PERCOBAAN I

SINYAL DAN SISTEM WAKTU DISKRIT

1.1 Tujuan
1. Memahami konsep deret dan representasinya pada MATLAB.
2. Mempelajari deret-deret dan operasi dasar untuk membentuk deret yang
lebih kompleks.
3. Mengerti konsep linearitas, shift-invariance, stabilitas, dan kausalitas.
4. Menjadi lebih familiar dengan sifat-sifat konvolusi.
5. Mempelajari perhitungan konvolusi menggunakan penjumlahan dan
matriks.

1.2 Peralatan
1. Program Matlab 2012 keatas.

1.3 Dasar Teori

1.3.1 Sinyal dan Karakteristiknya
Sinyal waktu diskrit disebut dengan deret dan dinotasikan sebagai berikut:
x(n) ={x(n)} = {…, x(-1), x(0), x(1),…}…………….(1.6)

Deret sinyal waktu diskrit dapat berupa deret terbatas maupun tidak
terbatas yang terdifinisi pada N1< n < N2, dimana N1 < N2. Dengan durasi deret
tersebut adalah N2-N1+1 sample. Bentuk dasar yang sering digunakan adalah :

Gambar 1.1 Bentuk Dasar Unit Sample

Deret Unit Sample dinotasikan sebagai d(n) dan didefinisikan sebagai :
1,; n = 0
𝛿(𝑛) ≡
0, ; n ≠ 0………………….……(1.2)

Deret Unit Step dinotasikan sebagai u(n) dan didefinisikan sebagai :

1,untuk n ≥ 0
𝛿(𝑛) ≡
0, untuk n ≤ 0…………….……..(1.3)

Gambar 1.2 Bentuk Sinyal Unit Step

Gambar 1.3 Bentuk Sinyal Unit Ramp

Gambar 1.4 Bentuk Sinyal Eksponensial

1.3.2 Sistem Waktu Diskrit
Sistem waktu diskrit adalah suatu alat atau algoritma yang beroperasi pada
pada sinyal waktu diskrit (input), menurut beberapa aturan yang dibuat, untuk
menghasilkan sinyal waktu diskrit dengan bentuk lain (output atau response).
Sistem tersebut secara umum dinyatakan :

y(n) Tx(n)………………………………(1.4)

Salah satu sistem waktu diskrit yang sering digunakan adalah sistem linier
tidak berubah terhadap waktu (linear time invariant (LTI system)). Sistem ini
mempunyai sifat-sifat sebagai berikut :
1. Memenuhi sifat superposisi.
2. Tidak berubah terhadap waktu ( time invariant )
3. Mempunyai respon terhadap deret unit sample yang disebut dengan
impulse response.
4. Jika input (x(n)) dan sistem (h(n)) adalah deret yg finite maka y(n)
merupakan hasil konvolusi dari x(n) dan h(n).
5. Apabila setiap input yang terbatas menghasilkan output yang terbatas,
maka sistem disebut dengan stabil BIBO.
6. Apabila output-nya (y(n)) hanya tergantung dari input n sekarang dan
output sebelumnya, maka sistem disebut dengan sistem kausal.
7. Sistem LTI waktu diskrit dapat ditulis/dijelaskan menggunakan persamaan
beda koefisien konstanta linier.

1.3.3 Sinyal Sinusoidal Waktu Diskrit

Deret eksponensial real adalah deret yang nilainya berbentuk a, dimana a
adalah nilai real. Deret sinusoidal mempunyai nilai berbentuk Asin(ωon + φ).
 Gambar 1.5 Sinyal Sinusoidal Waktu Diskrit

Deret y[n] dinyatakan berkalai (periodik) dengan nilai periode N apabila

y[n] = y[n+N] untuk semua n. Deret sinusoidal mempunyai periode 2π/ ωo hanya
pada saat nilai real ini berupa berupa bilangan integer. Parameter ωo akan
dinyatakan sebagai frekuensi dari sinusoidal atau eksponensial kompleks meskipun
deret ini periodik atau tidak. Frekuensi ωo dapat dipilih dari nilai jangkauan
kontinyu. Sehingga jangkauannya adalah 0 < ωo < 2π (atau -π < ωo < π) karena deret
sinusoidal atau eksponensial kompleks didapatkan dari nilai ωo yang bervariasi
dalam jangkauan 2πk < ωo < 2π(k+1) identik untuk semua k sehingga didapatkan
ωo yang bervariasi dalam jangkauan 0 < ωo < 2π.

