Percobaan V
Analisis Domain Waktu dan Transformasi Z
Nikolas N Sihombing(14S15049)
Tanggal Percobaan : 29-11-2017
ELS3103 Pengolah Sinyal Digital
Lab Dasar Teknik Elektro–Teknik Elektro
Institut Teknologi Del
Abstrak— In this module students will learn abut analysis Z
and Z transformation. Students will discussed an extension or
an extension of the discrete-time Fourier transform to solve two
problems that become weaknesses. In this practice students
expected to understand bilateral Z transformation, important
figures of the transformation Z, some couples General
transformation of Z, Z transformation, the representation
system in domain Z, and the solutions to the equations of
differences. And students will use several software MATLAB
Keyword: domain Z, Z transformation.
I. PENDAHULUAN
Terdapat beberapa tujuan yang akan dicapai mahasiswa yaitu :
✓ Praktikan memahami transformasi Z bilateral.
✓ Praktikan memahami watak-watak penting
transformasi Z
✓ Praktikan memahami beberapa pasangan umum
transformasi Z
✓ Praktikan memahami transformasi Z balik
✓ Praktikan memahami representasi sistem dalam
domain Z
✓ Praktikan memahami solusi atas persamaan perbedaan
II. LANDASAN TEORETIS
Pada bab sebelumnya telah dipelajari tentang pendekatan
transformasi Fourier waktu-diskrit untuk mempresentasikan
sinyal-sinyal diskrit menggunakan runtun-runtun eksponensial
kompleks. Representasi ini secara nyata terbukti memiliki
beberapa keuntungan bagi system LTI karena dia dapat
mendeskripsikan sistem tersebut dalam domain frekuensi
menggunakan fungsi respon frekuensi H(ej⍵). Komputasi atas
respon steady-state sinusoidal sangat terbantu dengan adanya
H(ej⍵) . Bahkan, respon terhadap sembarang runtun
terjumlahkan secara absolut x(n) secara mudah dapat
dikomputasi dalam domain frekuensi dengan mengalikan
transformasi H(ej⍵) dan respon frekuensi H(ej⍵). Namun, masih
terdapat dua kekurangan dalam pendekatan transformasi
Fourier. Pertama, terdapat banyak sinyal-sinyal yang penting
pada dunia nyata, seperti u(n) dan nu(n), dimana transformasi
Fourier tidak bisa digunakan. Kedua, respon transien atas suatu
sistem akibat kondisi awal atau akibat perubahan masukan tidak
bisa dikomputasi menggunakan pendekatan transformasi
Fourier.
Oleh karena itu, pada bab ini akan dipelajari dan
didiskusikan ekstensi atau perluasan dari transformasi Fourier
waktu-diskrit untuk mengatasi dua masalah yang menjadi
kekurangannya. Ekstensi ini disebut juga dengan transformasi
Z. Versi bilateralnya (dua-sisi) menyediakan suatu domain
dimaan lebih banyak kelas dan jenis runtun dan sistem dapat
dianalisa, sedangkan versi bilateralnya (satu-sisi) dapat
dimanfaatkan untuk memperoleh respon sistem dengan kondisi
awal atau dengan perubahan masukan.
1.1. Transformasi Bilateral
Transformasi Z atas suatu runtun x(n) diberikan oleh
dimana z adalah suatu variabel kompleks. Himpunan nilai-nilai
z sehingga X(z) ada disebu juga dengan ROC (region of
convergence) dan diberikan oleh
Transformasi Z balik atas suatau fungsi kompleks X(z )
diberikan oleh
dimana C adalah suatau kontur dengan arah berlawanan jarum
jam yang memutari titik awal dan berada dalam ROC.
Komentar :
1. Variabel kompleks z disebut juga dengan frekuensi
kompleks yang didefinisikan dengan z = |z|ej⍵, dimana
z adalah attenuasi dan ⍵ adalah frekuensi riil.
2. Karena ROC pada persamaan 5.2 didefinisikan dengan
suku magnitudo |z|, maka bentuk umum ROC berupa
suatu cincin terbuka seperti yang ditunjukkan pada
gambar 5.1. Perlu diketahui bahwa ℛx- bisa saja nol
dan/atau ℛx+ bisa saja ∞.
3. Jika ℛx+ < ℛx- maka ROC menjado ruang null dan
transformasi Z tidak ada
