NAMA : AGUNG GUNAWAN

NIM : 1811103010058
PRODI : PEMANFAATAN SUMBERDAYA PERIKANAN
KELAS : AKUSTIK KELAUTAN 02

FAST FORIER TRANSFORM (FFT) DENGAN CLOUD

COMPUTING BY PYTHON

Cloud computing atau komputasi awan yaitu sebuah teknologi yang berbasis
internet dan memungkinkan pengguna untuk menyimpan dan mengolah data secara
virtual dengan syarat internet ada.
Fast Fourier Transform (FFT) yaitu pengolahan sinyal yang sering digunakan
di Teknik. FFT berfungsi menghitung transformasi fourier diskrit secara efisien,
sedangkan transformasi fourier merupakan suatu operasi matematika untuk
mengekstrak frekuensi dari sinyal periodic.

Modul atau library yang dipakai dalam signal processing kali ini ialah Numpy dan
Matplotlib. NumPy (Numerical Python) adalah library python dengan focus
scientific computing. Matplotlib adalah library Python yang fokus pada visualisasi
data.

Sebelum mencari memulai signal processing kita diharuskan memasukan

beberapa perintah untuk kelancaran dalam signal processing seperti:

 Import: yang digunakan untuk mengimpor modul yang fungsi atau

variabelnya dapat digunakan dalam program saat ini.
 as: Penggunaan as disini, artinya kita menggantikan pemanggilan numpy
dengan prefix np untuk proses berikutnya.
 Plt: atau plot biasanya digunakan untuk memasukkan perintah selanjutnya.
  gglplot:.memungkinkan membuat grafik yang menampilkan data baik numerik
dan kategorik
 Plt.legend: digunakan untuk membuat gambar secara visual.
 Plt.show: memungkinkan gambar yang dibuat muncul dan biasanya di
gunakan di cloud computing.
 Plt.rcparams: yaitu perintah untuk merubah ukuran dari angka-angka yang ada
di gambar.
 Label: untuk merubah nama label dan memunculkan label.
 Color: untuk merubah warna gambar grafik.
 Np.random.normal: Fungsi kepadatan probabilitas distribusi normal
 Np.abs : untuk menghitung nilai absolut
 Scipy: adalah salah satu Pustaka python

A. Signal Processing untuk mencari FFT

1. ) Sinyal gelombang Sinus

Kali ini akan membuat plot grafik line menggunakan gelombang sin. Kita akan
menggunakan numpy untuk generate data gelombang sin dengan jumlah data atau
nilai x 3000 yang berjarak dari 0 sampai 3π.

Kita dapat mengatur label dengan mengunakan memasukkan nama label di

perintah label, dan warna di perintah color dan memberikan legend menggunakan
parameter legend.

Gambar 1. gelombang sinus

2. ) Sinyal gelombang Cosinus

kali ini akan membuat plot grafik line menggunakan gelombang cos. Kita akan
menggunakan numpy untuk generate data gelombang cos dengan jumlah data atau
nilai x 3000 yang berjarak dari 0 sampai 12π.

Seperti gelobang sinus kita akan membuat label dan color untuk membedakan
masing-masing gelombang dan plt.show untuk memunculkan gambar.

Gambar 2. gelombang cosinus

3. ) Sinyal gelombang Sinus + Cosinus

Gelombang sinus + cosinus adalah gelombang yang bergerak 90 derajat
kekiri dan kekanan. Untuk mencari sinyal gelombang sin + cos kita harus membuat
perintah “+” di antara perintah sinyal gelombang sin dan cos seperti contoh berikut:
 Gambar 3. Gelombang sinus + cosinus

4. ) Noisy
Untuk mencari kebisingan pada sinyal dengan nilai x 3000 kita harus
memasukkan perintah np.random.normal untuk memunculkan fungsi probability
random atau nilai α 95% atau 0.5 seperti contoh berikut:

Gambar 4. Kebisingan atau noisy

5. ) Noisy Sinyal atau sinyal yang bising

Noisy sinyal di cari dengan menambahkan gelombang sin+cos dengan sinyal noisy
dengan kata lain menambahkan fungsi probability 0,5 pada sinyal sin dan cos seperti
pada contoh berikut:
 Gambar 5. Noice sinyal

6. ) 1. Ideal Sinyal dan Noisy Sinyal

Ideal sinyal adalah sinyal yang baik atau sinyal yang kita inginkan dengan
tidak ada gangguan seperti noisy. Untuk mendapatkan sinyal yang ideal kita
harus membandingkan noisy sinyal dan sinyal idela kita yang telah di dapat
contohnya seperti:
 Gambar 6. Sinyal Ideal

B. Fast Forier Transform (FFT) dari data Signal Processing

1. List of signal
Untuk membuat sinyal FFT kita perlu memasukkan list sinyal yang akan kita
transform ke FFT yaitu sinyal dari processing signal di atas lalu masukkan data sinyal
processing ke FFT seperti gambar dibawah ini:

Gambar 7. List Of Signal

2. FFT Signal 1
Untuk proses FFT sinyal pertama kita perlu memasukkan nilai absolut dan nilai n dan
memperoses sinyal 1 dengan FFT seperti berkut ini
 Gambar 8. FFT Signal 1

3. FFT Signal 2
Untuk mencari FFT sinyal 2 sama seperti sinyal 1 seperti berikut ini:

Gambar 9. FFT Sinyal 2

4. FFT Signal 3
Sama seperti sinyal 2 dengan perintah yang sama juga seperti berikut :

Gambar 10. FFT Sinyal 3

Terlihat pada gambar diatas bahwa nilai amplitudo terendah yaitu sebesar 0.00 sedangkan nilai
tertinggi ialah 0.05. Amplitudu yaitu ukuran tinggi dan rendahnya tegangan dari sinyal analog.
Sedangkan untuk nilai frekuensi sendiri sebesar 1.0 yang merupakan jumlah gelombang sinyal analog
dalam satuan derik.

5. FFT Sinyal 4
Sama seperti sinyal sebelumnya untuk mencari data atau nilai FFT dengan perintah
sebagai berikut:

Gambar 11. FFT Sinyal 4

Serupa dengan penjelasan di atas nilai terendah dari amplitudonya 0.0 dan nilai tertingggi 1.0 juga
sama dengan frekuensinya sebesar 1.0.

6. FFT Sinyal 5
Sama juga seperti sinyal-sinyal sebelumnya dengan perintah:

Gambar 12. FFT SInyal 5

Serupa dengan penjelasan di atas nilai terendah dari amplitudonya 0.0 dan nilai tertingggi 0.6 juga sama
dengan frekuensinya sebesar 1.0

7. Sawtooth signal dari scipy

Kali ini kita akan mencari sinyal dengan bentuk sinyal sawtooth dengan cara
memasukkan Pustaka baru dari scipy dengan perintah sebagai berikut:
 Gambar 13. Sawtooth sinyal dari scipy

Dari gambar diatas terlihat bahwa jumlah gelombang frekuensi sebanyak 9 gelombang waktu.
Nilai amplitudo paling rendah yaitu -1,0 dan nilai tertinggi yaitu 1,0. Dari gelombang satu ke
gelombang selanjutnya itu berjarak sekitar 0,25.
 REFERENSI

https://id.wikipedia.org/wiki/Python_(bahasa_pemrograman)