PSD/Ver.2.

4/2020

MODUL PRAKTIKUM PENGOLAHAN SINYAL DIGITAL

Disusun Oleh:

Ir. RI Munarto, M.Eng

Asisten Laboratorium Telekomunikasi

LABORATORIUM TELEKOMUNIKASI
JURUSAN TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS SULTAN AGENG TIRTAYASA
2020
 STRUKTUR
LABORATORIUM TELEKOMUNIKASI

Kepala Laboratorium Jurusan Teknik Elektro

Ir. Ri Munarto, M.Eng

Koordinator Laboratorium Telekomunikasi

Fadli Robby

Asisten Laboratorium Telekomunikasi

Habib Muhammad Elwan

Sintia

Dhandy Wiriyadinata

ii
 PERATURAN PRAKTIKUM

1. FORMAT PENULISAN LAPORAN

a. Margin : Top = 3 cm, Bottom = 3 cm
Left = 4 cm, Right = 3cm
b. Kertas A4
c. Judul Times New Roman 14 Pt, Bold
d. talic untuk penggunaan bahasa inggris
e. Isi Times New 12 Pt text-align justify
f. Spasi 1,5 tidak ada space setelah dan sebelum paragraf
g. Gambar

Gambar 1. Sinyal eksponensial

Gambar dan nama gambar harus proporsional, jelas dengan ukuran yang tidak
berlebihan, letak center, diberikan sumber referensi dari mana diperoleh
gambar tersebut, berlaku untuk persamaan, dan bunyi hukum

h. Setiap bab berisi

BAB I METODOLOGI PENELITIAN
Berisi langkah kerja atau prosedur percobaan pada saat praktikum minimal 2
lembar.

BAB II TUGAS
iii
Berisi tugas pendahuluan, tambahan, dan modul minimal 2 lembar.
BAB III ANALISIS
Berisi analisis atau penjelasan praktikum yang dilakukan didasari teori yang
berasal dari sumber yang terpercayaminimal 3 lembar.
BAB IV PENUTUP
Berisi kesimpulan dari percobaan yang dilakukan, merupakan jawaban dari
tujuan pada saat praktikum minimal 1 lembar.
DAFTAR PUSTAKA
Berisi daftar rujukan atau pustaka yang telah digunakanpada laporan
praktikum. Rujukan yang diperbolehkan meliputi jurnal ilmiah, prosiding
seminar, textbook, majalah ilmiah dan sumber lain yang dapat
dipertanggungjawabkan.Adapun tata cara penulisan referensi tergantung pada
style penulisan sitasi yang digunakan.
1) Bagi yang menggunakan style APA
Feit, S. (1998). TCP/IP: architecture, protocols, and implementation
with IPv6 and IP security. United States of America: The McGraw-
Hill Companies, Inc.

Jin, H.-W., and Yoo, C. (2007). Impact of Protocol Overheads on

Network Throughput Over High-Speed Interconnects: Measurement,
Analysis, and Improvement. The Journal of Supercomputing. Vol. 41,
No. 1, pp. 17 – 40.

Hens, F. J. (2006). Copper vs. Fibre: The Dilemma of the Access

Network. Tersedia dari : http://www.trendcomms.com. [URL
dikunjungi pada 18 Oktober 2019]
2) Bagi yang menggunakan style numbered (angka)
1. Feit, S., TCP/IP : architecture, protocols, and implementation with
IPv6 and IP security. 1998, United States of America: The McGraw-
Hill Companies, Inc.
2. Jin, H.-W., & Yoo, C. Impact of Protocol Overheads on Network
Throughput Over High-Speed Interconnects: Measurement,
Analysis, and Improvement. The Journal of Supercomputing. 2007.
Vol. 41, No. 1, pp. 17 – 40.
iv
 3. Hens, F. J. Copper vs. Fibre: The Dilemma of the Access Network.
2009. Tersedia dari : http://www.trendcomms.com. [URL
dikunjungi pada 18 Maret 2019] .

2. TATA TERTIB PRAKTIKUM

a. Waktu keterlambatan maksimal 10 menit dan akan dikurangi 1 poin per menit
pada nilai praktikum, jika melebihi dari waktu keterlambatan maka praktikan
diwajibkan melakukan INHAL.
b. Menggunakan kemeja full Batik (rapih, berkerah dan sopan), celana/rok panjang
sopan.
c. Modul praktikum di print dalam bentuk diktat A5 dan dibawa saat praktikum
dilaksanakan, cover berwarna putih.
d. Tidak boleh meminjam modul praktikan lain (tidak membawa modul = tidak
diijinkan mengikuti praktikum).
e. Membuat resume per unit pada kertas A4 (terdapat penilaian pada resume).
f. Membawa kartu praktikum (tidak membawa = INHAL).
g. Menggunakan Aplikasi Zoom Meeting atau Google Meet yang sudah terinstall di
laptop masing2 apabila praktikum dilaksanakan secara online.
h. Batas pengumpulan laporan maksimal 3 hari (terdapat pengurangan nilai 10
point per hari dari batas pengumpulan yang ditentukan).
i. Membawa laptop yang sudah ter-install software MATLAB 2016 (atau yang
terbaru).
j. Tidak ada change shift individu atau kelompok.
k. Dilarang makan atau minum saat praktikum berlangsung.
l. Tidak membawa senjata tajam dan menimbulkan keributan.
m. Menjaga kerapian, kebersihan dan etika selama praktikum.

3. FORMAT PENGIRIMAN LAPORAN

Softcopy laporan dikirimkan ke email lab.telekomunikasi.jte@gmail.com Apabila
laporan tidak sesuai dengan format ataupun waktu yang telah diberikan maka akan
diberikan pengurangan nilai maksimal sebanyak 50%. Jika praktikan telat 7 hari

dari batas maksimum pengumpulan laporan (7 hari) maka laporan tidak akan
diterima.
Subjek praktikum :
v
 [Kelompok][Asisten][Unit][Nama]
Fadli = [FR]
Habib = [HM]
Sintia = [SC]
Dhandy = [DW]

Contoh :
[PSD-5][FR][1][MANG OLEH]

4. INHAL
Dilakukan apabila praktikan tidak dapat melaksanakan praktikum sesuai dengan
jadwal atau melanggar tata tertib praktikum, syarat dan ketentuan:
a. Maksimal INHAL 2 kali pertemuan praktikum. Apabila lebih, maka nilai
praktikum maksimal D.
b. Pelaksanaan inhal pengganti dilakukan setelah praktikum selesai atau
dijadwalkan berikutnya oleh asisten.
c. Pengumpulan laporan maksimal 1x24 jam.
d. Nilai akhir pada unit yang di-INHAL-kan akan dikurangi 30%.
e. Peraturan praktikum tetap berlaku pada saat INHAL.

5. RESPONSI
a. Merupakan review dari awal sampai dengan akhir praktikum dalam bentuk test
tertulis yang dilaksanakan setelah selesai praktikum.
b. Bagi yang tidak mengikuti responsi maka praktikan dianggap gugur atau tidak
mengikuti praktikum tersebut dan nilai maksimal yang diberikan D.

6. JADWAL PRAKTIKUM
a. Daftar kelompok ditentukan oleh asisten.
b. Praktikan memilih jadwal (kosong) yang telah disediakan oleh asisten.
c. Jadwal yang telah diisi dikirim ke OA Line Laboratorium Telekomunikasi.
d. 1 pertemuan diisi maksimal oleh 3 kelompok.
e. Praktikum akan dimulai pada tanggal 5 Oktober 2020.
f. Untuk info lebih lanjut di lampirkan pada modul dan dapat dilihat di OA Line
(@321axjnu).
vi
 KATA PENGANTAR

Dengan memanjatkan puji syukur kehadirat Allah SWT yang telah

melimpahkan rahmat dan karunia-Nya kepada penyusun, sehingga dapat
menyelesaikan buku Panduan Praktikum Pengolahan Sinyal Digital ini. Sholawat
dan salam juga kita curahkan kepada baginda yang mulia Rosulullah SAW beserta
keluarga, sahabat dan pengikutnya hingga akhir zaman.
Buku ini merupakan salah satu bahan ajar pendukung untuk mata kuliah
Pengolahan Sinyal Digital. Dari buku ini diharapkan mahasiswa dapat dengan
mudah mempelajari, memahami, dan mempraktikkan materi – materi yang telah
diajarkan pada kelas teori mata kuliah Pengolahan Sinyal Digital.
Kemudian buku ini diharapkan dapat menjadi referensi untuk pemecahan
permasalahan umum di luar materi perkuliahan. Sebagian besar isi dari buku ini
merupakan rangkuman dari sumber-sumber yang telah dibuat penulis lain.
Penyusun berharap agar buku ini dapat bermanfaat bagi semua kalangan pembaca.
Terima kasih untuk semuanya yang telah memberikan banyak kritik dan saran serta
dukungan dalam penyusunan buku ini.

Cilegon, 24 September 2020

Penyusun

vii
 DAFTAR ISI

Halaman Judul ............................................................................................................... i

Kata Pengantar .................................................................................................... vii

Daftar Isi ...................................................................................................................... viii

Unit 1
Sinyal dan Sistem Waktu Diskrit ..................................................................................1

Unit 2
Pengolahan Digital Sinyal Waktu Kontinyu ................................................................ 9

Unit 3
Transformasi Z ...................................................................................................... 17

Unit 4
Transformasi Fourier Waktu Diskrit ........................................................................... 25

Unit 5
Analisis Sistem LTI (Linear Time Invariant) ........................................................ 32

Unit 6
Filter IIR (Infinite Impulse Response) ................................................................... 40

Unit 7
Filter FIR (Finite Impulse Response) ....................................................................47

Unit 8
Perancangan Filter Digital..................................................................................... 54

viii
 UNIT I
SINYAL DAN SISTEM WAKTU DISKRIT

1. Tujuan Percobaan
Setelah melakukan praktikum ini, diharapkan mahasiswa dapat memahami
sinyal waktu diskrit; sistem linier dan time-invariant dalam analisa Pengolahan
Sinyal Digital.

2. Alat-alat Yang Digunakan

1 (satu) buah PC lengkap sound card dan OS Windows dan Perangkat Lunak
MATLAB.

3. Teori Dasar
A. Pengertian Sinyal Waktu Diskrit
Sinyal waktu diskrit merupakan fungsi dari variabel bebas yaitu waktu yang
mana nilai variabel bebasnya adalah bilangan bulat. Secara mutlak, sinyal waktu
diskrit x(n) tidak didefinisikan untuk n bukan bilangan bulat.

