Disusun Oleh :
δ [ n ] = 1 ,untuk n bernilai> 0
{ 0 ,untuk yang lainnya
3. Unit Step
Sebuah sekuen unit step untuk satu kasus dimana nilainya =1 untuk nilai n >= 10
dan bernilai 0 untuk k sebelumnya, dapat didefinisikan sebagai:
q [ n ] = 1 , n ≥1
{ 0 , n<0
4. Sinusoida Diskrit
Sinyal sinusoida diskrit adalah sinyal periodic dengan fungsi sinusoida dengan
waktu diskrit periodik T.
x [ n ] =A sin(Ω n+ϕ)
Ω=2 πf
Contoh : x [ n ] =A sin(0.2 πn)
Konversi sinyal analog ke diskrit
x ( t )= Asin ( 2 πft + ϕ )
Jika Frekeunsi sampling adalah Fs
f¿
x [ n ] =A sin(2 π n+ ϕ)
FS
1.4 Langkah Percobaan
1. Membuat sinyal sinusoida waktu kontinyu
% PROGRAM SINYAL SINUSOIDA WAKTU KONTINYU
clear all;
clc
t1=0:1:100; % Waktu pengamatan
f=XX; % Frekuensi
T=100; % Periode
t=t1/T; % Normalisasi waktu
fasa=pi/2
x1=sin(2*pi*f*t+fasa); % Sinyal Periodik
figure(1),
plot(t,x1);
title('Sinyal Waktu Kontinyu');
ylabel('amplitudo');
xlabel('frekuensi');
grid on
2. Membuat Sinyal Acak
% PROGRAM SINYAL ACAK
clear all;
clc
t1=0:1:100; % Waktu pengamatan
f=XX; % Frekuensi
T=100; % Periode
t=t1/T; % Normalisasi waktu
fasa=0;
x1=sin(2*pi*f*t-fasa); % Sinyal Periodik
r=(rand(1,101))*10;
x2=r.*x1
figure(1),
plot(t,x2);
title('Sinyal Acak');
ylabel('amplitudo');
xlabel('frekuensi');
grid on
3. Membuat Sinyal Sinusoida Waktu Diskrit
% SINYAL PROGRAM SINUSOIDA WAKTU DISKRIT
clear all;
clc
n=0:1:40; % Waktu pengamatan
A=1 % Amplitudo
fin=XX; % Frekuensi
Fs=N*XX;
x=A*sin(2*pi*fin/Fs*n); % Sinyal sinusoida waktu
diskrit
figure(1),
stem(n,x);
title('Sinyal Waktu Diskrit');
ylabel('amplitudo');
xlabel('frekuensi');
Keterangan :
XX adalah dua digit NIM Akhir mahasiswa
N adalah nilai pengali frekuensi sampling, yaitu : 2, 4, 6, 8 dan 10
1.5 Hasil Percobaan
Tampilkan gambar dengan program MATLAB dari :
1. Sinyal sinusoida waktu kontinyu
0.8
0.6
0.4
0.2
amplitudo
-0.2
-0.4
-0.6
-0.8
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
frekuensi
2. Sinyal Acak
Sinyal Acak
10
2
amplitudo
-2
-4
-6
-8
-10
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
frekuensi
0.5
0
amplitudo
-0.5
-1
-1.5
0 5 10 15 20 25 30 35 40
frekuensi
0.8
0.6
0.4
0.2
amplitudo
-0.2
-0.4
-0.6
-0.8
-1
0 5 10 15 20 25 30 35 40
frekuensi
Gambar 1.7 Sinyal Sinusoida Waktu Diskrit N=4
0.8
0.6
0.4
0.2
amplitudo
-0.2
-0.4
-0.6
-0.8
-1
0 5 10 15 20 25 30 35 40
frekuensi
Gambar 1.9 Sinyal Sinusoida Waktu Diskrit N=6
0.8
0.6
0.4
0.2
amplitudo
-0.2
-0.4
-0.6
-0.8
-1
0 5 10 15 20 25 30 35 40
frekuensi
Gambar 1.11 Sinyal Sinusoida Waktu Diskrit N=8
0.8
0.6
0.4
0.2
amplitudo
-0.2
-0.4
-0.6
-0.8
-1
0 5 10 15 20 25 30 35 40
frekuensi
Gambar 1.13 Sinyal Sinusoida Waktu Diskrit N=10
Sampler
Suatu sinyal unit step dengan persamaan :
clear all;
clc
t1=0:1:40; % Waktu pengamatan
fin=08; % Frekuensi (NIM.1922020191152725
Fs=8*08; % Nilai pengali frekuensi sampling N=8
T=100; % Periode
t=t1/T; % Normalisasi waktu
xt
1
0.5
-0.5
-1
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
xn
1
0.5
-0.5
-1
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
1.8 Kesimpulan
Berikan kesimpulan dari kegiatan praktikum di atas.
