Anda di halaman 1dari 5

ANALISA FOURIER WAKTU DISKRIT

Andreas Cristian Manik* (140310170030), Yessy Maharani Utami (140310170028), Mutiara


Anastasia Zebua (140310170029),
Program studi Fisika, MIPA Universitas Padjadjaran
Selasa, 1 Oktober 2019

Asisten: Adiyana Putri

Abstrak

Pada percobaan ini kita menganalisis bagaimana sinyal diolah menggunakan teori deret fourier. Sinyal
analog yang digunakan sebagai input lalu akan diolah menggunakan transformasi dari deret fourier
sinyal input yang bebasis waktu akan ditransformasikan menjasdi sinyal output yang berbasis frekuensi.
Sinyal tersebut diolah menggunakan sifat ataupun karakterisitik yaitu LTI (linear Time Invariant)
dimana input dan output berbanding lurus (linear), dan waktu tidak berepengaruh ketika pengolahan
sinyal berlangsung. Hasil percobaan latihan 3.3 terdapat grafik magnitude part, angle part, serta
imaginary part. Grafik-grafik tersebut juga dihasilkan pada latihan-latihan yang lain. Untuk latihan 3.7
menghasilkan kurang dari 10-14. Hal tersebut sesuai karena kesalahan absolut antara dua transformasi
fourier deret kurang dari 10-14.

Kata kunci: DTFT, LTI, sampling, Rekonstruksi.

1. Pendahuluan Proses sampling adalah suatu proses mengubah


sinyal kontinyu menjadi sinyal diskrit. Proses
Dalam analisa sinyal dan system kita perlu sampling juga diibaratkan sebuah saklar on/off.
menganalisa dalam domain frekunsi. Membutuhkan Sinyal kontinyu r(t) dicuplik secara regular pada
suatu metode untuk mentransformasikan domain interval T. sinyal sampling dapat dinyatakan juga
waktu menjadi domain frekuensi. Maka dari itu sebagai Delta Pulse Train, sebagai berikut :
DTFT (Discret Time Fourier Transform) menjadi
solusi untuk permasalahan tersebut. 𝑟 ∗ (𝑡) = 𝑃(𝑡)𝑟(𝑡) (2)
Deret fourier adalah awal mula dari adanya Dimana,

DTFT. Discret Time Fourier Transform merupakan
sebuah metode yang digunakan untuk 𝑃(𝑡) = ∑ 𝛿(𝑡 − 𝑛𝑇) (3)
mentransformasikan sinyal waktu diskrit non- 𝑛=−∞
periodik. Sinyal waktu diskrit ialah jenis sinyal yang
memilikki nilai pada waktu tertntu. Biasanya selang Rekontruksi merupakan pengembalian suatu ke
waktu sudah diatur sedemikian rupa sehingga nilai- tempatnya yang semula. Teorema sampling
nilai yang didapat hanya pada waktu-waktu tertentu menyatakan proses ini hanya bisa berhasil bila
saja. DTFT untuk sinyal X(n) didefinisikan : kriteria Nyquist dipenuhi pada saat memperoleh
x(n). cara rekontruksi ialah menggunakan interpolasi
∞ g(t) dilakukan melalui :