Gambar 1.1. Contoh sinyal waktu diskrit

Sinyal waktu diskrit dapat ditampilkan dengan beberapa alternatif tampilan :

1. Tampilan bentuk fungsi matematik, seperti :
x(n) = 1 , untuk n = 1, 2, 3
= 0 , untuk lainnya
2. Tampilan dalam bentuk tabel, seperti :

1
 2

N 0 1 2 3 4 5
x(n) 2 3 5 6 -2 7

3. Tampilan dalam bentuk barisan (sequence), seperti :

x(n) = { …, 0, 0, 1, 4, 1, 0, 0, … };

tanda panah berarti tanda untuk n = 0

B. Elemen Sinyal Waktu Diskrit

Dalam pembahasan tentang sinyal dan sistem waktu diskrit, terdapat
beberapa sinyal yang sering muncul dan memainkan peranan penting.
Sinyal- sinyal itu adalah:
1. Impuls satuan (unit impulse), didefinisikan sebagai
(n) = 1 untuk n = 0
= 0 untuk n yang lain
2. Undak satuan (unit step), didefinisikan sebagai
u(n) = 1 untuk n  0
= 0 untuk n < 0
3. Ramp satuan (unit ramp), didefinisikan sebagai
ur(n) = n untuk n  0
= 0 untuk n < 0
4. Sinyal eksponensial, yaitu sinyal yang berbentuk
x(n) = an
untuk seluruh n, dengan a bilangan riil maupun komplek. Jika a
bilangan riil, maka x(n) adalah sinyal riil. Jika a adalah bilangan
komplek, maka a dapat dinyatakan sebagai :

a = r e j, (dengan r dan e adalah parameter)

C. Operasi – Operasi Dasar
1. Penjumlahan sinyal
Yaitu proses penjumlahan dua buah sinyal atau lebih menjadi satu
sinyal baru. Proses tersebut dapat dinyatakan dengan:
y(n) = x1(n) + x2(n) + … + xn(n) (1.1)
2. Perkalian sinyal
 3

Yaitu proses perkalian dua buah sinyal atau lebih menjadi satu sinyal
baru. Proses tersebut dapat dinyatakan dengan:
y(n) = x1(n) x2(n) … xn(n) (1.2)
3. Penjumlahan dengan konstanta
Yaitu penjumlahan suatu sinyal dengan suatu konstanta dan
menghasilkan suatu sinyal baru, atau dapat ditulis sebagai:
y(n) = x(n) + a (1.3)
4. Perkalian dengan konstanta
Yaitu perkalian suatu sinyal dengan suatu konstanta dan
menghasilkan suatu sinyal baru, atau dapat ditulis sebagai:
y(n) = a . x(n) (1.4)
5. Pergeseran waktu
Yaitu penggeseran suatu sinyal sebesar suatu konstanta dan
menghasilkan suatu sinyal baru, atau dapat ditulis sebagai:
y(n) = x(n – k) (1.5)
6. Pembalikan waktu
Yaitu pembalikan waktu suatu sinyal dan menghasilkan suatu sinyal
baru, atau dapat ditulis sebagai:
y(n) = x(– n) (1.6)

D. Konsep sistem waktu diskrit

Suatu sistem dapat dinyatakan dengan hubungan input-output: y(n)
= T[x(n)] dimana x(n) adalah input, y(n) adalah output, dan T[…] adalah
fungsi transformasi matematis yang menggambarkan kerja atau operasi
dari sistem. Pernyataan tersebut dapat ditampilkan secara grafis:

x(n) t y(n)
Gambar 1.2. Diagram blok sistem

Dalam pembahasan tentang sistem, perlu diketahui beberapa sifat

sistem seperti linieritas, variasi terhadap waktu, kausalitas dan kestabilan.
1. Linieritas (Linearity)
Suatu sistem dikatakan linier jika memenuhi prinsip super-posisi,
yang dapat dinyakan dengan dua kondisi berikut:
 4

a. T [x1(n) + x2(n)] = T [x1(n)] + T [x2(n)], untuk seluruh x1(n), x2(n)

dan n.
b. T [ax(n)] = aT [x(n)], untuk seluruh x(n), a dan n
Kedua persamaan dapat dinyatakan bersama sebagai:
T [a1 x1(n) + a2 x2(n)] = a1 T [x1(n)] + a2 T [x2(n)]
dengan a1 dan a2 adalah konstanta. Persamaan di atas dapat
dinyatakan dengan gambar berikut:

Gambar 1.3 Prinsip Superposisi

Sistem T dalam gambar di atas disebut linier, jika y(n) = y’(n). Sistem
yang tidak memenuhi kondisi diatas, disebut sistem tak linier.

2. Variasi Terhadap Waktu

Suatu sistem dikatakan invarian waktu (time invariant) jika
penundaan sinyal input menghasilkan sinyal output tertunda dengan

nilai yang sama, tanpa perubahan. Secara matematis hal tersebut

dinyatakan dengan:
jika y(n) = T[x(n)],
maka y(n – k) = T[x(n – k)], untuk seluruh x(n) dan seluruh k

x(n) T y(n)

x(n-k) T y(n-k)

Gambar 1.4. Sistem invarian waktu

Sistem yang tidak memenuhi kondisi di atas disebut sistem varian

 5

waktu (time varying). Pada pembahasan-pembahasan dalam buku ini

selanjutnya, hanya akan dibahas sistem yang linier dan invarian waktu,
atau dikenal dengan sistem LTI (Linear Time Invariant), dengan alasan
kedua sistem tersebut lebih sederhana, sehingga lebih mudah untuk
dipelajari.

4. Prosedur Percobaan
Inputkan program-program berikut dalam Editor MATLAB, beri nama yang
sesuai dengan isinya, kemudian di-run. Perhatikan dan catat hal-hal yang
penting, lalu kerjakan tugas-tugas yang diberikan. Bangkitkan program
berdasarkan perintah berikut :
a) Sinyal unit impuls
b) Sinyal unit step
c) Sinyal unir ramp
d) Sinyal eksponensial
e) Sinyal unit step tertunda
f) Sinyal sinus
g) Penjumlahan sinyal
h) Perkalian sinyal
i) Penambahan Noise Gaussian Pada Sistem
j) Pembangkitan Sinyal Sinusoida Variasi Parameter

5. Listing Program
a. Sinyal Unit Impuls
Sintaks:
% Menampilkan sinyal Unit Impuls
n = 0:50;
impuls = [1, zeros(1,50)];
plot(n,impuls,'k*'), grid;
xlabel(’waktu’),
ylabel(’amplitudo’);
axis([-5 55 –0.5 1.5]);

b. Sinyal Unit Step

Sintaks:
% Menampilkan sinyal undak satuan (Unit Step)
n = 0:50;
 6

undak = ones(1,51);
plot(n,undak,’ko’), grid;
xlabel(’waktu’), ylabel(’amplitudo’);
axis([-5 55 –0.5 1.5]);

c. Sinyal Unit Ramp

Sintaks:
% Menampilkan sinyal Unit Ramp
n = 0:50;
r = n;
plot(n,r,'ko'), grid;
xlabel('waktu'), ylabel('amplitudo');
axis([-5 55 -5 55]);

d. Sinyal Eksponensial
Sintaks:
% Menampilkan Sinyal Eksponensial
n = 0:50;
eks1 = (-0.95).^n;
stem(n,eks1,'k'), grid;
xlabel('waktu'), ylabel('amplitudo');
axis([-5 55 -1.5 1.5]);

e. Sinyal Unit Step Tertunda

Sintaks:
% Menampilkan sinyal Unit Step Tertunda
n = 0:50;
tunda = 20;
k = length(n) - tunda;
z = zeros(1,tunda);
x = [z, ones(1,k)];
plot(n,x,'ko'), grid;
xlabel('waktu'), ylabel('amplitudo');
axis([-5 55 -0.5 1.5]);

f. Sinyal Sinus
Sintaks:
% sinyal sinus 10 Hz
n = 0:199;
 7

T = 0.002;
x = sin(2*pi*10*n*T);
plot(n*T,x,'ok'),grid;

g. Penjumlahan Sinyal
Sintaks:
n=0:199;
T=0.002;
y=sin(2*pi*10*n*T);
subplot(311)
stem (y)
z=sin(2*pi*50*n*T);
subplot(312)
stem (z)
x=y+z;
subplot(313)
stem(n*T,x,'k'), grid;

h. Perkalian Sinyal
Sintaks:
%sinyal sinus 5Hz*100Hz
n=0:199;
T=0.002;
y=sin(2*pi*5*n*T);
z=sin(2*pi*100*n*T);
x=y.*z;
subplot(311)
plot(n*T,x,'k'), grid;
%sinyal sinus 5hz+random
n=0:199;
T=0.002;
y=sin(2*pi*5*n*T)+randn(size(n));
subplot(312)
stem(n*T,y,'k'), grid;
%sinyal kosinus 5hz*kotak 20hz
n=0:199;
T=0.002;
y=cos(2*pi*3*n*T);
z=square(2*pi*20*n*T);
x=y.*z;
subplot(313)
 8

stem(n*T,x,'k'), grid;

i. Penambahan Noise Gaussian pada Sistem

Sintaks:
clc;
clear all;
t=0.1:.1:8;
x=sin(2*pi*t/4);
plot(x,'linewidth',2)
hold on
t=0.1:.1:8;
x_n=sin(2*pi*t/4)+0.5*randn*sin(2*pi*10*t/4)+0.2*randn*sin(
2*pi*12*t/4);
plot(x_n,'linewidth',2)
hold on
j. Pembangkitan Sinyal Sinusoidal Variasi Parameter
Sintaks:
Fs=1000;
t=(1:1000)/Fs;
s1=sin(2*pi*t*5);
s2=2*sin(2*pi*t*10+pi/2);
s3=4*sin(2*pi*t*20+pi/2);
plot(t,s1,'k')
hold on
plot (t,s2,'r')
hold on
plot (t,s3,'b')
 UNIT 2
PENGOLAHAN DIGITAL SINYAL WAKTU KONTINYU

9
 10

Atau dapat dinyatakan sebagai:

2.6
11
12
13
14
15
16
 UNIT III
TRANSFORMASI Z

1. Tujuan Percobaan
Setelah melakukan praktikum ini, diharapkan mahasiswa dapat memahami
transformasi-z, daerah konvergensi, invers transformasi-z, dan sifat-sifat
transformasi-z dalam Pengolahan Sinyal Digital.

2. Alat – Alat Yang Digunakan

 1 (satu) buah PC lengkap sound card dan OS Windows dan Perangkat Lunak
Matlab

3. Teori Dasar
A. Transformasi Z
Transformasi-z adalah suatu transformasi yang berguna untuk
menyelesaikan persamaan beda (difference equation). Hal ini serupa
dengan kegunaan transformasi Laplace, tetapi berlaku untuk sinyal dan
sistem waktu diskrit. Transformasi-z dari suatu sinyal x(n) didefinisikan
sebagai:

(4.1)

di mana z adalah suatu variabel bilangan komplek, yaitu z = re j .

Im(z)


Re(z)

Gambar 4.1 bidang kompleks

Transformasi-z adalah suatu deret tak hingga, sehingga mungkin saja

divergen untuk beberapa nilai z. Oleh karena itu, transformasi-z hanya
didefinisikan untuk suatu daerah yang hasil transformasinya adalah

terhingga. Daerah tersebut diberi nama daerah konvergen (Region of

17
 18

Convergence). Secara umum, Region Of Convergence (ROC) dari

transformasi-z berbentuk :
R1 < |z| < R2, dimana |z| = r (4.2)
dengan batas R1 dan R2 adalah tergantung pada sinyal yang
ditransformasikan.

