PROSES STATIONARY, KONSEP WIDE SENSE-STATIONARY
PROCESS, KONSEP ERGODICITY DALAM PROSES/SINYAL
ACAK
Disusun Oleh :
1.
2. Sukma Yuliandra Putri
3. Melfini Tamba
4. Muhammad Agung Pratama
5. Syanul Hidayatulah
Abstrak—Makalah ini dibuat bertujuan untuk
memenuhi salah satu tugas pada mata kuliah Sistem
Komunikasi, yaitu Presentasi Mingguan yang dibagi
dalam beberapa kelompok dengan sub tema yang
berbeda-beda. Pada makalah ini kita akan membahasa
mengenai proses stationary, konsep wide sense-
stationary process dan pembuktiannya, konsep
ergodicity dalam proses sinyal atau sinyal acak. Selain
itu makalah ini dapat digunakan untuk membantu
mahasiswa mengulas materi ini untuk dipelajari
dikemudian hari.
Kata Kunci— stationary, wide sense-stationary,
ergodicity
I. PENDAHULUAN
Sistem komunikasi dapat diartikan sebagai seperangkat
hal-hal yang berkaitan dengan proses penyampaian suatu
informasi. Banyak sekali hal yang dapat kita bahas dalam
memplajari sistem komunikasi ini beberapa diantaranya
yang akan kita bahas pada makalah ini mengenai stationary,
konsep wide sense-stationary dan ergodicity.
Adapun tujuan dari makalah ini ialah:
1. Memahami apa itu proses stationary dan konsep wide
sense-stationary
2. Memahami konsep ergodicity dalam sinyal acak
II. LANDASAN TEORI
A. Proses Stationary
Proses stationary adalah  proses sktokastik yang distribusi
probabilitas sendi tanpa syarat tidak berubah ketika bergeser
terhadap waktu. Akibatnya parameter
seperti mean dan varians juga tidak berubah dari waktu ke
waktu.
Salah satu sifat dari deret waktu stasioner adalah bergantung
pada waktu di mana seri diamati. Dengan demikian, deret
waktu dengan tren, atau dengan musiman, tidak stasioner ini
dikarenakan tren dan musiman akan mempengaruhi nilai
deret waktu pada waktu yang berbeda.
Secara umum, deret waktu stasioner tidak akan memiliki
(119130)
(119130021)
(119130050)
(119130154)
(119130085)
pola yang dapat diprediksi dalam jangka panjang. Plot
waktu akan menunjukkan seri menjadi kira-kira horizontal
(meskipun beberapa perilaku siklik adalah mungkin),
dengan varians konstan.
B. Proses Stokastik Stationary
Proses stokastik disebut stasioner bila seluruh sifat-sifat
statistiknya tidak berubah terhadap waktu. Ada beberapa
’level’ stasioneritas dari proses yang kesemuanya
bergantung pada fungsi kepadatan variabel stokastik dari
proses tersebut. Proses stokastik disebut stasioner pada orde
satu bila fungsi kepadatan orde-satu dari proses tidak
berubah dengan adanya translasi waktu asal. Dengan kata
lain,
f X ( x 1 ; t 1 )=f X ¿
Konsekuensinya adalah bahwa fX(x1;t1) independent
terhadap t1 dan nilai mean dari proses E[X(t)] adalah
konstan.
E [ X ( t ) ]=μ X =X =konstan
Untuk membuktikan persamaan ini, dapatkan nilai mean
dari variabel stokastik X1=X(t1) dan X2=X(t2). Nilai mean
untuk X(t1).
∞
E [ X 1 ] =E[ X (t 1)] ∫ x 1 f X (x 1 ; t 1) dx 1
−∞
dan untuk X2,
∞
E [ X 2 ] =E[ X (t 2)] ∫ x 1 f X (x 1; t 2) dx 1
−∞
Misal t2=t1+Δt, diperoleh
E [ X ( t 1+∆ t ) ] =E [ X (t 1)]
Jadi, nilai mean dari proses stokastik stasioner adalah
konstan. Proses disebut stasioner terhadap orde-dua bila
fungsi kepadatan orde-dua dari proses memenuhi.
f X ( x 1, x 2 ; t 1 , t 2 )=f X ( x 1, x 2 ; t 1+ ∆ t , t 2+∆ t)
Jadi, fungsi kepadatan orde-dua dari proses tidak berubah
terhadap waktu bila dilakukan translasi (pergeseran) waktu
pengamatan.
Korelasi E[X1X2]= E[X(t1)X(t2)] dari proses stokastik, t2. Fungsi autokorelasi dapat dituliskan sebagai berikut:
secara umum, merupakan fungsi dari t1 dan t2. Fungsi ini Rx(t1,t2) = E[X(t1)X(t2)]
dinotasikan denganRXX(t1,t2) dan disebut fungsi otokorelasi ∞ ∞
dari proses stokastikX(t). Rx(t1,t2) = ∫ ❑∫ x x f , (X1,X2)dx1dx2
1 2 x(t1) x(t2)
−∞ −∞
RXX ( t 1 , t 2 )=E [ X (t 1) X (t 2)] Untuk random process yang bersifat strictly stationary,
hanya dipengaruhi oleh selisi waktu antara t 1 dan t1,
Konsekuensi dari sifat orde-dua, fungsi otokorelasi dari sehingga fungsi autokorelasi dapat dinyatakan dengan :
proses ini merupakan fungsi dari beda waktu dan bukan Rx(t1,t2) = Rx(t1 - t2)
waktu absolut jika, SIFAT FUNGSI AUTOKORELASI
τ =t 2−t 1 Nilai mean square value dari random process
merupakan nilai dari RX(𝜏) pada saat 𝜏 = 0.
Maka fungsi otokorelasi X(t) adalah
Rx(0) = E[X2(t)]
Fungsi autokorelasi merupakan fungsi genap
RXX ( t 1 , t 1+τ ) =E [ X ( t 1 ) X ( t 1+ τ ) ] =RXX (τ ) Rx(𝜏) = Rx(-𝜏)

