Disusun oleh :
KELOMPOK 2
Dhea Berliani 1710631160004
Elisa Septiyani 1710631160018
Ade Febriansyah 1710631160024
Rezza Badruzzaman 1710631160010
Achmad Fachrureza 1710631160021
Sinyal adalah pembawa informasi energi tentang sesuatu gejala fisik. Dengan
demekian pengolahan sinyal sangat erat maksudnya dengan usaha untuk
mengukur mengetahui lebih baik tentang informasi dan yang terkandung di
dalamnya. Dalam pengolahan sinyal digital tidak seluruh sinyal yang dikirim oleh
pengirim akan diterima dengan baik seluruhnya oleh penerima. Adanya noise
mengakibatkan sinyal yang diterima mengalami kerusakan bahkan menghilangkan
informasi yang dibawa oleh sinyal tersebut . Pada penelitian tugas besar ini,
penulis menggunakan sinyal audio berupa rekaman suara sebuah perbincangan
yang terdapat noise. Noise diartikan sebagai sinyal yang mengganggu/merusak
pesan utama dari sinyal informasi tersebut. Oleh karena itu diperlukan
pemrosesan sinyal untuk mereduksi noise dari sinyal informasi. Filter FIR adalah
sebuah filter yang tidak memiliki feedback didalam filter. Sedangkan filter IIR
adalah sebuah filter yang mempunyai feedback atau memiliki sifat memperbaharui
hasil filter sebelumnya. Dalam percobaan, filter yang sesuai untuk digunakan pada
sinyal audio ini yaitu filter IIR dengan metode butterworth.
Kata kunci : sinyal, noise, filter FIR, filter IIR.
i
BAB I
PENDAHULUAN
Sinyal adalah pembawa informasi dan energi tentang sesuatu gejala fisik.
Dengan kata lain sinyal adalah presentasi fisik dan informasi. Dengan
demekian pengolahan sinyal sangat erat maksudnya dengan usaha untuk
mengukur dan mengetahui lebih baik tentang informasi dan yang terkandung
di dalamnya. Yang menjadi persoalan kemudian adalah di dalam suatu sinyal
mengandung sangat banyak informasi yang untuk suatu hal tidak semuanya
bermanfaat atau dikehendaki untuk diketahui. Tidak jarang terdapat komponen
– komponen yang justru mempersulit untuk mengetahui informasi yang
dikehendaki.
Untuk dapat diolah atau diproses dengan menggunakan Teknik serta peralatan
yang tersedia, sinyal sangat perlu dinyatakan atau di presentasikan ke dalam
suatu bentuk atau model yang benar. Pernyataan atau model matematika
adalah yang paling penting untuk memulai melakukan Analisa dan pengolahan
suatu sinyal. Dari model matematika, instrumen matematik dapat digunakan
untuk mengolahnya. Semua instrument fisik (Instrumen Elektronik dan
Mekanik) yang kemudian sangat membantu untuk pengolahan sinyal, tiada
lain sintesa dan instrument matematik. Suatu sinyal akan sering dinyatakan
dalam bentuk gambar atau grafik, yang melukiskan bagaimana suatu informasi
didalam sinyal tersebut berubah terhadap informasi yang lain seperti dari
beberapa macam filter.
Filter adalah sebuah rangkaian yang dirancang agar mengalirkan suatu pita
frekuensi tertentu dan menghilangkan frekuensi yang berbeda dengan pita ini.
Istilah lain dari filter adalah rangkaian yang dapat memilih frekuensi agar
dapat mengalirkan frekuensi yang diinginkan dan menahan, atau membuang
frekuensi yang lain. Jaringan filter bisa bersifat aktif maupun pasif. Perbedaan
dari komponen aktif dan pasif adalah pada komponen aktif dibutuhkan sumber
agar dapat bekerja (op-amp dan transistor membutuhkan sumber lagi agar
dapat bekerja/digunakan), sedangkan komponen pasif tidak membutuhkan
sumber lagi untuk digunakan atau bekerja. (Chattopadhyay.1989)