B. Sifat – Sifat Transformasi Z

Transformasi-z sangat berguna untuk mempelajari sinyal dan sistem
waktu diskrit. Transformasi ini mempunyai beberapa sifat penting:
1. Linier
Jika Z[x1(n)] = X1(z) dan Z[x2(n)] = X2(z), maka
Z[a1 x1(n) + a2 x2(n)] = a1 X1(z) + a2 X2(z)
Keterangan : Z[x1(n)] artinya transformasi Z dari x1(n)

2. Pergeseren waktu
Jika Z[x(n)] = X(z), maka:
Z[x(n–1)] = z -1X(z) + x(–1)
Z[x(n–2)] = z -2X(z) + x(–2) + z -1x(–1)
Z[x(n–k)] = z -kX(z) + x(–k) + z -1x(–k+1) + ... + z –k+1x(–1)
Z[x(n+1)] = z X(z) – z x(0)
Z[x(n+2)] = z 2 X(z) – z2 x(0) – z x(1)
Z[x(n+k)] = z k X(z) – zk x(0) – zk-1 x(1) – ... – z x(k–1)

3. Perkalian dengan waktu

Jika Z[x(n)] = X(z), maka Z[n x(n)] = -z � [X(z)]

��

4. Pembalikan waktu
Jika Z[x(n)] = X(z), maka Z[x(–n)] = X(1/z)
5. Perkalian dengan an
Jika Z[x(n)] = X(z), maka Z[an x(n)] = X(z/a)

6. Teorema nilai awal

 19

Jika Z[x(n)] = X(z), maka x(0) = lim Xz

z

7. Teorema nilai akhir

Jika Z[x(n)] = X(z), maka lim x(n) = limz 1X(z)

n z1

Tabel 4.1. Sifat-sifat transformasi-z

Sifat Sinyal diskrit Transformasi- ROC

z
Notasi x(n) X(z) ROC; r2 < |z| < r1
x1(n) X1(z) ROC1
x2(n) X2(z) ROC2

Linieritas ax1(n) + bx2(n) aX1(z) + Paling sedikit

bX2(z); untuk interseksi antara
seluruh a dan b ROC1 dan ROC2

Penggeseran x(n – M) z – M X(z) X(z) kecuali z = 0 jika

waktu M>0, dan z = , jika
M<0

Pembalikan x(– n) X(z – 1) (1/r1) < |z| < (1/r2)

waktu

Konvolusi x(n) * h(n) X(z) H(z) Paling sedikit

interseksi antara
ROC1 dan ROC2

Perkalian nx(n) z
d
X(z) r1 < |z| < r2
dz
dengan n

Perkalian an x(n) X(z/a) |a|r2 < |z| < |a|r1

dengan an

Teorema nilai x(0) lim Xz

z
awal
 20

Teorema nilai lim xn [(z–1) X(x)]z = -1

n
akhir

Tabel 4.2. Pasangan transformasi-z dan ROC-nya

No Sinyal diskrit Transformasi-z ROC
1 (n) 1 Seluruh z

2 u(n) 1 z1 |z| > 1


z 1 z 1

3 a n u(n) 1 z |z| > |a|


1  az 1 z a

4 n a n u(n) az1 az |z| > |a|


1  az 
1 2 z  a  2

5 – a n u(– n –1) 1 z |z| < |a|


1  az 1 z a

6 – n a n u(– n –1) az1 az |z| < |a|


1  az 
1 2 z  a  2

7 (cos 0 n) u(n) 1 z 1cos 0 |z| > 1

1  2z1 cos0  z2
z 2 z cos 0

z 2  2z cos 0  1

9 (an cos 0n) 1  az1 cos0 |z| > |a|

u(n) 1  2az1 cos0  a 2z2
z 2  azcos 0

z 2  2azcos0  a 2

10 (an sin  0 n) az1 sin 0 |z| > |a|

u(n) 1  2az1 cos0  a 2z2
azsin  0

z 2  2azcos0  a 2

Dari tabel terlihat bahwa transformasi-z tidaklah unik untuk suatu sinyal, tetapi
yang membedakan adalah ROC-nya. Misalnya untuk sinyal nomor 3 dan sinyal
nomor 5, transformasi-z dari keduanya adalah sama, tetapi ROC-nya berbeda. Hal
ini akan merepotkan untuk keperluan praktis, sehingga biasanya untuk keperluan
 21

ini dipakai transformasi-z satu sisi.

C. Transformasi Z Balik (Invers Z-Transform)

Invers Transformasi-z dinyatakan secara formal oleh:

(4.3)
Dengan integral adalah integral kontur melalui lintasan tertutup C
yang terdapat pada titik asal dan terletak dalam daerah konvergensi X(z).
Untuk sederhananya, C dapat diambil sebagai lingkaran dalam ROC X(z)
pada bidang z.
Ada tiga metode yang sering digunakan untuk menghitung invers
transformasi-z dalam praktek:
1. Menghitung langsung integral kontur
2. Ekspansi dalam deret pangkat, dengan variabel z dan z–1
3. Ekspansi pecahan parsial dan melihat tabel pasangan transformasi
Dengan beberapa pertimbangan, buku ini hanya akan membahas metode
nomor 3 saja.

4. Prosedur Percobaan
Inputkan program-program berikut dalam Editor MATLAB, beri nama
yang sesuai dengan isinya, kemudian di-run. Perhatikan dan catat hal-hal yang
penting, lalu kerjakan tugas-tugas yang diberikan.
a) Menghitung konstanta pecahan parsial dan pole untuk transformasi Z.
b) Tanggapan waktu dari sistem diskrit.
c) Tanggapan waktu dari sistem diskrit untuk periode sampling yang berbeda.

5. Listing Program
a. Menghitung konstanta pecahan parsial dan pole untuk transformasi Z
b = [6,-10,2];
a = [1,-3,2,0];
[r,p,k] = residue(b,a)

b. Tanggapan waktu dari sistem diskrit

zeta = 0.7; % koefisien redaman
Ts = 0.5;
num = 1;
 22

den = [1, 2*zeta, 1]; % system orde 2

sys = tf(num,den);
t = 0:Ts:19;
x = ones(size(t));
z = lsim(sys,x,t);
subplot(211), plot(t,x,t,z), grid;
[nd,dd] = c2dm(num,den,Ts,'zoh');
n = 0:Ts:19;
xd = ones(size(n));
z1 = filter(nd,dd,xd);
subplot(212), plot(n,xd,n,z1,'o-'), grid;

c. Tanggapan waktu dari sistem diskrit untuk periode sampling yang berbeda
Ts1 = 0.5; % periode sampling = 0.5
n1 = 0:Ts1:25;
Ts2 = 2; % periode sampling = 2
n2 = 0:Ts2:25;
num = [1 1];
den = [1 0.5 1];
[nd1,dd1] = c2dm(num,den,Ts1,'zoh');
[nd2,dd2] = c2dm(num,den,Ts2,'zoh');

sys1 = tf(nd1,dd1,Ts1);
sys2 = tf(nd2,dd2,Ts2);
sys_1 = feedback(sys1,0.1);
sys_2 = feedback(sys2,0.1);
[numd1,dend1] = tfdata(sys_1,'v');
[numd2,dend2] = tfdata(sys_2,'v');
xd1 = ones(size(n1));
z1 = filter(numd1,dend1,xd1);
subplot(211), plot(n1,xd1,n1,z1,'o-'), grid;
xd2 = ones(size(n2));
z2 = filter(numd2,dend2,xd2);
subplot(212), plot(n2,xd2,n2,z2,'o-'), grid;

d. Tanggapan frekuensi dari sistem diskrit

zeta = 0.7; % keofisien redaman
num = 1;
den = [1, 2*zeta, 1]; % system orde 2
Ts = 0.5;
 23

[nd,dd] = c2dm(num,den,Ts,'zoh');
point = 512;
Fs = 2*pi;
[H,q] = freqz(nd,dd,point,Fs);
g = ones(size(q))*0.707;
M = abs(H);
plot(q,M,'o',q,g,'--'), grid

6. Tugas Modul
Tugas 1
Carilah konstanta ekspansi pecahan parsial dan pole-pole untuk transformasi-z:

Tugas 2
a) ganti nilai zeta berturut-turut dengan 2 dan 0.2, amati perubahan pada tampilan
dan catat nilai variabel nd dan dd.
Zeta Nd dd
2
0.2

b) kembalikan nilai zeta ke 0.2, gantilah 'zoh' pada fungsi c2dm berturut-turut
dengan 'foh', 'tustin' dan 'matched'. Catat perubahan nilai pada variabel nd dan
dd. Amati juga tampilannya, apabila ada perubahan, catat.

Tugas 3
Pada tampilan program 4.3, amati perbedaan antara kedua tampilan. Diskusikan
hal tersebut, dan kaitkan dengan periode sampling.

Tugas 4
a) Ubahlah [H,q] = freqz(b,a,point,Fs) menjadi
[H,q] = freqz(b,a,point,’whole’,Fs).

Amati dan catat hasilnya. Apa yang dimaksud dengan variabel point dan
Fs pada program di atas?
 24

b) Ganti nilai zeta berturut-turut dengan 1.5 dan 0.3, amati perubahan pada
tampilan dan catat.
c) Masih pada nilai zeta ke 0.3, gantilah 'zoh' pada fungsi c2dm bertutrut-turut
dengan 'foh', 'tustin' dan 'matched'. Catat perubahan nilai pada variabel nd
dan dd. Amati juga tampilannya, apabila ada perubahan, catat.
 UNIT IV
TRANSFORMASI FOURIER WAKTU DISKRIT

1. Tujuan Percobaan
Setelah melakukan praktikum ini, diharapkan mahasiswa dapat memahami
representasi deretan dalam transformasi fourier, deret fourier. Konsep Discrete
Fourier Transform (DFT) dan Invers Discrete Fourier Transform serta Fast
Fourier Transform (FFT) dan Invers Fast Fourier Transform dalam
Pengolahan Sinyal Digital.

2. Alat – Alat Yang Digunakan

1 (satu) buah PC lengkap sound card dan OS Windows dan Perangkat Lunak
Matlab

3. Teori Dasar
A. Transformasi Fourier
Satu bentuk transformasi yang umum digunakan untuk merubah
sinyal dari domain waktu ke domain frekuensi adalah dengan transformasi
Fourier:

(3.1)

Persamaan ini merupakan bentuk transformasi Fourier yang siap

dikomputasi secara langsung dari bentuk sinyal x(t).
Sebagai contoh, anda memiliki sinyal sinus dengan frekuensi
5 Hz dan amplitudo 1 Volt. Dalam domain waktu anda akan melihat
seperti pada Gambar 9.1 bagian atas. Sementara dalam domain frekuensi
akan anda dapatkan seperti pada bagian bawah. Untuk memperoleh hasil
seperti gambar tersebut anda dapat memanfaatkan library fft yang tersedia
pada Matlab.

