t) band -limited? Why or why
not?
69
Sampling Theorem (continued)
2. Sampling frequency ωs dari xs(t) harus lebih besar sama
dengan 2ωM, atau ωs ≥ 2ωM.
 Kondisi kedua ini dikenal sbg Kriteria Nyquist
 ωs disebut Frekuensi Nyquist yaitu sampling frequency
(Frekuensi pencuplikan) terkecil yang mungkin agar dapat
diperoleh kembali sinyal analog asli dari hasil cuplikannya
70
Pencuplikan Ideal (Rentetan Impulse)
Pencuplikan sinyal waktu kontinu x(t) dpt dilakukan dgn
mendapatkan nilai-nilainya pada waktu-waktu periodik x(kT) dimana
T is the sampling period.
Idealnya dapat dilakukan dg mengalikan x(t) dengan rentetan impuls
yang punya periode T:
xs (t ) = x(t ) p (t )
∞
p (t ) = ∑ δ (t − kT )
k = −∞
Dari sifat sampling:
∞
xs (t ) = ∑ x(kT )δ (t − kT )
k = −∞
71
Pencuplikan Ideal (Rentetan Impulse)
Dari sifat multiplikasi diketahui :
+∞
1
X s ( jω ) =
Dan 2π ∫ X ( jθ ) P( j(ω − θ ))dθ
−∞
2π +∞
P ( jω) =
T
∑δ (ω − kω )
k =−∞
s
Misalkan x(t) adalah band-limited dg maximum

frequency ωM dan dg bentuk triangular, sketsa
spektrum frekuensi Xs(jω) untuk 2 kasus: ωs>2ωM dan
ωs<2ωM adalah sbb :
72
Pencuplikan Ideal (cont)
-ωM ωM
73
74
Pencuplikan Ideal (cont’d)
Berapakah frekuensi cutoff ωc terbaik dari LPF untuk

merekonstruksi x(t) dari xs(t).
Latihan: Berapakah Frekuensi Nyquist untuk signals:
x(t)=2cos(40t)
x(t)=sinc(t)
75
Pencuplikan Ideal (cont’d)
Latihan : Anggap x(t) periodik dengan periode TM.

Tuliskan kriteria Nyquist ωs>2ωM dalam bentuk periode
Ts dan TM.
Latihan : Sample x(t)=cos(ωMt) as ωs=2ωM.
76
Rekonstruksi dengan Interpolasi
 Suatu samples (cuplikan) xs(t) dari sebuah sinyal analog x(t) dilewatkan melalui
LPF ideal denganfrekuensi cutoff ωc=ωs/2.
 Bagaimana bentuk korespondensi time-domain untuk operasi ini?
 Operasi disebut interpolasi band-limited
xs(t) LPF xr(t)

h(t)
77
Carilah rumus interpolasi utk mendapatkan xr(t).
Similarly, obtain the two easier-to-implement
interpolation formulas for xr(t) by using
Zero-Order-Hold
First-Order-Hold (Linear Interpolation)
78
Aliasing (Under-sampling)
 Apa yg terjadi bila frekuensi sampling lebih kecil dari Frekuensi
Nyquist, ωs<2ωM ?
 Sinyal asli x(t) tak bisa diperoleh dari xs(t) krn ada “overlap” yang
tak diinginkan di Xs(ω).
 Akibatnya sinyal hasil rekonstruksi l xr(t) berbeda dengan x(t),
dan disebut sebagai aliasing atau under-sampling.
79
Latihan: Utk x(t)=cos(ωMt), cupliklah dgn
frekuensi:
ωs=3ωM
ωs=3ωM/2
ωs=ωM
(a) Gambarkan sinyal cuplikanl xs(t) dan its
spektrum frekuensinya.
(b) Jika terjadi aliasing , brpkh frekuensi
maximum dari aliasing.
80
EE2423
SINYAL & SISTEM
DERET FOURIER WAKTU KONTINU

(DFWK)
TEAM DOSEN
81
Deret Fourier Waktu Kontinu (DFWK)
sis a0, ak, bk : Fourier coefficients.

he +∞
n t x(t) = a 0 + ∑ [ a k ⋅ cos (k Ω t) − b k ⋅ sin (k Ω t)]
sy k =1
k: harmonic number,
For all t but discontinuities T: period, Ω = 2π/T

s
ysi
nal T
a a = 1 ⋅ s(t)dt (signal average over a period, i.e. DC term &
T ∫0 zero-frequency component.)
0
T
2
a k = ⋅ ∫ s(t) ⋅ cos(k Ω t) dt
T 0
T
2
- b k = ⋅ ∫ s(t) ⋅ sin(k Ω t) dt
T 0
82
Deret Fourier Waktu Kontinu (DFWK)
Deret Fourier Bentuk Eksponensial Kompleks
DFS defined as:
s
ysi
al 1
t 0 +T Ωt Bentuk ini lebih memberikan
n − jk
a ck =
T ∫ x(t) ⋅ e T
dt banyak informasi, karena
t0 koefisien Fourier dinyatakan
s secara eksplisit
esi
nth ∞ Ωt
sy jk
x(t) = ∑c
k =- ∞
k ⋅e T
z=re
jθ
r r = a2 + b2
Link to FS real coeffs. b
θ θ = arctan(b/a)
c 0 = a0 a
1 1
ck = ⋅ ( ak + j ⋅ bk ) = ⋅ ( a −k − j ⋅ b −k )
2 2
83
Spektral Fourier
1.5
2π
square signal, sw(t)
0.5 rk
0 4/π
e
0 2 4 6 8 10
t
ud
-0.5
it
4/3π
pl
-1
am
-1.5 θk f1 3f1 5f1 7f1 f
e
as
ph
f1 3f1 5f1 7f1 f
84
DFWD
Diskret square wave.
e
ud
s[n]
it
1 ck
pl
am
-5 0 1 2 3 4 5 6 7 8 9 10 n
0 L N 0 1 2 3 4 5 6 7 8 9 10 k
θk
e
as
ph
0 2 4 5 6 7 8 9 10 n
85
Fourier analysis - tools
2.5
Input Time Signal Frequency spectrum

2
1.5
T
1
Periodic c k = ⋅ ∫ x(t) ⋅ e − j k Ωt dt
0.5
FS Discrete
0
0 1 2 3 4 5 6 7 8
time, t T 0
(period T)
2.5 Continuous − j2 π f t
+∞
FT X(f) = ∫ x(t) ⋅ e
2
1.5
Aperiodic Continuous dt
1 −∞
0.5
0
0 2 4 6 8 10 12
time, t
2πkn
DFS** Discrete
N −1
~c = 1
2.5
−j
∑ x[n] ⋅ e N
2
Periodic k
1.5
0.5
N n =0
0
0 1 2 3
time, tk
4 5 6 7 8
(period T)
+∞
Discrete X(f) = ∑ x[n] ⋅ e − j2 π f n
2.5 DTFT Continuous n = −∞
Aperiodic
2
1.5
DFT** Discrete
1
N −1 2πkn
~c = 1 −j
∑ ⋅
0.5
0
k x[n] e N
time, tk N n =0
0 2 4 6 8 10 12
Calculated via FFT

Note: j =√ -1, ω = 2π /T, s[n]=s(tn), N = No. of samples
**
86
FS convergence
Dirichlet conditions
(a)
s(t) piecewise-continuous;
In any period: (b)

s(t) piecewise-monotonic;
T
(c)
s(t) absolutely integrable , ∫ s(t) dt < ∞
0
T Rate of convergence
Example:
if s(t) discontinuous then |ak|
square wave
<M/k for large k (M>0)
s(t)
87 (a) (b) (c)

Sifat-sifat Deret Fourier
Diberikan dua sinyal periodik dengan period T dan fundamental frequency
ω0=2π/T sama:
x(t ) ↔ ak
y (t ) ↔ bk
Linearity:
z (t ) = Ax(t ) + By (t ) ↔ Aak + Bbk
Time-Shifting: z (t ) = x(t − t0 ) ↔ ak e − jω 0t0
Time-Reversal (Flip): z (t ) = x(−t ) ↔ a− k
Time-Scaling: z (t ) = x(αt ) ↔ ak , α > 0
88
Sifat-sifat Deret Fourier (cont’d)
 Differentiation:
dx(t )
z (t ) = ↔ jkω 0 ak
 Integration: t dt
1
z (t ) = ∫ x(t )dt ↔ a k , a0 = 0
 Dekomposisi Genap-Ganjil dari
− ∞ Sinyal Real:
jkω 0
z (t ) = Even{x(t )} ↔ ℜe{ak }
z (t ) = Odd{x(t )} ↔ jℑm{ak }
 Multiplication:
∞
z (t ) = x(t ) y (t ) ↔ ak * bk = ∑a b
l = −∞
l k −l
89
Tabel FS properties
Time Frequency
Homogeneity a·s(t) a·S(k)
Additivity s(t) + u(t) S(k)+U(k)
Linearity a·s(t) + b·u(t) a·S(k)+b·U(k)
Time reversal s(-t) S(-k)

∞
Multiplication * s(t)·u(t) ∑ S(k − m)U(m)
T m = −∞
Convolution * 1 S(k)·U(k)
⋅ ∫ s(t − t ) ⋅ u( t ) dt
T
Time shifting 0
2π k ⋅t
s(t − t ) −j
Frequency shifting e S(k T- m)⋅ S(k)
2π m t
+j
e T ⋅ s(t)
90
EE2423
SINYAL & SISTEM
Transform Fourier Waktu Kontinyu
(TFWK)
TEAM DOSEN
91
Outline
Time Domain vs. Frequency Domain
Hubungan Deret Fourier dan Transform Fourier
Sifat-sifat Fourier Transform
Exercises
92
Time Domain vs. Frequency Domain
 Analisis Fourier (Deret atau Transform) merupakan jalan untuk menentukan kandungan
frequency dari sinyal yang diberikan, yakni memindahkan dari domain waktu ke domain
frequency.
 Selalu mungkin untuk mengembalikan dari domain frequency ke domain waktu, melalui
Penjumlahan Deret Fourier atau Inverse Fourier Transform.
 Diberikan sinyal x(t) dalam domain waktu, koefisien Fouriernya (a k) or Fourier
Transform-nya (X(ω)) disebut “frequency (or line) spectrum”.
 Jika ak atau X(ω) complex, maka frequency spectrum dinyatakan dengan magnitude (|ak|
atau |X(ω)|) dan phase (∠ak atau ∠X(ω))
X (ω ) = Ae jθ
X (ω ) = A ∠X (ω ) = θ
93
Hubungan Deret dan Transform Fourier
 Perhatikan sinyal periodik x(t):
x(t)
t
-T -T1 0 T1 T
 Kita dapatkan koefisien Fourier x(t) adalah:
 2T1
 T , k =0
ak = 
 sin( kω 0T1 ) k ≠0
 kπ
94
 Sketch ak on the k-axis:
ak
2T1/T
k
-2 -1 0 1 2
 Plot membentuk fungsi sinc diskret.

