LAPORAN PRAKTIKUM

SENSOR
“SINTESIS DAN ANALISIS ISYARAT (SIMULASI)”

DISUSUN OLEH :
NAMA : RAHMANISA WIDHIA ANGGRAINI
NIM : 19306141001
KELAS : FISIKA B

LABORATORIUM ELEKTRONIKA DAN INSTRUMENTASI

PROGRAM STUDI FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI YOGYAKARTA
2021
 I. TUJUAN
1. Mengkontruksi (sintesis) sinyal kompleks dengan MATLAB.
2. Memahami bahwa sinyal kompleks (hasil penjumlahan/interferensi/superposisi
lebih dari satu sinyal) dapat diuraikan kembali atas komponen-komponennya.
3. Mengekstraksi/mengurai (analisis) sinyal menjadi komponennya dengan DFT
(Discrete Fourier Transform) dan FFT (Fast Fourier Transform).

II. ALAT
Laptop atau notebook yang dilengkapi dengan program aplikasi MATLAB.

III. LANGKAH PERCOBAAN

Menyusun program MATLAB dengan ketentuan dasar sebagai berikut :
1. Membuat tiga isyarat sinusoidal masing-masing dengan frekuensi dan amplitude
yang berbeda
2. Menggambar grafik (plot) masing-masing isyarat dengan waktu pada sumbu
horizontal (x) dan simpangan pada sumbu vertikal (y)
3. Menjumlahkan semua isyarat pada langkah 1 (proses sintesis)
4. Menggambar grafik (plot) isyarat hasil penjumlahan dengan waktu pada sumbu
horizontal (x) dan simpangan pada sumbu vertikal (y)
5. Menguraikan kembali (estraksi) hasil penjumlahan isyarat pada langkah 3 tersebut
dengan fungsi FFT yang ada pada MATLAB (proses analisis)
6. Menggambar grafik (plot) hasil ekstraksi tersebut dengan frekuensi pada sumbu
horizontal (x) dan amplitude pada sumbu vertikal (y)
7. Mengulangi langkah 1 s.d 6 untuk:
a) Amplitude yang berbeda (frekuensi dan beda fase tetap)
b) Frekuensi yang berbeda (amplitodu dan beda fase tetap)
c) Beda fase berbeda (frekuensi dan amplitude tetap)
8. Mengamati semua grafik yang telah dihasilkan, kemudian menyusun deskripsi
mengenai sintesis dan analisis sinyal

IV. DATA HASIL PERCOBAAN

Program MATLAB untuk acuan awal:
clear all; close all; clc;
N = 20;
f1 = 150;
f2 = 450;
f3 = 1000;
fs = 8000;

n = 0 : N-1;

y1 = (1/2)*sin((2*pi*(f1/fs)*n)+(0.2*pi*(f1/fs)));
y2 = (1/3) * sin ((2 * pi * (f2/fs) * n)+(0.3 * pi * (f1/fs)));
y3 = (5/6) * sin ((2 * pi * (f3/fs) * n)+(0.4 * pi * (f1/fs)));
yjum = y1 + y2 + y3;
figure (1);
plot (n, y1);
grid on
title ('Isyarat y1(n)');
xlabel('waktu');
ylabel('simpangan');
figure (2);
plot (n, y2);
grid on
title ('Isyarat y2(n)');
xlabel('waktu');
ylabel('simpangan');
figure (3);
plot (n, y3);
grid on
title ('Isyarat y3(n)');
xlabel('waktu');
ylabel('simpangan');
figure (4);
plot (n, yjum);
grid on
title ('Isyarat y1(n) + y2(n) + y3(n)');
y = fft (yjum,N);
ymag = abs (y(1 : length (y)/2 +1));
f = fs / 2 * linspace (0, 1, length (y)/2 +1);
figure (5);
plot (f, ymag);
grid on
axis ([0 0.5e+004 0 max(abs(ymag))]);
title ('Hasil Ekstraksi dengan FFT');

frekuensi (Hz) amplitudo (m) beda fase

keterangan
f1 f2 f3 a1 a2 a3 b1 b2 b3
acuan awal 150 450 1000 0.5 0.3 0.83 0.2 0.3 0.4
amplitudo yang berbeda 150 450 1000 0.25 0.3 0.16 0.2 0.3 0.4
frekuensi yang berbeda 300 500 1500 0.5 0.3 0.83 0.2 0.3 0.4
beda fase yang berbeda 150 450 1000 0.5 0.3 0.83 0.5 0.7 0.8