25
 26

Gambar 3.1. Sinyal sinus dalam domain waktu dan domain frekuensi

B. Analisa Spektrum Sinyal Diskrit

Jika diberikan suatu sinyal diskrit x(n) yang bernilai tidak nol hanya
dalam selang 0  n  (N –1) maka Transformasi Fourier Diskrit
(Discrete Fourier Transform = DFT) dari x(n) didefinisikan sebagai:

Transformasi ini berfungsi mengubah sinyal dalam ranah waktu

menjadi sinyal dalam ranah frekuensi. Dengan kata lain, transformasi ini
berfungsi menganalisis suatu sinyal berdasarkan frekuensi sinyal-sinyal
penyusunnya, atau disebut juga menganalisis spektrum suatu sinyal.
Sebaliknya, jika dalam ranah frekuensi sinyal X(k) diberikan, maka
sinyal x(n) dapat ditemukan dengan menggunakan Invers Transformasi
Fourier Diskrit (Invers Discrete Fourier Transform = IDFT ), yaitu:

Secara umum, kegunaan Transformasi Fourier Cepat (Fast Fourier

Transform = FFT) sama dengan kegunaan DFT. Perbedaan antara FFT
dengan DFT adalah bahwa proses perhitungan FFT lebih cepat dari DFT.
Untuk mendapatkan kecepatan tersebut, FFT melakukan beberapa
 27

modifikasi dari DFT, salah satunya adalah dengan membuat nilai N pada
rumus DFT harus merupakan bilangan 2 berpangkat, misalnya 4, 8, 16,
32, 64, 128, 256 dan seterusnya. Hanya saja fungsi (function) FFT dalam
Matlab sudah dimodifikasi sehingga dapat diisi dengan N sembarang,
tetapi kecepatannya menjadi lebih rendah bila dibanding dengan
menggunakan N bilangan 2 berpangkat.

4. Prosedur Percobaan
 Inputkan program-program berikut dalam Editor MATLAB, beri nama
yang sesuai dengan isinya, kemudian di-run, kecuali Program 3.1
karena program ini adalah suatu function. Perhatikan dan catat hal-hal
yang penting, lalu kerjakan tugas-tugas yang diberikan.
 Khusus untuk Program 3.2, sebelum menjalankannya, harus dibuat
terlebih dahulu function dft dan disimpan di folder aktif anda.
 Untuk Program 3.6, sebelum menjalankannya, terlebih dahulu harus
dicari file "whose.wav" dengan bantuan Windows Explorer, kalau
tidak ditemukan, cari saja file ekstensi wav yang lain. Setelah
ditemukan, file tersebut di-copy ke folder aktif. Program yang di
inputkan meliputi :
a) Fungsi sinyal step
b) Fungsi DFT
c) Fungsi FFT
d) Fungsi FFT dan IFFT
e) Menampilkan sinyal dengan derau dan hasil FFT
f) Analisa spektrum audio

5. Listing Program
a. Fungsi sinyal step
>>undak(1,10)
function y = undak(a,n)
t = 0:n;
x = ones(1,n+1);
y = a .* x;
plot(t,y), grid;

b. Fungsi DFT
 28

T = 0.01;
n = 0:100;
f1 = 10; f2 = 40; % frekuensi dalam Hz
y = sin(2*pi*f1*n*T) + sin(2*pi*f2*n*T);
N = length(y);
F = fft(y); % harus sudah dibuat
mag = abs(F);
fase = angle(F);
subplot(211), plot(n*T,y,'k-*'), grid;
xlabel('Waktu'), ylabel('Amplitudo');
title('Sinyal sinus gabungan');
frek = (0:N/2-1)/(N*T);
subplot(223);
plot(frek,mag(1:N/2),'r-o'), grid;
xlabel('Frekuensi (Hz)'), ylabel('Magnitude');
set(gca,'XTick',[f1 f2]);
subplot(224);
plot(frek,fase(1:N/2)*180/pi,'b-s'), grid;
xlabel('Frekuensi (Hz)'), ylabel('Sudut fase');
set(gca,'XTick',[f1 f2]);

c. Fungsi FFT
N = 256;
T = 1/512;
n = 0:N-1;
A = input('Amplitudo untuk f = 10 Hz : ');
B = input('Amplitudo untuk f = 40 Hz : ');
y = A*sin(2*pi*10*n*T) + B*sin(2*pi*40*n*T);
F = fft(y);
mag = abs(F);
subplot(211);
plot(n*T,y,'-o'), grid;
xlabel('waktu'), ylabel('amplitudo');
title(‘Sinyal Sinus gabungan’);
freq = (0:63)/(N*T);
subplot(212);
plot(freq,mag(1:length(freq)),'r-.'), grid;
xlabel('frekuensi (Hz)'), ylabel('amplitudo');
title('Spektrum sinyal sinus gabungan');
d. Fungsi FFT dan IFFT
x = [1 2 3 4];
 29

h = [1 3 2 1];
y = conv(x,h);
n1 = 0:length(x)-1;
n2 = 0:2*length(x)-2;
subplot(221), plot(n1,x,'-o');
title('x(n)'), grid;
subplot(222), plot(n1,h,'-o');
title('h(n)'), grid;
subplot(223), plot(n2,y,'r-o'), grid;
title('Konvolusi x(n) & h(n) dg. fungsi internal');
N = 7;
n3 = 0:N-1;
X = fft(x,N);
H = fft(h,N);
Y = X .* H;
y1 = ifft(Y,N);
subplot(224), plot(n3,real(y1),'r-o'), grid;
title('Konvolusi x(n) & h(n) melalui FFT & IFFT');

e. Menampilkan sinyal dengan derau dan hasil FFT

n = 0:255;
N = 256;
T = 1/N;
derau = randn(size(n));
x = sin(2*pi*10*n*T) + derau;
F = fft(x,N);
mag = abs(F);
subplot(211), plot(n*T,x,'*-'), grid;
xlabel('waktu'), ylabel('amplitudo');
title('Sinyal sinus + derau (acak)');
freq = (0:N/2)/(N*T);
subplot(212);
plot(freq,mag(1:length(freq)),'ro-'), grid;
xlabel('frekuensi'), ylabel('amplitudo');
title('Spektrum sinyal');

f. Analisa spektrum audio

[y,fs] = wavread('whoosh.wav');
T = 1/fs;
N = length(y);
t = (0:N-1)*T;
 30

subplot(211), plot(t,y), grid;

xlabel('waktu');
ylabel('amplitudo');
title('Tampilan sinyal');
Y = fft(y);
mag = abs(Y);
freq = (0:(N/2)-1)/(N*T);
subplot(212), plot(freq,mag(1:N/2)), grid;
xlabel('frekuensi');
ylabel('magnitude');
title('Spektrum sinyal');

6. Tugas Modul
Tugas 1
Buat sendiri function untuk membuat sinyal ramp dengan gradien tertentu.
Jumlah parameternya ada dua, yaitu panjang data dan nilai gradien.
function xk dft(x)
[N,M] = size(x); if M
~= 1,
x = x';
N = M;
end
xk = zeros(N,1); n
= 0:N-1;

for k = 0:N-1,
xk(k+1) = exp(-j*2*pi*k*n/N)*x;
end

Tugas 2
Amati hasil Program 3.2. Apakah fungsi dft yang anda buat dapat melakukan
analisis spektrum dengan benar? Gantilah f1 dan f2 pada program tersebut
berturut-turut dengan 20 dan 35. Amati hasilnya, apa yang berubah ?

Tugas 3
Pada Program 3.3, amati pengaruh perbedaan amplitudo untuk kedua
frekuensi. Misalkan beri masukan berturut-turut, jelaskan analisa anda.:
a. 1 dan 1,
 31

b. 1 dan 5,
c. 5 dan 1,
d. 5 dan 5

Tugas 4
 Pada Program 3.4, ubahlah nilai N menjadi 4. Amati pengaruhnya
dan jelaskan analisa anda.

 Ulangi langkah di atas untuk N = 16.

Tugas 5
Pada Program 3.5, Bila dibandingkan dengan tampilan Program 2.3,
bagaimana tampilan untuk domain frekuensi .

Tugas 6
Gunakan Program 3.6 untuk membaca file berekstensi .wav yang lain dan
amati hasilnya.
 UNIT V
ANALISIS SISTEM LTI (LINEAR TIME INVARIANT)

1. Tujuan Percobaan
Setelah melakukan praktikum ini, diharapkan mahasiswa dapat memahami
Konsep tentang analisis transformasi sistem Linear Time Invariant. Konsep
tentang tanggapan frekuensi, & sistem dalam bentuk persamaan beda linier
dengan koefisien konstan dalam pengolahan sinyal digital.

2. Alat-alat Yang Digunakan

 (1) Satu buah PC lengkap lengkap sound card dan OS Windows dan
Perangkat Lunak Matlab.

3. Teori Dasar
Kita telah tahu sebelumnya bahwa representasi transformasi fourier adalah
representasi sinyal yang paling berguna untuk sistem LTI. Hal ini karena hasil
sebagai berikut:
A. Respon Terhadap Eksponensial Kompleks
Jadikan x(n) = e^(jω0n) sebagai input untuk sistem LTI yang direpresentasikan
oleh respon impulse h(n).

(2.1)
Definisi 1: [Respon Frekuensi] Transformasi Fourier waktu-diskrit dari
sebuah respon impuls disebut respon frekuensi (atau fungsi transfer) dari
sistem LTI dan dinyatakan oleh:

32
 33

(2.2)
kemudian dari persamaan diatas kita dapat merepresentasikan sistem
sebagai:

(2.3)
maka output sekuens adalah input eksponensial sekuens yang dimodifikasi
oleh respon sistem pada frekuensi ω0. Ini membuktikan definisi dari H (ejω)
sebagai respon frekuensi karena itu adalah eksponensial kompleks yang
dikalikan untuk memperoleh output y (n). Hasil ini dapat dipeluas untuk
kombinasi linear dari eksponensial kompleks menggunakan linearitas sistem
LTI.

(2.4)
Umumnya, respon frekuensi H (e^(jω)) adalah fungsi kompleks dari ω.
Magnitudo | H (e^(jω)) | dari H (e^(jω)) disebut fungsi respon magnitude
(atau gain), dan sudut < H (ejω) disebut fungsi respon fase seperti yang
akan kita lihat di bawah.

B. Respon Terhadap Sekuensi Sinusoidal

Jadikan x (n) = Acos (ω0n + θ0) menjadi masukan untuk sistem h LTI (n).
Kemudian dari (3,17) kita dapat menunjukkan bahwa respon y (n) adalah
sinusoid yang lain dari ω0 frekuensi yang sama, dengan amplitudo yang
diperoleh oleh | H (ejω0) | dan fase yang bergeser oleh H (ejω0), yaitu

(2.5)
Tanggapan ini disebut respon steady-state, dilambangkan dengan yss (n).
Hal ini dapat diperluas untuk kombinasi linear dari sekuensi sinusoidal.