 Untuk setiap nilai k, sinyal x(t) memiliki komponen periodik
dengan weight ak, menunjukkan frequency content dari sinyal x(t).
95
(cont’d)
 Sekarang, sket ak on ω-axis:
ak
2T1/T
ω
-2ω0 -ω0 0 ω0 2ω0
 Pada ω-axis, jarak antara dua aks yang berurutan adalah ω0=2π/T,
frekuensi fundamental.
96
(cont’d)
 Pada perioda T∝, frekuensi fundamental ω00. Sehingga, jarak antara dua
aks yang berurutan menjadi nol, dan sket ak menjadi kontinu, ini disebut
Transform Fourier.
 Pada sisi lain, saat T∝, sinyal x(t) menjadi aperiodik dan mempunyai
bentuk :
x(t)
t
-T1 0 T1
 Hal ini berarti Transformasi Fourier dapat merepresentasikan sinya apriodik

pada domin frekuensi.
97
Transform Fourier Waktu Kontinu
 Transisi dari DFWK ke TFWK
fF=1/TF
∞ Ωt
jk Transisi dari DFWK ke TFWK dicapai dengan
x(t) = ∑c
k =- ∞
k ⋅e T
pendekatan
“sinyal aperiodik dapat dipandang sebagai
sinyal periodik dengan perioda infinity”
∆f=fF=1/TF
∞
x(t) = ∑ X[k ] ⋅ e
k =-∞
j 2π ( ∆f ) t
∞ 1 t 0 +TF
 j 2 π ( ∆f ) t
x(t) = ∑  ∫ x(τ ) ⋅ e
− j 2π ( k∆f )τ
dτ  ⋅ e
 TF
k =- ∞ t0 
98
∞ TF / 2  j2π ( ∆f ) t
x(t) = ∑  ∫ x(τ ) ⋅ e − j 2π ( k∆f )τ
dτ  ⋅ e ∆f
k =-∞
−TF / 2 
∞ TF / 2  j 2 π ( ∆f ) t
x(t) = lim ∑  ∫ x(τ ) ⋅ e − j 2π ( k∆f )τ
dτ  ⋅ e ∆f
TF →∞
k =-∞
 −TF / 2 
∞
∞

x(t) = ∫  ∫ x(τ ) ⋅ e − j 2πfτ dτ  ⋅ e j2πf t df
− ∞ − ∞ 
99
Jadi Persamaan Transformasi Fourier Waktu Kontinyu
s
ysi
al
∞
n
∫
− j 2πft
a X(f) = F ( x(t )) = x(t ) ⋅ e dt
−∞
sis
t he ∞
yn
s x(t) = F ( X ( f )) = ∫ X( f ) ⋅ e j2πft df
−1
−∞
100
Bentuk lain Persamaan TFWK
s
ysi
nal ∞
∫
a − j Ωt
X(Ω) = F ( x(t )) = x(t ) ⋅ e dt
−∞
s
esi
nth ∞
sy x(t) = F −1 ( X (Ω)) =
1
∫ X(Ω) ⋅ e
jΩt
dΩ
2π −∞
101
Konvergensi TFWK
Samahalnya dengan Deret Fourier, kondisi konvergen
Diterapkan untuk Fourier Transform:
Sinyal harus absolutely integrable
∞
∫ x(t ) dt < ∞
−∞
Pada interval waktu terbatas, sinyal haruslah memiliki maxima and
minima berhingga
Pada interval waktu terbatas, sinyal haruslah memiliki jumlah
diskontinu berhingga.
102
103
Sifat-sifat TFWK
Diberikan dua sinyal X (ω )

x(t ) ↔dan y:(t ) ↔ Y (ω )
 Linearity:
ax(t ) + by (t ) ↔ aX (ω ) + bY (ω )
x(t − t0 ) ↔ e − jωt0 X (ω )
 Time-Shifting:
x(−t ) ↔ X (−ω )
 Time-Flip: dx(t ) / dt ↔ jωX (ω )
 Differentiation in Time:
t
 Integration in Time: 1
∫−∞x(t )dt ↔ jω X (ω ) + πX (0)δ (ω )
104
Sifat-sifat TFWK (cont’d)
 Frequency-Shifting:
e jω 0t x(t ) ↔ X (ω − ω 0 )
 Differentiation in Frequency:
tx(t ) ↔ jdX (ω ) / dω
y (t ) = e −t −1 + te 2t + 2e 2t
 Diberikan (ω ) Transformasi Fourier

x(t ) = e 2t ↔ X, carilah
untuk dalam X(ω)?
105
Pasangan TF
106
Pasangan TF
107
Latihan
 Dengan menggunakan Sifat-sifat Transformasi Fourier, Hitunglah
Transformasi Fourier sinyal di bawah ini:
x(t)
x(t ) = u (t )
t
-3 -2 0 2 3
x(t)
A
t
-A 0 A
-A
108
Transformasi Fourier pada Sinyal Periodik
 Beberapa sinyal periodik, integral Transformasi Fourier mungkin tidak dapat
menyelesaikannya. Namun, ada cara yang mudah untuk menentukan
Transformasi Fourier pada sinyal periodik:
 Untuk sinyal periodik x(t), Deret Fourier :
∞
1
x(t ) = ∑a e
k = −∞
k
jkω0t
dimana ak = ∫ x(t ).e − jkω 0t dt
TT
 Maka, Transformasi Fourier x(t) adalah:
∞
X (ω ) = ∑ 2πa δ (ω − kω
k 0 )
k = −∞
 merupakan deretan impulse dengan magnituda 2πak, dimana ω0 adalah frekuensi
fundamental dari x(t).
109
Inverse Fourier Transform
 Kita dapat merekonstruksi sinyal asli x(t) jika diberikan frequency
content, yakni Transformasi Fourier.
 Sehingga, Jika diketahui Transformasi Fourier X() dari sinyal x(t),
sinyal x(t) dapat dihitung melalui persamaan Inverse Fourier :
∞
1
∫
jω t
x(t ) = X (ω ) e dω
2π −∞
 Exercise: Solve Text Problems 4.4 (b) and 4.22 (c).
110
Respons Frequency
 Sepertihalnya Respons Impuls h(t) pada sistem LTI, frequency response H(ω) pada
sistem LTI merupakan karakteristik perilaku sistem.
 Hubungan antara h(t) dan H(ω) secara sederhana:
∞
h(t ) ↔ H (ω ) = ∫ h(t )e − jωt dω
−∞
 Hal ini berguna ketika kita mencari output sistem LTI saat diberi input:
x(t) h(t) y(t)

 Melalui Transformasi Fourier, y(t) dapat dihitung dengan perkalian sederhana:
Y(ω) = H(ω)X(ω)
111
Konvolution dan Perkalian
Konvolusi dalam domain waktu koresponden dengan
perkalian dalam domain frekuensi:
x(t ) * y (t ) ↔ X (ω )Y (ω )
Demikain halnya, perkalian dalam domain waktu
koresponden dengan konvolusi dalam domain frequensi:
∞
1 1
x(t ) y (t ) ↔
2π
X (ω ) * Y (ω ) =
2π ∫ X (θ )Y (ω − θ )dθ
−∞
112
EE2423
SINYAL & SISTEM
ANALIS FOURIER SINYAL WAKTU DISKRIT
TEAM DOSEN
113
Deret Fourier Sinyal Waktu Diskrit
Tujuan :
Memindahkan sinyal waktu diskrit ke kawasan frekuensi
DFWD
Sinyal periodik Spektral Diskrit
TFWD
Sinyal aperiodik Spektral Kontinu
114
DERET FOURIER WAKTU DISKRIT
Bentuk Trigonometri
Sinyal periodik x(n) dengan perioda
x(n) = x(n+N)
Sinyal periodik bentuk sinusoida
x(n) = an cos (2πn/N)
x(n) = bn sin (2πn/N)
Frekuensi sudut sinyal periodik
ω ≡ 2πn/N radian
115
DFWD
∞
x(n) = a0 + ∑ (ak cos kω0t + bk sin kω0t )
k =1
Bandingkan dgn DFWK
∞
x(t ) = a 0 + ∑ (a n cos nΩ 0 t + bn sin nΩ 0 t )
n =1
116
Bentuk Eksponensial
N −1
x ( n) = ∑ a k e jkω0 n
n = 0,±1,±2,...
k =0
N −1
1
a(k ) =
N
∑ x ( n )e
n =0
− jkω0 n
k = 0,1,2,..., N − 1
117
Jika
2π 2πk
j j
wN ≅ e N
maka w Nk = e N
Jadi
N −1
x(n) = ∑ a k wN kn n = 0,±1,±2,...
k =0
N −1
1
ak =
N
∑ x
n =0
( n ) w N
− kn
k = 0,1,2,..., N − 1
118
Bentuk DFWD cukup dianalisis 1 periode dari N=0 s/d N-
1 karena sifat ekponensial
N
 2πk