Hasil grafik

1) Acuan awal
2) Frekuensi yang berbeda (amplitudo dan beda fase sama)
3) Amplitudo yg berbeda (frekuensi dan beda fase sama)
4) Beda fase berbeda (frekuensi dan amplitudo sama)
V. ANALISIS DAN PEMBAHASAN
Fast Fourier Transform (FFT) yang ditemukan tahun 1965 merupakan
pengembangan dari Fourier Transform (FT). penemu FT adalah J. Fourier pada tahun
1822. FT membagi sebuah sinyal menjad frekuensi yang berbeda-beda dalam fungsi
eksponensial yang kompleks. Karena substansi waktu yang tersimpan lebih dari pada
metode konvensional, Fast Fourier Transform merupakan aplikasi temuan yang penting
dalam sejumlah bidang yang berbrda, seperti analisis spectrum, speech, and optical signal
processing, dan design filter digital. Algoritma FFT berdasarkan atas prinsip pokok
dekomposisi perhitungan Discrete Fourier Transform dari suatu sekuen sepanjang N
kedalam Transformasi Diskrit Fourier secara bertururt-turut lebih kecil. Prinsip ini
diterapkan dengan memimpin kearah suatu variasi dengan algoritma yang berbeda dimana
semuanyamemperbandingkan peningkatan kecepatan perhitungan. Fast Fourier Transform
(FFT) adalah salah satu algoritma untuk menghitung Transformasi Fourier Diskrit dengan
cepat dan efisien. Karena banyak sinyal-sinyal dalam system komunikasi yang bersifat
 kontinu, sehingga untuk kasus sinyal kontinu kita gunakan Transformasi Fourier.
Transformasi Fourier didefinisikan oleh rumus :
∞
𝑆(𝑓) = ∫ 𝑆(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡
−∞

Dimana S(f) adalah sinyal dalam domain frekuensi, S(t) adalah sinyal dalam domain
waktu, dan 𝑒 −𝑗2𝜋𝑓𝑡 adalah konstanta dari nilai sebuah sinyal, f adalah frekuensi dan t
adalah waktu. FFT adalah salah satu metode transformasi sinyal suara dalam domain waktu
menjadi domain frekuensi, artinya proses perekaman suara disimpan dalam bentuk digital
berupa gelombang spectrum suara yang berbasis frekuensi sehingga ebih mudah dalam
menganalisa spectrum frekuensi suara yang telah direkam.
Dari percobaan ini, pada amplitude yang berbeda, grafik yang terbentuk merupakan
banyaknya titik dalam waktu (sumbu x) dan amplitude (sumbu y). perubahan amplitude
pada besarnya frekuensi menyebabkan spectrum frekuensi berubah pula. Semakin besar
amplitude, maka semakin tinggi pula spectrum frekuensinya. Pada frekuensi yang berbeda,
grafik yang terbentuk adalah sinusoidal dengan amplitude yang sama, namun berbeda
kerapatannya. Tinggi rendahnya frekuensi masukan yang diberikan mempengaruhi
kerapatannya pada grafik yang terbentuk di MATLAB. Semakin besarnya nilai frekuensi
maka semakin rapat gelombangnya. Dengan kata lain setiap gelombang mengalami
perubahan posisi untuk tiap nilai frekuensi. Kemudian, terdapat beberapa spectrum
frekuensi yang terbentuk pada grafik. Grafik tersebut mengindikasikan bahwa setiap
frekuensi memiliki besar spectrum yang berbeda. Semakin tinggi gelombangnya, maka
semakin besar spectrum frekuensinya. Kemudian, perubahan yang terjadi ketika beda
fasenya berbeda untuk masing-masing isyarat dengan nilai frekuensi dan ampitudo tetap.
Dari grafik tersebut, masing-masing gelombang terhadap sumbu x berubah. Hal ini
menyatakan bahwa dengan beda fase yang berbeda, maka gelombang pada setiap isyarat
yang terbentuk akan bergeser.

VI. KESIMPULAN
Setelah melakukan percobaan dapat diketahui bahwa :
1. Kontruksi sinyal kompleks dapat dilakukan dengan memberikan 3 masukan
 2. FFT pada matlab merupakan algoritma untuk menguraikan frekuensi kompleks, dengan
menyintesa nilai amplitude awal hingga banyaknya sampling
VII. DAFTAR PUSTAKA
https://sciencedirect.com/topics/engiqaaneering/fast-fourier-transform-algorithm