(2.6)
 34

C. Respon Terhadap Sekuen Acak

Akhirnya, (2.5) dapat digeneralisasi untuk sekuensi acak yang dapat
dijumlahkan. Jadikan X (e^jω) = F [x (n)] dan Y (e^jω) = F [y (n)];
kemudian gunakan properti konvolusi (2.1), kita dapatkan:

(2.7)
Oleh karena itu sistem LTI dapat direpresentasikan dalam domain
frekuensi dengan:

(2.8)
Output y (n) kemudian dihitung dari Y (e^jω) menggunakan inverse
transformasi fourier waktu-diskrit. Hal ini memerlukan operasi integral,
yang bukan merupakan operasi yang tepat di MATLAB. Seperti yang akan
kita lihat, ada pendekatan alternatif untuk perhitungan output ke input acak
menggunakan transformasi z dan ekspansi fraksi parsial. Dalam bab ini kita
akan berkonsentrasi pada komputasi respon steady-state.

D. Frekuensi Respon Fungsi Dari Persamaan Beda

Ketika sistem LTI diwakili oleh persamaan selisih di

(2.9)
kemudian untuk mengevaluasi respon frekuensi dari (2.5), kita akan
membutuhkan respon impulse h (n). Namun, dengan menggunakan (2.6),
kita dapat dengan mudah mendapatkan H (ejω). Kita tahu bahwa ketika x
(n) = ejωn, maka y (n) mustbe H (ejω) ejωn. Mengganti di (2.8), maka kita
memiliki:

(2.9)
setelah membatalkan istilah faktor ejωn umum dan mengatur. Persamaan
ini dapat dengan mudah diimplementasikan dalam MATLAB, mengingat
 35

perbedaan parameter persamaan selisih.

4. Prosedur Percobaan
a. Tentukan respon frekuensi H (e^jω) dari sistem yang ditandai dengan
h(n) = (0,9) nu(n). Plotlah magnitude dan respon fase.
Menggunakan (2.2):

Untuk mem-Plot tanggapan ini, kita dapat mengimplementasikan fungsi |

H (e^jω) dan H (e^jω) atau respon frekuensi H (e^jω) dan kemudian
menghitung magnitud dan fasenya. Pendekatan terakhir ini lebih berguna
dari sudut pandang praktis [seperti pada (2.4)].

b. Jadikan masukan ke sistem dalam Contoh (a) menjadi 0.1u (n). Tentukan
respon steady state Yss (n).
Solusi :
Sejak input tidak benar-benar berjumlah, diskrit-waktu mengubah Fourier
tidak terlalu berguna dalam menghitung respons lengkap. Namun, hal itu
dapat digunakan untuk menghitung respon steady-state.

Dalam kondisi mapan (yaitu, n →∞), input urutan konstan (atau sinusoid

dengan ω0 = θ0 = 0). Maka outputnya adalah

yss(n)=0 .1×H(ej0)=0 .1×10 = 1
dimana gain dari sistem pada ω = 0 (biasa disebut DC Gain) adalah H (ej0)
= 10, yang diperoleh dari Gambar 2.1.
 36

Gambar 2.1 Grafik Respon Frekuensi (a) dan (b)

c. Ada sistem LTI dengan spesifikasi berikut:

y(n)=0 .8y(n−1) + x(n)
 Tentukan H(ejω).
 Hitung dan tampilkan steady-state response yss(n) menjadi
x(n)=cos(0.05πn)u(n)
Solusinya.
Menulis ulang diferensial selisih persamaan sebagai y (n) -0.8y (n-1) = x (n)
 Menggunakan persamaan(3-21), kita mendapatkan:
H(ejω)= 1/
1−0.8e−jω(3-22)
 Dalam keadaan stabil input x (n) = cos (0.05πn) dengan frekuensi ω0 =
0.05π dan θ0 = 0, respon sistemnya adalah:

Karena itu; YSS (n) = 4 .0928cos (0.05πn-0,5377) = 4.0928cos [0.05π (n-

3.42)] Ini berarti bahwa pada output sinusoid akan diskala oleh 4,0928 dan
digeser oleh 3,42 sampel. Hal ini dapat diverifikasi menggunakan MATLAB.

Dari plot pada Gambar 2.2, kami mencatat bahwa amplitudo YSS (n) adalah
 37

sekitar 4. Untuk menentukan pergeseran sinusoid output, kita dapat

membandingkan nol penyeberangan dari input dan output. Hal ini
ditunjukkan pada Gambar 2.2, dari mana pergeseran adalah sekitar 3,4
sampel.

Pada contoh (c) sistem ini ditandai dengan persamaan perbedaan 1-order.
Hal ini cukup mudah untuk menerapkan (2.9) di MATLAB seperti yang kita
lakukan pada Contoh (a). Dalam prakteknya persamaan diferensial selisih
yang dari pesanan besar dan karenanya kita perlu prosedur kompak untuk
melaksanakan ekspresi umum (2.8). Hal ini dapat dilakukan dengan
menggunakan matrixvector perkalian sederhana. Jika kita mengevaluasi H
(ejω) atk = 0, 1, ..., K equispaced frekuensi lebih dari [0, π], maka

(2.10)
Jika kita membiarkan {bm}, {a} (Dengan a0 = 1), {m = 0, ..., M}, { = 0,
..., N}, dan {ωk} menjadi array (atau vektor baris), dari pembilang dan
penyebut (2.10) menjadi

bexp(−jmTω); aexp(−jlaplaceTω)

Gambar 2.2 Penampilan Grafik Soal (c)

d. Sebuah low pass filter ordo 3 dijelaskan dengan persamaan dibawah ini,
y(n)=0 .0181x(n)+0 .0543x(n−1)+0 .0543x(n−2)+0 .0181x(n−3)+1.76y(n−1)
 38

−1.1829y(n−2)+0 .2781y(n−3)
Plot besaran dan respon fase filter ini, dan memverifikasi bahwa itu adalah
los pass filter yang berhasil.
Solusi :
Kami akan menerapkan prosedur ini di MATLAB dan kemudian
plot tanggapan tapis.

5. Listing Program
a. Menentukan respon frekuensi H (e^jω) dari sistem yang ditandai dengan h(n) =
(0,9) n u(n). Melakukan plot magnitude dan respon fase dengan cara
memasukkan listing berikut pada MATLAB.
w = [0:1:500]*pi/500;
H = exp(1i*w) ./ (exp(1i*w) - 0.9*ones(1,501));
magH = abs(H) ; angH = angle(H);
subplot (2,1,1);
plot (w/pi,magH), grid;
xlabel ('frequncy in pi units'), ylabel('|H|');
title('Magnitude Response');
subplot (2,1,2);
plot (w/pi,angH/pi), grid;
xlabel ('frequncy in pi units'), ylabel('Phase In Radians');
title ('Phase Response');

b. Membuat Sistem LTI dengna memasukkan listing berikut pada MATLAB.

subplot(1,1,1)
b=1;a=[1,-0.8];
n=[0:100];x = cos(0.05*pi*n);
y = filter(b,a,x);
subplot(2,1,1);
stem(n,x);
xlabel('n'), ylabel('x(n)');
title('Input sequence');
subplot(2,1,2);
stem(n,y);
xlabel('n'),ylabel('y(n)');
title('Output sequence');

c. Membuat sebuah low pass filter ordi 3 dengan memasukkan listing berikut pada
MATLAB
 39

clear;
clc;
b = [0.0181, 0.0543, 0.0543, 0.0181];
a = [1.0000, -1.7600, 1.1829, -0.2781];
m = 0:length(b)-1;
l = 0:length(a)-1;
K = 500;
k = 0:1:K;
w = pi*k/K;
num = b*exp(-j*m'*w);
den = a*exp(-j*l'*w);
H = num ./ den;
magH = abs(H);
angH = angle(H);
subplot(2,1,1);
plot(w/pi,magH), grid;
axis([0,1,0,1])
xlabel('frequency in pi units'), ylabel('|H|');
title('Magnitude Response');
subplot(2,1,2);
plot(w/pi,angH/pi), grid;
xlabel('frequency in pi units'), ylabel('Phase in pi Radians');
title('PhaseResponse')
 UNIT VI
FILTER IIR (INFINITE IMPULSE RESPONSE)

1. Tujuan Percobaan
Setelah melakukan praktikum ini, diharapkan mahasiswa dapat memahami
desain filter digital. teknik windowing. Desain filter IIR: filter analog, desain
impulse-invariance, Desain filter IIR: transformasi bilinier dalam Pengolahan
Sinyal Digital.

2. Alat – Alat Yang Digunakan

1 (satu) buah PC lengkap sound card dan OS Windows dan Perangkat
Lunak Matlab

3. Teori Dasar
Filter atau tapis adalah suatu sistem yang berfungsi untuk menyaring sinyal,
sebagian sinyal akan dibiarkan lewat, sebagian yang lain akan akan ditahan.
Filter yang sering digunakan adalah filter untuk menyaring sinyal berdasarkan
frekuensi sinyal, artinya sinyal dengan frekuensi tertentu akan dibiarkan lewat,
sinyal frekuensi yang lain akan ditahan. Berdasarkan sinyal yang diproses,
filter dibagi menjadi dua, yaitu filter analog dan filter digital.
Secara umum, filter digital adalah sama dengan filter analog, hanya saja
sinyal input dan sinyal outputnya adalah sinyal digital. Oleh karena itu,
komponen-komponen filter digital tidak terdiri dari R, L, C atau gabungannya,
tetapi terdiri dari penjumlah (adder), pengali (multiplier), dan elemen tunda
(delay element) atau gabungannya.
Secara garis besar, ada dua macam filter digital, yaitu filter IIR (Infinite
Impulse Response) dan filter FIR (Finite Impulse Response). Filter FIR adalah
sistem yang murni umpan maju (feed-forward), stabil, strukturnya sederhana
dan fasenya linier. Sedangkan filter IIR dapat berupa sistem umpan maju atau
umpan balik (feedback). Tidak seperti FIR, filter IIR mempunyai fase yang
tidak linier dan mempunyai potensi untuk tidak stabil. Kelebihan

IIR adalah pelemahan (attenuation) yang tinggi untuk orde yang lebih rendah,
bila dibanding dengan FIR.
40
 41