[e ]
jkω0 N
= e
j
N
 =e
j 2πk
=1
 
dimana k=integer sejumlah N dai 0 s/d N-1
119
Untuk N=8 Integer k juga
merepresentasikan frekuensi
sudut ω0
Jadi ak merepresentasikan
spektral SWD
120
Latihan
Gambarkan koefisien fourier diskrit dari SWD dgn perioda 8
sbb:
x(n)
7 n
0 1
121
Respon Steady State thd bbrp input sinusoida
Cari Lq (operator q)
Respon steady state input ekponensial x(n) = Ae jω0n
Jika input sinusoid maka diubah dulu ke bentuk eksponensial
N ( q)
y ss (n) = x ( n ) q = e jω 0
D( q )
122
KONVERGENSI DERET FOURIER
Suatu sinyal periodik tidak dapat direpresentasikan sebagai deret
Fourier jika :
Sinyal tidak dapat diintegralkan secara absolut pada setiap periode
Dalam setiap interval waktu yang terbatas, sinyal mempunyai variasi
yang tidak terbatas
Dalam setiap interval waktu terbatas , sinyal mempunyai jumlah
diskontiniu yang tak terbatas.
Akan tetapi sinyal yang demikian adalah sinyal yang tidak
realistik, sehingga konvergensi bukan merupakan hal yang
penting dalam hal ini.
123
SIFAT-SIFAT DERET FOURIER
Dua sinyal periodik dgn periode N dan
fundamental frequency ω0=2π/N:
x ( n ) ↔ ak
y (n) ↔ bk
Linearitas:
z (t ) = Ax(n) + By (n) ↔ Aak + Bbk
124
Pergeseran Waktu:
− jkω0 n0
z (n) = x(n − n0 ) ↔ ak e
Time-Reversal (Flip):
z ( n ) = x ( − n) ↔ a− k
125
Penskalaan Waktu:
z ( n) = x (αn) ↔α ak
Differensiasi Pertama:
− jkω0
z (n) = x(n) − x(n − 1) ↔ (1 − e )a k
126
Konvolusi Periodik:
∑ x(r ) y(n − r ) ↔ Na b
r =( N )
k k
Perkalian:
z ( n) = x ( n) y ( n) ↔ ∑a b
i =( N )
l k −l
127
Even-Odd Decomposition of Real Signals:
z (n) = Even{x(n)} ↔ ℜe{a k }

z (n) = Odd {x(n)} ↔ jℑm{a k }
128
LATIHAN SOAL
Cari koefisien Fourier untuk deret periodik x[n] pada Fig. 6-
7.
129
LATIHAN SOAL
Cari representasi Deret Fourier Waktu Diskrit dari
masing-masing deret berikut:
130
TIME DOMAIN vs. FREQUENCY
DOMAIN
Analisa Fourier (Deret atau Transformasi) adalah cara
mendapatkan content frekuensi dari sinyal, antara lain
berpindah dari time-domain ke frequency domain.
Selalu dimungkinkan untuk kembali dari frequency-

domain ke time-domain.
131
KONVERGENSI TRANSFORMASI
FOURIER
Sama dengan Deret Fourier, maka suatu sinyal aperiodik
dapat diTransformasi Fourier jika :
Sinyal dapat diintegralkan secara absolut pada setiap periode
Dalam setiap interval waktu yang terbatas, sinyal mempunyai
variasi yang terbatas
Dalam setiap interval waktu terbatas , sinyal mempunyai
jumlah diskontiniu yang terbatas.
132
TRANSFORMASI FOURIER WAKTU
DISKRIT
Digunakan jika sinyal waktu diskrit tidak periodik atau
merupakan deretan terbatas
Dengan TFWD dapat ditentukan spektral diskritnya
TFWD diturunkan dari DFWD dimana periodanya menuju
tak terhingga
133
TRANSFORMASI FOURIER WAKTU
DISKRIT
TFWD
∞
X ( Ω) = ∑ x ( n )e − jΩn
n = −∞
2π
1
x( n ) = ∫ X ( Ω) e
jΩn
2π 0
134
SIFAT-SIFAT TRANSFORMASI
FOURIER WAKTU DISKRIT
- Periodik
Linieritas
Pergeseran waktu dan frekuensi
Penskalaan waktu dan frekuensi
Differensiasi dan penjumlahan
Teorema Parseval
Konvolusi
Konvolusi Periodik
135
SIFAT-SIFAT TRANSFORMASI FOURIER
WAKTU DISKRIT
Periodisitas
Transformasi Fourier Waktu Diskrit selalu
periodik dalam ω dengan periode 2π
X (e j ( ω + 2π )
) = X (e jω
)
136
WAKTU DISKRIT
Linieritas
Jika
Dan [ ]
x1 [ n] ↔ X 1 e jω
x 2 [ n] ↔ X 2 [e ]
jω
maka
( ) + bX ( e )
ax1 [ n] + bx2 [ n] ↔ aX 1 e jω
2
jω
137
Pergeseran Waktu
jika
maka x[ n] ↔ X e( )jω
x[ n − n0 ] ↔ e − jωn0
( )
X e jω
138
Pergeseran Frekuensi
jika
( )
maka
x[ n] ↔ X e jω
e jωn0
(
x[ n ] ↔ X e j (ω−ω0 )
)
139
Differencing
(
x[ n] − x[ n − 1] ↔ 1 − e − jω
) X (e )
jω
Time Reversal
x[ − n ] ↔ X e( − jω
)
140
WAKTU DISKRIT
Differensiasi dalam
frekuensi
nx[ n] ↔ j
dX e ( ) jω
dω
Konjugasi
x [ n] ↔ X e
* *
( − jω
)
141
WAKTU DISKRIT
Relasi Parseval
∫π X ( e )
∞
1
∑ x[ n]
2 jω 2
= dω
n = −∞ 2π 2
142
Konvolusi
( ) ( )
x1 [ n] * x2 [ n] ↔ X 1 e jω X 2 e jω
Perkalian
X 1 ( e jω ) ⊗ X 2 ( e jω )
1
x1 [ n] x2 [ n] ↔
2π
143
LATIHAN SOAL
Cari Transformasi Fourier dari deretan pulsa rekatangular x [
n]=u[n]-u[n-N]
144
LATIHAN SOAL
Cari Transformasi Fourier dari deretan pulsa rekatangular
pada gambar dibawah ini
145
LATIHAN SOAL
Suatu sistem kausal LTI
dimana x[n] dan y[n] adalah input dan output sistem

( a ) Cari Respon Frekuensi Sistem
( b ) Cari Impuls Respon Sistem
146
LATIHAN SOAL
Suatu sistem kausal LTI
a. Cari Respon Frekuensi sistem

b. Cari Respon Impuls Sistem
c. Gambarkan Respon Magnituda
147
d. Gambarkan Respon Fasa
TRANSFORMASI FOURIER DISKRIT
Sinyal periodik Spektral Diskrit
DFWD
Sinyal aperiodik Spektral Kontinu

TFWD
Sinyal aperiodik Spektral Diskrit
TFD
148
TRANSFORMASI FOURIER DISKRIT
Jadi TFD berguna untuk mentransformasikan sinyal aperiodik
ke spektrum diskrit
Jika TFD dianalisa dengan menggunakan DFWD sinyal dibuat
seolah-olah periodik
Jika TFD dianalisa dengan menggunakan TFWD
Hubungan TFD dengan TFWD
 2πk 
X ( k ) = X ( Ω ) Ω = 2π = X  
N  N 
149
EE2423
SINYAL & SISTEM
TRANSFORMASI LAPLACE
TEAM DOSEN
150
Pada analisis transien, rangkaian selalu dihadapkan dengan
bilangan kompleks σ + jω. Sedangkan Transformasi Fourier
Waktu Kontinyu (TFWK) hanya bekerja dalam daerah ω
(kondisi steady sate).
Transformasi Laplace, seperti halnya (TFWK) yang

mentransformasikan sinyal di kawasan waktu ke kawasan
frekuensi (dalam frekuensi kompleks).
151
Transformasi laplace Bilateral (TLB)
TLB diturunkan dari TFWK :

~
X(Ω) = ∫ x(t) e-jΩt dt

-~
o ~
X(t) = (1/2π) ∫ X(Ω) ejΩt dΩ
-~
152
Definisikan suatu fungsi y(t) = e-σt x(t),dengan e-σt adalah faktor
konvergensi.
Maka TFWK dari y(t) :
∼ ∼
Y(Ω) = ∫ e-σt x(t) e-jΩt dt = ∫ x(t) e-(σ+jΩ)t dt
-∼ -∼
= X(σ+jΩ)
∼
Jadi X(σ+jΩ)= ∫ x(t) e-(σ+jΩ)t dt
-∼
= X(σ+jΩ)
153
∼
x(t) = (1/2Π) ∫ X(σ+jΩ) e-(σ+jΩ)t dΩ
-∼
Definisikan variabel frekuensi kompleks : s = σ+jΩ sehingga ds =
jdΩ dan dΩ = ds/j.
Maka :
∼
X(s) = ∫ x(t) e-st dt
-∼
∼
X(t) =(1/2Πj) ∫ X(s) est ds
-∼
 Disebut Pasangan TLB
154
Notasi : X(s) = ₤ [x(t)]
x(t) = ₤-1[X(s)]
Konvergensi TLB : terintegrasi secara mutlak .
∼ 0 ∼
∫ │x(t) e-σt │dt = ∫ │x(t)│ e-σt dt + ∫│x(t)│ e-σt dt < ∼
-∼ -∼ 0
Transformasi Laplace 2 sisi ada , bila :

