DISUSUN OLEH:
Nama : Nurul Masittah
NIM : 1757301030
Kelas : TI 3.B
Dosen Pembimbing : Muhammad Arhami, Ssi, M.Kom
No Praktikum : 07/PSD/3.B/TI/2019
Judul Praktikum : Fast Fourier Transform & Transformasi Domain
Frekuensi ke Waktu
Tanggal Praktikum : 20 November 2019
Tanggal Penyerahan Laporan : 27 November 2019
Nama Praktikan : Nurul Masittah
NIM : 1757301030
Kelas : 3.B
Jurusan : Teknologi Informasi dan Komputer
Prodi : Teknik Informatika
Nilai :
Keterangan :
i
DAFTAR ISI
ii
iii
BAB I
PENDAHULUAN
1
Fast Fourier Transform (FFT) adalah suatu algoritma untuk menghitung
transformasi Fourier diskrit (Discrete Fourier Transform, DFT) dengan cepat dan
efisien. Dalam melakukan teknik FFT ini terdapat teknik decimation in time (DIT)
dan decimation in frequency (DIF).
2
BAB II
TINJAUAN KEPUSTAKAAN
(2-9)
Gambar 2.10. Sinyal sinus dalam domain waktu dan domain frekuensi
3
2.1.2. Analisa Spektrum
Salah asatu proses analisa di dalam domain frekuensi bisa dilakukan dengan
cara menghitung frekuensi dari suatu sinyal, dalam hal ini bisa memanfaatkan
bentuk waktu diskrit dari analisa Fourier dapat digunakan, yang kemudian lebih
disempurnakan dengan suatu algoritma yang kita kenal sebagai Fast Fourier
transform (FFT). Secara umum teknik ini merupakan pendekatan yang terbaik
untuk transformasi. Dalam hal ini input sinyal ke window ditetapkan memmiliki
panjang 2m. Anda dapat memilih analisis window yang akan digunakan. Output
dari syntax fft(x,n) merupakan sebuah vector komplek, dengan n amplitudo
komplek dari 0 Hz sampai dengan sampling frekuensi yang digunakan. (Santoso,
2016)
(1)
(2)
4
Sementara itu, Inverse Discrete Fourier Transform (IDFT) dapat dirumuskan
sebagai berikut :
(3)
(4)
IFFT merupakan invers atau kebalikan dari metode FFT. FFT adalah
algoritma komputasional yang efisien untuk menghitung DFT (Discrete Fourier
Transform) bila ukuran N adalah pangkat 2 dan bila pangkat 4. Pada saat
pengolahan sinyal DFT mempunyai peran yang penting. Dapat dikatakan bahwa
IFFT merupakan algoritma cepat untuk menghitung IDFT (Invers DFT). Algoritma
cepat dalam IFFT adalah kemampuan menghitung lebih cepat jumlah perkalian
kompleks pada perhitungan langsung yaitu N² menjadi (N/2) log2N perkalian.
Metode IFFT ini akan memberikan perhitungan yang lebih efisien sehingga
mempercepat proses sinyal. (Darmayanti 2006).
5
BAB III
LANGKAH-LANGKAH PRAKTIKUM
1.
2.
6
3.1.2. Pengamatan Frekuensi Pada Sinyal Tunggal
1.
Gambar 3.3. Program membangkitkan sinyal sinus dan memanfaatkan fungsi fft
2.
7
3.
1.
8
2.
3.
9
3.1.4. Pengamatan Frekuensi Pada Kombinasi 4 Sinyal
1.
2.
10
3.1.5. Pengamatan Frekuensi Pada Kombinasi 6 Sinyal
1.
1.
Gambar 3.12. Program membangkitkan sebuah sinyal sinus dalam domain waktu
dan frekuensi
11
2.
3.
12
BAB IV
1.
Gambar diatas adalah hasil dari program fenomena gibb dengan membangkitkan
sebuah sinyal sinus menggunakan fungsi for dan menginputkan nilai berupa jumlah
sinyal yang dikehendaki oleh pengguna. Pada gambar pertama, diinputkan nilai N
sebesar 2, grafik menunjukkan bahwa sinyal gelombang sempurna seperti pada
umumnya, gelombang lurus tidak memiliki noise dan memiliki 3 gelombang.
Sedangkan pada gambar kedua, nilai N dimasukkan sebesar 7. Grafik menunjukkan
bahwa gelombang memiliki noise, karena gelombang bergerigi dan tidak lurus.
Oleh karena itu, semakin banyak jumlah masukan sinyal, sinyal semakin memiliki
noise.
13
4.1.2. Pengamatan Frekuensi Pada Sinyal Tunggal
1.
14
2.
15
4.1.3. Pengamatan Frekuensi Pada Kombinasi 2 Sinyal
1.
Gambar diatas adalah hasil dari program pembangkitan dua sinyal sinus
dengan menginputkan f1 dan f2. Variabel f1 diinput sebesar 1 dan variabel f2
diinput sebesar 3, oleh karena itu terlihat pada grafik sinyal pada frequency tersebut
terdapat 2 kali pembangkitan sinyal yang terletak pada bilangan 1 dan 3 sejajar
sumbu x, dan pada grafik time tersebut terlihat bahwa gelombang lebih sedikit
mengalami noise, ditandai dengan gelombang yang tidak terlalu banyak gerigi.
