LAPORAN MINI PROJECT

PEMILTERAN PADA SINYAL AUDIO

PENGOLAHAN SINYAL DIGITAL
Dosen pengampu: Insani Abdi Bangsa, S.T., M.Sc.

Disusun oleh :
KELOMPOK 2
Dhea Berliani 1710631160004
Elisa Septiyani 1710631160018
Ade Febriansyah 1710631160024
Rezza Badruzzaman 1710631160010
Achmad Fachrureza 1710631160021

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK
UNIVERSITAS SINGAPERBANGSA KARAWANG
2020
 Abstrak

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

1.1. Latar Belakang

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. Rumusan Masalah

1. Bagaimana cara mendesain filter untuk menghilangkan derau / noise pada

audio menggunakan MATLAB ?

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 ?

1.3. Tujuan Penulisan

1. Dapat megetahui cara memfilter audio pada MATLAB

2. Dapat mengimplemetasikan teori yang telah dipelajari untuk
menghilangkan niose

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)

2.2. Filter FIR (Finite Impulse Respon Filter)

Merupakan sebuah filter yang tidak mempunyai feedback. Sehingga filter ini
stabil dan memiliki phasa yang linier. Namun terkadang membutuhkan lebih
banyak memori dan perhitungan untuk mencapai karakteristik respon filter
yang diberikan. Dan juga, respon tertentu tidak mudah dilaksanakan untuk
diimplementasikan dengan Filter FIR.

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.

2.4. MATLAB (Matrix Laboratory)

Adalah Bahasa pemrograman tingkat tinggi, tertutup dan case sensitive dalam
lingkungan komputasi numerik yang dikembangkan oleh MathWorks.
Kemampuan yang dimiliki MATLAB yaitu dapat membuat grafik dengan
visualisasi terbaik. Terdapat banyak library yang sangat membantu untuk
menyelesaikan permasalahan matematika seperti membuat simulasi fungsi,
pemodelan matematika dan perancangan GUI. MATLAB berguna untuk
melakukan komputasi matematis dalam berbagai keperluan seperti penelitian,
pengembangan sistem dan desain sistem.

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

Gambar 3.2 Respon impuls filter di domain frekuensi dengan

frekuensi cut-off sebesar 600Hz

6
 BAB IV
HASIL, ANALISIS DAN PEMBAHASAN

4.1. Hasil

Gambar 4.1.1 Sinyal Hasil filtering pertama pada domain frekuensi

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.

4.2. Analisis dan Pembahasan

Namun sebelum itu pada proses pemfilteran audio ini, hal pertama
yang dilakukan adalah menganalisis sinyal audio tersebut. Ploting
sinyal audio mentah yang akan diolah bisa dilihat pada gambar
dibawah ini.

8
 Gambar 4.2.1 Sinyal audio sebelum diolah pada domain waktu

Gambar 4.2.2 Gabungan L stereo dan R stereo

Sangat jelas terlihat bahwa spectrum sinyalnya yang terlihat random,

sehingga sangat sulit untuk dianalisis. Oleh karena itu, sinyal
tersebut akan dibawa ke domain frekuensi. Untuk mengubah domain
waktu ke domain frekuensi, bisa dilakukan dengan transformasi
fourier. Setelah ditransformasikan, bentuk sinyalnya menjadi seperti
gambar dibawah ini.

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.

Untuk menghilangkan derau tersebut sinyalnya perlu difilter, filter

yang sesuai untuk digunakan pada kasus ini adalah lowpass filter.
Karena filter jenis ini meloloskan filter dengan frekuensi rendah
(frekuensi dari 0 Hz sampai frekuensi cut-off), dan menahan
frekuensi tinggi (frekuensi yang lebih besar daripada frekuensi cut-
off). Untuk menentukan berapa frekuensi cut-off yang sesuai, bisa
dengan menganalisis sinyal audio pada domain frekuensi diatas,
yaitu dengan melihat range frekuensi dari sinyal audionya. Untuk
melihat niai yang lebih detail, bisa melakukan zoom in pada
gambar sinyal di domain frekuensi diatas (gambar 4.2.3). Kami
mendapatkan bahwa range frekuensi dari sinyal audionya yaitu dari
0 Hz sampai 600 Hz. Nilai frekuensi 600 Hz tersebut bisa dijadikan
frekuensi cut-off. Frekuensi cut-off tersebut digunakan sebagai
parameter pada pembuatan filter. Setelah filter dibuat, hasil
konvolusi sinyal audio mentah dengan respon impuls filter bisa

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.

Gambar 4.2.4 Sinyal audio setelah difilter pada domain

waktu

11
 Gambar 4.2.5 Perbandingan Sinyal audio sebelum dan sesudah
difilter

Gambar 4.2.5 diatas adalah perbandingan sinyal audio sebelum

difilter dan sinyal audio yang sudah difilter. Dapat dilihat dari
perbandingan kedua sinyal tersebut sinyal audio yang sudah difilter
terlihat lebih tipis dibandingkan dengan sinyal sebelum difilter, hal
itu dikarenakan sinyal deraunya sudah hilang. Selain itu pada sinyal
audio setelah diolah juga magnitudenya lebih kecil dibandingkan
dengan sinyal audio sebelum diolah.

12
 BAB V

PENUTUP

4.3. KESIMPULAN

1. Dalam menganalisa sinyal audio lebih mudah jika sinyal tersebut

berada pada domain frekuensi. Pada domain frekuensi kita dapat
melihat dimana lonjakan frekuensi tertinggi
2. Pada percobaan ini kita dapat mendesain filter yang kita inginkan.
Pada Filter FIR dengan window hamming, parameter yang harus
ditentukan adalah nilai orde, frekuensi sampling, dan frekuensi cut-off
dan bisa juga menggunakan fdatool pada matlab
3. Noise dapat dihilangkan menggunakan filter yang sudah dibuat dengan
cara konvolusi

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

1. Pembagian tugas anggota kelompok

Dhea Berliani : Menyusun laporan dan analisia

perbandingan
Elisa Septiyani : Analisa transformasi fourier
dan pembuatan script Matlab
Ade Febriansyah : Menganalisa filter dan
menganalisa konvolusi
Rezza Badruzzaman : Menyusun matlab dan
menganalisa filter
Ahmad Fahrurezza : Menyusun matlab dan analisa
noise pada audio

2. Gambar script pada MATLAB

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;

xl=x(:,1); %sinyal audio L stereo

x2=(:,2); %sinyal audio R stereo
x3=xl+x2; %gabungan audio L s tereo dan R stereo
figure
plot(x 3)
title('sin yal audio dengan derau pada domain frekuensi')
h=firl(order,fc);
h2=firl(order,fc 2);
x4=conv(x3,h);
x5=conv(x4,h2) ;
figure

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');

%% perbandingan sebelum dan sesudah pengolahan sinyal

figure
subplo t(2,1,1);
plot(x3)
title ('sinyal audio sebelum diolah');
subplot (2,1,2);
plot (x5)
title ('sinyal audio setelah diolah');
%%

sound (x5, Fs)

audiowrite([TE L61639-Mini Projct]A_2.wav, x5,Fs)

18
i