∼
X(s) = ∫ x(t) e-st dt terbatas
-∼
155
Maka X(s) dijamin ada bila :
∼ ∼
∫ │x(t) e-σt │dt = ∫ │x(t)│ e-σt dt terbatas
-∼ -∼
Sebagai contoh :
x(t) = A. eαt , untuk t > 0
= A. eβt, untuk t < 0 , dimana A, α, β adalah bilangan
riil.
Maka : konvergen untuk α < σ < β
156
Contoh soal :
Carilah Transformasi Laplace dari
x(t) = 3. e-2t u(t) + 4 et u(-t)
0 ∼
X(s) = ∫ 4. e-(s-1) t dt + ∫3.e-(s+2) t dt
-∼ 0
Konvergen Konvergen
Untuk σ > -2 Untuk σ < 1
Maka : X(s) = 3/(s+2) – 4/(s-1) konvergen untuk -2 < σ < 1
157
TRANSFORMASI LAPLACE SATU SISI [TLSS]
Definisi : diberikan suatu sinyal x(t) kausal, maka :

∼
X(s) = ∫ x(t) e-st dt
0
σ+jΩ
x(t) =(1/2Πj) ∫ X(s) est ds
σ-jΩ
Konvergensi TLSS jika :lim e-σt x(t) = 0

s→ ∼
158
TRANSFORMASI LAPLACE BEBERAPA
SINYAL
a). Sinyal impuls δ(t)

∼
₤[δ(t)] = ∫ δ(t) e-st dt
0
Ingat : δ(t) =1,t=0
= 0 , t lainnya
Begitu pula e-st δ(t) =1,t=0
= 0 , t lainnya
Sehingga :
∼
₤[δ(t)] = ∫ δ(t) e-st dt
0
159
b). Sinyal langkah satuan u(t)
∼
₤[u(t)] = ∫ u(t) e-st dt
0
Ingat : u(t) =1,t≥0

=0,t<0
Sehingga :
∼ ∼
₤[u(t)] = ∫ u(t) e-st dt = -(1/s) e-st │ = -(1/s) [e-∼ - e0]
0 0
₤[u(t)] = 1/s
160
c). Sinyal Ramp [t.u(t)]
∼
₤[t.u(t)] = ∫ t. u(t) e-st dt
0
Untuk t ≥ 0 maka t. u(t) = t
Sehingga :
∼
₤[t.u(t)] = ∫ t e-st dt
0
Ingat : ∼
∫ xn.e-st dx = (n!)/(an+1)
0
Untuk a > 0 dan n > 0
₤[t.u(t)] = 1 !/(s1+1) = 1/s2
161
Dengan cara yang sama :
∼ ∼
₤[tn.u(t)] = ∫ tn. u(t) e-st dt = ∫ tn. e-st dt
0 0
₤[tn.u(t)] = n !/(sn+1)
₤[tn-1.u(t)/(n-1)!] = 1/sn
162
d) Sinyal Eksponensial
Bila f(t) = u(t) → F(s) = 1/s
Maka ₤[e-at.u(t)] = F(s+a)
Jadi : ₤[e-at.u(t)] = 1/(s+a)
Begitu pula untuk sinyal berikut ini :

₤[(1- e-at) u(t)] = ₤[u(t)] - ₤[e-at) u(t)
= 1/s - 1/(s+a)
₤[(1- e-at) u(t)] = a/[s(s+a)]
163
₤[(t. e-at) u(t)] = 1/(s+a)2
Dan
₤[(tn-1. e-at) u(t)/(n-1)!] = 1/(s+a)n
164
e). Sinyal sinusoidal dan cosinusoidal
₤[sin Ωt u(t)] = ₤[u(t).(ejΩt – e-jΩt)/2j]
= (1/2j) {₤[ejΩt u(t)] – ₤ [e-jΩt u(t)]}
= (1/2j) [1/(s-jΩ) - 1/(s+jΩ)]
₤[sin Ωt u(t)] = Ω/(s2 + Ω2)

₤[cos Ωt u(t)] = s/(s2 + Ω2)
₤[ e-at sin Ωt u(t)] = Ω/[(s+a)2 + Ω2]
₤[ e-at cos Ωt u(t)] = (s+a)/[(s+a)2 + Ω2]
165
SIFAT-SIFAT TRANSFORMASI LAPLACE
Jika ₤[x(t)] = X(s)

₤[x1(t)] = X1(s)
₤[x2(t)] = X2(s) maka :
a). Linearitas
₤[a1 x2(t) + a2 x2(t)] = a1 X1(s) + a2 X2(s)
Contoh :
₤[cos Ωt] = ₤ [0,5 ejΩt + 0,5 e-jΩt] = 0,5 ₤ [ejΩt] + 0,5 ₤ [e-jΩt]
= 0,5[1/(s-jΩ)] + 0,5[1/(s+jΩ)]
= s/(s2 + Ω2)
₤[sin Ωt] = ₤ [0,5 ejΩt - 0,5 e-jΩt] = 0,5 ₤ [ejΩt] - 0,5 ₤ [e-jΩt]
= (0,5/j)[1/(s-jΩ)] + (0,5/j)[1/(s+jΩ)]
166 = Ω /(s2 + Ω2)
b). Pergeseran waktu
Jika ₤[x(t) u(t)] = X(s)

maka ₤[x(t-τ) u(t-τ)] = e -sτ X(s) , τ > (Buktikan)
Sehingga dapat ditabelkan sebagai berikut :
x(t)  X(s)
δ(t-τ)  e-sτ
u(t-τ)  e-sτ (1/s)
(t-τ) u(t-τ)  e-sτ (1/s2)
(t-τ)n u(t-τ)  e-sτ (n!/sn+1)
e-a(t-τ) u(t-τ)  e-sτ [1/(s+a)]
167
Pasangan sinyal dalam kawasan waktu dan sinyal dalam kawasan
frekuensi pada tabel di atas merupakan pasangan transformasi
Laplace.
Sehingga bila diketahui dalam sinyal dalam kawasan frekuensi maka

dapat dicari sinyal dalam kawasan waktu, walaupun belum dibahas
Invers Transformasi Laplace.
168
Contoh Soal
Tentukan transformasi Laplace dari fungsi sebagai berikut :
v(t) volt
90
0 10 30 t( μs)
v(t) = 4,5 (t-10) u(t-10) – 4,5 (t-30) u(t-30) – 90 u(t-30)
V(s) = 4,5 {₤[(t-10) u(t-10)] - ₤[(t-30) u(t-30)] – 20 ₤[u(t-30)]}
= 4,5 {e-10s ₤(t.u(t)) - e-30s ₤(t.u(t)) – 20 e-30s ₤(u(t))}

169
Latihan
Dengan teorema pergeseran frekuensi, carilah Invers Transformasi
Laplace dari :
(s+10)/(s2+8s+20)
(s+3)/(s2+4s+5)
s/(s2+6s+18)
10/(s2+10s+34)
170
c). Pergeseran Frekuensi
Bila y(t) = x(t) e-αt maka ₤[y(t)] = Y(s) = X(s+α) dimana X(s)
= ₤[x(t)]
Begitu pula :
₤[ e-αt cos Ωt u(t)] = (s+α)/[(s+α)2 + Ω2]
Juga :
₤[ e-αt sin Ωt u(t)] = Ω/[(s+α)2 + Ω2]
171
Contoh soal
X(s) = (s+8)/(s2+6s+13), dapat ditulis sebagai :

X(s) = (s+8)/[(s+3)2+4]
= (s+3)/ [(s+3)2+22] + 5/ [(s+3)2+22]
x(t) = e-3t [cos2t + 2,5 sin 2t] , t > 0
172
d). Penskalaan Waktu dan frekuensi
₤[x(at)] = (1/a) X(s/a)
173
e). Diferensiasi Waktu
∼
₤[dx(t)/dt] = ∫ e-st dx(t)/dt. dt
0
b b b
Ambil u = e-st dan dv = dx(t) serta ingat ∫u dv = uv - ∫ v.du │
a a a
du = -s e-st dt dan v = x(t) sehingga :
∼ ∼
₤[dx(t)/dt] = e-st x(t) │ + s ∫ x(t) e-st dt
0 0
₤[dx(t)/dt] = s. X(s) – x(0-)
174
Contoh soal
Carilah Transformasi Laplace dari :

8 dx(t)/dt + 3 x(t) = 2t u(t) dengan x(0) = -1
₤[8 dx(t)/dt + 3 x(t)] = ₤[2t u(t)]

₤[8 dx(t)/dt] + 3₤[ x(t)] = ₤[2t u(t)]
8 [s X(s) – x(0)] + 3 X(s) = 2 (1/s2)
8 s X(s) + 8 + 3 X(s) = 2/s2
(8s + 3) X(s) = (2/s2) – 8
X(s) = 2/[s2(8s+3)] – 8/(8s+3)
175
f). Integrasi Waktu
t
Jika ₤[f(t)] = F(s) maka ₤[∫f(t) dt] = F(s)/s
0
t ∼ t
Ingat ₤[∫f(t) dt] = ∫ [ ∫ f(t) dt] e-st dt
0 0 0
t
Ambil u = ∫ f(t) dt → du = f(t) dt
0
dv = e-st dt → v = -(1/s) e-st
176
Contoh Soal
Carilah Transformasi Laplace dari :
t
0,5 dv(t)/dt + 0,2 v(t) + 2 ∫ v(t) dt + 10 = 0,5 sin 10t u(t) Ampere.
0
Dengan v(0) = 20 volt
t
0,5₤[ dv(t)/dt] + 0,2 ₤[v(t)] + 2 ₤[∫dt] + 10 ₤[1] = 0,5 ₤[sin 10t u(t)]
0
0,5[sV(s) – v(0)] + 0,2 V(s) + (2/s) V(s) + 10 (1/s) = 0,5. 10/(s2+100)
0,5 [sV(s) – 20] + 0,2 V(s) + (2/s) V(s) + 10/s = 0,5. 10/(s2+100)
(0,5 s + 0,2 + 2/s) V(s) = 10 – 10/s + 5/(s2+100)
[0,5(s2 +0,4 s +4)/s] V(s) = 10(s3 – s2 +100,5 s -100)/[s(s2+100)]
177
V(s) = 20 (s3 – s2 +100,5 s -100)/[(s2+100)(s2+0,4s+4)] volt.sec.
g). Periodisitas
Bila xp(t) adalah sinyal periodik dan x1(t) adalah sinyal periode pertama
dari xp(t) dan ₤[ x1(t)]= X1(s) maka :
₤[xp(t)] = [1/(1-e-Ts)] X1(s) dengan T adalah periode
Hal ini dapat lebih dijelaskan sebagai berikut :

Suatu fungsi periodik f(t) = f1(t) + f2(t) + .....
Dengan f1(t) adalah sinyal periode pertama
f2(t) adalah sinyal periode kedua
dan seterusnya.
178
Sehingga f(t) dapat dituliskan sebagai berikut :
f(t) = f1(t) + f2(t) + f3(t) + .....
= f1(t) + f1(t-T) u(t-T) + f1(t-2T) u(t-2T) + ....
F(s) = F1(s) + F1(s) e-Ts + F1(s) e-2Ts + ....