1
2. Bagaimana menganalisis frekuensi pada sinyal audio tersebut ?
3. Bagaimanakah cara menentukan spektrum sinyal dan spektrum deau ?
4. Bagaimana cara mendapatkan plot respon impuls dari filter tersebut ?
5. Bagaimana konvolusi antara respon implus filter dan sinyal x ?
2
BAB II
TINJAUAN PUSTAKA
2.1. Filter
Filter merupakan suatu sistem yang mempunyai fungsi transfer tertentu untuk
meloloskan sinyal masukan pada frekuensi-frekuensi tertentu dan
menyaring/memblokir/melemahkan sinyal masukan pada frekuensi-frekuensi
yang lain. Filter digital adalah semua filter elektronik yang bekerja dengan
menerapkan operasi matematika digital atau algoritma pada suatu pemrosesan
sinyal. Adapun jenis – jenis filter anatara lain:
1. Low Pass Filter (LPF)
Filter jenis ini merupakan filter yang memiliki respon meloloskan sinyal
dengan frekuensi dibawah frekuensi cut off(Fc) dan meredam sinyal yang
memiliki frekuensi diatas frekuensi cut off.
2. High Pass Filter (HPF)
Filter jenis ini merupakan filter yang memiliki respon meloloskan sinyal
dengan frekuensi diatas frekuensi cut off(Fc) dan meredam sinyal yang
memiliki frekuensi dibawah frekuensi cut off
3. Band Pass Filter (BPF)
Filter ini merupakan gabungan filter HPF dan LPF sehingga memiliki
respon meloloskan sinyal dengan frekuensi diantara frekuensi cut off(Fc1
dan Fc2) dan meredam sinyal yang memiliki frekuensi diluar frekuensi cut
off.
4. Band Stop Filter (BSF)
Berkebalikan dengan filter BPF, filter BSF merupakan gabungan filter
LPF dan HPF sehingga memiliki respon meloloskan sinyal dengan
frekuensi diluar frekuensi cut off dan meredam sinyal yang memiliki
frekuensi diantara frekuensi cut off(Fc1 dan Fc2)
3
2.3. Filter IIR (Infinite Impulse Respon Filter)
Merupakan sebuah filter yang mempunyai feedback atau memiliki sifat
memperbaharui hasil filter sebelumnya. Filter ini bersifat rekursif (proses
yang memanggil dirinya sendiri), dan digunakan sebagai alternatif.
Pengertian sederhana untuk IIR filter disini adalah bahwa output filter
merupakan fungsi dari kondisi input sekarang, input sebelumnya dan output
di waktu sebelumnya. Konsep ini kemudian lebih kita kenal sebagai recursive
filter, yang mana melibatkan proses feedback dan feed forward.
4
BAB III
DESAIN FILTER
Dalam perancangan sebuah filter hal pertama yang harus dilakukan adalah
menentukan jenis filter. Untuk mengetahui jenis filter apa yang cocok
digunakan, terlebih dahulu kita melakukan analisis sinyal audio dengan derau
pada domain frekuensi pada MATLAB. Hasil dari analisis tersebut adalah
mengetahui bahwa frekuensi sinyal audio berada pada frekuensi rendah, dan
frekuensi derau berada pada frekuensi tinggi. Sehingga jenis filter yang sesuai
adalah lowpass filter. Low Pass Filter yaitu filter yang meloloskan sinyal dari
frekuensi 0 sampai dengan frekuensi cut-off dan menahan sinyal yang
frekuensinya lebih tinggi dari frekuensi cut-off. Pada kesempatan kali ini, kami
menggunakan filter digital FIR (Finite Impulse Response). Alasannya karena
filter FIR memiliki tanggapan impuls yang panjangnya terbatas dan tidak
memiliki pole sehingga kestabilannya dapat dijamin.
Kemudian metode yang digunakan adalah metode windowing, dan jenis window
pada desain filter kali ini adalah window hamming. Setelah mengetahui jenis
filter yang akan dibuat langkah selanjutnya adalah menentukan spesifikasi filter
yang ingin dibuat, yaitu orde dan frekuensi cut-off. Orde yang kami tentukan
adalah 32, seedangkan Frekuensi cut-offnya kami dapatkan dari hasil
menganalisis sinyal audio berderau pada domain frekuensi pada MATLAB, yaitu
sebesar 600Hz. Setelah itu desain filter dibuat pada program MATLAB dengan
menggunakan function fir1(). Function fir1() jika yang tidak ditentukan jenis
windownya, secara default menggunakan jenis window hamming. Setelah filter
dibuat kemudian filter tersebut dikonvolusikan dengan sinyal audio berderau.