Fungsi autokorelasi memiliki nilai maksimum pada

C. Konsep Wide Sense Stationary (WSS)
saat t=0
Suatu random proses dapat dikatakan WSS,
bila sifat statistiknya untuk nilai mean dan fungsi
autokorelasi tidak berubah oleh pergeseran waktu.

 MEAN

Mean (rata – rata) merupakan nilai yang didapatkan

dari jumlah masing – masing data dibagi dengan total
data yang ada. Mempertimbankan proses acak X(t),
didefinisikan rata- rata proses X(t) sebagai harapan
dari variabel acak yang diperolah dengan mengamati
proses pada waktu t, seperti yang ditunjukan oleh dari
random process X(t) dinyatakan sebagai nilai
ekspektasi dari variable random yang didapat pada
saat observasi process random pada waktu t ,
ditunjukkan oleh persamaan berikut ini:

µx(t) = E[X(t)]
∞
µx(t) = ∫ x fx ( t )( x ) dx
−∞

dengan fx(t)(x) adalah probability density function dari

random process pada waktu t. Suatu proses acak
dikatakan stasioner ke orde pertama jika fungsi
distribusi dari X(t) tidak berubah terhadap waktu.
Artinya, fungsi densitas untuk variabel acak x(t1) dan X(t2)
tetap untuk semua t1 dan t2.

fX ( t 1 ) ( x ) =fX (t 2)(x)

Sehingga dapat disimpulkan bahwa, untuk proses yang

stasioner ke orde pertama, rata – rata dari proses acak
adalah konstan, seperti yang ditunjukn oleh

µX (t )=µX untuk semua t

 AUTOKORELASI
Fungsi autocorelasi dari random proses dapat
didefinisikan sebagai nilai ekspetasi dari hasil dua
buah variable random, X(t1) dan X(t2) yang didapat
pada saat observasi random process pada waktu t 1 dan