Anda di halaman 1dari 18

LAPORAN MINGGUAN

PRAKTIKUM ANALISIS SINYAL

“Analisis Sinyal Dalam Domain Frekuensi”

Disusun Oleh:

Nama :Habriansyah
NIM : 1507045031
Kelas : B

LABORATORIUM FISIKA KOMPUTASI DAN PEMODELAN


FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS MULAWARMAN
SAMARINDA
2018
LEMBAR PENGESAHAN
ANALISIS SINYAL
“Analisis Sinyal Dalam Domain Frekuensi”

Samarinda, April 2018


Mengetahui,
Asisten Praktikan

An’am Prasetiyo Habriansyah


NIM. 1307045008 NIM.1507045031
PENDAHULUAN
A. Latar Belakang
Dalam kehidupan sehari-hari, kita sering menjumpai sinyal, contohnya pada alat
komunikasi kita yaitu telepon genggam, komputer, lampu dan lain sebagainya. Sinyal
adalah kuantitas Fisika (besaran Fisika), dapat juga berupa kualitas yang membawa
informasi. Sinyal merupakan sebuah fungsi yang berisi informasi mengenai keadaan
tingkah laku dari sebuah sistem secara fisik.
Sinyal kemudian di bagi menjadi 2 tipe dasar, yaitu sinyal waktu kontinyu dan
sinyal waktu diskrit. Pada sinyal kontinyu, variabel independen terjadi terus-menerus
dan kemudian sinyal-sinyal dinyatakan sebagai sebuah kesatuan variabel independen.
Di dalam sinyal kontinyu terdapat fungsi stepdan fungsi Ramp dan sinyal
periodik. Suatu sinyal dikatakan sebagai sinyal kontinyu atau sinyal analog ketika
memiliki nilai real pada keseluruhan rentang waktu t yang ditempatinya. Sebaliknya,
sinyal diskrit atau sinyal digital hanya menyatakan waktu diskrit dan mengakibatkan
variabel independen hanya merupakan himpunan nilai diskrit. Pada teori sistem
diskrit, lebih ditekankan pada pemrosesan sinyal yang berderetan. Sinyal waktu
diskrit mempunyai beberapa fungsi dasar yaitu sekuen impuls, sekuen step, sinus
diskrit.
Oleh karena itu, pada praktikum analisis sinyal ini kita dapat mengetahui apa
perbedaan FFT dan DFT serta kita dapat mengolah data-data tertentu menggunakan
FFT, misalnya data MSL (Mean Sea Level) , prestipitasi dan evaporasi

