2.1 Tujuan
1. Mempelajari hubungan dalam domain waktu antara sinyal waktu kontinyu
xa(t) dan sinyal waktu diskrit x[1] yang dibangkitkan oleh sampling
periodik xa(t).
2. Menginvestigasi hubungan antara frekuensi sinyal sinusoidal xa(t) dengan
perioda sampling.
3. Menginvestigasi hubungan antara Continuous Time Fourier Transform
(CTFT) pada sinya waktu kontinyu band terbatas (limited) dan Discrete
Time Fourier Transform (DTFT) dari sinyal diskrit.
4. Mendesain Filter Low-pass Analog.
2.2 Peralatan
1. Program MATLAB 2012 ke atas.
2. PC atau Laptop.
1, 𝑡 ≥ 0
𝑢(𝑡) = { …………………………….(2.1)
0, 𝑡 < 0
Di sini fungsi step memiliki arti bahwa amplitudo pada u(t) bernilai nol
pada t < 0 dan bernilai satu untuk semua t ≥ 0
Untuk suatu sinyal waktu kontinyu x(t), hasil kali x(t)*u(t) sebanding
dengan x(t) untuk t>0 dan sebanding dengan nol untuk t<0. Perkalian pada
sinyal x(t) dengan sinyal u(t) mengeliminasi suatu nilai non-zero (bukan nol)
pada x(t) untuk nilai t<0. Fungsi ramp r(t) didefinisikan secara matematis sebagai:
𝑡, 𝑡 ≥ 0
𝑟(𝑡) = { …………………………….(2.2)
0, 𝑡 < 0
Untuk t> 0, slope (kemiringan) pada r(t) adalah senilai 1. Sehingga pada
kasus ini r(t) merupakan unit slope, yang mana merupakan alasan bagi r(t) untuk
dapat disebut sebagai unit ramp function. Jika ada variabel K sedemikian hingga
membentuk Kr(t), maka slope yang dimilikinya adalah K untuk t > 0.
∞
Ga (jΩ) = ∫−∞ g a (t) e−jΩt dt……………………(2.4)
G( ejω ) = ∑∞
𝑛= −∞ g [n]( e
−jωn
)…………………….(2.5)
1
G( ejω ) = T ∑∞
k= −∞ Ga ( jΩ − jkΩT )|Ω=ω/T……………….(2.6)
Dan melewatkan gp(t) ke filter, low-pass ideal Hr (jΩ) dengan gain T dan
frekuensi cut-off Ωc > Ωm dan Ωc< ΩT - Ωm, sehingga : Ωm < Ωc < (ΩT- Ωm).
Frekuensi tertinggi Ωm yang terkandung dalam ga(t) disebut dengan frekuensi
Nyquist, yang diyatakan sebagai ΩT > 2Ωm, dan 2Ωm disebut dengan Nyquist rate.
Jika rate sampling lebih besar dari rate Nyquist maka disebut dengan
oversampling, dan sebaliknya disebut dengan undersampling. Jika rate sampling
sama dengan rate Nyquist maka disebut dengan critical sampling.
Maka,
1 ∞ T Ωc sin(Ωc t)
hr(t) =
2π
∫−∞ Hr (j Ω) ejΩt dt = 2π ∫−Ωc ejΩt = ΩT t/2
, -∞≤n≤∞..(2.10)
gp(t) = ∑∞
𝑛= −∞ g[n] δ(t − nT)………………………(2.11)
ĝa(t) = ∑∞
𝑛= −∞ g[n] hr (t − nT)……………………(2.12)
sin[π(t−nT)/T]
ĝa(t) = ∑∞
𝑛= −∞ g[n] …………………(2.13)
π(t−nT)/T
2.3.7 Spesifikasi Filter
Spesifikasi filter biasanya dinyatakan dalam bentuk respon magnituda.