Gelombang sinyal diskrit adalah gelombang sinyal yang dicacah, sehingga kita
dapat mengetahui berapa second waktu yang dibutuhkanoleh masing-masing
gelombang sinyal.
Sinyal waktu kontinyu / sinyal analog adalah sinyal yang didefinisikan untuk setiap
nilai waktu dan diambil dalam selang kontinyu (a, b) dimana a = -∞ dan b = ∞.
Sinyal waktu diskrit adalah sinyal yang didefinisikan hanya pada nilai-nilai waktu
khusus tertentu dan diambil dalam selang waktu tertentu (a, b) dimana a= -π dan b=
π.
Sinyal Acak adalah sinyal yang tidak dapat dideskripsikan dengan formula-formula
matematis eksplisit dan dibatasi oleh waktu dengan cara yang tidak bisa diramalkan
sehingga analisisnya perlu digunakan teori probabilitas dan skokastik.
Berdasarkan percobaan yang dilakukan, diketahui bahwa besarnya nilai frekuensi
sampling berpengaruh terhadap bentuk sinyal sinusoida yang dihasilkan. Hal ini
sesuai dengan teorema Nyquist berikut:
1. Semakin besar nilai Fs nya, maka semakin rapat gelombang sinyal
diskritnya.
2. Apabila nilai Fs nya tidak terlalu besar, maka magnitude gelombang
sinyal diskritnya renggang antara satu sama lain.
BAB II
OPERASI SINYAL WAKTU KONTINYU DAN DISKRIT
2.1 Tujuan
Tujuan dari praktikum ini adalah untuk memahami operasi yang terjadi pada sinyal
waktu kontinyu dan diskrit
2.2 Peralatan
Peralatan yang digunakan pada praktikum ini adalah komputer PC atau laptop yang
sudah terinstall MATLAB 7.0 dan versi lebih baru
2.3 Pendahuluan
Operasi dasar untuk sinyal waktu kontinyu dan sinyal waktu diskrit, antara lain :
• Atenuasi (Pelemahan)
• Amplifikasi (Penguatan)
• Delay (Pergeseran)
• Penjumlahan
• Perkalian
clear all;
clc
t1=0:1:100; % Waktu pengamatan
f1=XX; f2=2*XX; f3=3*XX; % Frekuensi
T=100; % Periode
t=t1/T; % Normalisasi waktu
fasa=0
x1=sin(2*pi*f1*t+fasa);
x2=sin(2*pi*f2*t+fasa);
x3=sin(2*pi*f3*t+fasa);
x4=x1+x2+x3;
figure(1)
Fs=5*F_input Max;
n=t1;
x5=sin(2*pi*f1/Fs*n+fasa)+sin(2*pi*f2/Fs*n+fasa)
+sin(2*pi*f3/Fs*n+fasa);
stem(n,x5)
2.5 Hasil Percobaan
Tampilkan gambar dengan program MATLAB dari :
1. Operasi pelemahan dan penguatan sinyal Sinyal Acak
1
Sinyal Sebelum
0.8 Sinyal Sesudah Pelemahan
Sinyal Sesudah Penguatan
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
2.5
2 X4
Y 2.325
1.5
0.5
-0.5
-1
-1.5
-2
-2.5
0 10 20 30 40 50 60 70 80 90 100
0.5
0
0 20 40 60 80 100 120
Sinyal x[n]
2
-2
0 20 40 60 80 100 120
Sinyal xy[n]
2
-2
0 20 40 60 80 100 120
2.8 Kesimpulan
Dari percobaan yang dilakukan, dapat dilihat bahwa proses penguatan dan
pelemahan sinyal merupakan dua hal yang hampir sama. Dalam penguatan sinyal
amplitudo sinyal output lebih tinggi dibandingkan sinyal input, sementara pada
pelemahan sinyal amplitudo sinyal output lebih rendah dibandingkan sinyal input.
