Modul Praktikum PSD 2021

MODUL PRAKTIKUM
PENGOLAHAN SINYAL DIGITAL
Disusun oleh :
Tim Asisten Laboratorium Telekomunikasi
LABORATORIUM TELEKOMUNIKASI
JURUSAN TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
PADANG
2021
KATA PENGANTAR
Alhamdulillahirabbil’alamin, segala puji bagi Allah SWT karena berkat hidayah-Nya

akhirnya modul praktikum Pengolahan Sinyal Digital ini dapat diselesaikan dan kami persembahkan
kepada saudara-saudara semua.
Modul praktikum Pengolahan Sinyal Digital ini terdiri atas bahan-bahan yang dianggap
penting sebagai pengetahuan dasar bagi mahasiswa Teknik Elektro terlebih lagi bagi mahasiswa
yang berminat untuk mendalami ilmu Telekomunikasi lebih lanjut. Ada 5 modul pada pembahasan
praktikum Pengolahan Sinyal Digital. Adapun modul yang akan dipelajari adalah Sinyal
Diskrit,Sampling dan Aliasing, Konvolusi Diskrit ,Audio Multichanel dan Kompresi Audio,
Pengolahan Sinyal Digital pada Citra, serta Filter Suara.
Kami menyadari banyak kekurangan yang terdapat dalam modul ini sehingga setiap saran
dan kritikan bersifat membangun untuk peningkatan kualitas modul ini sangat kami perlukan.
Akhirnya kami ucapkan terima kasih atas segala bantuan dan partisipasi yang telah saudara-saudara
berikan karena setiap bantuan tersebut sangat berharga bagi kami.
Selamat praktikum, semoga bermanfaat.....
Tim Asisten Laboratorium Telekomunikasi

Jurusan Teknik Elektro Fakultas Teknik
Universitas Andalas
Padang
September 2021
DAFTAR ISI
KATA PENGANTAR........................................................................................................i
DAFTAR ISI.....................................................................................................................ii
STRUKTUR PENGELOLAAN LABORATORIUM
TELEKOMUNIKASI.......................................................................................................iv
TATA TERTIB PRAKTIKUM.......................................................................................v
FORMAT LAPORAN....................................................................................................vii
Modul I : SINYAL DISKRIT,SAMPLING DAN ALIASING....................................1
I. Tujuan Percobaan..................................................................................................1
II. Dasar Teori............................................................................................................1
III. Prosedur percobaan................................................................................................5
IV. Tugas pendahuluan..............................................................................................16
Modul II : KONVOLUSI DISKRIT............................................................................17
I. Tujuan Percobaan................................................................................................17
II. Dasar Teori..........................................................................................................17
III. Prosedur percobaan..............................................................................................18
IV. Tugas pendahuluan..............................................................................................26
Modul III : AUDIO MULTICHANEL DAN KOMPRESI AUDIO.........................27
II. Dasar Teori..........................................................................................................27
III. Alat dan Bahan....................................................................................................28
IV. Prosedur percobaan..............................................................................................28
V. Jurnal....................................................................................................................29
VI. Perhitungan..........................................................................................................30
VII. Tugas Pendahuluan........................................................................................32
Modul IV : PENGOLAHAN SINYAL DIGITAL PADA CITRA............................33
II. Dasar Teori..........................................................................................................33
V. Jurnal Percobaan..................................................................................................39
TIM ASISTEN LABORATORIUM ii

VI. Tugas Pendahuluan..............................................................................................41
Modul V : FILTER SUARA.........................................................................................43
II. Dasar Teori..........................................................................................................43
V. Jurnal....................................................................................................................46
VI. Tugas Pendahuluan..............................................................................................49
TIM ASISTEN LABORATORIUM iii

STRUKTUR PENGELOLAAN
Kepala : Rudy Fernandez, M.T.
Koordinator Asisten : Jeffry Kurniawan
Koordinator Praktikum : Annisa Aurel Erman
Asisten : Bobby Arma Sugara