4. Fungsi |z| = 1 (atau z = ej⍵) adalah suatu lingkaran
dengan radius unit (satu) dalam bidang dan disebut
pula dengan lingkaran unit. Jika ROC memuat
 lingkaran unit, maka X(z) dapat dievaluasi pada
lingkaran unit
Oleh karena itu, transformasi Fourier waktu-diskrit X(ej⍵) dapat
dipandang sebagai suatu kasus yang spesial dari transformasi Z
X(z).
Dimana B(z) = z polinomial pembilang dan A(z) = z- a
polinomial penyebut. Akar-akar B(z) disebut dengan Nol dari
X(z) dan akar-akar A(z) disebut dengan Kutub X(z). Pada
contoh ini, X1(z) memiliki satu Nol pada titik awal z = 0 dan
satu Kutub pada z = a. Jadi x1(n) dapat juga direpresentasikan
oleh suatu diagram Kutub-Nol dalam bidang-z dimana Nol
dinotasikan dengan ‘o’ dan Kutub dinotasikan dengan ‘x’,
seperti yang ditunjukkan pada Gambar 5.2.
Dapat diperhatikan bahwa jika b = a pada contoh ini, maka
X1(z) = X2(z) kecuali ROC mereka yang berbeda. Hal ini
mengimplikasikan bahwa ROC adalah fitur pembeda yang
menjamin keunikan dari transformasi Z. Oleh karena itu, ROC
berperan sangat penting dalam menganalisa sistem.
Dari beberapa observasi terhadap ROC pada ketiga contoh
yang ada, berikut disimpulkan beberapa watak ROC.
• ROC selalu dibatasi oleh suatu lingkaran karena syarat
konvergensi adalah magnitude |z|.
• Runtun x1(n) = an u(n) pada contoh 5.1 merupakan suatu
kasus spesial dari suatu runtun sisi-kanan, yang
didefinisikan sebagai suatu runtun x(n) yang bernilai nol
untuk n < n0. Dari contoh 5.1 dapat diperhatikan bahwa
ROC bagi runtun sisi-kanan selalu berada di luar suatu
lingkaran dengan radius ℛx-. Jika n0 ≥ 0, maka runtun sisi-
kanan disebut pula dengan runtun kasual.
• Runtun x2(n) = -bn u(-n - 1) pada contoh 5.2 merupakan
suatu kasus spesial dari suatu runtun sisi-kiri. Yang
didefinisikan sebagai suatu runtun x(n) yang bernilai nol
untuk n > n0. Jika n0 < 0, maka runtun yang dihasilkan
disebut dengan runtun antikasual. Dari contoh 5.2 dapat
diperhatikan bahwa ROC bagi runtun sisi-kiri selalu
berada di dalam suatu lingkaran dengan radius ℛx+.
• Runtun x3(n) pada contoh 5.3 merupakan suatu runtun
dua-sisi. ROC bagi runtun dua-sisi selalu berupa suatu
cincin terbuka ℛx- < |z| < ℛx+, jika transformasi X3(z) ada.
• Runtun yang bernilai nol untun n < n1 dan n > n1 disebut
dengan runtun berdurasi
berhingga. ROC bagi runtun seperti itu adalah
keseluruhan bidang-z. Jika n1 < 0, maka z= ∞ tidak
berada dalam ROC. Jika n2 > 0, maka z = 0 tidak berada
dalam ROC.
• ROC tidak bisa menyertakan suatu kutub karena X(z)
konvergen secara seragam di dalamnya.
Dalam pemrosesan sinyal digital, sinyal
diasumsikan kasual karena hampir semua data digital
diakusisi secara waktu-riil.
1.2. Watak-Watak Penting Transformasi Z
Watak transformasi Z adalah generalisasi watak
transformasi Fourier waktu-diskrit yang telah dipelajari pada
bab sebelumnya. Akan disajikan watak-watak penting
transformasi Z berikut ini tanpa perlu direpotkan dengan
pembuktian.
1.2.1. Linieritas
1.2.2. Penggeseran Sampel
1.2.3. Pergeseran Frekuensi
 1.4. Transformasi Z Balik
Dari definisi pada persamaan 5.3 diketahui bahwa
1.2.4. Pelipatan komputasi transformasi Z balik memerlukan suatu evaluasi atas
suatu integral kontur kompleks yang cukup rumit. Pendekatan
yang paling praktis, yang sering digunakan para insinyur, adalah
menggunakan metode ekspansi fraksi parsial dengan
memberdayakan Tabel 5.1. Transformasi Z harus berupa fungsi
1.2.5. Konjugasi Kompleks
rasional agar lebih mudah diterapkan pada pemrosesan sinyal
digital.
Prosedur transformasi Z balik dapat disimpulkan berikut ini.
1.2.6. Differensiasi dalam domain-z Jika diberikan