Tetapi pada kedua proses operasi ini bentuk dasar sinyal tidak mengalami
perubahan.
BAB III
PENYELESAIAN PERSAMAAN BEDA
3.1. Tujuan
Tujuan dari praktikum ini adalah untuk memahami penyelesaian persamaan beda
dengan rekursi dan konvolusi
3.2 Peralatan
Peralatan yang digunakan pada praktikum ini adalah komputer PC atau laptop yang
sudah terinstall MATLAB 7.0 dan versi lebih baru
3.3 Pendahuluan
Persamaan Beda Linear Input/Output dengan Koefisien Konstan
Suatu sistem waktu diskrit single-input single-output (SISO) :
M M
y [ n ] + ∑ ak y [ n−k ] =∑ b k x [n−k ]
k=1 k=0
Dimana :
x [ n ] =input
y [ n ] =output
a k =koefisien output
b k =koefisien input
Konvolusi :
Konvolusi didefinisikan sebagai cara untuk mengkombinasikan dua buah deret angka
yang menghasilkan deret angka yang ketiga.
Jika terdapat sinyal masukan x [ n ] → x [ k ]
Dan respon impuls system h [n ]→ h [ k ]
Ada 4 tahapan dalam konvolusi :
1. Folding (Percerminan) h ( k ) → h(−k)
2. Shifting (Pergeseran) h (−k ) → h(n−k )
3. Perkalian (Multiplication) x [ k ] . h[n−k ]
∞
Penjumlahan (Summation) ∑ x [ k ] . h[n , k ]
¿−∞
3.4 Langkah Percobaan
1. Penyelesaian Persamaan Beda dengan Rekursi
Pertimbangkan suatu sistem waktu diskrit dengan persamaan beda orde dua :
y [ n ] −1.5 y [ n−1 ] + y [ n−2 ] =2 x [n−2]
jika input adalah sinyal unit step u[n] dengan ouput awal y[-2]=2, y[-1]=1 , dapat y [n]
untuk n=010
Penyelesaian :
y [ n ] =1.5 y [ n−1 ] − y [n−2]+2 x [ n−2 ]
x [ n ] →u [ n ] = 1 , untuk n ≥ 0
{ 0 ,untuk n<0
% clear all, clc
% PROGRAM PENYELESAIAN PERSAMAAN BEDA DENGAN REKURSI
y = zeros(1, XX); % Pre-allocate
y(1:2) = [2, 1];
x=zeros(1,XX);
x(3:10)=1;
for k = 3:10
y(k) = 1.5*y(k-1)-y(k-2)+2*x(k-2);
end
figure
subplot(2,1,1), stem(x), title('Sinyal Input x[n]')
subplot(2,1,2), stem(y), title('Sinyal Output Hasil
Rekursi y[n]')
0.5
0
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
Respon Impuls
2
-1
1 1.5 2 2.5 3 3.5 4
Sinyal Input
2
0
1 1.5 2 2.5 3 3.5 4
Output Konvolusi
0
1 2 3 4 5 6 7
-4 -3 -2 -1 01 2 3
𝑦[-2] =3
𝑦[-1] =2
𝑦[0] =-0.8𝑦[0−1]-𝑦[0−2]+𝑥[0]+0.8𝑥[0−1]-3𝑥[0−2]
¿−0,8∗( 2 )−( 3 ) + ( 1 ) +0,8∗( 0 )−3∗( 0 )
= -3,6
𝑦[1] =-0.8𝑦[1−1]-𝑦[1−2]+𝑥[1]+0.8𝑥[1−1]-3𝑥[1−2]
¿−0,8∗(−3,6 )−( 2 ) + ( 1 ) +0,8∗( 1 )−3∗( 0 )
= 2,68
𝑦[2] =-0.8𝑦[2−1]-𝑦[2−2]+𝑥[2]+0.8𝑥[2−1]-3𝑥[2−2]
¿−0,8∗( 2,68 )−(−3,6 )+ (1 )+ 0,8∗( 1 )−3∗( 1 )
= 0,256
𝑦[3] =-0.8𝑦[3−1]-𝑦[3−2]+𝑥[3]+0.8𝑥[3−1]-3𝑥[3−2]
¿−0,8∗( 0,256 )−( 2,68 )+ (1 ) +0,8∗( 1 )−3∗( 1 )
=-4,0848
Maka didapat
𝑦[-2]=3
𝑦[-1]=2
𝑦[0] =-3,6
𝑦[1] =2,68
𝑦[2] =0,256
𝑦[3] =-4,0848
Sehingga system dengan persamaan output :
𝑦[𝑛]+0.8𝑦[𝑛−1]+𝑦[𝑛−2]=𝑥[𝑛]+0.8𝑥[𝑛−1]−3𝑥[𝑛−2]
Dengan input:
x ( n ) → u ( n )= 1 untuk ≥ 0
{ ¿ 0 untuk < 0
Menghasilkan output:
b. Dapatkan Nilai y[n] untuk untuk n= -210 buatlah dengan kode program
MATLAB
% clear all, clc
% PROGRAM PENYELESAIAN PERSAMAAN BEDA DENGAN REKURSI
y = zeros(1, 08); % Pre-allocate
y(1:6) = [3, 2, -3.6, 2.68, 0.256, -4.0848];
x=zeros(1,08);
x(2:12)=1;
for k = 7:12
y(k) = -0.8*y(k-1)-y(k-2)+x(k)+0.8*x(k-1)-3*x(k-2);
end
figure
subplot(2,1,1), stem(x), title('Sinyal Input x[n]')
subplot(2,1,2), stem(y), title('Sinyal Output Hasil Rekursi y[n]')
hasil output matlab 𝑦[𝑛]→ {3, 2, -3.60, 2.68, 0.256, -4.0848, 1.8118, 1.4353,
-4.1601, 0.6927, 2.4058, -3.8174}
0.5
0
0 2 4 6 8 10 12
-2
-4
0 2 4 6 8 10 12
x[n] 1 y[n]
0.8 -0.8
-3 -1
+
3.8 Kesimpulan
Berikan kesimpulan dari kegiatan praktikum di atas.
+
BAB IV
TRANSFORMASI FOURIER
4.1. Tujuan
Tujuan dari praktikum ini adalah untuk memahami penyelesaian transformasi fourier
dari suatu sinyal pada domain waktu
4.2. Peralatan
Peralatan yang digunakan pada praktikum ini adalah komputer PC atau laptop yang
sudah terinstall MATLAB 7.0 dan versi lebih baru
4.3. Pendahuluan
Transformasi Fourier adalah suatu model transformasi yang memindahkan domain
spasial atau domain waktu menjadi domain frekwensi.
F ( )
f (t ).e jt dt
Dimana F() adalah fungsi dalam domain frekwensi, adalah frekwensi radial 0 –
2*p*f,
f ( t )=3 ,−1≤ t ≤ 1
1 1
− jωt
F ( ω )=∫ 3 e dt =3 ∫ e− jwt dt
−1 −1
3 − jωt 1 −3 − jω jω
¿− e |−1 = [ e −e ]
jω jω
e jω −e− jω
Persamaan euler sin ( x )=
2j
6 sin(ω)
¿
ω
% clear all, clc
% Plot dengan Matlab
w=-4*pi:0.1:4*pi;
fw=(6*sin(w))./w;
plot(w,fw)
title('Transformasi Fourier dari f(t)=3')
2. Penyelesaian Transformasi Fourier Diskrit
Transformasi Fourier Diskrit atau disebut dengan Discrete Fourier Transform
(DFT) adalah model transformasi fourier yang dikenakan pada fungsi diskrit, dan
hasilnya juga diskrit. DFT didefinisikan dengan :
N
F( k )= ∑ f (n ). e− j2 π knT / N
n=1
3 3
− j 2 π 1( )
4
k =3 → F (2 )=∑ f ( n ) . e =0
n=0
Jadi
F(k) = 4 + 0 +0 +0 =4
clear all, clc
% PROGRAM TRANSFORMASI FOURIER DISKRIT DENGAN FFT
% FFT = FAST FOURIER TRANSFORMS
xn=[1 1 1 1];
yn=fft(xn)
4.5. Hasil Percobaan
Tampilkan gambar dengan program MATLAB dari:
1. Penyelesaian Transformasi Fourier untuk Fungsi Waktu Kontinyu
Transformasi Fourier dari f(t)=3
6
-1
-2
-15 -10 -5 0 5 10 15
3.5
2.5
1.5
0.5
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
1 2 3 4 5 6 7 8 9
b. Dapatkan nilai Real dan Imaginer dapat menggunakan fungsi dari MATLAB
8 8
F (k )=∑ f (n). e− j 2 πnk / 9=∑ f (n) . e− jπnk /9
n=0 n=0
real
3
2
1
0
-1
-7 -6 -5 -4 -3 -2 -1 0 1 2 3
imag
1
-1
-2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2
c. Dapatkan dan plot nilai Magnitude dan Argumentnya dapat menggunakan fungsi
dari MATLAB
4.8. Kesimpulan
Berikan kesimpulan dari kegiatan praktikum di atas.