B. Tujuan Praktikum
1. Untuk mengolah data Evaporasi Land menggunakan FFT dan
menampilkannya dalam bentuk grafik
2. Untuk mengetahui fungsi Evaporasi pada dunia nyata
C. Manfaat Praktikum
1. Dapat mengolah data Evaporasi Land menggunakan FFT dan
menampilkannya dalam bentuk grafik
2. Dapat mengetahui fungsi Evaporasi pada dunia nyata
TINJAUAN PUSTAKA
Gelombang suara longitudinal adalah gelombang penyimpangan tekanan
bolak-balik dari tekanan ekuilibrium, yang menyebabkan daerah kompresi dan
pencabutan lokal, sedangkan gelombang transversal (dalam padatan) adalah
gelombang tegangan geser bergantian pada sudut kanan ke arah propagasi.
Gelombang suara bisa dilihat dengan menggunakan cermin parabola dan
benda yang menghasilkan suara. Energi yang dibawa oleh gelombang suara berosilasi
mengubah bolak-balik antara energi potensial dari kompresi ekstra (dalam kasus
gelombang longitudinal) atau regangan displacement lateral (dalam kasus gelombang
melintang) dari materi dan energi kinetik kecepatan perpindahan partikel medium.
Gelombang suara sering disederhanakan menjadi deskripsi dalam bentuk gelombang
bidang sinusoidal, yang ditandai oleh sifat generik ini:
 Frekuensi, atau panjang gelombangnya
 Amplitudo, tekanan suara atau Intensitas
 Kecepatan suara
 Arah
Suara yang bisa dilihat oleh manusia memiliki frekuensi sekitar 20 Hz hingga
20.000 Hz. Di udara pada suhu dan tekanan standar, panjang gelombang yang sesuai
berkisar antara 17 m sampai 17 mm. Terkadang kecepatan dan arah digabungkan
sebagai vektor kecepatan, nomor gelombang dan arah digabungkan sebagai vektor
gelombang. Gelombang transversal, juga dikenal sebagai gelombang geser, memiliki
tambahan properti, polarisasi dan bukan merupakan ciri khas gelombang suara
(Giancoli, 2014).
Beberapa kuantitas penting yang digunakan untuk menggambarkan
gelombang sinusoidal periodik adalah titik yang tinggi pada gelombang disebut
puncak (crest); titik rendah, palung (trough).Amplitudo, A, adalah ketinggian puncak,
atau kedalaman (palung), maksimum relatif terhadap normal (atau keseimbangan).
Jarak antara 2 puncak berurutan adalah panjang gelombang, lambda. Panjang
gelombang juga sama dengan jarak antara dua titik identik manapun yang berturut-
turut pada gelombang. Frekuensi (f), adalah jumlah puncak atau siklus lengkap yang
melewati sebuah titik tertentu per satuan waktu. Periode (T), sama dengan 1/f dan
adalah waktu yang berlalu ketika dua puncak berturut-turut melewati titik yang sama
pada ruang (Giancoli, 2014).
Sinyal dapat menggambarkan beraneka ragam fenomena fisik. Meskipun
sinyal dapat direpsentasikan dalam berbagai cara, dalam semua kasus informasi pada
suatu sinyal dimuat dalam sebuah pola dengan variasi-variasi dalam berbagai bentuk.
Sebagai contoh lainnya, perhatikan mekanisme suara manusia, yang menghasilkan
pembicaraan dengan membuat fluktuasi pada tekanan akustik (Willsky, 2003).
Sinyal direpresentasikan secara matematis sebagai fungsi dari satu variabel
bebas atau lebih. Sebagai contoh, sinyal pembicaraan dapat direpsentasikan secara
matematis oleh tekanan akustik sebagai fungsi waktu, dan gambar dapat
direpsentasikan oleh terang sebagai fungsi dua variabel ruang. Pada kasus sinyal
waktu kontinyu, variabel bebas adalah kontinyu , dan dengan demikian sinyal ini
ditetapkan untuk harga variabel bebas kontinyu. Di lain pihak, sinyal waktu diskrit
hanya ditentukan pada waktu diskrit dan konsekuensinya , variabel bebas hanya
mengambil sekumpulan harga diskrit. Sinyal pembicaraan sebagai fungsi waktu dan
tekana atmosfir sebagai fungsi ketinggian adalah contoh-contoh sinyal waktu
kontinyu (Willsky, 2003).
Untuk membedakan antara sinyal waktu kontinyu dan sinyal waktu diskrit,
kita akan menggunakan simbol t untuk menandai variabel bebas waktu kontinyu dan
n untuk menandai variabel bebas waktu diskrit. Selain itu, untuk sinyal waktu
kontinyu kita akan memagari variabel bebas dalam tanda kurung (.), sedangkan untuk
sinyal waktu diskrit kita akan menggunakan kurung siku [.] untuk memagari variabel
bebas. Ilustrasi sinyal waktu kontinyu x(t) dan sinyal waktu diskrit x[n] dilukiskan
pada gambar 1.2. Penting untuk dilihat bahwa sinyal waktu diskrit x[n] ditentukan
hanya untuk harga variabel bebas yang bilangan bulat. Pilihan representasi grafis kita
untuk x[n] menekankan fakta ini, dan untuk penekanan selanjutnya kita akan kerap
merujuk x[n] sebagai urutan waktu diskrit (Willsky, 2003).
Pada tahun 1960, J. W. Cooley dan J. W. Tukey, berhasil merumuskan suatu teknik
perhitungan algoritma Fourier Transform yang efisien. Teknik perhitungan algoritma ini
dikenal dengan sebutan Fast Fourier Transform atau lebih populer dengan istilah FFTyang
diperkenalkan oleh J.S.Bendat dan A.G.Piersol pada 1986.Fast Fourier Transform dalam
bahasa indonesia adalah Transformasi Fourier Cepat adalah sumber dari suatu algoritma
untuk menghitung Discrete Fourier Transform (transformasi fourier diskri tatau DFT) dengan
cepat, efisien dan inversnya. Fast Fourier Transform (FFT) diterapkan dalam beragam
bidang dari pengolahan sinyal digital dan memecahkan persamaan diferensial parsial
menjadi algoritma-algoritma untuk penggandaan bilangan integer dalam jumlah
banyak. Ada pun kelas dasar dari algoritma FFT yaitu decimation in time (DIT) dan
decimation in frequency (DIF). Garis besar dari kata Fast diartikan karena formulasi
FFT jauh lebih cepat dibandingkan dengan metode perhitungan algoritma Fourier
Transformsebelumnya.Metode FFTmemerlukan sekitar 10000 operasi algoritma
matematika untuk data dengan 1000 observasi, 100 kali lebih cepat dibandingan dengan
metode sebelumnya. Penemuan FFT dan perkembangan personal komputer, teknik
FFTdalam proses analisa data menjadi populer, dan merupakan salah satu metode baku dalam
analisa data (Willsky, 2003).
Evaporasi merupakan proses perubahan status air dari bentuk cair ke bentuk
gas. Dalam proses daur hidrologi, evaporasi merupakan perpindahan air dari
permukaan lautan dan daratan ke atmosfir. Penguapan/evaporasi air laut merupakan
tahapan pertama dalam daur hidrologi dan berpengaruh terhadap masukan air ke
dalam daratan. Sekitar 85% evaporasi di bumi terjadi di lautan, sebagai proses
fundamental yang menghubungkan antara laut dan atmosfer yaitu perpindahan massa
air, sedangkan di daratan besarnya fluks evaporasi lebih kecil dibandingkan lautan,
namun 60-70% volume curah hujan yang turun dievaporasikan di daratan (Wati,
2015).
PEMBAHASAN
A. Kasus Praktikum
Cobalah untuk mengolah data Evaporasi Land dan tampilkan grafiknya (per
bulan, per 3 bulan, per 4 bulan, per 6 bulan).