Setelah dikonvolusikan ternyata masih terdapat sedikit derau. Akhirnya kita
menganalisiis kembali sinyal tersebut didapatkan lah frekuensi cut-off kedua
yaitu 600Hz. Dan kita membuat filter kedua dengan frekuensi cut-off sebesar
600Hz.
5
Gambar 3.1 Respon impuls Filter di domain waktu
6
BAB IV
HASIL, ANALISIS DAN PEMBAHASAN
4.1. Hasil
7
Gambar 4.1.2 Sinyal Hasil filtering kedua pada domain frekuensi
Terlihat pada gambar 4.1.1 dan ganbar 4.1.2 kami melakukan dua
kali filtering. Karena hasil pada saat filtering pertama (konvolusi
sinyal audio dengan filter pertama) masih terdapat sedikit derau.
Dan pada filtering kedua (konvolusi filter kedua dengan hasil
filtering pertama) baru didapatkan audio tanpa derau.
8
Gambar 4.2.1 Sinyal audio sebelum diolah pada domain waktu
9
Gambar 4.2.3 Sinyal audio sebelum diolah pada domain
frekuensi
Dari hasil sinyal yang kita dapat bisa dilihat pada Gambar 4.2.1
dimana gambar sinyal pada domain frekuensi terlihat ada dua sinyal
yang bekerja pada dua frekuensi yang berbeda. Sinyal pertama ada
pada frekuensi rendah dan sinyal kedua ada pada frekuensi tinggi.
Sinyal pertama yang ada pada frekuensi rendah merupakan sinyal
audionya dan sinyal kedua yang ada pada frekuensi tinggi adalah
sinyal deraunya.
10
dilihat pada gambar 4.1.1.
Pada Gambar 4.1.1 dapat dilihat masih ada sedikit sinyal derau,
maka sari itu kita harus menghilangkan derau tersebut. Cara
menghilangkannya sama seperti pada filtering pertama tadi, Kami
menganalisis sinyal filtering pertama (Gambar 4.1.1) untuk
mendapatkan frekuensi cut-offnya. Frekuensi cut-off kedua yang
didapat adalah 600 Hz, dan dibuat filternya. Setelah mendapatkan
filter kedua kita konvolusikan dengan hasil filtering pertama tadi.
Hasilnya dapat dilihat pada Gambar 4.1.2.
Bila ditampilkan dalam domain waktu, bentuk sinyal yang sudah
difilter dapat dilihat dibawah ini.
11
Gambar 4.2.5 Perbandingan Sinyal audio sebelum dan sesudah
difilter
12
BAB V
PENUTUP
4.3. KESIMPULAN
4.4. SARAN
Untuk pengembangan lebih lanjut sebaiknya pembaca dapat
melakukan modifikasi agar pembaca lain tidak hanya memiliki satu
referensi. Adapun dalam pemilihan script dan penambhan script pada
matlab menyesuaikan kebutuhan agar memudahkan pengolahan
sinyal. Mengembangkan pengolahan sinyal ini pada sinyal-sinyal
yang lain seperti pada memfilter sebuah gambar ataupun sinyal
13
Lampiran
14
15
16
3. Script
close all
clc
clea r all
addpath ('C:\Users\user\Desktop\Matlab Noise');
[x, Fs] = audioread('audio.wav');
N = lenght (x);
T = N/Fs;
dt = 1/Fs;
t = (0:N-1) *dt;
figure
subplo t (2,1,1)
plot (t,x(:,1))
title ('sinyal audio dengan derau pada domain waktu');
ylabel ('L Stereo');
xlim([0 t (end)]);
subplot (2,1,2)
plot(t,x(:,2))
ylabel('R Ste reo');
xlabel('waktu (sek on) ');
xlim([0 t (end)]);
%%
fc=6 00/Fs/2;
fc2=600/Fs/2 ;
order=36;
subplot (2,1,1)
plot(h)
title('re spon impuls filter kontinyu');
subplot(2,1,2)
stem (h)
17
title ('res pon impuls filter diskrit');
figure
freqz ( h)
title ('res pon impuls filter domain frekuensi');
%%
m = 5000;
xl = fft(x5);
xl=xl(2:N/2 +1);
f=(1:N/2).'/T;
Xl = freqAvg( Xl,m);
f = freqAvg(f,m);
figure
plot(f, (abs(Xl)))
title('sinyal audi o tanpa derau pada domain frekuensi');
18
i