Sebagai contoh, magnituda |Ha(jΩ)| dari filter low-pass analog ditunjukan pada
Gambar 2.2. Dalam pass-band, dinyatakan dengan 0 < Ω < Ωp, magnitudanya
adalah :
Atau dengan kata lain, magnituda mendekati 1 dengan error ±ôp. Dalam
stop-band dinyatakan dengan 0 < Ω < Ωp, magnitudanya :
1. Buatlah script Matlab berikut dan simpan hasilnya dengan nama “P2_1”.
% Program P2_1
% Ilustrasi dalam proses sampling domain waktu
clf;
t = 0:0.0005:1;
f = 13;
xa = cos(2*pi*f*t);
subplot(2,1,1)
plot(t,xa);grid
xlabel('Time, msec');ylabel('Amplitude');
title('Continuous-time signal x_{a}(t)');
axis([0 1 -1.2 1.2])
subplot(2,1,2);
T = 0.1;
n = 0:T:1;
xs = cos(2*pi*f*n);
k = 0:length(n)-1;
stem(k,xs); grid
xlabel('Time index n');ylabel('Amplitude');
title('Discrete-time signal x[n]');
axis([0 (length(n)-1) -1.2 1.2])
Kode Program 2.1 Script Matlab untuk Sampling Sinyal Sinusoidal
1 ∞ T Ω sin(Ωc t)
hr(t) = 2π ∫−∞ Hr (j Ω) ejΩt dt = 2π ∫−Ωc ejΩt = , -∞ ≤ t ≤ ∞….(2.21)
c ΩT t/2
Kode Program 2.3 Script Matlab untuk Effect of Sampling in the Frequency Domain
2. Jalankan program P2_3 untuk membangkitkan dan menampilkan sinyal
waktu diskrit dan sinyal kontinyu ekivalennya, dan kaitan dengan
transformasi fourier. Apakah tampak ada efek aliasing ?
3. Ulangi jalankan program P2_3 dengan meningkatkan periode sampling
menjadi 1.5. Apakah terjadi efek aliasing?
2
4. Modifikasi program P2_3 untuk kasus xa(t) = e−πt dan ulangi pertanyaan
2 dan 3.
2
Gambar 2.16 Effect of Sampling in the Frequency Domain xa(t) = e−πt T = 1.0 s
2
D. Data Hasil Sampling xa(t) = e−πt dengan T = 1.5 s
2
Gambar 2.17 Effect of Sampling in the Frequency Domain xa(t) = e−πt T = 1.5 s
2.5.4 DesainFilter Lowpass Analog P2_4
frekuensi sampling, atau semakin kecil periode sampling maka sinyal hasil
sampling akan semakin menyerupai sinyal analog asli. Sinyal hasil sampling
sering kali disebut juga istilah Pulse Amplitude Modulation (PAM). Namun,
semakin tinggi frekuensi sampling membawa konsekuensi pada harga keseluruhan
pada proses pencacahan semakin tinggi sebaliknya, menggunakan frekuensi
sampling rendah akan menurunkan harga proses pencacahan tetapi mengandung
konseskuensi pada represensitasi sinyal PAM yang kurang dapat mewakili sinyal
analog asli. Karena itu secara natural akan muncul pertanyaan berupa jumlah
frekuensi minimal yang dapat digunakan agar hasil pengkodean digital nantinya
dapat dikendalikan ke bentuk dari sinyal analog. Hal tersebut sesuai dengan
teorema nyquist, dimana frekuensi sampling harus minimal 2 kali frekuensi
tertinggi (bukan bandwidth) yang dikandung oleh sinyal asli.
A. Sampling T = 0.05 s F = 13 Hz
1 1 100
Fs = = = = 100Hz
Ts 0,01 1
Sehingga, sesuai dengan teori semakin tinggi frekuensi sampling, atau
semakin kecil periode sampling maka sinyal hasil sampling akan semakin
menyerupai sinyal analog asli. Data diatas menunjukan frekuensi sampling (Fs)
sebesar 100 Hz. Hasil Fs itu tidak bernilai dua kali frekuensi maksimum sehingga
hasil sampling dari sinyal tersebut belum menyerupai rekonstruksi sinyal analog
aslinya.
C. Sampling T = 0.1 s F = 13 Hz
1 1 10
Fs = = = = 10 Hz
Ts 0,1 1
D. Sampling T= 0.2 s F = 13 Hz
1 1 10
Fs = = = = 5 Hz
Ts 0,2 2
1 1 10
Fs = = = = 2.5 Hz
Ts 0,4 4
1 1
Ts = = = 0,14 s
Fs 7
(a) (b)
(c) (d)
(e)
Gambar 2.26 Sampling Sinyal Sinusoidal Dengan Nilai (a) T = 0,01 s, (b) T = 0,05 s,
(c) T = 0,1 s, (d) T = 0,2 s, (e) T = 0,4 s
Dari ketiga data yang diperoleh dengan range periode yang sama sebesar
0,1 dan frekuensi yang berbeda – beda. Mempunyai hasil penggambaran sinyal
yang sangat indentik atau sama tanpa adanya perbedaaan. Sehingga apabila kita
mengacu pada persamaan berikut.