BAB V
PERANCANGAN LOW PASS FILTER IIR BUTTERWORTH
5.1 Tujuan
Tujuan dari praktikum ini adalah untuk dapat merancang Low Pass Filter Digital
infinite impuls respon digital
5.2 Peralatan
Peralatan yang digunakan pada praktikum ini adalah komputer PC atau laptop yang
sudah terinstall MATLAB 7.0 dan versi lebih baru
5.3 Pendahuluan
Dalam pengolahan sinyal, Filter Digital adalah suatu sistem yang melakukan operasi
matematis pada sinyal waktu diskrit ter-sampel untuk mengurangi atau meningkatkan
aspek tertentu dari suatu sinyal. Hal ini berbeda dengan kebanyakan tipe filter analog
dengan rangkaian elektronika yang beroperasi pada sinyal analog waktu kontinyu.
5.4 Langkah Percobaan
Diinginkan sebuah filter digital yang akan melewatkan pita frekuensi dengan respons
frekuensi rata, turun sampai dengan – 3 dB dari 0~1000 Hz. Pada frekuensi 2000 Hz
diinginkan sinyal diredam -10 dB. Filter tersebut direncanakan bekerja bekerja pada
frekuensi sampling 10 kHz. Diberikan sinyal input :
x(t) = sin (21000t) + sin (22000t)
Penyelesaian :
Pada soal diketahui bahwa frekuensi sampling, f s = 10 kHz, maka perioda sampling
adalah, Ts = 10-4 detik. Respons magnitudo dari filter digital yang diinginkan dalam
soal dapat digambarkan sebagai berikut:
dB
0
K1
K2
(rad
)
Gambar 5.1 Respons magnitudo filter digital yang dirancang
dB
0
K1
K2
(rad)
2 ω 0,2 π
Ω1 = tan 1 =20000 tan
Dimana Ts 2 2
2 ω 0,4 π
Ω2 = tan 2 =20000 tan
Ts 2 2
Dan bila dilakukan transformasi ternormalisasi, maka gambar 2 dapat dinyatakan
sebagai berikut:
dB
0
K1
K2
r
{ ( )}
6498 1+ z −1
+√ 2 (
6498 1+ z−1 )
+1
1
H (z )= 2
1−z−1 1−z−1
{ ( )}
9,4733
1+ z −1
+4,3528 ( 1+ z−1)+1
−1 2
(1+ z )
H ( z )=
9 , 4733( 1−z−1 )2 + 4 , 3528( 1−z −1 )( 1+ z−1 )+( 1+ z−1 )2
1+ 2 z−1 + z−2
H (z )=
14,8261−16,9466 z −1 +6,1205 z−2
Bentuk umum persamaan transfer function H(z) dapat ditulis sebagai berikut :
−1 −2 −n
B( z ) b0 +b1 z + b2 z + .. . +b n z
H ( z )= =
A ( z ) a0 +a1 z −1 + a2 z−2 + .. . +a n z−n
Suatu filter digital dapat juga dispesifikasikan dengan menggunakan persamaan beda
standar yang mempunyai bentuk umum sebagai berikut :
N1 N2
Dimana ak dan bk didapat dari persamaan umum transfer function H(z). Apabila a 0
dibuat menjadi sama dengan satu (a0 = 1), maka persamaan transfer function H(z) dari
Filter Low-Pass digital yang direncanakan menjadi :
0, 0674+0 ,1349 z−1 +0 , 0674 z −2
H ( z)=
1−1 , 1430 z−1 +0, 4128 z−2
Sehingga persamaan beda y(n), dari Filter Low-Pass digital yang direncanakan menjadi
y(n) = 0,0674 x(n) + 0,1349 x(n-1) + 0,0674 x(n-2) +1,1430 y(n-1) – 0,4128 y(n-2)