1.3.4 Konvolusi
Konvolusi merupakan suatu metode penghitungan untuk menentukan
respon dari sistem. Dalam sistem diskrit, metode penghitungan dengan cara
penjumlahan (akumulator) sedangkan pada sistem kontinyu dengan cara integrasi.
Jika h[n] adalah respon impulse sistem linier diskrit, dan x[n] adalah sinyal
masukan maka sinyal keluaran :

Y[n] = x[n]*h[n]……………………………(1.5)
Berikut ini merupakan sifat-sifat penyelesaian operasional dari konvolusi :
1. Komutatif : x(n) * h(n) = h(n) * x(n)
2. Asosiatif : [x(n) * g(n)] * h(n) = x(n) * [g(n) * h(n)]
3. Distributif : x(n) * [h1(n) + h2(n)] = [x(n) * h1(n)] + [x(n) * h2(n)]

Konvolusi dilakukan dengan berdasarkan respon impulse dari sistem yang

menyatakan karakterisasi dari sistem tersebut. Secara matematis, respon impulse
dari sistem dihitung menggunakan fungsi delta (∆). Untuk mendapatkan respon
impulse sistem, sistem tersebut diubah dengan mengganti x[n] dengan [n] dan y[n]
dengan h[n].
Perhitungan konvolusi dari dua buah sinyal waktu diskrit, x[n] dan h[n]
secara grafis, yaitu:
1. Jika dua buah sinyal diskrit x[n] dan h[n] mempunyai representasi sebagai
berikut.
1 ,𝑛 = 0
2 ,𝑛 = 1
3 ,𝑛 = 2 1 ,0 ≤ 𝑛 ≤ 4
x[n] ℎ[𝑛] {
2 ,𝑛 = 3 0 , 𝑛 𝑠𝑒𝑙𝑎𝑖𝑛 𝑖𝑡𝑢
1 ,𝑛 = 4
{0, 𝑛 𝑠𝑒𝑙𝑎𝑖𝑛 𝑖𝑡𝑢

2. Gambarkan terlebih dahulu bentuk sinyal x[k] yang sama dengan x[n] dan
h[k] yang sama dengan h[n].

Gambar 1.6 Sinyal Waktu Diskrit x[k] dan h[k]

3. Cerminkan / putar sinyal h[k], sehingga menjadi h[n-k]

Gambar 1.7 Sinyal Waktu Diskrit h[n-k]

4. Susun sinyal x[x] dan h[n-k], lalu lakukan perkalian x[x] dan h[n-k] pada
setiap pergeseran n. Hitung untuk n=0y[0]= = 1*1 =1. Gambarkan
y[0]=1.

Gambar 1.8 Perhitungan Konvolusi Sinyal Waktu Diskrit Saat n=0

5. Geser h[n-k] ke kanan 1 step, lalu hitung untuk n=1y[1]=(1*1)+(1*2)=3.

Selanjutnya gambarkan y[1]=3.

Gambar 1.9 Perhitungan Konvolusi Sinyal Waktu Diskrit Saat n=1

6. Geser h[n-k] ke kanan 1 step, lalu hitung untuk n=2y[1] = (1*1) + (1*2)
+ (1*3) = 6. Selanjutnya gambarkan y[2]=6.
7. Geser h[n-k] ke kanan 1 step, lalu hitung untuk n=3y[1]=(1*1) + (1*2) +
(1*3) + (1*2) = 8. Selanjutnya gambarkan y[3]=8.
8. Geser h[n-k] ke kanan 1 step, lalu hitung untuk n=4y[1]=(1*1) + (1*2) +
(1*3) + (1*2) + (1*1) = 9. Selanjutnya gambarkan y[4]=9.
9. Geser h[n-k] ke kanan 1 step, lalu hitung untuk n=5y[5]=(1*2) + (1*3) +
(1*2) + (1*1) = 8. Selanjutnya gambarkan y[5]=8.
10. Geser h[n-k] ke kanan 1 step, lalu hitung untuk n=6y[6]=(1*3) + (1*2) +
(1*1) = 6. Selanjutnya gambarkan y[6]=6.
11. Geser h[n-k] ke kanan 1 step, lalu hitung untuk n=7y[7]=(1*2)+(1*1)=3.
Selanjutnya gambarkan y[7]=3.
12. Geser h[n-k] ke kanan 1 step, lalu hitung untuk n=8y[8]=(1*1)=1.
Selanjutnya gambarkan y[8]=1.
Sehingga diperoleh dari posisi akhir sinyal adalah seperti berikut:

Gambar 1.10 Sinyal Output y[n] yang Berwarna Hijau

1.4 Langkah Percobaan
1.4.1 Menggambar Sinyal Waktu Diskrit
1. Diketahui suatu sinyal x1(n) = (0.9)n cos(0,2πn + π / 3) 0 < n < 20.
Selanjutnya, buatlah program script Matlab dan simpan dengan nama
“P1_1”.
clc
clear
n1=[0:100];
%x1=((0.9).^n1.*cos(0.2*pi*n1+pi/3));
x2=10*cos(0.008*pi*(n1).^2);
axis([min(n1-1),max(n1-1),-1,1]);
stem(n1,x2)
xlabel('n');ylabel('x2(n)');title(' Deret
x2(n)');
set(gca,'XTickMode','manual','Fontsize',10)

Kode Program 1.1 Penggambaran Sinyal Waktu Diskrit

2. Jelaskan langkah-langkah pada script Matlab P1_1 diatas.

3. Jalankan program P1_1, dan perhatikan gambar grafik yang
dihasilkan. Apakah sinyal di atas adalah sinyal periodik ? Simpanlah
gambar yang anda dapatkan tersebut.
4. Modifikasi program P1_1 untuk mem-plot sinyal berikut :
a. x2 (n) = 10 cos ( 0.008πn2) ; 0<n<100
b. x3 = 2n ; 0<n<100
Apakah kedua sinyal ini periodik ? Jelaskan.
1.4.2 Konvolusi
1. Diketahui suatu sinyal :
a. x4 (n) = {1,2,3,4} ; 0<n<3,
b. x5 (n) = {3,2,1} ; 0<n<2,
c. x6 (n) = {2,2,1,2,3} ; 0<n<4
Lakukan proses konvolusi untuk x4 (n) * x5 (n), menggunakan program
P1_2 berikut :
close all
clear all
x=input('Enter x: ')
h=input('Enter h: ')
m=length(x);
n=length(h);
X=[x,zeros(1,n)];
H=[h,zeros(1,m)];
for i=1:n+m-1
Y(i)=0;
for j=1:m
if(i-j+1>0)
Y(i)=Y(i)+X(j)*H(i-j+1);
else
end
end
end
Y
stem(Y);
ylabel('Y[n]');
xlabel('----->n');
title('Convolution of Two Signals without conv
function');

Kode Program 1.2 Uji Sifat Konvolusi

2. Jalankan program P1_2 dengan ketentuan sebagai berikut:

a. Hitunglah konvolusi x4(n)*x5(n) dan x5(n)*x4(n), bandingkan hasilnya.
Memenuhi sifat konvolusi apakah ini? Jelaskan.
b. Hitunglah konvolusi (x4(n)*x5(n))*x6(n) dan x4(n)*(x5(n)* x6(n)),
bandingkan hasilnya. Memenuhi sifat konvolusi apakah ini? Jelaskan
c. Hitunglah konvolusi (x4(n) + x5(n)) * x6(n) dan x4(n) * (x5(n) + x6(n) ),
bandingkan hasilnya.
d. Memenuhi sifat konvolusi apakah ini? Jelaskan.
1.5 Data Hasil Percobaan
1.5.1 Data Hasil Percobaan Menggambar Sinyal Diskrit
1. Sinyal Diskrit x1(n) = (0.9)n cos(0,2πn + π / 3); 0 < n < 20

Gambar 1.11 Bentuk Sinyal Diskrit X1

2. Sinyal Diskrit X2 (n) = 10 cos ( 0.008πn2); 0<n<100

Gambar 1.12 Bentuk Sinyal Diskrit X2

3. Sinyal Diskrit X3 = 2n; 0<n<100

Gambar 1.13 Bentuk Sinyal Diskrit X3

1.5.2 Data Hasil Percobaan Konvolusi
Diberikan suatu sinyal :
• X4 (n) = {1,2,3,4} ; 0<n<3,
• X5 (n) = {3,2,1} ; 0<n<2,
• X6 (n) = {2,2,1,2,3} ; 0<n<4