Pada frekuensi 13 Hz :
Frekuensi Aliasing = |Frekuensi Sampling – Frekuensi Sinyal|
= |10 – 13| = 3 Hz
Pada frekuensi 7 Hz :
Frekuensi Aliasing = |Frekuensi Sampling – Frekuensi Sinyal|
= |10 – 7| = 3 Hz
Pada frekuensi 3 Hz :
Frekuensi Aliasing = |Frekuensi Sampling – Frekuensi Sinyal|
= |10 – 3| = 7 Hz
Sedangkan didapatkan gambaran yang sama pada setiap frekuensi tersebut.
2.6.3 Effect of Sampling in the Frequency Domain ‘P2_3’
Proses ini mengubah representasi sinyal yang tadinya berupa sinyal
kontinyu menjadi sinyal diskrit. Dapat juga diibaratkan sebagai sebuah saklar
on/off yang membuka dan menutup setiap periode tertentu. Proses sampling
dilakukan dengan men-sampling sinyal analog dalam periode waktu tertentu
disebut dengan periode pencacahan (Ts). Kebalikan dari periode pencacahan
1
adalah frekuensi sampling (Fs) yaitu = 𝑇𝑠 . Semakin tinggi frekuensi sampling,
atau semakin kecil periode sampling maka sinyal hasil sampling akan semakin
menyerupai sinyal analog asli. Sinyal hasil sampling sering kali disebut juga
istilah Pulse Amplitude Modulation (PAM). Namun, semakin tinggi frekuensi
sampling membawa konsekuensi pada harga keseluruhan pada proses pencacahan
semakin tinggi sebaliknya, menggunakan frekuensi sampling rendah akan
menurunkan harga proses pencacahan tetapi mengandung konsekuensi pada
representasi sinyal PAM yang kurang dapat mewakili sinyal analog asli. Karena
itu secara natural akan muncul pertanyaan, berapa frekuensi terendah yang dapat
digunakan agar hasil pengkodean digital nantinya dapat dikendalikan ke bentuk
dari sinyal analog. Hal tersebut sesuai dengan Teorema Nyquist yang berbunyi
sebagai berikut “Frekuensi sampling harus minimal 2 kali frekuensi tertinggi
(bukan bandwidth) yang dikandung oleh sinyal asli”.
A. Sampling T= 1,0 s
1 1
𝐹𝑠 = 𝑇𝑠 = 1,0 = 1,0 𝐻𝑧
(a) (b)
Gambar 2.30 (a) Sinyal Asli, (b) Sinyal Hasil Sampling
(a) (b)
Gambar 2.31 (a) Perubahan dari Sinyal Waktu Kontinyu menjadi Sinyal Waktu Diskrit,
(b) Perubahan dari Sinyal Waktu Diskrit menjadi Sinyal Waktu Kontinyu
Dari data di atas diperoleh hasil yaitu proses perubahan sinyal akibat
adanya variabel frekuensi. Di mana Fs = 1,0 sesuai dengan proses perhitungan
diatas
(a) (b)
Gambar 2.34 (a) Sinyal Asli, (b) Sinyal Hasil Sampling
Dari data pada gambar 2.35 diperoleh hasil yaitu proses perubahan sinyal
akibat adanya variable frekuensi. Di mana Fs = 0,67 Hz sesuai dengan proses
perhitungan di atas.
2
C. Sampling xa(t) = e−πt dengan T= 1,0 s
2
Gambar 2.37 Effect of Sampling in the Frequency Domain xa(t) = e−πt Dengan T=1.0
Pada hasil percobaan di atas dengan periode T = 1,0 dan xa(t) = 𝑒 −𝜋𝑡2
Sehingga apabila dilakukan perhitungan matematis akan diperoleh hasil sebagai
berikut :
1 1
Fs = = = 1 Hz
Ts 1
Dalam hal ini akan dibandingkan antara effect of sampling in the frequency
2
T= 1,0 s dan effect of sampling in the frequency domain xa(t) = e−πt dengan T=
1,0 s.