Realisasi rangkaian dari persamaan beda di atas dapat dilihat pada gambar
0,0674 y(n)
x(n)
+ +
z-1 + + z-1
0,1349 1,1430
0,0674 - 0,4128
z-1 z-1
%==============================================
%Program Design Filter Digital Low Pass IIR
%Mata kuliah : Pengolahan Signal Digital
%Oleh :
%NIM :
%==============================================
clear all; %Menghapus semua data
clf; %Membersihkan gambar
%Koefisien filter
B=[0.0674 0.1349 0.0674];A=[1 -1.1430 0.4128];
%B=[1 2 1];A=[14.8261 -16.9466 6.1205];
[H,wH]=freqz(B,A,100);
argument=atan2(imag(H),real(H));
%masukan impuls
x1=zeros(1,200);
x1(1)=1;
%Sinyal masukan
Fs=10000;%Sampling Sinyal masukan
t=(1:300)/Fs;
x=sin(2*pi*100*t)+sin(2*pi*3000*t);
X=fft(x,512);%Transformasi Fourier untuk melihat spektrum
sinyal masukan
w=(0:255)/256*Fs/2;
0.9
0.8
Magnitudo Kuadrat,|H|2
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.5 1 1.5 2 2.5 3
Frekuensi (Radian)
-10
-30
-40
-50
-60
-70
-80
-90
0 0.5 1 1.5 2 2.5 3
Frekuensi (Radian)
1
Phase (Radian)
-1
-2
-3
0 0.5 1 1.5 2 2.5 3
Frekuensi (Radian)
Gambar 5.9 Respon Phase Filter Hasil Rancangan
Respons Impuls Filter Hasil Rancangan
0.3
0.25
0.2
0.15
h(n)
0.1
0.05
-0.05
0 5 10 15 20 25 30 35 40
n
Gambar 5.10 Respons Impuls Filter Hasil Rancangan
Sinyal Masukan
2
1.5
1
Level Sinyal, x(t)
0.5
-0.5
-1
-1.5
-2
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
Waktu, t(detik)
Gambar 5.11 Sinyal Masukan Domain Waktu
Spektrum Sinyal Masukan
160
140
120
Level Sinyal, X(f)
100
80
60
40
20
0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Frekuensi (Hz)
Gambar 5.12 Spektrum Sinyal Masukan Domain Frekuensi
1.5
1
Level Sinyal, x(n)
0.5
-0.5
-1
-1.5
-2
0 20 40 60 80 100 120 140 160 180 200
Sampling ke n
Gambar 5.13 Gambar Sinyal Masukan Tersampling
Spektrum Sinyal Masukan
160
140
120
Level Sinyal, X(f)
100
80
60
40
20
0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Frekuensi (Radian)
Gambar 5.14 Sinyal Masukan X(Ejw)
Sinyal Keluaran
1.5
0.5
Level Sinyal, y(n)
-0.5
-1
-1.5
0 20 40 60 80 100 120 140 160 180 200
Samplin ke n
Gambar 5.15 Sinyal Keluaran Diskrit
Spektrum Sinyal Keluaran
120
100
80
Level Sinyal, X(f)
60
40
20
0
0 0.5 1 1.5 2 2.5 3 3.5
Frekuensi (Radian)
Gambar 5.16 Sinyal Keluaran Y(Ejw)
Sinyal Keluaran
1.5
0.5
Level Sinyal, y(t)
-0.5
-1
-1.5
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
Waktu, t(detik)
Gambar 5.17 Keluaran Domain Waktu Sinyal
Spektrum Sinyal Keluaran
120
100
80
Level Sinyal, X(f)
60
40
20
0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Frekuensi (Hz)
Gambar 5.18 Sinyal Keluaran Domain Frekuensi
Pada soal diketahui bahwa frekuensi sampling, f s = 10 kHz, maka perioda sampling