Suatu filter IIR adalah sistem yang mempunyai tanggapan terhadap impuls
satuan (unit impulse) dengan panjang tak terhingga. Dengan kata lain, ketika
filter tersebut diberi masukan berupa impuls (impulse), keluarannya terus ada
sampai waktu mendekati tak hingga.
Desain filter IIR ada dua cara, yaitu user defined dan filter klasik. Cara
pertama dinyatakan dengan transfer function, distribusi pole dan zero atau
dengan variabel state. Cara kedua didasarkan kepada model filter analog,
kemudian dengan transformasi tertentu diubah menjadi filter digital. Cara
pertama disebut cara langsung dan yang kedua disebut sebagai cara tak
langsung. Dan karena cara pertama secara matematis terlalu rumit untuk buku
ini, dan masih memiliki potensi tidak stabil, maka pada buku ini hanya akan
dibahas cara kedua saja.
Untuk merealisasikan suatu filter digital sederhana, suatu model filter
waktu kontinyu H(s) harus diubah menjadi model waktu diskrit H(z). Metode
untuk memetakan transfer function waktu kontinyu ke transfer function waktu
diskrit menjadi penting. Salah satu metode untuk hal ini adalah transformasi
Bilinear. Transformasi ini mengubah variabel s menjadi variabel z, dengan
rumus:

(5.1)
dengan T adalah periode pencuplikan dan fs adalah frekuensi pencuplikan.
Transformasi Bilinear ini sifatnya tidak linier, sehingga dapat
menghasilkan distorsi berupa pergeseran frekuensi cut-off dari frekuensi yang
dikehendaki semula. Untuk menghindari hal ini, diperlukan suatu prewarping
(pembengkokan awal) sebelum pelaksanaan transformasi Bilinear. Proses
prewaping berarti mendesain frekuensi cut-off filter analog sedemikian rupa
sehingga frekuensi cut-off filter digital,  c, sama dengan frekuensi cut-off filter
analog, cT :

(5.2)
dimana p adalah frekuensi cut-off filter analog hasil prewarping, T
adalah periode pencuplikan, dan fs adalah frekuensi pencuplikan.
 42

Secara umum, perancangan filter IIR dengan metode ini terdiri dari
enam tahap:
1. Penetapan spesifikasi filter digital yang dikehendaki.
2. Prewarp frekuensi digital ke frekuensi analog (hal ini khusus bila
menggunakan transformasi bilinear).
3. Perancangan filter prototype analog, dalam hal ini adalah penetapan
ordenya.
4. Perancangan filter analog menggunakan transformasi frekuensi ke
frekuensi.
5. Perancangan filter digital dengan mentransformasikan dari domain-
s ke domain-z, dalam hal ini menggunakan tranformasi bilinear.
6. Implementasi filter digital pada perangkat keras atau perangkat lunak.

4. Prosedur Percobaan
Inputkan program-program berikut dalam Editor MATLAB, beri nama
yang sesuai dengan isinya, kemudian di-run. Perhatikan dan catat hal-hal yang
penting, lalu kerjakan tugas-tugas yang diberikan.
4.1 Filter IIR
a) Filter prototype Butterworth
b) Transformasi frekuensi
c) Penerapan filter analog
d) Desain filter digital IIR
e) Penerapan filter digital

5. Listing Program
a. Filter prototype Butterwort
orde = input('Masukkan orde dari filter prototype : ');
[z,p,k] = buttap(orde);
[num,den] = zp2tf(z,p,k);
w = logspace(-1,2);
[mag,phase] = bode(num,den,w);
[m1,ph1] = bode(0.707,1,w);
logmag = 20*log10(mag);
logm1 = 20*log10(m1); % garis –3 dB
semilogx(w,logm1,w,logmag), grid;
xlabel('frekuensi (rad/detik)');
ylabel('magnitude (dB)');
 43

title('Diagram Bode Filter Prototype');

b. Transformasi frekuensi
[z,p,k] = buttap(2); % filter orde 2
[num,den] = zp2tf(z,p,k);
wc = 10; % frekuensi cut-off baru dalam rad/detik
[n1,d1] = lp2lp(num,den,wc);
w = logspace(-1,3);
[mag,phase] = bode(n1,d1,w);
[m1,ph1] = bode(0.707,1,w);
logmag = 20*log10(mag);
logm1 = 20*log10(m1);
semilogx(w,logm1,w,logmag), grid;
xlabel('frekuensi (rad/detik)');
ylabel('magnitude (dB)');
title('Diagram Bode Filter');

c. Penerapan filter analog

% Program 5.3
t = 0:0.001:2;
f1 = 2;
f2 = 30; % dalam Hz
x = sin(2*pi*f1*t) + sin(2*pi*f2*t);
subplot(211), plot(t,x), grid;
xlabel('waktu (detik)'), ylabel('simpangan');
title('Sinyal sebelum difilter');
[z,p,k] = buttap(2); % filter prototype orde 2
[n,d] = zp2tf(z,p,k);
fc = 5; % dalam Hz
wc = 2*pi*fc; % dalam radian/detik
[n1,d1] = lp2lp(n,d,wc); % transformasi frekuensi
sys = tf(n1,d1);
y = lsim(sys,x,t);
subplot(212), plot(t,y), grid;
xlabel('waktu (detik)'), ylabel('simpangan');
title('Sinyal setelah difilter');

d. Desain filter digital IIR

[z,p,k] = buttap(3); % filter orde 3
[num,den] = zp2tf(z,p,k);
fc = 2; % frek cut-off dalam Hz
wc = 2*pi*fc; % frek cut-off dalam rad/detik
 44

[n1,d1] = lp2lp(num,den,wc);
fs = 50; % frekuensi sampling (Hz)
points = 512;
[nd,dd] = bilinear(n1,d1,fs);
[h,w] = freqz(nd,dd,points,fs);
[h3,w] = freqz(0.707,1,points,fs);
subplot(121), plot(w,h3,w,abs(h)), grid;
xlabel('frekuensi (Hz)');
ylabel('magnitude');
title('Diagram Bode Filter');
% *** tampilan dalam semilog ***
mag = 20*log10(abs(h));
m3 = 20*log10(abs(h3));
subplot(122), semilogx(w,m3,w,mag), grid;
xlabel('frekuensi (Hz)');
ylabel('magnitude (dB)');
title('Diagram Bode Filter');

e. Penerapan filter digital

n = 0:250;
T = 0.01;
f1 = 2; f2 = 30; % frekuensi sinyal dalam Hz
x = sin(2*pi*f1*n*T) + sin(2*pi*f2*n*T);
subplot(211), plot(n*T,x), grid;
xlabel('waktu (detik)');
ylabel('simpangan');
title('Sinyal sebelum difilter');
[z,p,k] = buttap(2); % orde filter = 2
[num,den] = zp2tf(z,p,k);
fc = 5; % frek cut-off dalam Hz
wc = 2*pi*fc; % frek cut-off dalam radian/detik
[n1,d1] = lp2lp(num,den,wc);
[nd,dd] = bilinear(n1,d1,1/T);
y = filter(nd,dd,x);
subplot(212), plot(n*T,y), grid;
xlabel('waktu (detik)');
ylabel('simpangan');
title('Sinyal setelah difilter');
 45

6. Tugas Modul
Tugas 1
a) Isi orde filter pada berturut-turut dengan 1, 2, dan 3. Catat nilai variabel
num dan den masing-masing. Kemudian amati dan catat perbedaan
tampilannya. Berapa kemiringan transition band masing-masing? Nyatakan
dalam satuan db/oktav.
Kemiringan transition
Orde Nilai num Nilai den
filter band

b) Coba pula untuk mengganti fungsi buttap dengan cheb1ap, lalu

ulangi langkah (a). Apa perbedaan tampilan yang mencolok antara
keduanya?

Tugas 2
a) Gantilah nilai variabel wc berturut-turut dengan 5 dan 50. Amati nilai
variabel n1, d1 dan amati tampilannya.
wc n1 d1

1 5

2 50

b) Ubahlah fungsi lp2lp menjadi lp2hp dan ulangi tugas (a).

c) Ubahlah fungsi lp2lp menjadi lp2bp dan lp2bs, serta ulangi tugas
(a). perhatikan kedua fungsi tersebut.

Tugas 3
a) Ubahlah fungsi lp2lp menjadi lp2hp dan carilah nilai variabel wc agar hasil
filter hanya sinyal frekuensi tinggi.
b) Modifikasi program di atas, agar mencampur 3 sinyal. Sinyal ketiga yaitu
sinyal sinus frekuensi 100 Hz. Desainlah filter bandpass sehingga keluaran
program adalah sinyal frekuensi tengah, atau sinyal sinus 30 Hz.

Tugas 4
 46

Ubahlah nilai variabel fc berturut-turut dengan 5 dan 10. Amati nilai variabel n1,
d1, nd dan dd, serta amati tampilannya.

fc n1 d1 Nd dd
5
10

Tugas 5
Pada program 5.5, gantilah orde filter berturut-turut dengan 1 dan 3, apakah
pengaruhnya pada tampilan hasil filter?
 UNIT VII
FILTER FIR (FINITE IMPULSE RESPONSE)

1. Tujuan Percobaan
Setelah melakukan praktikum ini, diharapkan mahasiswa dapat memahami
desain filter digital. teknik windowing. Desain filter FIR: filter analog, desain
impulse-invariance, Desain filter FIR: transformasi bilinier dalam Pengolahan
Sinyal Digital.

2. Alat – Alat Yang Digunakan

1 (satu) buah PC lengkap sound card dan OS Windows dan Perangkat
Lunak Matlab

3. Teori Dasar
Filter atau tapis adalah suatu sistem yang berfungsi untuk menyaring sinyal,
sebagian sinyal akan dibiarkan lewat, sebagian yang lain akan akan ditahan.
Filter yang sering digunakan adalah filter untuk menyaring sinyal berdasarkan
frekuensi sinyal, artinya sinyal dengan frekuensi tertentu akan dibiarkan lewat,
sinyal frekuensi yang lain akan ditahan. Berdasarkan sinyal yang diproses,
filter dibagi menjadi dua, yaitu filter analog dan filter digital.
Secara umum, filter digital adalah sama dengan filter analog, hanya saja
sinyal input dan sinyal outputnya adalah sinyal digital. Oleh karena itu,
komponen-komponen filter digital tidak terdiri dari R, L, C atau gabungannya,
tetapi terdiri dari penjumlah (adder), pengali (multiplier), dan elemen tunda
(delay element) atau gabungannya.
Secara garis besar, ada dua macam filter digital, yaitu filter IIR (Infinite
Impulse Response) dan filter FIR (Finite Impulse Response). Filter FIR adalah
sistem yang murni umpan maju (feed-forward), stabil, strukturnya sederhana
dan fasenya linier. Sedangkan filter IIR dapat berupa sistem umpan maju atau
umpan balik (feedback). Tidak seperti FIR, filter IIR mempunyai fase yang
tidak linier dan mempunyai potensi untuk tidak stabil. Kelebihan

IIR adalah pelemahan (attenuation) yang tinggi untuk orde yang lebih rendah,
bila dibanding dengan FIR.
47
 48

Filter FIR adalah suatu sistem yang mempunyai tanggapan terhadap impuls
(impulse) dengan panjang terhingga. Dengan kata lain, ketika filter tersebut
diberi masukan berupa impuls (impulse), keluarannya hanya ada sampai waktu
tertentu. Hal ini terjadi karena keluaran filter tersebut sengaja dibatasi sampai
waktu tertentu saja.
Suatu filter FIR dapat didesain dengan memotong tanggapan impuls dari
suatu filter IIR. Bila h(n) adalah tanggapan impuls dari karakteristik filter IIR
H(), maka tanggapan impuls dari filter FIR :

(5.4)
Dengan N adalah panjang filter atau orde filter.
Perancangan filter FIR untuk mendapatkan fase linier ada beberapa
metode, antara lain metode Windowing, metode Frekuensi Cuplik (Frequency-
Sampling Method), dan metode pendekatan Chebyshev. Pada pembahasan ini
hanya akan diuraikan metode Windowing. Metode ini termasuk metode yang
sederhana, meskipun kurang presisi. Metode Windowing dilaksanakan melalui
tahap-tahap berikut:
1. Penetapan filter ideal dengan spesifikasi filter yang dikehendaki.
2. Mencari tanggapan impuls dari filter tersebut dengan memakai IDTFT
(Invers Discrete Time Fourier Transform) :

(5.4)
Pada prakteknya, untuk filter lowpass langsung menggunakan rumus:

(5.5)
sedangkan untuk jenis lain (highpass, bandpass dan bandstop) dengan
melakukan manipulasi terhadap rumus di atas.
3. Memotong tanggapan impuls dari filter, sesuai orde filter yang
dikehendaki, misal orde = N.
 49

4. Menggeser tanggapan impuls dari filter, sebesar (N – 1)/2, untuk

mendapatkan filter yang kausal.
5. Pemilihan dan penerapan windowing, sesuai tipe window yang
dikehendaki.
6. Implementasi filter FIR.