(a) (b)
Gambar 2.38 Perbandingan (a) Effect of Sampling in the Frequency T=1.0 dan (b) Effect
2
of Sampling in the FrequencyDomain xa(t) = e−πt dengan T=1.0.
Dari data di atas hanya diperoleh perubahan yang terjadi pada hasil sinyal
2
asli disebabkan karena adanya nilai xa(t) = e−πt . Sedangkan, untuk data hasil
sampling dan data perubahan dari sinyal waktu kontinyu menjadi sinyal waktu
diskrit atau sebaliknya diperoleh hasil yang sama karena nilai T yang tetap.
2
D. Sampling xa(t) = e−πt dengan T = 1,5 s
2
Gambar 2.39 Effect of Sampling in the Frequency Domain xa(t) = e−πt T = 1,5 s
Dalam hal ini akan dibandingkan antara effect of sampling in the frequency
2
T=1,5 s dan effect of sampling in the frequency domain xa(t) = e−πt dengan
T=1,5 s.
(a) (b)
Gambar 2.40 Perbandingan (a) Effect of Sampling in the Frequency T = 1,5 s dan (b) Effect of
2
Sampling in the Frequency Domain xa(t) = e−πt dengan T = 1,5 s
Dari data di atas hanya diperoleh perubahan yang terjadi pada hasil sinyal
2
asli disebabkan karena adanya nilai xa(t) = e−πt Sedangkan, untuk data hasil
sampling dan data perubahan dari sinyal waktu kontinyu menjadi sinyal waktu
diskrit atau sebaliknya diperoleh hasil yang sama karena nilai T yang tetap.
Filter ini memiliki ordo N, dimana N adalah integer dan jika N semakin
besar maka respon filter mendekati respon filter ideal. Ordo filter ini ditentukan
oleh jumlah komponen penyimpan energi. Dari hasil di atas hanya terdapat N=1
karena hanya terdapat 1 hasil percobaan yang sudah mendekati hasil respon filter
ideal. Perhitungannya adalah :
ω
=1
ωc
Dimana :
ω : Frekuensi redaman yang diinginkan
ωc : Frekuensi cut off 10 dB
1
| HN(Jω)|2= 1+101N= -10N log(10) dB = -10 dB/dec
Jadi setelah frekuensi cut off-nya, filter butterworth ini memiliki respon
meredam mendekati 10N dB/ dekade. Berdasarkan tabel diperoleh nilai N adalah
18. Nilai ini sudah cukup besar sehingga respon filter yang dihasilkan sudah
mendekati respon filter ideal.
2.7 Simpulan
1. Dengan range perioda yang sama besar dan frekuensi yang berbeda – beda
akan mempunyai hasil penggambaran sinyal yang sangat indentik atau
sama tanpa adanya perbedaaan.
2. Effect of Sampling in the Frequency Domain mengakibatkan perubahan
yang terjadi pada hasil sinyal asli yang disebabkan karena adanya efek
aliasing. Aliasing akan meyebabkan pergeseran frekuensi sehingga
diperoleh perbedaan frekuensi dari perubahan sinyal waktu kontinyu
menjadi sinyal waktu diskrit.
3. Aliasing diakibatkan oleh pemilihan interval sampling yang terlalu besar
(kasar) sehingga frekuensi tinggi gelombang seismic bergeser menjadi
lebih rendah. Dengan range periode yang sama dan frekuensi yang
berbeda-beda akan memiliki frekuensi aliasing yang sama.
4. Filter Low-pass Analog ini memiliki orde N, (N Integer) dan jika N
semakin besar maka respon filter mendekati respon filter ideal. Pada
respon lowpass filter, frekeuensi passband memiliki nilai yang lebih kecil
dibandingkan dengan frekuensi cut-off dan frekuensi stopband dimana
frekuensi stopband memiliki nilai yang paling besar sedangkan nilai
frekuensi cut-off terletak diantara nilai frekuensi passband dan stopband.
5. Frekuensi yang berbeda-beda dan range perioda yang sama besar akan
menghasilkan gambar sinyal yang sangat identik tanpa adanya perbedaan.
Sedangkan dengan range periode yang berubah-ubah dan dengan frekuensi
yang sama. Mempunyai hasil penggambaran sinyal yang berbeda.
DAFTAR PUSTAKA
Karris, Steven T. 2007. Signals and Systems with MATLAB Computing and
Simulink Modeling, Third Edition. United States of America: Orchad Publication.