2.
16
Gambar 4.5. Hasil program sebelumnya yang sudah dimodifikasi dengan
mengubah f2 dan amplitudo
17
4.1.4. Pengamatan Frekuensi Pada Kombinasi 4 Sinyal
1.
Gambar diatas adalah hasil dari pembangkitan 4 sinyal sinus dengan f1, f2,
f3, dan f4. variabel f1 diinput sebesar 1, f2 sebesar 3, f3 sebesar 5, dan f4 sebesar
7. Sama halnya seperti program sebelumnya, pembangkitan sinyal grafik frequency
terlihat bangkit dibilangan pada variabel frekuensi dari f1 hingga f4 yang telah
diinputkan. Pada program diatas, grafik pertama menunjukkan pembangkitan sinyal
awal terletak pada bilangan 1, pembangkitan kedua terletak pada 3, pembangkitan
ketiga terletak pada bilangan 5, dan pembangkutan terkahir terletak pada bilangan
7. pada grafik kedua telah dimodifikasi f2 menjadi 10, f3 menjadi 20, dan f4
menjadi 30 juga. Oleh karena itu, terlihat pada grafik kedua pembangkitan pertama
tetap pada bilangan 1, pembangkitan kedua terletak pada bilangan 10,
pembangkitan ketiga terletak pada bilangan 20, dan pembangkitan terakhir terletak
pada bilangan 30.
18
4.1.5. Pengamatan Frekuensi Pada Kombinasi 6 Sinyal
1.
Gambar diatas adalah hasil pembangkitan 6 sinyal sinus, yang sama halnya
seperti program pada pembangkitan 2 sinyal dan 4 sinyal. Tetapi, pada program ini
pastinya digunakan frekuensi dari f1 hingga f6. f1 diinputkan sebesar 1, f2 sebesar
3, f3 sebesar 5, f4 sebesar 7, f5 sbeesar 9, dan f6 sebesar 11. sama halnya seperti
program sebelumnya pada pembangkitan 4 sinyal, 6 pembangkitan pada program
ini terletak sesuai dengan frekuensi yang telah diinputkan, pembangkitan pertama
terletak pada bilangan 1, pembangkitan kedua terletak pada bilangan 3,
pembangkitan ketiga terletak pada bilangan 5, pembangkitan keempat terletak pada
bilangan 7, pembangkitan kelima terletak pada bilangan 9, sedangkan
pembangkitan terakhir terletak pada bilangan 11.
19
4.2. Transformasi Domain Frekuensi ke Waktu
1.
Gambar 4.12. Hasil program membangkitkan sebuah sinyal sinus dalam domain
waktu dan frekuensi
Program diatas adalah hasil dari pembangkitan sebuah sinyal sinus dalam
domain waktu dan frekuensi, terdapat 3 figure pada 1 program ini. Figure 1
berisikan variabel t dengan 0:.001:2 dengan axis yaitu batas awal dan batas akhir
sebesar 0 2010 -1.2 1.2. lalu pada figure 2 terdapat variabel X_F yang berisikan
fariabel x_t yang telah didefinisikan pada figure 1, dan memiliki nilai axis dengan
nilai batas awal dan batas akhir sebesar -100 2100 -10 1100. Lalu dilanjutkan
dengan figure 3 yang memiliki variabel x_tt yang berisikan ifft(X_F) yang telah
didefinisikan oleh figure 2, juga memiliki nilai axis 0 2010 -1.2 1.2.
20
2.
Gambar diatas adalah hasil dari program pembangkitan sinyal persegi dalam
domain waktu diskrit dan domain frekuensi dengan menggunakan 4 grafik dengan
4 figure dalam program. Program ini menggunakan variabel x berisi
1111000000000000, sehingga pada grafik figure pertama terdapat 4 titik awal pada
bilangan 1 sejajar sumbu y, dan 12 titik terakhir terdapat pada bilangan 0 sejajar
sumbu y. Figure 2 menggunakan variabel Xf yang berisi fft dari x yang sudah
didefinisikan sebelumnya sehingga muncul grafik seperti pada figure 2. Selanjutnya
pada figure 3 dan figure 4, menggunakan variabel xtt=ifft(Xf) sehingga grafik
mengkonversikan kembali dari domain frekuensi ke domain waktu seperti pada
figure 1.
21
3.
BAB V
22
PENUTUP
5.1 Simpulan
Dari hasil percobaan diatas, dapat disimpulkan bahwa:
1. Apabila nilai n dikurangi atau dilebihkan, akan berpengaruh pada
kemulusan suatu sinyal cosine sehingga mempenaruhi hasil konvolusi
sinyal.
2. Suatu Sinyal dapat didekomposisi menjadi komponen-komponen sinusoidal
(atau eksponensial kompleks). Dengan dekomposisi semacam itu, sebuah
sinyal dikatakan direpresentasikan dalam Domain Frekuensi.
5.2 Saran
Saran kepada praktikan, untuk lebih banyak belajar mengenai penggunaan
tools-tools pada Matlab agar lebih memahami dan menguasai output-output yang
dihasilkan beserta fungsi dari perintah-perintah yang telah dilakukan dan lebih
memahami grafik sesuai dengan script yang dibuat.
23
REFERENSI
24