4. Prosedur Percobaan
Inputkan program-program berikut dalam Editor MATLAB, beri nama
yang sesuai dengan isinya, kemudian di-run. Perhatikan dan catat hal-hal yang
penting, lalu kerjakan tugas-tugas yang diberikan.
4.2 Filter FIR
a) Perbandingan respon frekuensi filter IIR dan FIR
b) Perbandingan Penerapan Filter IIR dan FIR
c) Perbandingan filter FIR
d) Karakteristik respon frekuensi
e) Penerapan filter yang didesain dari function fir2

5. Listing Program
a. Perbandingan respon frekuensi filter IIR dan FIR
N = 11; % orde filter
[z,p,k] = buttap(N); % *** filter IIR ***
[num,den] = zp2tf(z,p,k);
wc = 5; % frek cut-off dalam
rad/det
[n1,d1] = lp2lp(num,den,wc); % transformasi frekuensi
T = 0.1; % periode sampling (detik)
[nd,dd] = bilinear(n1,d1,1/T);
[H,omega] = freqz(nd,dd);
fase = 180/pi * unwrap(angle(H));
subplot(221), plot(omega,0.707,omega,abs(H)), grid;
title('respon frekuensi filter IIR');
xlabel('frekuensi (rad/sampel)'), ylabel('magnitude');
subplot(222), plot(omega,fase), grid;
xlabel('frekuensi '), ylabel('sudut fase (der)');
omegac = 0.5; % frekuensi cut-off digital = wc * T
m = (N-1)/2; % penggeseran
n = 0:2*m; % penetapan titik untuk plot
h = omegac/pi * sinc(omegac*(n-m)/pi);
 50

w = [ones(1,N) zeros(1, length(n)-N)]; % window

hd = h .* w;
[Hd, omega1] = freqz(hd, 1);
phase = 180/pi * unwrap(angle(Hd));
subplot(223), plot(omega1,0.707,omega1,abs(Hd)), grid;
title('respon frekuensi filter FIR');
xlabel('frekuensi (rad/sampel)'), ylabel('magnitude');
subplot(224), plot(omega1,phase), grid;
xlabel('frekuensi '), ylabel('sudut fase (der)');

b. Perbandingan Penerapan Filter IIR dan FIR

n = 0:150;
T = 0.2; % periode sampling
f1 = 1/(2*pi); f2 = 5/(2*pi); % frekuensi sinyal (Hz)
x = cos(2*pi*f1*T*n) + cos(2*pi*f2*T*n); % sinyal
input
subplot(211), plot(n*T,x), grid;
title('sinyal sebelum difilter');
xlabel('waktu'), ylabel('simpangan');
[z,p,k] = buttap(3); % orde filter IIR = 3;
[num,den] = zp2tf(z,p,k);
wc = 2; % frekuensi cutoff (rad/detik)
[n1,d1] = lp2lp(num,den,wc);
[nd,dd] = bilinear(n1,d1,1/T);
% frekuensi digital = wc * T
y1 = filter(nd,dd,x);
subplot(223), plot(n*T,y1), grid;
xlabel('waktu'), ylabel('simpangan');
title('hasil LPF IIR orde 3');
omegac = 0.4; % frekuensi cut-off digital
N = 21; % orde filter FIR
m = (N-1)/2; % penggeseran
h = omegac/pi * sinc(omegac*(n-m)/pi);
w = [ones(1,N) zeros(1, length(n)-N)]; % window
hd = h .* w;
y2 = filter(hd,1,x); % sinyal output
subplot(224), plot(n*T,y2), grid;
title('hasil LPF FIR orde 21');
xlabel('waktu'), ylabel('simpangan');
 51

c. Perbandingan filter FIR

N = 31; % orde filter
omegac = 0.8; % frekuensi cut-off digital
wn = omegac/pi;
b1 = fir1(N,wn); % function untuk mendesain filter FIR
[H,omega] = freqz(b1,1);
fase = 180/pi * angle(H);
subplot(221), plot(omega,0.707,omega,abs(H)), grid;
xlabel('frekuensi'), ylabel('magnitude');
subplot(222), plot(omega,unwrap(fase)), grid;
xlabel('frekuensi'), ylabel('sudut fase');
% *** Desain filter FIR secara sederhana ***
m = (N-1)/2; % penggeseran
n = 0:2*m; % penetapan titik untuk plot
h = omegac/pi * sinc(omegac*(n-m)/pi);
w = [ones(1,N) zeros(1,length(n)-N)]; % window
hd = h .* w;
[Hd,omega1] = freqz(hd,1);
fase1 = 180/pi * angle(H);
subplot(223), plot(omega1,0.707,omega1,abs(Hd)), grid;
xlabel('frekuensi'), ylabel('magnitude');
subplot(224), plot(omega1,unwrap(fase1)), grid;
xlabel('frekuensi'), ylabel('sudut fase');

d. Karakteristik Respon Frekuensi

N = 30; % orde filter
% *** filter low pass ***
f1 = [0 0.3 0.3 1];
m1 = [1 1 0 0];
b1 = fir2(N,f1,m1);
[h1,w1] = freqz(b1,1,128);
subplot(211), plot(f1,m1,w1/pi,abs(h1)), grid;
title('karakteristik LPF');
xlabel('frekuensi ternormalisasi'),
ylabel('magnitude');
% *** filter high pass ***
f2 = [0 0.7 0.7 1];
m2 = [0 0 1 1];
b2 = fir2(N,f2,m2);
[h2,w2] = freqz(b2,1,128);
subplot(212), plot(f2,m2,w2/pi,abs(h2)), grid;
 52

title('karakteristik HPF');
xlabel('frekuensi ternormalisasi'),
ylabel('magnitude');

e. Penerapan Filter Yang Didesain Dari Function Fir2

n = 0:200;
T = 0.2; % periode sampling
x1 = cos(n*T);
x2 = cos(5*n*T);
x = x1 + x2;
subplot(221), plot(n*T,x1), grid;
title('sinyal x1');
xlabel('waktu'), ylabel('simpangan');
subplot(222), plot(n*T,x2), grid;
title('sinyal x2');
xlabel('waktu'), ylabel('simpangan');
subplot(223), plot(n*T,x), grid;
title('sinyal x1 + x2');
xlabel('waktu'), ylabel('simpangan');
N = 30; % orde filter
% *** Low Pass Filter FIR ****
f1 = [0 0.2 0.2 1];
m1 = [1 1 0 0];
b1 = fir2(N,f1,m1);
y1 = filter(b1,1,x); % sinyal keluaran
subplot(224), plot(n*T,y1), grid;
title('sinyal hasil LPF FIR');
xlabel('waktu'), ylabel('simpangan');

6. Tugas Modul
 Tugas 1
a) Amati perbedaan tampilan filter IIR dan filter FIR. Perhatikan hal hal berikut :
puncak magnitude, riak (ripple) pada magnitude, frekuensi cut-off, dan sudut
fase.
Tipe filter Puncak Riak pada Frekuensi Sudut fase
magnitude magnitude cut-off

IIR

FIR
 53

b) Gantilah window (variabel w) berturut-turut dengan

i. w = [hamming(N)’ zeros(1,length(n)-N)];
ii. w = [0 hanning(N-2)’ zeros(1,length(n)-N+1)];
Ulangi langkah (a) untuk masing-masing window.

 Tugas 2
Gantilah panjang filter N, berturut-turut dengan:
a. N = 41;
b. N = 81;
Amati perubahan tampilan dan catat. Apakah semakin panjang filter hasilnya
semakin baik? Bagaimana dengan waktu tundanya?

 Tugas 3
Gantilah window (variabel w) berturut-turut dengan
a. w = [hamming(N)’ zeros(1,length(n)-N)];
b. w = [0 hanning(N-2)’ zeros(1,length(n)-N+1)];
Amatilah perubahan tampilan dan catat, yaitu tentang tinggi magnitude, ripple,
frekuensi cut-off dan sudut fase.

 Tugas 4
Desainlah filter bandpass dan bandstop dengan menggunakan function fir2.

 Tugas 5.
Untuk sinyal masukan yang sama, desainlah filter highpass sehingga keluarannya
adalah sinyal frekuensi tingginya.
 UNIT VIII
PERANCANGAN FILTER DIGITAL DENGAN FDA TOOL

1. Tujuan Percobaan
a) Siswa mampu merancang filter digital (FIR dan IIR) dengan FDA Tool
b) Siswa mampu menganalisa filter hasil perancangan, dengan FDA Tool
c) Siswa mampu mengeksport design hasil perancangan untuk implementasi
filter

2. Pengenalan Pada Filter Design Dan Analysis Tool (FDA TOOL)

Suatu (FDATool) adalah suatu graphical user interface (GUI) yang sangat
bermanfaat di dalam Signal Processing Toolbox untuk melakukan perancangan
dan analisa filter.
FDATool memungkinkan bagai anda untuk melakukan perancangan filter
FIR atau IIR dengan cepat melalui setting spesifikasi kinerja filter, dengan
melakukan proses import filter dari MATLAB workspace anda atau melalui
penambahan, pemindahan atau penghapusan pole dan zero. FDATool juga
menyediakan perangkat untuk analisa filter, seperti penggambaran respon
magnitude dan respon fase dan penggambaran pole-zero.
Anda dapat memanfaatkan FDATool sebagai suatu pilihan alternative
untuk merancang filter menggunakan Matlab Command.