1. Data Hasil X4(n) * X5(n)

Gambar 1.14 Data Hasil Konvolusi X4(n) * X5(n)

2. Data Hasil X5(n) * X4(n)

Gambar 1.15 Data Hasil Konvolusi X5(n) * X4(n)

3. Data Hasil [X4(n) * X5(n)] * X6(n)

Gambar 1.16 Data Hasil Konvolusi [X4(n) * X5(n)] * X6(n)

4. Data Hasil X4(n) * [X5(n) * X6(n)]

Gambar 1.17 Data Hasil Konvolusi X4(n) * [X5(n) * X6(n)]

5. Data Hasil [X4(n) + X5(n)] * X6(n)

Gambar 1.18 Data Hasil Konvolusi X4(n) + X5(n)] * X6(n)

6. Data hasil X4(n) * [X5(n) + X6(n)]

Gambar 1.19 Data Hasil Konvolusi X4(n) * [X5(n) + X6(n)]

1.6 Analisa Data Hasil Percobaan
1.6.1 Analisa Hasil Percobaan Menggambar Sinyal Diskrit
Sistem waktu diskrit merupakan suatu alat atau algoritma yang beroperasi
pada pada sinyal waktu diskrit (input), menurut beberapa aturan yang dibuat, untuk
menghasilkan sinyal waktu diskrit dengan bentuk lain (output atau response).
1. Sinyal Diskrit X1(n) = (0.9)n cos(0,2πn + π / 3); 0 < n < 20

Gambar 1.20 Bentuk Sinyal Diskrit X1

Berdasarkan gambar 1.20 dapat dianalisis bahwa X1(n) = (0.9)n cos (0,2πn
+ π / 3); 0 < n < 20 merupakan sinyal diskrit dalam bentuk impulse dan termasuk
sinyal periodik, karena memiliki interval waktu T (periode) yang sama antara satu
sama lain.
Kita juga bisa mendapatkan hasil yang sama melalui cara lain, yaitu
dengan menghitung secara matematis persamaan X1 dengan memasukkan nilai n
dari rentang 1 sampai 100. Namun di sini hanya akan diberikan 1 contoh
perhitungan saja untuk lebih memahami. Perhitungan ketika n = 1:
𝑝𝑖
𝑋1 [1] = ((0.9𝑛 )× cos ((0.2×𝑝𝑖×𝑛) + ( )))
3

3.14
𝑋1 [1] = ((0.91 )× cos ((0.2×3.14×1) + ( )))
3

𝑋1 [1] = ((0.9)× cos((0.628) + (1.0467)))

𝑋1 [1] = ((0.9)× (cos 1.6747))

𝑋1 [1] = −0.9334
Berikut tabel hasil perhitungan untuk n=1 sampai n=10 menggunakan Matlab.
Tabel 1.1 Hasil perhitungan manual sinyal diskrit X1

n X1(n) = (0.9)n cos(0,2πn + π / 3)

1 -0.0941
2 -0.5420
3 -0.7131
4 -0.5994
5 -0.2952
6 0.0556
7 0.3200
8 0.4211
9 0.3539
10 0.1743

Berdasarkan tabel 1.1 di atas, dapat kita bandingkan bahwa hasil

perhitungan secara matematis dengan menggunakan Matlab tidak jauh berbeda, dan
memang hasilnya harus sama.

2. Sinyal Diskrit X2 (n) = 10 cos ( 0.008πn2); 0<n<100

Gambar 1.21 Bentuk Sinyal Diskrit X2

Berdasarkan gambar 1.21 dapat dianalisis bahwa X2 (n) = 10 cos

(0.008πn2); 0<n<100 merupakan sinyal diskrit dalam bentuk impulse dan tidak
termasuk sinyal periodik, karena memiliki interval perioda (T) yang tidak sama
antara satu dan yang lainnya.
 Kita juga bisa mendapatkan hasil yang sama melalui cara lain yaitu dengan
menghitung secara matematis persamaan X2 dengan memasukkan nilai n dari
rentang 1 sampai 100. Namun disini hanya akan diberikan 1 contoh perhitungan
saja untuk lebih memahami. Perhitungan ketika n = 1:
𝑋2 [1] = 10×cos(0.008×𝑝𝑖×𝑛2 )
𝑋2 [1] = 10× cos(0.008×3.14×12 )
𝑋2 [1] = 10× cos(0.02512)
𝑋2 [1] = 10×0.99999
𝑋2 [1] = 9.9999