𝑗𝑤
𝑋(𝑒 ) = ∑ 𝑋(𝑛)𝑒 −𝑗𝑤 (1) 𝑛 𝑛
𝑋𝑟 (𝑡) = ∑ 𝑋𝑟 ( ) 𝑔 (𝑡 − )
𝑛=−∞ 𝐹𝑠 𝐹𝑠
𝑛=−∞

DTFT juga memilikki sifat-sifat, diantaranya
periodik, linier, konjugasi, time reversal, time = ∑ 𝑋(𝑛)𝑔(𝑡 − 𝑛𝑇) (4)
𝑛=−∞
shifting dan frequency shifting, differensial,
multiplication, parseval’s relation, konvolusi.
LTI atau Liniar Time Invariant merupakan
system yang digunakan dalam sinyal yang memilikki
sifat linear dan time-invariance. Linear yang artinya 2. Hasil dan Pembahasan
hubungan antara output dan input sesuai dengan
linear map, sedangkan time-invariance yang artinya Data Percobaan dan Pengolahan Data serta
output tidak bergantng waktu inputnya. System LTI Analisa
memilikki banyak memori yang memuat rekaman a. LA 3.1
yang lalu dan memilikki kemampuan untuk - Listing
memprediksi keluaran. function[X]=dtft(x,n,w)
%Computes Discrete-time dan hasilnya akan mengubah sinyal
Fourier Transform diksrit x(n) menjadi fungsi kontinu
%[X]=dtft(,x,n,w)
%X = DTFT values computed at bernilai kompleks X(𝑒 𝑗𝑤 ) dengan
w frequencies varieabel riil ω, disebut frekuensi digital
%x = finite duration yang diukur dalam radian.
sequence over n LA 3.2 (c)
%n = sample position vector - Listing
%w = frequency location n=0:6; x=[4 3 2 1 2 3 4];
vector k = 0:500; w = (pi/500)*k;
X = x * exp(-j*n'*w); X = x*(exp(-
j*pi/500)).^(n'*k);
b. LA 3.2 (a) magX = abs(X); angX =
- Listing angle(X);
stepseq; realX = real(X); imagX =
n=0:100; x = 0:100; imag(X);
k = 0:500; w = (pi/500)*k; subplot(2,2,1);
x1=2*0.8.^n.*(stepseq(0,0,10 plot(k/500,magX); grid
0)-stepseq(20,0,100)); xlabel('frequency in pi
X=x1*(exp(- units'); title('Magnitude
1i*pi/500)).^(n'*k); Part'); ylabel('Magnitude')
magX=abs(X);angX=angle(X); subplot(2,2,3); plot
realX = real(X); imagX = (k/500,angX); grid
imag(X); xlabel('frequency in pi
subplot(2,2,1); plot(k/500, units'); title('Angel
magX); grid; Part'); ylabel('Radians')
xlabel('freq in pi units'); subplot(2,2,2);
title('Magnitude Part'); plot(k/500,realX); grid
subplot(2,2,3); plot(k/500, xlabel('frequency in pi
angX); grid; units'); title('Real Part');
xlabel('freq in pi units'); ylabel('Real')
title('Angle Part'); subplot(2,2,4);
subplot(2,2,2); plot(k/500, plot(k/500,imagX); grid
realX); grid; xlabel('frequency in pi
xlabel('freq in pi units'); units'); title('Imaginary
title('Real Part'); Part'); ylabel('Imaginary')
subplot(2,2,4); plot(k/500,
imagX); grid; - Tampilan
xlabel('freq in pi units');
title('Imaginary Part');
- Tampilan

- Analisa
Jika x(n) benar-benar bisa dijumlah - Analisa
Persamaan dari percobaan ini adalah :
(summable) yaitu 𝑋(𝑒 𝑗𝑤 ) = ∑60 𝑥(𝑛)𝑒 −𝑗𝑤𝑛 = 4 +
DTFT nya adalah 3𝑒 −𝑗𝑤 +2𝑒 −2𝑗𝑤 + 𝑒 −3𝑗𝑤 + 2𝑒 −4𝑗𝑤 +
3𝑒 −5𝑗𝑤 + 4𝑒 −6𝑗𝑤
Grafik diatas menggunakan prinsip yang plot dan dapat mengukur sudut nya baik
sama dengan percobaan 3.2 dengan dalam imajiner maupun dalam bilangan riil.
mentransformasikan sinyal diskrit ke
digital. LA 3.3 (c)
d. LA 3.4 (a)
c. LA 3.3 (a) LA 3.4 (b)
LA 3.3 (b) - Listing
- Listing clear all;
w = [0:1:500]*pi/500; n=[0:50]; a1=20; wc=0.5*pi;
X = (2*(0.8)^4)./(1- fc=wc/2*pi;
(0.8*exp(-j*w))); h1=(sinc(2*fc*(n-a1)))./(n-
magX = abs(X); angX = a1);
angle(X); subplot(2,1,1)
realX = real(X); imagX = stem(n,h1);
imag(X); xlabel('n');
subplot(2,2,1); ylabel('hd(n)');
plot(w/pi,magX); grid; title('Respon Pemotongan
xlabel('frequency in pi impuls alpha=20');
units'); title('Magnitude
Part'); ylabel('Magnitude') n=[0:50]; a2=30; wc=0.5*pi;
subplot(2,2,3); fc=wc/2*pi;
plot(w/pi,angX); grid; h2=(sinc(2*fc*(n-a2)))./(n-
xlabel('frequency in pi a2);
units'); title('Angel subplot(2,1,2)
Part'); ylabel('Radians') stem(n,h2);
subplot(2,2,2); xlabel('n');
plot(w/pi,realX); grid; ylabel('hd(n)');
xlabel('frequency in pi title('Respon Pemotongan
units'); title('Real Part'); impuls alpha=30');
ylabel('Real')
subplot(2,2,4); - Tampilan
plot(w/pi,imagX); grid;
xlabel('frequency in pi
units'); title('Imaginary
Part'); ylabel('Imaginary')

- Tampilan

- Analisa
Dari percobaan diata menggunakan sistem
Linear Time Invariant (LTI) diatas kita
dapat melihat respon sistem impulsnya
dimana terjadi pemotongan dengan
memperbesar alpha nya.