= F1(s) [1 + e-Ts + e-2Ts + ....]
= [1/(1-e-Ts)] F1(s)
179
h). Teorema Nilai Awal dan Nilai Akhir
Digunakan untuk memudahkan mencari solusi suatu kondisi awal ( t =0) dan kondisi akhir ( t = ∼)
dari suatu fungsi waktu melalui suatu fungsi frekuensi (s).
Teorema Nilai Awal

∼
∫[(dx(t)/dt] e-st dt = s X(s) – x(0)
0
∼
s → ∼ : limit ∫[dx(t)/dt] e-st dt = limit [s X(s)] – x(0)
0 s →∼
= limit [s X(s)] – x(0)

s→ ∼
x(0) = limit x(t) = limit s X(s)

180 t→ 0 s→∼
Teorema Nilai Akhir
∼
∫[(dx(t)/dt] e-st dt = s X(s) – x(0)
0
∼ ∼
limit ∫[(dx(t)/dt] e-st dt = ∫[(dx(t)/dt] = limit [dx(t)/dt] dt
s→0 0 0 t→∼
= limit [x(t) – x(0)]
t→∼
limit x(t) = limit s X(s)

181 t→∼ s→0
i). Konvolusi Dua Sinyal
Bila x1(t) dan x2(t) mempunyai harga =0 , untuk t < 0
∼ ∼
Dan y(t) = x1(t) * x2(t) = ∫ x1(τ) * x2(t-τ) dτ = ∫ x1(t-τ) * x2(τ) dτ
0 0
∼ ∼
Maka Y(s) = ₤[y(t)] = ∫ [ ∫ x1(τ) x2(t-τ) dτ] e-st dt
0 0
Ambil η = t – τ :
∼ ∼
Y(s) = ∫ x1(τ) [ ∫ x2(η) e-sη dη] e-sη dτ
0 0
182
Y(s) = X1(s). X2(s)
j). Perkalian dengan t
Jika ₤[f(t)] = F(s) maka ₤[t. f(t)] = -dF(s)/ds
Dan secara umum dapat dituliskan sebagai :
₤[tn. f(t)] = (-1)n dn F(s)/ds
k). Pembagian dengan t

∼
Jika ₤[f(t)] = F(s) maka ₤[f(t)/t] = ∫ F(s) ds
183
0
Latihan
Carilah nilai awal dan nilai akhir dari :
1). X(s) = (s+10)/(s2+3s+2)
2). A(s) = 1/(s+10)
3). Y(s) = 1/s
4). F(s) = s/(s+10)
184
TRANSFORMASI RANGKAIAN
185
Transformasi Sumber Ideal
Transformasi Laplace fungsi kawasan waktu :

V(s) = ₤ [v(t)] dan I(s) = ₤ [i(t)]
Dengan v(t) adalah sumber tegangan ideal dan i(t) adalah sumber arus
ideal.
186
Sumber Tegangan Independen
Sumber Arus Independen
187
 Sumber Tegangan dikontrol Tegangan
k tak berdimensi
 Sumber Arus dikontrol Arus
188
k tak berdimensi
Sumber Tegangan dikontrol Arus
k dalam ohm
Sumber Arus dikontrol Tegangan
189
Transformasi Elemen Pasif linear
 Untuk masing-masing elemen pasif, rasio tegangan terminal

terhadap arus yang mengalir disebut IMPEDANSI Z.
 Sedangkan kebalikan impedansi disebut dengan ADMITANSI

Y.
 Dalam domain s dituliskan :

Z(s) = V(s)/I(s) Volt/Ampere atau Ohm (Ω)
Y(s) = I(s)/V(s) Ampere/Volt atau Siemens (S)
190
Transformasi Resistor
 Karakteristik terminal resistor dalam domain waktu :

R = v(t)/i(t)
v(t) = R. i(t)
i(t) = (1/R). v(t) = G. v(t)
 Setelah ditransformasi Laplace :

V(s) = R. I(s)
I(s) = G. V(s)
 Dari persamaan-persamaan di atas didapat :

ZR(s) =R (Ω)
YR(s) = G (S)
191
 Rangkaian di kawasan waktu dan di kawasan frekuensi (model impedansi dan model
admitansi) dapat ditunjukkan pada gambar berikut :
a). Rangkaian kawasan waktu b). Model Impedansi c). Model Admitansi
192
Transformasi Kapasitor
t
v(t) = (1/C) ∫ i(t) dt + v(t0)
t0
i(t) = C. d v(t)/dt
Transformasi Laplace :
V(s) = I(s)/(C.s) + v(t0)/s
I(s) = C[s.V(s) – v(t0)] = C.s.V(s) – C. v(t0)
193
Kondisi awal pada persamaan di atas bila dibuat = nol, maka :
V(s) = I(s)/(C.s)
I(s) = C.s.V(s)
Sehingga dapat dituliskan :

Zc(s)= 1/(C.s) (Ω)
Yc(s)= C.s (S)
194
a). Rangkaian Kapasitor di kawasan waktu b). Model Seri Kapasitor
c). Model Paralel Kapasitor
195
Contoh Soal
Tentukan model seri dan model paralel dari kapasitor 2,5 mikro
farad dengan tegangan awal 5 volt.
196
Solusi :
Rangkaian tersebut dalam kawasan waktu adalah sebagai berikut :
Impedansinya sebesar :
197
 Impedansi tersebut diseri dengan sumber tegangan v(0)/s = 5/s V.sec
 Sehingga dapat digambarkan model seri sebagai berikut :
 Admitansi Y(s) = C.s = 2,5 10-6. s (S),

 diparalel dengan sumber arus C.v(0) = (2,5 x 10-6 F).(5V) = 12,5 mikro
Ampere.sec
 Sehingga dapat digambarkan model paralel sebagai berikut :
198
 Sehingga dapat digambarkan model paralel sebagai berikut :
199
Transformasi Induktor
t
i(t) = (1/L) ∫ v(t) dt + i(t0)
to
v(t) = L. d i(t)/dt
Setelah ditransformasi Laplace :
I(s) = V(s)/(L.s) + i(t0)/s
V(s) = L [s.I(s) - i(t0) ] = L.s.I(s) - L. i(t0)
Impedansi : ZL(s) = L.s (Ω)

200
Admitansi : YL(s) = 1/(L.s) (S)
a). Rangkaian Induktor di kawasan waktu b). Model Paralel Induktor
c). Model Seri Induktor
201
Contoh Soal
Tentukan model seri dan model paralel dari induktor 20 mH dengan

arus awal 0,3 A.
Solusi :
Rangkaian tersebut dalam kawasan waktu adalah sebagai berikut :
Impedansinya sebesar : Z(s) = L.s = 20.10-3 s (Ω)

202
 Admitansinya sebesar : Y(s) = 1/(L.s) = 1/(20.10-3.s) = 50/s (S)
 Sumber tegangannya : L.i(0) = (20.10-3)(0,3 A) = 6 mVsec
 Sumber Arus : i(0)/s = 0,3/s A sec
 Sehingga model paralel dan model seri dapat digambarkan sebagai berikut :
203
Contoh Soal Aplikasi
Diberikan rangkaian sebagai berikut :
Buat rangkaian transformasinya!!!!

 Solusi :
 Untuk t < 0
204
 Untuk t ≥ 0
205
Latihan :
 Buat rangkaian transformasi dari rangkaian berikut ini :
206
Contoh Soal Aplikasi
Hitung dan gambarkan iL(t) dari rangkaian berikut ini :
 Solusi :
 Untuk t < 0
 iL(o-) = 10/(450+50) = 20 mA
207
 Untuk t ≥ 0
VT(s) = (5/s) + 400. 10-6 V sec
ZT(s) = 1200 + 0,02 s + 50 = 0,02 [s + 62,5 .103 ] Ω
IL(s) = VT(s)/ ZT(s) = 250/[s(s + 62,5 . 103 )] + 0,02/( s + 62,5 .103 ) A .sec
iL(t) = ₤-1 [250/{s(s + 62,5 . 103)}] + ₤-1 [0,02/(s + 62,5 . 103)] A
= [250/(62,5 .103)] [1 – exp-62,5 . 103t] u(t) + 0,02. exp-62,5 . 103t u(t)

208
= [4. 10-3 + 16. 10-3 exp-62,5 . 103] u(t)
209
Latihan :
 Hitung dan gambarkan vc(t) untuk rangkaian berikut :
210
Invers Transformasi Laplace Satu Sisi
Untuk mengembalikan dari spektrum (kawasan frekuensi) ke
kawasan waktu
X(s) → x(t)
σ+jΩ
x(t) ≡ (1/2jΠ) ∫ X(s) est ds
σ-jΩ
211
 Dapat diselesaikan melalui definisi di atas atau melihat pasangan TLSS-
nya.
Sinyal T.Laplace
δ(t) 1
u(t) 1/s
(tne-at/n !) u(t) 1/[(s+a)n+1]
Cos Ωt u(t) s/[s2+Ω2]