adalah, Ts = 10-4 detik. Respons magnitudo dari filter digital yang diinginkan dalam
soal dapat digambarkan sebagai berikut:
d
B
0
K1
K2
(rad
Gambar 5.19 Respons magnitudo filter digital yang dirancang
)
Bila dilakukan transformasi ke bentuk filter analog , maka gambar 1 dapat dinyatakan
seperti gambar 2 di bawah:
d
B
0
K1
K2
(rad
)
Gambar 5.20 Respons magnitudo filter analog yang dirancang
2 ω1 0,1 π
Dimana Ω 1= tan =20000 tan 3167
Ts 2 2
2 ω 0,3 π
Ω 2= tan 2 =20000 tan 10190
Ts 2 2
dB
0
K1
K2
r
Gambar 5.21 Respons magnitudo filter ternormalisasi
Ω 2 10190
Dimana Ω r = = 3.217
Ω 1 3167
Orde filter low-pass Butterworth analog dapat ditemukan dengan menggunakan rumus
sebagai berikut:
log¿ ¿
n=
1 log ¿ ¿
2 log(¿ )= ¿ 3.943
Ωr 1
2 log(¿ )¿
3.217 ,
Dengan melakukan pembulatan ke atas, maka diperoleh nilai n = 4 dan dari table
polynomials Butterworth didapat :
Bn ( s )=(s¿ ¿2+ 0.765 s+1)( s2 +1.1848 s +1)¿
1 ❑
H LPF (s)= H lpf (s)|s=s / Ω = =
1
B n (s) s 2
s s 2 s
(( )
3167
+0.765
3167 (
+1 ) )(( 3167) +1.1848(3167 ) )
+1
Transfer function H(z) dari Filter Low-Pass digital yang direncanakan diperoleh
dengan mengganti variable S dengan 2(1 – z-1)/(T(1 + z-1)), yaitu:
1 ❑
H LPF (s)= H lpf (s)|s=s / Ω = =
1
B n (s) s 2
s s 2 s
(( )3167
+0.765
3167(+1 ) )(( 3167 )
+1.1848 (
3167
+1 ) )
1
H (z )= H LPF ( s)| 2 (1−z )
−1 =
s= 2 2
T (1 +z −1)
({ ( )}
20000 1−z−1
3167 1+ z−1
+ 0.765∗
20000 1− z−1
( (3167 1+ z −1 )) ) ({
+1 +
20000 1−z −1
3167 1+ z−1 ( )} +
1
H (z )= 2 2
({
39.880
1−z−1
(
1+ z
−1 )} (
+ 0.765∗ 6.3151
1−z−1
1+ z(
−1
+ 1 + )) ) ( {
39.880
1−z−1
1+ z
−1 ( )} (
+1.1848∗ 6.3151 ( 1
1
H (z )=¿ ¿
Bentuk umum persamaan transfer function H(z) dapat ditulis sebagai berikut :
−1 −2 −n
B( z ) b0 +b1 z + b2 z + .. . +b n z
H ( z )= =
A ( z ) a0 +a1 z −1 + a2 z−2 + .. . +a n z−n
Suatu filter digital dapat juga dispesifikasikan dengan menggunakan persamaan beda
standar yang mempunyai bentuk umum sebagai berikut :
N1 N2
Dimana ak dan bk didapat dari persamaan umum transfer function H(z). Apabila a 0
dibuat menjadi sama dengan satu (a0 = 1), maka persamaan transfer function H(z) dari
Filter Low-Pass digital yang direncanakan menjadi :
0,1668+0,2648 z−1+ 0,1668 z−2
H (z )=
1−2,286 z−1+ 0,8236 z −2
Sehingga persamaan beda y(n), dari Filter Low-Pass digital yang direncanakan menjadi
z-1 + + z-1
0,2648 2,286
0,1668 - 0,-8236
z
-1
z-1
0.9
0.8
Magnitudo Kuadrat,|H| 2
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.5 1 1.5 2 2.5 3
Frekuensi (Radian)
5.8. Kesimpulan
Berikan kesimpulan dari kegiatan praktikum di atas.