- Analisa e. LA 3.5 (a)


Pada program, persamaan sinyal hasil LA 3.5 (b)
DTFT adalah : X = f. LA 3.6 (a)
(2*(0.8)^4)./(1-(0.8*exp(- LA 3.6 (c)
j*w))); Dengan frekuensi sudut g. LA 3.7 (a)
berjumlah 500 titik. Pada grafik magnitude LA 3.7 (b)
part dan real part, percobaan dengan matlab LA 3.7 (c)
ini berguna untuk mengubah X(n) dengan h. LA 3.8 (a)
- Listing
n=[0:50]; Ts=0.05;Fs=1/Ts;
Ts1=0.01;x1=sin(20*pi*n*Ts1) nTs=n*Ts;
; x2=sin(20*pi*nTs);
subplot(3,1,1); y2=x2*sinc(Fs*(ones(length(n
stem(n,x1); ),1)*t-
title('Grafik x(n) untuk nTs'*ones(1,length(t))));
Ts=0.01'); subplot(3,1,2);
xlabel ('n');ylabel('x(n)'); plot(t,y2);
Ts2=0.05;x2=sin(20*pi*n*Ts2) title('Rekontruksi sinyal
; x(n), Ts=0.05');
subplot (3,1,2); xlabel('t(s)');ylabel('y(t)'
stem(n,x2); );
title('Grafik x(n) untuk Ts=0.1;Fs=1/Ts;
Ts=0.05'); nTs=n*Ts;
xlabel('n');ylabel('x(n)'); x3=sin(20*pi*nTs);
n3=[0:20] y3=x3*sinc(Fs*(ones(length(n
Ts3=0.1;x3=sin(20*pi*n*Ts3); ),1)*t-
subplot(3,1,3); nTs'*ones(1,length(t))));
stem(n,x3); subplot(3,1,3);
title('Grafik x(n) untuk plot(t,y3);
Ts=0.1'); title('Rekontruksi sinyal
xlabel ('n');ylabel('x(n)'); x(n), Ts=0.1');
xlabel('t(s)');ylabel('y(t)'
- Tampilan );

- Tampilan

- Analisa
Pada percobaan diatas, menggunakan - Analisa
proses sampling, dimana untuk mengubah Pada percobaan diatas, program yang
sinyal tersebut ke analog, dapat dilihat digunakan adalah untuk merekonstruksi
bahwa terjadi penguatan aplitudo sebesar 2 sinyal input ya(t) dari input x(n) dengan
kali, yang menjadi syarat terjadinya proses menggunakan interpolasi. Data input
sampling tersebut dan semakin lama tersebut akan diolah dan dikonversi
perioda nya semakin besar amplitude yang menjadi deretan ipuls, lalu akan terbentuk
dihasilkan mencapai 5x10^-14 . lowpass filter ideal dan menghasilkan
LA 3.8 (b) output rekonstruksi sinyalnya
- Listing
dt=0.001;t=0:dt:1; LA 3.8 (c)
n=[0:100]; LA 3.8 (d)
Ts=0.01;Fs=1/Ts;
nTs=n*Ts;
x1=sin(20*pi*nTs); 3. Kesimpulan
y1=x1*sinc(Fs*(ones(length(n
),1)*t- Kesimpulan yang didapat dari praktikum kali ini
nTs'*ones(1,length(t)))); yaitu :
subplot(3,1,1); 1. DTFT ialah sebuah metode yang digunakan
plot(t,y1); untuk mentransformasikan sinyal waktu
title('Rekontruksi sinyal diskrit dimana hasil sinyal yang telah di
x(n), Ts=0.01'); DTFT-kan akan berbentuk kontimyu dan
xlabel('t(s)');ylabel('y(t)' periodik
);
2. Sifat-sifat DTFT diantaranya periodicity,
linierity, conjugation, time reversal,
symetry properties of the fourier transform,
time and frequency shifting, differenting
and summation, time and frequency
scaling, diffentiation in frequency
domain,posseval’s relation,and
convolusion
3. Respon impuls dari suatu sinyal masukan
LTI yaitu pengolahan sinyal dimana input
dan output linear, dan waktu tidak
mempengaruhi dalam memproses
sinyalnya.
4. Proses sampling yaitu proses sinyal input
diubah menjadi sinyal yang berbasis
frekensi dan proses rekonstruksi adalah
proses mengembalikan sinyal ke sinyal
awal.

Daftar Pustaka
Makalah
[1] Chandra, Kemas M. 2015. Pengolahan Sinyal.
(https://id.scribd.com/doc/242536157/Makala
h-Pengolahan_Sinyal-pdf)
[2] Maulana, Eka. 2014. Sistem Kontrol Digital.
(maulana.lecture.ub.ac.id > filesPDF)
Buku
[3] Gunawan, Dadang. 2012. Pengolahan Sinyal
Digital. Yogyakarta: Graha Ilmu.