Sin Ωt u(t) Ω /[s2+Ω2]
e-at Cos Ωt u(t) (s+a)/[(s+a)2+Ω2]
e-at Sin Ωt u(t) Ω /[(s+a)2+Ω2]
212
Pasangan TLSS-nya (lanjutan).
Sinyal T.Laplace
u(t)-2u(t-T0/2) + 2u(t-T0) (1/s) (1-e-sT0/2)/( 1+e-
- .... sT0/2)
(SinΩt - Ωt Cos Ωt) u(t) 2Ω3 / [s2 + Ω2]2
(Ωt SinΩt) u(t) 2Ω2s / [s2 + Ω2]2
Ωt e-at Sin Ωt u(t) [2Ω2(s+a)] / [(s+a)2 + Ω2]2
e-at (Sin Ωt - Ωt Cos Ωt) 2Ω3 /[(s+a)2 + Ω2]2

u(t)
213
a). Solusi dengan penyesuaian
koefisien (cara langsung)
Contoh :
Diberikan fungsi rasional : X(s) = (2s + 1)/(s3 + 3s2 -4s)
Bentuk ekspansi parsiil :
X(s) = (2s+1)/[s(s+4)(s-1)] = A/s + B/(s+4) + C/(s-1)
= [A(s+4)(s-1) + B.s.(s-1) + C .s (s+4)]/[s(s+4)(s-1)]
(2s+1)/ [s(s+4)(s-1)] = [(A+B+C)s2 + (3A-B+4C)s – 4A]/[s(s+4)(s-1)]
Maka : A+B+C = 0
3A-B+4C = 2
-4A = 1→ A = 0,25
B+C = 0,25
-B+4C = 2,75
214 C= 3/5 = 0,6 dan B = -0,35
X(s) = -0,25/s – 0,35/(s+4) + 0,6/(s-1)
b). Ekspansi parsiil untuk akar D(s) simple
pole
X(s) = N(s)/D(s) = A1/(s-p1) + A2/(s-p2) + ....+ Ak/(s-pk) + ...+ An/(s-pn)

(s-pk) X(s) = (s-pk) A1 /(s-p1) + (s-pk) A2 /(s-p2) +...+(s-pk) Ak /(s-pk) +...+ (s-pk) An/(s-pn)
Maka :
Ak = (s-pk) X(s) │
s=pk
Contoh :
Untuk kasus sebelumnya : X(s) = A/s + B/(s+4) + C/(s-1) = (2s+1)/[s(s+4)(s-1)]
A = s X(s) │ = (2s+1)/[(s+4)(s-1)]│= -0,25
s=0 s=0
B = (s+4) X(s) │= (2s+1)/[s(s-1)] │ = -7/20 = -0,35
s=-4 s=-4
C = (s-1) X(s) │= (2s+1)/[s(s+4)] │= 3/5 = 0,6
s=1 s=1
Jadi :
X(s) = -0,25/s - 0,35/(s+4) + 0,6/(s-1)
215
x(t) = [-0,25 – 0,35 e-4t + 0,6 et] u(t)
c). Akar D(s) multiple pole-simple
X(s) = A1/(s-p1) +...+ Ai,1/(s-pi) + Ai,2/(s-pi)2 + ....+

Ai,r/(s-pi)r + ...+ An/(s-pn)
Dimana : Ai,r = (s-pi)r X(s)│
s=pi
Ai,r-1 = (d/ds)[(s-pi)r X(s)]│

s=pi
Ai,r-2 = (1/2!)(d2/ds2)[(s-pi)r X(s)]│
s=pi
.
.
216 Ai,r-k = (1/k!)(dk/dsk)[(s-pi)r X(s)]│
Contoh :
X(s) = (2s2-3s)/(s3-4s2+5s-2) = (2s2-3s)/(s-2)(s-1)2 = A/(s-2) + A1,1/(s-1) + A1,2/

(s-1)2
Dimana :
A1,2 = (s-1)2 X(s)│ = (2s2-3s)/(s-2)(s-2) │= -1/(-1) = 1
s=1 s=1
A1,2 = (d/ds) [(2s2-3s)/(s-2)]│ = [(s-2)(4s-3) - (2s2-3s)]/(s-2)2 │= [(-1)1 – (-1)]/1 = 0
s=1 s=1
A = (s-2) X(s) │ = (2s2-3s)]/(s-1)2 │= (8-6)/1 = 2

s=2 s=2
Jadi X(s) = 2/(s-2) + 1/(s-1)2

↕
217 x(t) = [2e2t + t et] u(t)
d). Ekspansi Parsiil : D(s) kompleks
konjugate simple pole
Contoh :
X(s) = (s+3)/[s2+4s+13] = (s+2)/[(s+2)2 + 32] + 1/
[(s+2)2 + 32]
↕
x(t) = [e-2t cos3t + (1/3) e-2t sin 3t] u(t)
218
e). D(s) kompleks konjugate multiple pole
Contoh :
X(s) =[9s5+94s4+706s3+2628s2+4401s+3750]/[s(s+2)(s2+6s+25)2]
Untuk (s2+6s+25)2 maka akar-akarnya -3+j4 dan -3-j4
X(s)=A/s+B/(s+2)+(C+jD)/(s+3+j4)+(C-jD)/(s+3-j4)+(E+jF)/(s+3+j4)2+(E-jF)/(s+3-
j4)2
Dimana :
A = s. X(s) │ = 3
s=0
B = (s+2) X(s) │ = -2
s=-2
E+jF = [(s+3+j4)2 X(s)] │ = 4+j3
s=-3-j4
219 C+jD = (d/ds) [s+3+j4)2 X(s)] │ = 2+j3
s=-3-j4
Jadi :
X(s) = 3/s – 2/(s+2) + (2+j3)/(s+3+j4) + (2-j3)/(s+3-
j4)2+(4+j3)/(s+3+j4)+(4-j)/(s+3-j4)2
↕
x(t) = [3-2e-2t+(2+j3)e-(3+j4)t+(2-j3)e(-3+j4)t+(4+j3)te-(3+j4)t+(4-j3)te(-
3+j4)t
] u(t)
= [3-2e-2t+e-3t(4 cos4t+ 6 sin4t) +te-3t(8 cos4t + 6 sin4t)]
u(t)
220
f). Metode Grafis
Untuk mengevaluasi koefisien parsiil dari X(s) dengan cara menggambarkan vektor
diagram semua pole-zero sistem.
Diketahui : X(s) = N(s)/D(s) = k[(s-z1)(s-z2)......(s-zm)]/[(s-p1)(s-p2)....(s-pn)]
Nilai dari X(s) di s=s1 :

X(s1) = k (perkalian jarak langsung setiap zero ke s1)/ (perkalian jarak langsung
setiap pole ke s1)
Evaluasi pole pk dari X(s)

Ak = (s-pk) X(s)│
s=pk
Ak = k (perkalian jarak langsung setiap zero ke pk)/(perkalian jarak langsung setiap
pole ke pk)
221
Contoh :
X(s) = 12(s+1)(s+4)/[s(s+2)(s+1+j2)(s+1-j2)]
= A/s + B/(s+2) + (C+jD)/(s+1+j2) + (C-jD)/(s+1-j2)
Gambar semua pole dan zero :
Kemudian evaluasi koefisien C-jD, berarti mengevaluasi ke vektor s+1-j2
(letak pole di s = -1+j2). Hitung semua jarak dari setiap pole dan zero yang
ada terhadap titik -1+j2. Didapat :
C-jD = 12 (√13 ∠33,7o)( 2∠90o)/[( 4∠90o)( √5∠153,4o)( √5∠26,6o)]
= 4,32∠-146,3o
= -3,6 – j2,4
C+jD = -3,6 + j 2,4
Dengan cara yang sama didapat :
A = [(12) (1) (4)]/[(2) (√5)(√5)] = 4,6
B = [(12) (1∠180o ) (2)]/[(2∠180o )(√5) (√5)] = 2,4
222
APLIKASI TLSS
223
a). Solusi Persamaan Diferensial
Sifat diferensiasi : ₤[dx/dt] = s X(s) – x(0)
Bentuk umum : ₤[dnx/dtn] = sn X(s) – sn-1 x(0) – sn-2

dx(0)/dt - ......- dn-1(0)/dtn-1
224
Contoh :
Persamaan Diferensial Orde Dua :

d2x(t)/dt2 + 4 dx(t)/dt + 3 x(t) = 2
Dengan x(0) = 2 dan dx(0)/dt = 1
Transformasi Laplace-kan kedua sisi dan dimasukkan kondisi awal.
s2 X(s) -2s -1 + 4[s X(s) -2] + 3 X(s) = 2/s
X(s) [s2 + 4s +3] = 2/s + 2s + 9
X(s) = [2 + (2s + 9) s]/[s (s+3) (s+1)] = A/s + B/(s+3) + C/(s+1)
A = s X(s) │ = 2/3
s=0
B = (s+3) X(s) │ = -7/6
s=-3
C = (s+1) X(s) │ = 5/2
s=-1
X(s) = (2/3)/s – (7/6)/(s+3) + (5/2)/(s+1)
225 ↕
-3t -t
Contoh :
Persamaan Diferensial Orde Dua :

d2x(t)/dt2 + 4 dx(t)/dt + 3 x(t) = 2
Dengan x(0) = 2 dan dx(0)/dt = 1
Transformasi Laplace-kan kedua sisi dan dimasukkan kondisi awal.
s2 X(s) -2s -1 + 4[s X(s) -2] + 3 X(s) = 2/s
X(s) [s2 + 4s +3] = 2/s + 2s + 9
X(s) = [2 + (2s + 9) s]/[s (s+3) (s+1)] = A/s + B/(s+3) + C/(s+1)
A = s X(s) │ = 2/3
s=0
B = (s+3) X(s) │ = -7/6
s=-3
C = (s+1) X(s) │ = 5/2
s=-1
X(s) = (2/3)/s – (7/6)/(s+3) + (5/2)/(s+1)
↕
226
x(t) = [2/3 – (7/6) e-3t + (5/2) e-t] u(t)
b). Respons Impuls Sistem
Contoh soal :
Cari respons impuls h(t) dari persamaan diferensial sistem berikut ini :
dy(t)/dt + 3y(t) = 2 x(t) + dx(t)/dt dengan y(0) = 0 dan x(0)= 0
Solusi :
₤ : sY(s) – y(0) + 3Y(s) = 2X(s) + s X(s) – x(0)
Y(s)[s+3] = X(s) [s+2]
H(s) = Y(s)/X(s)
= (s+2)/(s+3) = (s+3-1)/(s+3) = (s+3)/(s+3) – 1/(s+3)
= 1 – 1/(s+3)
h(t) = δ(t) – e-3t u(t)
227
c). Solusi Lengkap Rangkaian RLC
Telah dibahas lengkap di atas
228
d). Analisis Sistem Waktu Kontinyu
Diberikan Sistem Waktu Kontinyu Linear Tak Berubah