B. Algoritma
1. Dicari data Evaporasi Land menggunakan website Nasa Giovani
2. Ditentukan tanggal yang ingin digunakan
3. Dipilih series variabel data evaporasi
4. Dipilih Evaporasi Land
5. Ditentukan wilayah yang akan digunakan
6. Dipilih time series Hovmoller Longitude
7. Diplot data
8. Didownload data dalam bentuk format .nc
9. Dimulai program
10. Dibaca file .nc
11. Dicari garis longitude untuk daerah Madura
12. Dibuat time series evaporasi dan prestivitasi untuk harian perbulan, per 3
bulan, per 4 bulan, dan per 6 bulan
13. Dikurangkan antara time series prestivitasi dengan time series evaporasi
14. Di FFT time series tersebut
15. Dibuat grafik untuk menampilkan grafik dari time series dan FFT tersebut
16. Program selesai
C. Flowchart

Start

Open file
data.nc

Diubah data.nc menjadi .mat

Dicari grafik FFT

Menampilkan grafik
bulanan, 3 bulan, 4 bulan
dan 6 bulan

end
D. Script
Script Time series bulanan
all=ncread('abilong.nc','M2TMNXLND_5_12_4_EVLAND');
save all.mat all
load('all.mat');
time=ncread('abilong.nc','time');
save time.mat time
load('time.mat');
a=squeeze(all(1,:));
b=squeeze(all(:,1));
%y=fft(variabel);
y=fft(a);
%a=nilai bulanan
y(1)=[];
n = length(y);
nyquist = 1/2;
power = abs(y(1:floor(n/2))).^2;
nyquist = 1/2;
freq = (1:n/2)/(n/2)*nyquist;
index = find(power == max(power));
mainPeriodStr = num2str(period(index));

figure(1)
subplot(322)
plot(y,'ro')
title('Fourier Coefficients in the Complex Plane');
xlabel('Real Axis');
ylabel('Imaginary Axis');

subplot(323)
plot(freq,power)
xlabel('cycles/year')
title('Periodogram')

subplot(321)
plot(bulantiga)
title('data asli');
xlabel('periode');
ylabel('amplitudo');