Berikut tabel hasil perhitungan untuk n=1 sampai n=10 menggunakan Matlab.
Tabel 1.2 Hasil perhitungan manual sinyal diskrit X2

n X2 (n) = 10 cos ( 0.008πn2)

1 9.9968
2 9.9495
3 9.7453
4 9.2023
5 8.0902
6 6.1786
7 3.3282
8 -0.3769
9 -4.4838
10 -8.0902

Berdasarkan tabel 1.2 di atas, dapat kita bandingkan bahwa hasil

perhitungan secara matematis dengan menggunakan Matlab tidak jauh berbeda, dan
memang hasilnya harus sama.
 3. Sinyal Diskrit X3 = 2n ; 0<n<100

Gambar 1.22 Bentuk Sinyal Diskrit X3(n)

Berdasarkan pada gambar 1.22, dapat dianalisis bahwa X3=2n; 0<n<100

merupakan sinyal diskrit dalam bentuk impulse, dan termasuk sinyal periodik
karena memiliki interval waktu T (periode) yang sama antara satu sama lain.
Kita juga bisa mendapatkan hasil yang sama melalui cara lain yaitu
dengan menghitung secara matematis persamaan X3 dengan memasukkan nilai n
dari rentang 1 sampai 100. Namun disini hanya akan diberikan 1 contoh
perhitungan saja untuk lebih memahami. Perhitungan ketika n = 1:
𝑋3 = 2×𝑛
𝑋3 = 2×1
𝑋3 = 2
Berikut tabel hasil perhitungan untuk n=1 sampai n=10 menggunakan Matlab.
Tabel 1.3 Hasil perhitungan manual sinyal diskrit X3

n X3(n)=2n
1 2
2 4
3 6
4 8
5 10
6 12
7 14
8 16
9 18
10 20

Berdasarkan tabel 1.3 di atas bisa kita bandingkan bahwa hasil perhitungan
manual dengan menggunakan Matlab tidak jauh berbeda, dan memang hasilnya
harus sama.

1.6.2 Analisa Hasil Percobaan Konvolusi

Konvolusi merupakan suatu metode penghitungan untuk menentukan
respon dari sistem. Dalam sistem diskrit, metode penghitungan dengan cara
penjumlahan (akumulator) sedangkan pada sistem kontinyu dengan cara integrasi.
Jika h[n] adalah respon impulse sistem linier diskret, dan x[n] adalah sinyal
masukan maka sinyal keluaran :

Y[n] = x[n]*h[n]……………………………(1.6)

Berikut ini merupakan sifat-sifat penyelesaian operasional dari konvolusi :

1. Komutatif : x(n) * h(n) = h(n) * x(n)
2. Asosiatif : [x(n) * g(n)] * h(n) = x(n) * [g(n) * h(n)]
3. Distributif : x(n) * [h1(n) + h2(n)] = [x(n) * h1(n)] + [x(n) * h2(n)]
 Konvolusi dilakukan dengan berdasarkan respon impulse dari sistem yang
menyatakan karakterisasi dari sistem tersebut. Secara matematis, respon impulse
dari sistem dihitung menggunakan fungsi delta (∆). Untuk mendapatkan respon
impulse sistem, sistem tersebut diubah dengan mengganti x[n] dengan [n] dan y[n]
dengan h[n].

1. Perbandingan X4(n) * X5(n) dan X5(n) * X4(n)

Berdasarkan data hasil percobaan X4(n) * X5(n) dan X5(n) * X4(n),
didapatkan analisis perbandingan sinyal sebagai berikut :

Gambar 1.23 Data Hasil Konvolusi X4(n) * X5(n)

Gambar 1.24 Data Hasil Konvolusi X5(n) * X4(n)

 Pada gambar 1.23 merupakan hasil konvolusi dari X4(n) * X5(n) dengan
hasil :
Y = [ 3 8 14 20 11 4 ]

Demikian juga pada gambar 1.24 merupakan data hasil konvolusi dari X5(n) * X4(n)
dengan hasil :
Y = [ 3 8 14 20 11 4 ]

Sehingga, dapat dianalisis bahwa hasil konvolusi dari X4(n)*X5(n) dan hasil
konvolusi dari X5(n)*X4(n) memiliki bentuk keluaran yang sama. Hal ini dapat
membuktikan secara teori bahwa konvolusi memiliki sifat komutatif.