1.2.7. Perkalian diekspresikan transformasi Z balik dapat

disimpulkan berikut ini. Jika dierikan

dimana C adalah suatu kontur tertutup yang

mengelilingi titik awal (titik pusat) dan terletak di
dalam ROC. dimana suku pertama pada sisi-kanan persamaan
1.2.8. Konvolusi di atas merupakan bagian rasional layak dan suku
kedua adalah bagian polinomial. Hal ini bisa
dilakukan lewat pembagian polinomial jika M ≥ N
Watak terakhir ini mentransformasikan operasi konvolusi menggunakan fungsi MATLAB deconv.
domain-waktu menjadi suatu perkalian antara dua fungsi. Selanjutnya dilakukan suatu ekspansi fraksi
Watak ini sangat berguna dalam pemrosesan sinyal digital. parsial pada bagian rasional layak dari X(z) untuk
Yaitu, jika X1(z) dan X2(z) adalah polinomial, maka hasilnya mendapatkan
dapat diimplementasikan
menggunakan fungsi MATLAB conv.

1.3. Beberapa Pasangan Umum Transformasi Z
Menggunakan definisi transformasi Z dan watak-
watak yang dimilikinya, maka dapat ditentukan
transformasi Z atas runtun-runtun yang umum
dijumpai. Daftar beberapa runtun umum dan
transformasi Z atas runtun tersebut diberikan pada
tabel 3.
dimana ph adalah kutub ke-k dari X(z) dari Rk adalah sisa
pada pk. Diasumsikan bahwa kutubkutub tersebut berbeda satu
sama lain untuk masing-masing sisa
Untuk kutub yang berulang, ekspansi pada persamaan 5.22
memiliki suatu bentuk yang lebih umum. Jika suatu kutub pk
muncul sebanyak r kali, maka ekspansi tersebut bisa
didefinisikan menjadi

dimana Rk.l dikomputasi menggunakan suatu formula yang

lebih umum, yaitu

Dan akhirnya, menggunakan relasi pada Tabel 5.1 didapatkan

 Sekarang, dapat diketahui bahwa X(z) memiliki dua kutub:
z1 = 1 dan z2 = 1/3 ; dan karena ROC tidak dispesifikasi, maka sama seperti pada persamaan 5.27. Dengan cara yang
terdapat tiga kemungkinan ROC seperti yang ditunjukkan pada sama, untuk mengkonversi kembali menjadi bentuk fungsi
Gambar 5.5 rasional, diberikan skript MATLAB berikut ini.

sehingga didapatkan kembali

Contoh 5.5 Hitunglah transformasi Z balik atas

Solusi: Polinomial penyebut dapat dievaluasi begitu juga

dengan sisa-sisa menggunakan MATLAB.
1.5. Implementasi Transformasi Z Balik Menggunakan
Matlab
Sesuatu fungsi MATLAB residue tersedia untuk
mengkomputasi bagian sisa dan suku-suku polinomial atas
suatu fungsi rasional dalam z-1. Jika diberikan

yang merupakan suatu fungsi rasional yang di dalamnya

polinomial pembilang dan polynomial penyebut memiliki
pangkat dalam z-1. Kemudian [R,p,C]=residuez(b,a) dipakai
untuk menemukan sisa, kutub, dan suku-suku langsung atas
X(z) yang di dalamnya dua polynomial B(z) dan A(z) diberikan
dalam dua vektor b dan a, secara berturut-turut. Vektor kolom
R yang dihasilkan memuat sisa-sisa, vektor kolom p memuat
lokasi-lokasi kutub, dan vektor baris C memuat suku-suku
langsung. Jika p(k)=...=p(k+r-1) adalah suatu kutub yang
memiliki kemunculan sebanyak r kali. Kemudian, ekspansi juga
menyertakan bentuk umum seperti
Perhatikan bahwa polinomial penyebut dikomputasi
menggunakan fungsi MATLAB poly, yang menghitung
koefisien-koefisien polinomial, jika diberikan akar-akarnya.
Bisa saja digunakan fungsi MATLAB conv, tetapi fungsi poly
lebih sesuai dengan tujuan ini. Dari kalkulasi sisa dan
menggunakan persamaan 5.32, dimiliki
Maka, dari tabel 5.1 dan menggunakan sifat penggeseran waktu
dari transformasi Z, diperoleh