subplot(324)
plot(freq,power(1:19));
title('periode(siklus/tahun)')

subplot(325)
freq = (1:n/2)/(n/2)*nyquist;
period = 1./freq;
axis([0 40 0 2e+7]);
plot(period,power);
title('siklus/tahun');
ylabel('Power');
xlabel('Period (Years/Cycle)');

subplot(326)
period = 1./freq;
plot(period,power);
hold on;
index = find(power == max(power));
mainPeriodStr = num2str(period(index));
plot(period(index),power(index),'r.', 'MarkerSize',25);
text(period(index)+2,power(index),['Period = ',mainPeriodStr]);
title('panjang periode/tahun')
hold off;

Script Time series 3 bulan


all=ncread('abilong.nc','M2TMNXLND_5_12_4_EVLAND');
save all.mat all
load('all.mat');
time=ncread('abilong.nc','time');
save time.mat time
load('time.mat');
for i=1:12;
k=i*3
bulantiga(1)=((all(1) + all(2) + all(3))/3 );
bulantiga(i+1)=((all(k+1) + all(k+2) + all(k+3))/3);
end
a=squeeze(bulantiga(1,:));
b=squeeze(bulantiga(:,1));
%y=fft(variale)
y=fft(a);
%a=3 bulanan
y(1)=[];
n = length(y);

power = abs(y(1:floor(n/2))).^2;
nyquist = 1/2;
freq = (1:n/2)/(n/2)*nyquist;

figure(2)
subplot(321)
plot(bulantiga)
title('data 3 bulan');
xlabel('periode');
ylabel('amplitudo');

subplot(322)
plot(y,'ro')
title('Fourier Coefficients in the Complex Plane');
xlabel('Real Axis');
ylabel('Imaginary Axis');

subplot(323)
plot(freq,power)
xlabel('cycles/year')
title('Periodogram')

subplot(324)
plot(freq,power);
title('siklus/tahun')

subplot(325)
freq = (1:n/2)/(n/2)*nyquist;
period = 1./freq;
axis([0 40 0 2e+7]);
plot(period,power);
title('periode(siklus/tahun)');
ylabel('Power');
xlabel('Period (Years/Cycle)');
subplot(326)
period = 1./freq;
plot(period,power);
hold on;
index = find(power == max(power));
mainPeriodStr = num2str(period(index));
plot(period(index),power(index),'r.', 'MarkerSize',25);
text(period(index)+2,power(index),['Period = ',mainPeriodStr]);
title('panjang periode/tahun')
hold off;

Script Time series 4 bulan


all=ncread('abilong.nc','M2TMNXLND_5_12_4_EVLAND');
save all.mat all
load('all.mat');
time=ncread('abilong.nc','time');
save time.mat time
load('time.mat');
for i=1:8;
k=i*4
bulanempat(1)=((all(1) + all(2) + all(3)+all(4))/4 );
bulanempat(i+1)=((all(k+1) + all(k+2) + all(k+3) + all(k+4))/4);
end

a=squeeze(bulanempat(1,:));
b=squeeze(bulanempat(:,1));
%y=fft(variale)
y=fft(a);
%a=4 bulanan
y(1)=[];
n = length(y);

power = abs(y(1:floor(n/2))).^2;
nyquist = 1/2;
freq = (1:n/2)/(n/2)*nyquist;

figure(3)
subplot(321)
plot(bulanempat)
title('data 4 bulan');
xlabel('periode');
ylabel('amplitudo');

subplot(322)
plot(y,'ro')
title('Fourier Coefficients in the Complex Plane');
xlabel('Real Axis');
ylabel('Imaginary Axis');

subplot(323)
plot(freq,power)
xlabel('cycles/year')
title('Periodogram')

subplot(324)
plot(freq,power);
title('siklus/tahun')
subplot(325)
freq = (1:n/2)/(n/2)*nyquist;
period = 1./freq;
axis([0 40 0 2e+7]);
plot(period,power);
title('periode(siklus/tahun)');
ylabel('Power');
xlabel('Period (Years/Cycle)');

subplot(326)
period = 1./freq;
plot(period,power);
hold on;
index = find(power == max(power));
mainPeriodStr = num2str(period(index));
plot(period(index),power(index),'r.', 'MarkerSize',25);
text(period(index)+2,power(index),['Period = ',mainPeriodStr]);
title('panjang periode/tahun')
hold off;