2. Perbandingan [X4(n) * X5(n)] * X6(n) dan X4(n) * [ X5(n) * X6(n)]

Berdasarkan data hasil percobaan [X4(n) * X5(n)] * X6(n) dan X4(n) * [
X5(n) * X6(n)], didapatkan analisis perbandingan sinyal sebagai berikut :

Gambar 1.25 Data Hasil Konvolusi [X4(n) * X5(n)] * X6(n)

 Gambar 1.26 Data Hasil Konvolusi X4(n) * [ X5(n) * X6(n)]

Pada gambar 1.25 merupakan hasil konvolusi dari [X4(n)*X5(n)]*X6(n)

dengan hasil :
Y = [ 6 22 47 82 101 102 101 86 41 12 ]

Demikian juga pada gambar 1.26 merupakan data hasil konvolusi dari X4(n)*[X5(n)
* X6(n)] dengan hasil :

Y = [ 6 22 47 82 101 102 101 86 41 12 ]

Sehingga, dapat dianalisis bahwa hasil konvolusi dari

[X4(n)*X5(n)]*X6(n) dan hasil konvolusi dari X4(n)*[X5(n)*X6(n)] memiliki
bentuk keluaran yang sama. Hal ini dapat membuktikan secara teori bahwa
konvolusi memiliki sifat asosiatif.

3. Perbandingan [X4(n) + X5(n)]*X6(n) dan X4(n)*[X5(n)+X6(n)]

Berdasarkan data hasil percobaan [X4(n) + X5(n)]*X6(n) dan
X4(n)*[X5(n)+X6(n)], didapatkan analisis perbandingan sinyal sebagai berikut :
 Gambar 1.27 Data Hasil Konvolusi [X4(n) + X5(n)]*X6(n)

Gambar 1.28 Data Hasil Konvolusi X4(n)*[X5(n)+X6(n)]

Pada gambar 1.27 merupakan hasil konvolusi dari [X4(n)+X5(n)]*X6(n)

dengan hasil :
Y = [ 6 10 9 10 14 8 3 0 ]

Demikian juga pada gambar 1.28 merupakan data hasil konvolusi dari
X4(n)*[X5(n)+X6(n)] dengan hasil :

Y = [ 2 6 11 18 18 16 17 12 ]

Sehingga, dapat dianalisis bahwa hasil konvolusi dari

[X4(n)+X5(n)]*X6(n) dan hasil konvolusi dari X4(n)*[X5(n)+X6(n)] memiliki
bentuk keluaran yang tidak sama. Hal ini dapat membuktikan bahwa hasil
konvolusi ini tidak termasuk kedalam sifat-sifat konvolusi.
1.7 Simpulan
Berdasarkan hasil dari percobaan yang telah dilakukan dapat ditarik
kesimpulan sebagai berikut :
1. Sinyal waktu diskrit berbentuk impulse yang bersifat periodik dapat dilihat
pada interval waktu T bernilai sama antara satu sama lain.
2. Konvolusi merupakan suatu metode perhitungan untuk menentukan sistem
response yang dapat dinyatakan dalam persamaan :

Y[n] = x[n]*h[n]…………………………..(1.7)

3. Konvolusi memiliki sifat-sifat sebagai berikut :

Komutatif : x(n) * h(n) = h(n) * x(n)
Asosiatif : [x(n) * g(n)] * h(n) = x(n) * [g(n) * h(n)]
Distributif : x(n) * [h1(n) + h2(n)] = [x(n) * h1(n)] + [x(n) * h2(n)]

4. Pada percobaan konvolusi X4(n) * X5(n) dan X5(n) * X4(n) diperoleh

bentuk keluaran sinyal yang sama, hal ini menunjukkan sifat konvolusi
yaitu komutatif
5. Pada percobaan konvolusi [X4(n) * X5(n)] * X6(n) dan X4(n) * [ X5(n) *
X6(n)] diperoleh bentuk keluaran sinyal yang sama, hal ini menunjukkan
sifat knvolusi yaitu asosiatif
6. Pada percobaan konvolusi [X4(n) + X5(n)]*X6(n) dan X4(n)*[X5(n)+X6(n)]
diperoleh bentuk keluaran sinyal yang tidak sama, hal ini menunjukkan
bahwa hasil konvolusi ini tidak termasuk ke dalam sifat-sifat konvolusi