Terhadap Waktu (SWK LTW) ditunjukkan dengan hubungan
Input dan Output sebagai berikut :
anyn(t) +an-1yn-1(t) +…+ a0y(t) = b0x(t) + ….+ bmxm(t)
229
Respons steady state : Y(s) = H(s). X(s)
↕
y(t) = ₤-1 [H(s).X(s)]
Stabilitas Sistem SWK : H(s) = N(s)/D(s)
SWK stabil jika dan hanya jika :
a). Stabil dalam arti BIBO
b). Respons impuls secara mutlak terintegrasi
c). Limit h(t) = 0
t→∼
d). Akar riil D(s) < 0
e). Letak pole di sebelah kiri sumbu imajiner
230
Arigato Gozaimasu
231
EE2423
SINYAL & SISTEM
TRANSFORMASI Z
TEAM DOSEN
232
Pendahuluan
Transformasi Z merupakan suatu teknik untuk menggambarkan dan

memanipulasi deretan (seperti Transformasi Laplace pada Sinyal
waktu Kontinyu).
233
Definisi Transformasi Z
Jika diberikan sinyal x(n) untuk SWD, maka transformasi Fourier Waktu
Diskrit (TFWD) dari x(n) dinyatakan oleh :
~
F [ x(n) ] = x (e-jωn) = Σ x(n) e-jωn
-~
Transformasi Z dari sinyal atau deret waktu diskrit x(n) didefinisikan
sebagai :
~
TZ [ x(n) ] = X (z) = Σ x(n) z-n
-~
234
Contoh
Diberikan sinyal waktu diskrit x(n), yang mempunyai jumlah elemen

yang terbatas seperti yang ditunjukkan oleh gambar berikut ini :
x (n )
4
3
2 2
-2 3 4
-3 -1 0 1 2
-2
-4
-5
235
Secara matematis gambar diatas dapat dinyatakan sebagai :
x(-3) = 2, x(-2) = -5, x(-1) = 3, x(0) = 0, x(1) = 4, x(2) = 2, x(3)

= -4, x(4) = -2
maka transformasi z dari x(n) akan diperoleh :
X(z) = 2z3-5z2+3z1+4z-1+2z-2-4z-3-2z-4
236
Hubungan TZ dengan TFWD
Untuk melihat hubungan antara transformasi z (TZ) dengan

tranformasi Fourier Waktu Diskrit(TFWD), maka dapat
kita lakukan dengan pengekspresian variabel komplek z
dalam bentuk polar, sebagai :
z = r ejω
~
X (r ejω) = Σ[x (n) (r ejω)]-n

-~
237
yang dapat juga dituliskan sebagai :
~
X (r ejω) = Σ[x (n) r-n] e-jω

-~
Sedangkan TFWD dirumuskan sebagai :

~
X (ω) = Σ [ x (n) ] e-jω

-~
238
Hubungan antara dua transformasi ini menunjukkan bahwa
TFWD merupakan TZ yang dievaluasi pada lingkaran satuan
dalam bidang z.
Definisi dapat diperluas :
~
h(n) → H (z) = Σ h(n) z-n

-~
Untuk z = e-jωn→ H (e-jω).
239
Jadi bila mempunyai respons impuls sistem h(n), dapat dicari
H(z), kemudian z diganti dengan ejω didapat H (ejω) (Respons
Frekuensi).
Dengan kata lain untuk menghitung respons frekuensi dapat

dilakukan melalui Transformasi Z.
240
Hubungan TZ dengan Transformasi
Laplace
Transformasi Z digunakan untuk sinyal waktu diskrit,

hubungannya dengan transformasi Laplace yaitu dengan
mensubstitusikan z = exp (sT)
Mengingat definisi Transformasi Laplace bilateral untuk sinyal

kontinyu x(t) didefinisikan sebagai :
~
₤[x(t)] = ∫x(t) e-st dt
-~
241
Pemetaan antara bidang s dan bidang z
Bidang s Mapping dengan Bidang z z=exp(sT)

Imaj (s) Imaj(z)
2/T
/T
0
-/T
Riil (s) Riil (z)
-2/T Lingkaran
satuan
242
Transformasi Z Satu Sisi (TZSS)
Transformasi Z ,seperti halnya Transformasi laplace yang memiliki

transformasi satu sisi dan dua sisi.
Daerah konvergensi dari TZ bilateral dalam bidang z diberikan

dengan maksud bahwa TZ balik (Inverse Z-Transform) dapat
diperoleh.
243
TZSS dari deretan x(n) didefinisikan sebagai :
~
X(z) = Σ x (n) z-n
-~
Untuk mempermudah notasi, TZSS dari deret x(n) dinotasikan
sebagai :
Z[x(n)] = X(z)
244
Pasangan TZSS
a. Deret Konstan
Jika diberikan deret konstan seperti berikut :
x(n) = A , n = 0, 1, 2, ...,~
TZ dari deret ini akan diberikan oleh :
~
X(z) = Σ x(n)z-n = A( 1 + z-1+ z-2+ …)

-~
= A/(1-z-1) = AZ/(z-1)
245
Dalam kasus khusus, dimana | r | < 1, maka penjumlahan dari
deret akan konvergen untuk n = ∞. Sehingga dalam kasus ini
dapat diperoleh :
~
Σ rn = 1/(1-r),konvergen untuk | r | < 1

-~
TZ dari deret konstan akan konvergen (mempunyai nilai

terbatas) jika | z| < 1, atau | z | > 1
246
Deret konstan dan TZ
Im a g ( z )
n R e (z )
- -
0 1 2 3 4 1
2 1
247
Satu hal lain yang menarik untuk diamati bahwa TZ dari
deret konstan mempunyai pole pada z = 1, dimana TL
dari fungsi unit step mempunyai pole pada s = 0
~
Jadi X(z) = Σ Az-n =A/(1-z-1)

-~
konvergen untuk |z-1|<1 atau |z-1|> 1
248
b. Deret Eksponensial
Diberikan deret x(n) = A. rn
Sebuah deretan yang dibangkitkan dengan pencuplikan fungsi

eksponensial dari bentuk :
x(t) = A.eαt , dimana : r = eαT
TZ dari deret ini :

~ ~
X (z) = ΣAn rz-n = ΣA (r z-1)n
n=0 n=0
= A/(1-rz-1) =,AZ/(z-r) , |z| > |r|
249
untuk r > 1 ROC|rz-1|<1,maka |z|>|r| , ini berarti bahwa
ROC berada diluar lingkaran dengan jari-jari r dalam bidang
z
250
C. Sinyal Impuls
Sinyal impuls satuan waktu diskrit dirumuskan sebagai :
x(n) = 1 , untuk n = 0
= 0, untuk n lainnya
TZ dari deret ini :

~
X (z) = Σ x(n) z-n = 1

n=0
251
d. Deret Sinusoidal
TZ dari deretan x(n) = A cos βn dan x(n) = A
sin βn
dapat diperoleh dari penurunan yang

ditunjukkan dibawah ini :
Z[A cos βn] =Z[(Aejβn)/2 +(Ae-jβn)/2]
X(z) = Az[z-cosβ]/[z2-2z cosβ +1]
|z| > 1
252
Deret Cosinus dan pole zero TZ-nya
Im [z ]
lin g k a r a n
s a tu a n
β
n R e [z ]
253
Z[A sin βn] =Z[(Aejβn)/2 -(Ae-jβn)/2]
X(z) = Az sinβ]/[z2-2z cosβ +1]
|z| > 1
254
Im [z ]
lin g k a r a n
s a tu a n
β
n R e [z ]
255
Sifat-sifat TZSS
a. Linieritas
Jika X1(z)=Z[x1(n)] ROC R1 -<|z|< R1+;
X2(z)=Z[x2(n)] ROC R2-<|z|< R2+; dan X(z) = Z
[x(n)],
maka :
Z[α x1(n)+βx2(n)] = αX1(z) + β X2(z)
ROC dari hasilTZ ini diberikan oleh irisan ROC dari X1(z)
dan X2(z)
256
b. Penggeseran
Jika : X(z) = Z [x(n)],
maka : Z[x(n+1)] = zX(z) – zx(0)
Hal ini sangat penting untuk menyelesaikan persamaan perbedaan

dan ini mirip dengan sifat pada TL untuk penurunan dari fungsi
waktu kontinyu.
Secara Umum :
Z[x(n-k)] = z-k X(z)
257
c.Perkalian dengan n
Jika : X(z) = Z [x(n)], maka :
Z[nx(n)] = -z dX(z)/dz
Bentuk umum :
Z[nmx(n)] = (-z)m dm X(z)/dzm
258
d.Perkalian dengan rn
Z[rnx(n)] = X(z/r)
e. Konvolusi
Jika X1(z) =Z [x1(n)]ROC R1- <|z| < R1+;
X2(z) =Z [x2(n)]ROC R2- <|z| < R2+;
~
Maka :X1(z). X2(z) = Z[Σ x1(k)] x2(n-k)]