2.1 Cara Memulai

Pada Matlab command anda ketikkan fdatool seperti berikut:
 FDA Tool
Suatu Tip pada Day dialog muncul dengan saran – saran untuk menggunakan
FDA Tool. Kemudian, tampilan GUI muncul dengan suatu default filter.

54
 55

Gambar 1. Design panel

Perhatikan baris pembatas tampilan diatas, bagian atas pada menyajikan

informasi spesifikasi filter dan respon filter yang sekarang digunakan. Filter, pada
setengah tampilan bagian atas tersebut menyajikan sifat-sifat filter, penamaan
struktur filter, orde, jumlah bagian yang digunakan dan keadaan kestabilan filter
atau Bagian ini juga menyediakan akses pada Filter untuk bekerja dengan multiple
filters.
Filter, pada bagian kanan atas, menyajikan beragam respon filter seperti
respon magnitudo response, group delay dan koefisien-koefisien filter. Setengah
dari tampilan bagian bawah pada adalah bagian interaktif pada Area ini adalah
bagian Design Panel, disini anda bisa mendefinisikan spesifikasi filter anda. Ini
akan mengontrol apda yang akan ditampilkan pada tampilan bagian atas tyang
sudah dijelaskan diatas. Panel yang lain dapat disajikan di bagian yang lebih rendah
dengan menggunakan sidebar buttons. Perangkat ini juga menyediakan suatu help.
Anda dapat melakukan click-kanan atau click pada tombol untuk mendapatkan
informasi pada bagian berbeda pada perangkat ini.

2.2 Perancangan Suatu Filter

Kita akan merancang suatu low pass filter yang meloloskan semua
frekuensi yang lebih kecil atau sama dengan dari dibawah dari frekuensi dari
 56

sampling dan akan meredam frekuensi-frekuensi yang lebih tinggi atau sama
dengan dari frekuensi Kita akan menggunakan sebuah filter dengan spesifikasi
seperti berikut:
 Passband attenuation 1 Db
Untuk mengimplementasikan rancangan ini, kita akan menggunakan
sepesifikasi seperti pada Gambar 2 berikut:

Gambar 2. Contoh Spesifikasi FIR filter

Langkah – langkah adalah sebagai berikut :

1) Pilih Lowpass dari menu dropdown dibawahType, dan Equiripple
dibawah Design Method. Secara umum, ketika anda merubah Type atau
Design Method, parameter-parameter filter dan area Filter Display akan
ter-update secara otomatis.
2) Pilih Specify order pada area Filter Order dan masukkan 30.
3) Equiripple filter memiliki suatu Density Factor Option yang mana
mengontrol density (kerapatan) pada grid frekuensi. Peningkatan nilai
yang dihasilkan suatu filter akan lebih mendekatkan pada suatu sifat ideal
equiripple filter, tetapi akan menyebabkan proses komputasi yang
diperlukan untuk eksekusi juga menjadi lebih panjang. Tetapkan nilai ni
pada 20.
4) Pilih Normalized (0 to 1) yang ada di dalam menu pull down Units
dalam area Frequency Specifications.

5) Masukkan 0.2 untuk wpass dan 0.5 untuk nilai wstop di dalam
area Frequency Specifications.
6) Wpass dan Wstop, di dalam area Magnitude Specifications adalah
bobot positif, digunakan sepanjang optimisasi FIR Equiripple filter.
7) Setelah setting spesifikasi perancangan, click pada tombol Design
Filter pada bagian bawah GUI untuk perancangan filter.
 57

Respon magnitudo pada filter ditampilkan di dalam area Analysis setelah

koefisien-koefisien ini dikomputasi.

Gambar 3. Respon magnitudo

2.3 Pengamatan Untuk Analisa Lain

Pertama kali anda merancang sebuah filter, anda dapat mengamati beberapa
tampilan filter berikut ini yang ditampilkan pada suatu window, dengan cara
melakukan click pada salah satu button yang ada di toolbar:

Gambar 4. Button yang ada di Toolbar Analisa.

Dari kiri ke kanan, tombol-tombol tersebut adalah:

a) Magnitude response
b) Phase response Magnitude and Phase responses
c) Group delay response
d) Phase delay response
e) Impulse response
f) Step response
2.4 Pembandingan Perancangan Untuk Spesifikasi Filter
memungkinkan bagi anda untuk mengukur seberapa dekat hasil
perancnagan anda dengan spesifikasi filter dnegna menggunakan Specification
yang mana akan menyajikan spesifikasi filter dalam bentuk plot (gambaran)
responnya. Didalam Display Region, ketik gambaran Magnitude ditampilkan,
pilih Specification Mask dari menuuntuk menampilkan spesifikasi filter pada
gambaran responsenya. Respon magnitudo pada filter dengan Specification
mask ditunjukkan berikut ini.
 58

Gambar 4. Respon magnitudo pada filter

2.4.1 Mengubah Satuan

Anda dapat merubah satuan pada sumbu x atau y dengan cara menekan
click-kanan pada mouse anda pada suatu axis label dan memilih satuan tertentu.
Satuan berikut ini bisa dimiliki dengan checkmark (pemberian tanda centang).

Gambar 5. Cara mengubah satuan koordinat

2.4.2 Marking Data Points
Di dalam area Display, anda click pada suatu titik di dalam gambaran (plot)
untuk menambah suatu data marker, yang mana akan menampilkan nilai pada
titik tersebut. Click-kanan pada tampilan data marker, suatu menu akan tampil
dimana anda menggerakkan mouse, anda bisa berpindah, men- delete atau
mengatur kemunculan data markers tersebut.
 59

Gambar 6. Marking Data Point

2.5 Optimasi Perancangan

Untuk meminimisasi biaa dalam implementasi filter, kita akan mencoba
untuk mereduksi jumlah koefisien dengan menggunakan opsi Minimum Order
di dalam design panel. Anda rubah pemilihan pada Filter Order dan pindahkan
Minimum Order di dalam Design dan biarkan parameter yang lain. Click pada
Design Filter button untuk merancang satu filter baru.

Gambar 7. Hasil perancangan optimisasi filter

Seperti yang anda lihat di dalam are current filter information, order filter
berkurang dari 30 menjadi 16, jumlah pada ripples menurun dan transition
width menjadi lebih lebar. Spesifikasi passband dan stopband masih bisa
diperoleh dari kriteria perancangan ini.

2.6 Perubahan Parameter Analisis

Dengan click-kanan pada plot and selecting Analysis Parameters, anda
dapat menampilkan suatu dialog untuk suatu perubahan analysis- specific
parameters. dapat juga memilih Analysis Parameters dari menu.
 60

Gambar 8. Menu Analisys Paramter

Menyimpan parameter-parameter seperti pada nilai default, click Save as

Default. menampilkan kembali nilai default MATLAB-defined, click
original default.
2.7 Meng exsport Filter
Jika anda telah benar-benar puas dengan filter hasil perancangan anda, anda
dapat mengeksport filter anda dengan tujuan berikut ini :
a. Matlab workspace
b. Mat-file
c. Text-file
Untuk melakukan file export file dari FDT Tool langkahnya adalah pilih
Export dari menu file :

1. Jika export ke MATLAB workspace anda dapat melakukan export

sebagai coefficients atau as an object dengan memilih dari menu
pulldown yang ada di dibawah Export As
2. Jika anda ingin mng exsport as an object, property object mengontrol
beberapa aspek pada tampilan dan perilaku

Gambar 9 Menu Export As Coefficient

 61

Gambar 10 Menu Export As Object

Anda dapat menggunakan perintah GET and SET dari MATLAB command
prompt untuk mengakses dan memanipulasi nilai properti pada object

3. Perangkat Percobaan
Dalam pelaksanaan praktikum ini diperlukan perangkat percobaan berupa:
- PC yang memiliki spesifikasi memory minimal 1 Gb
- Perangkat Lunak Matlab
- Sistem Audio untuk PC
Percobaan 4.1.
1. Rancang sebuah FIR filter, dengan orde 16, frekuensi sampling 10000 Hz, dan
frekuensi cut off 2000 Hz. Metode perancangan menggunakan window
hamming. Karakteristik respon frekuensi adalah low pass filter.
2. Dapatkan gambaran bentuk Magnitude Response, Phase Response, Magnitude
and Phase Response, Impulse Response, Step Response, Pole/zero Plot, dan
Filter Coefficients.
3. Catat daerah -3 dB pada Magnitude Reponse, dan perhatikan nilai ini tepat
pada frekuensi berapa pada sumbu mendatar. Jika waktu anda menekan click
posisinya tidak pada -3 dB, anda bisa menahan dan menggesernya, sehingga
anda semakin dekat dengan posisi -3 dB.
4. Lakukan langkah 1 dan 2 untuk HPF dan BPF (2000 - 4000).

Percobaan 4.2.
1. Rancang sebuah filter, dengan orde 16, frekuensi sampling 10000 Hz, dan
frekuensi pass (Fpass) 3000 Hz, dan frekuensi stop (Fstop) = 3500 Hz. Metode
perancangan menggunakan equiripple. Karakteristik respon frekuensi adalah
 62

low pass filter.

2. Dapatkan gambaran bentuk Magnitude Response, Phase Response, Magnitude
and Phase Response, Impulse Response, Step Response, Pole/zero Plot, dan
Filter Coefficients.
3. Catat daerah -3 dB pada Magnitude Reponse, dan perhatikan nilai ini tepat pada
frekuensi berapa pada sumbu mendatar
4. Lakukan langkah 1 dan 2 untuk HPF dan BPF (Fstop=1500, Fpass=2000 pada
bagian low frequency, dan Fstop=4000, Fpass=4500 pada bagian high
frequency)

Percobaan 4.3.
1. Rancang sebuah IIR filter, dengan orde 16, frekuensi sampling 10000 Hz, dan
frekuensi cut off 2000 Hz. Metode perancangan menggunakan analog
prototype Butterworth. Karakteristik respon frekuensi adalah low pass filter.

2. Dapatkan gambaran bentuk Magnitude Response, Phase Response, Magnitude

and Phase Response, Impulse Response, Step Response, Pole/zero Plot, dan
Filter Coefficients.
3. Usahakan posisi pengamatan pada respon frekuensi (Magnitude Response),
pada bagian kiri bawah anda cari toolbar Pole/zero Editor dan click. Anda
perhatikan tampilan layar monitor FDA Tool, selanjutnya click pada suatu pole
dan gerakkan posisinya, perhatikan perubahan yang terjadi pada Magnitude
Response. Dengan cara yang sama anda click pada zero, dan gerakkan
posisinya, amati perubahan pada Magnitude Response.
4. Lakukan langkah 1 dan 2 untuk Analog Prototipe Chebychev, dan Elliptical.

Tugas dan Analisa

1. Dari semua percobaan yang anda lakukan dengan FDA Tool, buat analisa
respon frekuensi pada filter FIR dan IIR.
2. Untuk filter IIR yang anda rancang, jelaskan pengaruh perubahan possisi
pole/zero pada respon frkeuensi (Magnitude Reponse) yang dihasilkannya.