yang berbeda dengan persamaan 6.24. Dengan cara yang dan setelah dilakukan penyederhanaan, didapatkan
sama, [b,a]=residuez(R,p,C), dengan tiga argument masukan
dan dua argument keluaran, mengkonversi ekspansi fraksi
parsial kembali menjadi polinomial-polinomial dengan Berikut ini verifikasi menggunakan MATLAB.
koefisien-koefisien dalam vektor-vektor baris b dan a.

1.6. Representasi Sistem Dalam Domain-Z
Sama dengan fungsi respon frekuensi H(ej⍵), fungsi
domain-z H(z) juga dapat didefinisikan, yang disebut dengan
fungsi sistem. Namun, tidak seperti H(ej⍵), H(z) dapat
ditemukan meski pada sistem yang tidak stabil secara BIBO
(bounded input, bounded output).
1.6.1. Definisi Fungsi sistem
Fungsi sistem H(z) diberikan oleh
Menggunakan watak konvolusi transformasi Z pada persamaan
5.16, keluaran Y(z) diberikan oleh
jika dan hanya jika ROCh tumpang-tindih dengan ROCx. Oleh
karena itu, suatu sistem LTI dapat direpresentasikan dalam
domain-z dengan
1.6.2. Fungsi sistem dari representasi persamaan perbedaan
jika suatu sistem LTI dapat direpresentasikan oleh suatu
persamaan perbedaan
maka fungsi sistem H(z) dapat dengan mudah dihitung. Dengan
melakukan transformasi Z atas kedua sisi, dan menggunakan
watak-watak transformasi Z, didapatkan
Atau
Setelah faktorisasi, didapatkan
dimana zl adalah Nol dari sistem dan pk adalah Kutub dari
sistem. Jadi H(z) (maka suatu sistem LTI dapat juga
direpresentasikan dalam domain-z) menggunakan grafik
Kutub-Nol. Fakta ini mengimplikasikan kegunaan dalam
mendesain filter melalui penempatan Kutub dan Nol.
Untuk menentukan Nol dan Kutub dari H(z), fungsi MATLAB
roots dapat digunakan pada kedua polinomial pembilang dan
polinomial penyebut. (Kebalikannya, dapat digunakan fungsi
MATLAB poly untuk menentukan koefisien-koefisien
polinomial dari akar-akarnya). Anda bisa juga menggunakan
MATLAB untuk menggambarkan akar-akar tersebut dalam
bidang Kutub-Nol. Fungsi MATLAB zplane(b,a)
menggambarkan Kutub dan Nol, jika diberikan pembilang
dalam vektor baris b dan penyebut dalam vektor baris a. Seperti
sebelumnya, symbol ′°′ merepresentasikan Nol dan simbol ′x′
merepresentasikan Kutub. Bidang Kutub-Nol menyertakan
lingkaran unit sebagai referensi. Dengan cara yang sama,
zplane(z,p) menggambarkan Nol dalam vektor kolom z dan
menggambarkan Kutub dalam vektor p.
1.6.3. Representasi fungsi transfer
Jika ROC dari H(z) menyertakan suatu lingkaran unit
( z = ej⍵ ), maka H(z) dapat dievaluasi pada lingkaran unit
tersebut, yang menghasilkan suatu fungsi respon frekuensi atau
fungsi transfer H(ej⍵). Dari persamaan 5.41, didapatkan
Filter (ej⍵ - zl) dapat diinterpretasikan sebagai suatu
vektor dalam bidang-z kompleks
dari suatu nilai zl sampai z = ej⍵, sedangkan faktor (ej⍵ - pk )
dapat diinterpretasikan sebagai suatu vektor dalam bidang-z
kompleks dari suatu Kutub ph sampai z = ej⍵. Hal ini
ditunjukan pada Gambar 5.6. oleh karena itu, fungsi respon
magnitudo yang didapatkan
dapat diinterpretasikan sebagai suatu perkalian antara
panjang-panjang vektor dari Nol ke lingkaran unit dibagi
dengan panjang-panjang vektor dari kutub ke lingkaran unit dan
diskalakan dengan |b0|. Dengan cara yang sama, fungsi respon
fase yang didapatkan
yang diinterpretasikan sebagai suatu penjumlahan atas
suatu faktor konstanta, suata faktor fase-fase linier, dan suatu
faktor fase non-linier.
1.6.4. Implementasi Matlab
MATLAB menyediakan suatu fungsi yang dinamakan
freqz untuk komputasi ini, yang menggunakan dasar
interpretasi seperti diatas. Pada bentuknya yang paling
sederhana, fungsi ini dipanggil dengan