259
k=0
f.Teorema Nilai Awal
x(0) = lim X(z)
z~
Penerapan
utama dari sifat ini adalah untuk menentukan nilai awal
x(0) secara langsung dari X(z), tanpa melakuakn evaluasi
inverse TZ.
260
g.Teorema Nilai Akhir
Jika : Z [x(n)] = X(z) dan semua pole X(z) terletak didalam

lingkaran satuan, dengan pengecualian yang mungkin dari
pole yang sederhana pada z = 1, maka nilai X(n) pada
n~ diberikan oleh :
lim x(n) =lim [((z-1)/z).X(z)]

nx z1
261
Invers TZSS
a. Metoda penyesuaian koefisien dengan

pembagian terus menerus
~
Jika X (z) = Σan z-n

n=0
Maka :
x (n) = an untuk n=0,1,2,…
262
b. Ekspansi Pecahan Parsial
Gagasan dibalik metode ini adalah mirip dengan yang
digunakan untuk mendapatkan invers TL.
X(z) diekspresikan sebagai fungsi rasional dari z, sehingga
merupakan perbandingan dari dua polynomial di dalam
z, invers transformasi Z didapat menggunakan
pendekatan partial fraction expansions
263
Pasangan TZ
x(n) X(z) Keterangan
δ(n) 1
A.u(n) Az/(z-1) Pole pada z = 1
A.rn Az/(z-r) Pole pada z =r
A.n.u(n) Az/(z-1)2 2 pole pada z =1
A cos βn Az[z- cos β]/[z2-2z cosβ +1]
264
Pasangan TZ
x(n) X(z) Keterangan
A sin βn Az sin βn/[z2-2z cosβ +1]
A.n.rn Arz/(z-1)2
A n2 Az(z+1)/(z-1)3
zrn(C cosnθ-D sinnθ) (C+jD)z/(z-rejθ) +

(C-jD)z/(z-re-jθ)
A cos βn Az[z- cos βn]/[z2-2z cosβ +1] n≥0
265
Latihan
Carilah Inverse TZ dari sinyal berikut ini :

x(n) = 5z4-29z3+56z2-34z/[(z-1)(z-2)3]
266
c. Integral Invers kompleks
Diberikan transformasi dari suatu deret x(n) adalah :
~
X (z) = Σx(n)z-n ; ROC R

n=-~
Kalikan X(z) dengan zk/(2Π.j.z). dz dan mengintegrasikan

disekitar kurva tertutup C yang terletak seluruhnya
diantara daerah konvergensi R menghasilkan :
267
(1/2jπ)∫cX (z)zkdz/z
x
= (1/2jπ)∫c Σ x(n)z-n + k-1 dz
n=-x
x
= (1/2jπ) Σ x(n) ∫c z-n + k-1 dz
n=-x
268
Setiap kurva integral dapat kemudian dievaluasi dengan
mempergunakan Teorema integral Cauchy yang menyatakan
bahwa jika C melingkupi titik 0 dalam arah yang berlawanan
dengan arah jarum jam, sehingga :
(1/2jπ) ∫c z k-1 dz = 1, untuk k = 0
= 0, untuk k lainnya
Atau :
(1/2jπ) ∫c z n dz = 1, untuk n = -1
= 0, untuk n lainnya
269
Dari prsamaan sebelumnya dapat disusun kembali menjadi :
(1/2jπ) ∫c X(z)(z n/z) dz = x(n)
270
Aplikasi TZSS
a. Solusi persamaan perbedaan

Dengan menggunakan sifat :
Z [ x (n+1) ] = z X (z) – z x (0) pergeseran waktu
Jika steady state (tanpa kondisi awal)
z [ x (n) ] = x ( n-1)
z [ x (n) ] = x (n+1)
z [ x (n) ] = x (n-2)
Latihan :
y(n) - 1,5 y(n-1) + 0,5 y(n-2) = 0,25n , n≥ 0 dimana
y(-1) = 4 dan y(-2) = 10
271
b.Mencari respon impuls
Jika diberikan sistem seperti pada gambar berikut :
x (n)  h(n)  y(n)
Bila masukan x(n) = δ (n), maka keluaran y (n) = h (n)
X (z)  H(z)  Y (z)
272
c. Analisis SWD
SWD – LTW kausal
any(n) + an-1 y(n-1) + … + an-py(n-p) =
anx(n) + bn-1 x (n-1) + … + bn-m x (n-m)
Fungsi transfer H(z) = Y(z)/X(z)
Y(z)[an+z-1an-1+…+z-pan-p]
= X(z) [bn+z-1bn-1+…+z-mbn-m]
H(z) = [bnzp+bn-1zp-1+…+bn-mzp-m]/[anzp+an-1zp-1+…+an-p]
273
 Respon steady state
Y (z) = H (z) . X (z)
y (n) = ITZ [H (z) . X (z)]
 Respon impuls h (n) H (z)
 Stabilitas
SWD stabil jika dan hanya jika
stabil dalam arti BIBO
pole dari fungsi transfer berada dalam lingkaran satuan
lim|h(n)| = 0 untuk sembarang p > 1
n~
Besar / Magnitudo semua akar polinomial < 1
274
d. Respons Sistem Terhadap Masukan Sinusoidal
x (n)=A cos(ω0n+θ) h(n)  y(n)
Dalam kawasan Z : X (z) . H (z) = Y (z)
Misalkan masukan eksponensial x (n) = A ejωon

maka respons steady state sistem didapat dengan mengevaluasi Y(z) di
pole Z = ejωo
Jadi
H (z) = H (ejωo) = | H (ejωo) | / H (ejωo)
Sehingga :
YssH (ejωo) A ejωon
275
Sistem linier maka Yss(n) adalah penjumlahan masing-
masing respons input sistem.
Yss(n) = H (ejωo) ej(ωon+θ) + H (e) e-j(ωon+θ)
Yss(n) = A|H (ejωo)|cos[ωon+θ+arg H(ejωo)]
276
Transformasi Z Bilateral [TZB]
Definisi TZB untuk x (n) = 0, nЄ[-~,~]

~
X (z) =Σ x(n) z-n
n=-~
~ -1
= Σ x(n) z-n + Σ x(n) z-n
n=0 n=-~
277
Invers TZB
Invers TZB dapat dilakukan dengan teori Laurent dan teori

residu (sulit dievaluasi) dan metoda ekspansi parsial (lebih
mudah) dengan menggunakan tabel referensi pasangan TZB.
278

BAB I Sinyal Dan System

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

BAB I Sinyal Dan System

Diunggah oleh

Hak Cipta:

Format Tersedia

SINYAL & SISTEM

Sumber :Trend in the U.S communication equipment market :A wall

Keterangan : 1Q03 = ¼ pertama tahun 2003

x(t+kT)=x(t) untuk - ∞ < t < ∞,

 Sinyal waktu diskrit dinyatakan periodik jika dan hanya jika

x(n+kN)=x(n) untuk - ∞ < n < ∞,

 Untuk sinyal waktu diskret :

 Unit Step Kontinyu Tergeser

 uε(t) kontinyu dan dapat di-diferensiasi

 Properties Unit Impuls Kontinyu : τ t

δ [n] = u[n] − u[n − 1]

x[n]δ [n] = x[0]δ [n]

 Gambarkan sinyal berikut ini:

x[n] = (1 − n)u[n] + nu[n − 3]

Penskalaan waktu (kompresi-ekspansi)

 Sistem Waktu Kontiunyu: y(t) = H(x(t))

 Contoh: radio receiver diikuti oleh amplifier

 Contoh: line telepon terhubung parallel dengan microphone telepon

contoh : Sistem penghapus echo

 Sistem Bermemori (dynamic): Output sistem y(t) bergantung pada

 Jika |x(t)| < k1, maka |y(t)| < k2.

x(t) y(t) Sistem w(t)=x(t)

 Dua sifat tersebut dapat dikombinasi menjadi satu sifat:

Contoh: Apakah sistem berikut linier?

x(t) = x1(t-t0)  y(t) = y1(t-t0)

 Periksalah sistem dibawah apakah time-invariant:

x1(t) = a0 x(t-t0) + a1 x(t-t1) + a2 x(t-t2) + … 

 ... + x[−2]δ [n + 2] + x[−1]δ [n + 1] 

δ(t) Sistem h(t)

δ[n] Sistem h[n]

 Maka sinyal output y[n] menjadi:

y[n] = x[n] * h[n]

dimana hˆ(t ) adalah staircase approximation dari h(t).

 Sama halnya, konvolusi integral untuk sistem LTI kausal:

δ(t) Sistem h(t)

u(t) Sistem s(t)

Misalkan x(t) adalah band-limited dg maximum

Berapakah frekuensi cutoff ωc terbaik dari LPF untuk

Latihan : Anggap x(t) periodik dengan periode TM.

xs(t) LPF xr(t)

DERET FOURIER WAKTU KONTINU

sis a0, ak, bk : Fourier coefficients.

For all t but discontinuities T: period, Ω = 2π/T

f1 3f1 5f1 7f1 f

Input Time Signal Frequency spectrum

Calculated via FFT

In any period: (b)

87 (a) (b) (c)

Time-Reversal (Flip): z (t ) = x(−t ) ↔ a− k

Time-Scaling: z (t ) = x(αt ) ↔ ak , α > 0

Additivity s(t) + u(t) S(k)+U(k)

Linearity a·s(t) + b·u(t) a·S(k)+b·U(k)

Time reversal s(-t) S(-k)

 Plot membentuk fungsi sinc diskret.

 Hal ini berarti Transformasi Fourier dapat merepresentasikan sinya apriodik

Diberikan dua sinyal X (ω )

 Diberikan (ω ) Transformasi Fourier

 Exercise: Solve Text Problems 4.4 (b) and 4.22 (c).

x(t) h(t) y(t)

Bandingkan dgn DFWK

Jika input sinusoid maka diubah dulu ke bentuk eksponensial

z (t ) = Ax(n) + By (n) ↔ Aak + Bbk

z (n) = Even{x(n)} ↔ ℜe{a k }

Selalu dimungkinkan untuk kembali dari frequency-