Script time series 6 bulan


all=ncread('abilong.nc','M2TMNXLND_5_12_4_EVLAND');
save all.mat all
load('all.mat');
time=ncread('abilong.nc','time');
save time.mat time
load('time.mat');
for i=1:5;
k=i*6
bulanenam(1)=((all(1) + all(2) + all(3)+all(4)+all(5)+all(6))/6 );
bulanenam(i+1)=((all(k+1) + all(k+2) + all(k+3)+all(k+4)+all(k+5)+all(k+6))/6);
end

a=squeeze(bulanenam(1,:));
b=squeeze(bulanenam(:,1));

%y=fft(variale)
y=fft(a);
%a=6 bulanan
y(1)=[];
n = length(y);

power = abs(y(1:floor(n/2))).^2;
nyquist = 1/2;
freq = (1:n/2)/(n/2)*nyquist;

figure(4)
subplot(321)
plot(bulanenam)
title('data 6 bulan');
xlabel('periode');
ylabel('amplitudo');

subplot(322)
plot(y,'ro')
title('Fourier Coefficients in the Complex Plane');
xlabel('Real Axis');
ylabel('Imaginary Axis');

subplot(323)
plot(freq,power)
xlabel('cycles/year')
title('Periodogram')

subplot(324)
plot(freq,power);
title('siklus/tahun')

subplot(325)
freq = (1:n/2)/(n/2)*nyquist;
period = 1./freq;
axis([0 40 0 2e+7]);
plot(period,power);
title('periode(siklus/tahun)');
ylabel('Power');
xlabel('Period (Years/Cycle)');

subplot(326)
period = 1./freq;
plot(period,power);
hold on;
index = find(power == max(power));
mainPeriodStr = num2str(period(index));
plot(period(index),power(index),'r.', 'MarkerSize',25);
text(period(index)+2,power(index),['Period = ',mainPeriodStr]);
title('panjang periode/tahun')
hold off;

E. HASIL

Grafik time series bulanan, 3 bulan, 4 bulan, dan 6 bulan

Data asli
Data 3 bulan
Data 4 bulan

Data 6 bulan
Gambar diatas menunujukkan hasil dari plot terhadap data evaporasi Land pada
daerah pulau Madura dengan longitude (7oLS 113,333oBT) selama 3 tahun 3 bulan
mulai dari Januari 2015 sampai Maret 2018 dan dibuat grafik selama 1 bulan, 3
bulan, 4 bulan dan 6 bulan, pada bagian pertama menunjukkan grafik data bulanan/ 3
bulan/ 4 bulan/ 6 bulan, grafik fourier, dan selanjutnya grafik periodogram,
selanjutnya grafik siklus/tahun, grafik periode (siklus/tahun), dan grafik panjang
periode/tahun.
Pada grafik diatas diperoleh periode tertinggi untuk bulanan yaitu 5×10-10, untuk
3 bulan yaitu 5×10-10, untuk 4 bulan yaitu 0,5×10-4 dan untuk 6 bulan yaitu 5×10-5.
Evaporasi merupakan proses perubahan status air dari bentuk cair ke bentuk
gas. Dalam proses daur hidrologi, evaporasi merupakan perpindahan air dari
permukaan lautan dan daratan ke atmosfir. Penguapan/evaporasi air laut merupakan
tahapan pertama dalam daur hidrologi dan berpengaruh terhadap masukan air ke
dalam daratan.
DAFTAR PUSTAKA
Giancoli. 2014. Fisika Dasar. Jakarta: Erlangga
Santoso, Tri Budi. 2003. http://tribudi.lecturer.pens.ac.id/LN_Sinyal_sistem_Prak
/prak_SinyalSistem_1.pdf (Diakses pada 17 Maret 2018 pukul 21.00 WITA)
Wati, Trinah. 2015. Pengaruh Parameter Cuaca Terhadap Proses Evaporasi Pada
Interval Waktu Yang. Bogor : Institut Pertanian Bogor
Willsky, Alan S. 2003. Signal and System Second Edition. Jakarta: Erlangga