yang memberikan nilai balik berupa vektor frekuensi
w sejumlah N-titik dan vektor respon frekuensi kompleks H
berukuran N-titik, jika diberikan koefisien-koefisien pembilang
dan penyebut dalam vektor b dan vektor a. Respon frekuensi
dievaluasi sebanyak N titik dengan spasi seragam oada
setengah bagian atas dari lingkaran unit. Perhatikan bahwa
vektor b dan vektor a adalah vektor-vektor yang sama yang
digunakan dalam fungsi filter atau yang diderivasi dari
persamaan perbedaan. Bentuk yang kedua adalah
lingkaran radius ℛh- . Syarat ini masih belum cukup, karena
sembarang runtun sisi-kanan memiliki ROC yang sama.
Namun, jika suatu sistem stabil, maka kausalitasnya mudah
untuk diperiksa.
1.7.3. Stabilitas LTI kausal domain-z
Suatu sistem LTI kausal dikatakan stabil jika dan hanya
jika fungsi sistem H(z) memiliki semua kutub yang berada di
dala lingkaran unit.
1.8. Solusi Persamaan Perbedaan
1.8.1. Transformasi Z satu-sisi
Trasnformasi Z satu-sisi atas suatu runtun x(n) diberikan oleh

Kemudian dengan memanfaatkan watak penggeseran sampel,

diperoleh

menggunakan sebanyak N titik di keseluruhan

lingkaran unit. Bentuk yang lain diberikan dengan
Atau

Hasil ini dapat digunakan untuk menyelesaikan persamaan

perbedaan dengan kondisi awal atas inisial tak-nol atau dengan
yang memberikan nilai balik berupa respon frekuensi
masukan yang berubah. Persamaan perbedaan yang akan
pada frekuensi-frekuensi yang
diselesaikan memiliki format berikut ini.
dispesfikasi oleh vektor w, normalnya dalam rentang 0 sampai
π.
1.7. Relasi Antara Representasi-Representasi Sistem
dengan kondisi-kondisi inisial :
Gambar 5.9 menampilkan relasi antara representasi-
representasi sistem dalam suatu format grafikal.

1.7.1. Stabilitas dan Kausalitas

Bagi sistem LTI, stabilitas BIBO ekivalen dengan ∑ Akhirnya diperoleh,
|ℎ(k)| < ∞. Dari segi keberadaan transformasi Fourier waktu-
diskrit, stabilitas ini mengimplikasikan bahwa H(ej⍵) ada, dan
selanjutnya mengimplikasikan bahwa lingkaran unit |z| = 1
berada di dalam ROC. Hasil ini disebut pula dengan teorema
stabilitas domain-z. Jalur dengan garis putus-putus pada Menggunakan metode ekspansi fraksi parsial, didapatkan
Gambar 5.9 dapat dilakukan bila sistem stabil

1.7.2. Stabilitas LTI domain-z

Suatu sistem LTI dikatakan stabil jika dan hanya jika
lingkaran unit berada dalam ROC Setelah dilakukan transformasi Z balik, didapatkan
dari H(z). Untuk kausalitas LTI, disyaratkan bahwa ℎ(n) = 0
dan < 0 (disebut dengan suatu runtun sisi-kanan). Ini
mengimplikasikan bahwa ROC dari H(z) harus berada di luar
Solusi di atas merupakan solusi keseluruhan dari persamaan
perbedaan yang diberikan. Solusi di atas dapat juga
diekspresikan dalam format lain. III. HASIL DAN ANALISIS

A. Latihan 1:

Bagian homogen atau seragam adalah dari Kutub sistem dan

bagian khusus adalah dari Kutub masukan. Format solusi yang
lain adalah Melalui matlab:

1.8.2. Implementasi Matlab

Fungsi MATLAB filter telah digunakan untuk menyelesaikan
persamaan perbedaan, jika diberikan koefisien-koefisiennya
dan suatu masukan. Fungsi ini juga dapat dipakai untuk Keterangan:
menemukan respon keseluruhan ketika kondisi-kondisi inisial Line 1 mendeklarasikan variabel z.
diberikan. Pada kasus ini, format pemanggilan fungsi filter Line 2memperkenalkan nilai-nilai si z
adalah Line 3 mendeklarasikan banyak sampel z
Line 4Akan menghasilkan transformasi dari si z yang disimpan
pada xz.
Hasil matlab:
dimana xic adalah suatu array yang memuat kondisi-kondisi
inisial. Untuk mencari respon keseluruhan pada sebelumnya,
digunakan skript MATLAB sebagai berikut.

Secara matlab:

Pada contohini, xic(n) dihitung secara anaitik. Namun, jika

persamaan perbedaan memiliki orde yang tinggi, maka akan
sangat rumit menemukan xic(n). MATLAB menyediakan suatu
Keterangan:
fungsi filtic untuk melakukannya. Fungsi ini dipanggil dengan
format Line 1 mendeklarasikan variabel n dan variabel z
Line 2 code yang berfungsi dalam mendeklarasikan nilai
dari variabel X adalah
Line 3 code untuk menghasilkan transformasi dari si z.
dimana b dan a adalah koefisien-koefisien filter dan Y dan X
Hasil pada matlab:
adalah array-array kondisi inisial
untuk y(n) dan x(n), dengan format

Jika x(n) = 0, n ≤ -1 maka X tidak perlu dispesifikasi dalam

fungsi filtic. Pada contoh dapat digunakan
Secara matlab:

Dengan matlab:

Keterangan:
Line 1 akan memperkenalkan nilai0nnilai dari si variabel a
Keterangan:
dan variabel b.
Line 4 menghasilkan hasil transformazi dari soal 1c Line 1 pendeklarasian nilai-nilai dari variabel b.
Line 2 untuk menyatakan nilai-nilai dari funsi disimpan
Hasil pada matlab: pada variabel a.
Line 3 mencari impulse dari soal yang diberikan.
Line 4 code yang menyataan penyaringan dari nilai pada b dan
a yang telah di impulsekan disimpan pada memori xb1
Line 5 akan menghasilkan jawaban untuk soal yangn
ditentukan.
Line 6 untuk menampilkan nilai eror pada grafik.

Hasil pada matlab:

Secara matlab:

B. Latihan 2

Secara matlab:

Hasil pada matlab:

Keterangan:
Line 1 pendeklarasian nilai-nilai dari variabel b.
Line 2 mendeklarasikan nilai-nilai dari variabel a.
Line 3 akan berfungsi untuk mencari impulse dari soal yang
diberikan.
Line 4 menyataan penyaringan dari nilai pada b dan a yang
telah di impulsekan disimpan pada memori xb1.
Line 5 menghasilkan jawaban untuk soal yangn ditentukan.
Line 6 code yang menampilkan nilai eror pada grafik.
Hasil pada matlab:

Secara matlab:

Keterangan:
Secara matlab:
Keterangan: Hasil pada matlab:
Line 1 berisi pendeklarasian nilai dari ‘b’ (pembilang)
sebagai nilai penyebut sesuai dengan hasil perhitungan yang
diperoleh.
Line 2 berisi pendeklarasian nilai dari ‘a’ (pembilang) sebagai
nilai penyebut sesuai dengan hasil perhitungan yang diperoleh. Secara matlab:
Line 3 berisi permisalan input delta= 1 0 0 0 0 0 0 0 0 0
Line 4 akan menyatakan nilai ‘xb1’
Line 5 akan melakukan perubahan secara langsung fungsi
x(n)xb2.
Line 6 untuk menentukan error operasiz
Line 7 menghitung nilai error dari ‘xb1’ dan ‘xb2’.
%untuk menggabar grafik
Keterangan:
hasil secara matlab: b = [0, 0.5, -1/(4*sqrt(2))]; a = [1, -
1/sqrt(2), 0.25];
delta = impulsseq(0,0,7); format long
xb1 = filter(b,a,delta)
% check
n = 0:7;
xb2 = ((1/2).^n).*cos(pi*n/4-
pi/4).*stepseq(1,0,7)
%
error = abs(max(xb1-xb2)), format short;
Hasil pada matlab:

Gambar ploting pole-zero

Secara manual:
Lampiran

Secara matlab:
clc
b = [0, 0.5, -1/(4*sqrt(2))]; a = [1, -
1/sqrt(2), 0.25];
delta = impulsseq(0,0,7); format long
xb1 = filter(b,a,delta) Keterangan:
n = 0:7; Line 2-3 berisi pendeklarasian nilai dari ‘b’ (pembilang) dan
xb2 = ((1/2).^n).*cos(pi*n/4- ‘a’ sebagai nilai penyebut sesuai dengan hasil perhitungan
pi/4).*stepseq(1,0,7) yang diperoleh.
error = abs(max(xb1-xb2)), format short; Line 4 berisi permisalan input delta= 1 0 0 0 0 0 0 0 0 0
Line 5 compute value of ‘xb1’ (menggunakan filter function.
Line 6-8proses penggambaran atau plot grafik poles-zeros.
Keterangan:
Hasil pada matlab:
Hasil pada matlab:

C. Tugas 3

Secara matlab:

Keterangan:
Line 1 berisi pendeklarasian nilai dari ‘b’ (pembilang) dan ‘a’
sebagai nilai penyebut sesuai dengan hasil perhitungan yang
diperoleh. Secara matlab:
Line 2 berisi permisalan input delta= 1 0 0 0 0 0 0 0 0 0
Line 4 compute value of ‘xb1’ (menggunakan filter function.
Line 5-7 proses penggambaran atau plot grafik poles-zeros.

Hasil pada matlab:

Line 1 berisi pendeklarasian nilai dari ‘b’ (pembilang) sesuai
dengan hasil perhitungan yang diperoleh.
Line 2 berisi pendeklarasian nilai dari ‘a’ sebagai nilai
penyebut sesuai dengan hasil perhitungan yang diperoleh.
Line 3 berisi permisalan input delta= 1 0 0 0 0 0 0 0 0 0
Line 3 untuk compute value of ‘xb1’ (menggunakan filter
function)

Hasil pada matlab:

Secara matlab:
 Keterangan:
Line 2 berisi pendeklarasian nilai dari ‘b’ (pembilang) dan ‘a’
sebagai nilai penyebut sesuai dengan hasil perhitungan yang
diperoleh.
Line 3 berisi permisalan input delta= 1 0 0 0 0 0 0 0 0 0
Line 4 compute value of ‘xb1’ (menggunakan filter function.
Line 5-7 proses penggambaran atau plot grafik poles-zeros.

Secara matlab: Hasil pada matlab:

Keterangan:
Line 1 berisi pendeklarasian nilai dari ‘b’ (pembilang) sesuai
dengan hasil perhitungan yang diperoleh.
Line 2 berisi pendeklarasian nilai dari ‘a’ sebagai nilai
penyebut sesuai dengan hasil perhitungan yang diperoleh.
Line 3 berisi permisalan input delta= 1 0 0 0 0 0 0 0 0 0
Line 4 compute value of ‘xb1’ (menggunakan filter
function)
.

Hasil pada matlab: IV. SIMPULAN

o Agar lebih mudah diterapkan pada pemrosesan sinyal
digital transformasi Z harus berupa fungsional
o Suatu fungsi sistem sama seperti fungsi respon
frekuensi akan tetapi yang membedakan fungsi
domain z dapat ditemukan meskipun pada sistem
yang tidak stabil secara BIBO (Boundede Input,
Bounded Output) merupakan Representasi sitem
dalam domain Z

o
Persamaan diatas merupakan denfenisi dari
transformasi satu sisi atau unilateral
o Z-transform bilateral atau dua sisi dari sinyal waktu
diskrit x [n] merupakan rangkaian daya formal X (z)
yang didefinisikan sebagai

Secara matlab:
REFERENSI
1. M05-Pra.PSD_Modul.pdf
 Lampiran:
• Latihan1a • Latihan2a

• Latihan1b

• Latihan1c

• Latihan2b
• Latigan2c
• Latihan2d

• Latihan1d

• Latihan2e
• Latihan3a

• Latihan1e
• Latihan3b

• Latihan3c

• Latihan3d

• Latihan3e