Febi Sabila Utari
Randhy Rachmad Saputera
Sisi Indriani
Yusuf Rahmat
Ghinaa Arsyad Ullaya Noerdin
Yesta Rasyid
Rama Nuzilo
Jihan Nabila Arini
Syahlan Habib
Tasya Rahmatika
Muhammad Ilham Syafrincel
TATA TERTIB PRAKTIKUM
1. Setiap pratikan diwajibkan mengikuti semua prosedur penyelenggaraan

praktikum. (responsi umum, responsi awal, paper, praktikum dan laporan)
dengan tertib dan disiplin
2. Praktikan harus mengikuti semua modul percobaan, apabila tidak mengikuti
salah satunya maka seluruh modul percobaan di anggap gagal.
3. Pratikan hadir tepat waktu sesuai jadwal yang telah ditentukan.
4. Praktikan yang tidak membawa tugas pendahuluan tidak dibenarkan mengikuti
praktikum, dan kartu kontrol wajib dibawa saat praktikum, yang tidak
membawa kartu kontrol melapor ke Koordinator Praktikum setelah parktikum
dan bersedia menerima sanksi (surat peringatan).
5. Praktikan sebelum memasuki ruangan harus telah:

a. Memakai baju praktikum (jas lab)
b. Memakai sepatu dan berpakaian rapi
6. Praktikan hanya diperkenankan membawa modul praktikum dan alat tulis yang
dibutuhkan selama praktikum berlangsung, sedangkan perlengkapan lainnya
diletakkan di tempat yang telah disediakan.
7. Sebelum praktikum, dilaksanakan responsi awal.
8. Keterlambatan saat praktikum
a. Kurang dari 15 menit dibolehkan ikut responsi tanpa penambahan
waktu.
b. Lebih dari 15 menit tidak dibolehkan ikut responsi.
c. Lewat dari 30 menit praktikum dianggap gagal.
9. Apabila praktikan tidak menguasai materi percobaan pada saat responsi, maka
asisten pengawas berhak mengeluarkan praktikan tersebut.
10. Jurnal laporan akhir dibuat sesuai dengan format yang telah ditetapkan dan
ditulis tangan.
TIM ASISTEN LABORATORIUM vii

11. Waktu pengumpulan laporan akhir yaitu dilakukan setelah pengambilan
data pada saat praktikum berlangsung (di waktu yang telah disediakan).
12. Peraturan dalam mengumpulkan laporan akhir

b. Terlambat 1 hari maka nilai laporan dipotong 50%.
c. Terlambat 2 hari maka nilai laporan akhir 0 dan tetap dikumpulkan.
d. Terlambat lebih dari 2 hari maka tidak boleh mengumpulkan laporan
dan praktikum dianggap gagal.
e. Tidak mengumpulkan salah satu laporan akhir maka praktikan
dianggap gagal.
13. Selama praktikum berlangsung, praktikan dilarang:
a. Menggunakan dan mengoperasikan peralatan tanpa seizin asisten yang
bersangkutan.
b. Melakukan hal-hal yang tidak diinstruksikan oleh asisten yang
bersangkutan.
c. Makan, minum, membuat keributan, dan hal-hal yang dapat
mengganggu pelaksanaan praktikum.
14. Setelah praktikum, meja praktikum harus bersih dan semua hal harus
dikembalikan ke tempatnya.
15. Kerusakan dan atau kehilangan peralatan menjadi tanggung jawab praktikan.
16. Bagi praktikan yang melanggar tata tertib ini maka praktikumnya
digagalkan.
17. Bagi praktikan yang tidak bisa mengikuti praktikum pada waktu yang telah
dijadwalkan karena sakit dan/atau alasan lain, maka praktikan harus membuat
surat izin yang diketahui oleh Koordinator Praktikum dan diserahkan paling
lambat 1 hari sebelum jadwal praktikumnya.
18. Tidak ada sistem menyisip. Bagi praktikan yang berhalangan hadir pada
praktikum yang telah ditentukan maka praktikan dapat change anggota
dengan praktikan lainnya di kelompok yang berbeda.
FORMAT LAPORAN
I. Laporan Akhir
1. Cover (print)
2. Judul (print)
3. Tujuan (print)
4. Dasar Teori (print)
5. Prosedur Kerja (print)
6. Alat dan Bahan Percobaan (print)
7. Jurnal (print)
8. Perhitungan (jika ada)
9. Analisa dan Pembahasan
10. Simpulan dan Saran

MODUL I
SINYAL DISKRIT, SAMPLING DAN ALIASING
I. TUJUAN
 Mempelajari karakteristik sinyal sinus diskrit
 Menggambar sinyal exponensial
 Mengetahui proses sampling
 Mengetahui proses kenaikan dan penurunan laju sampling
 Mengetahui proses aliasing
II. DASAR TEORI
1. Pengertian Sinyal
Sinyal adalah besaran fisis yang berubah menurut waktu, ruang, atau variabel-
variabel bebas lainnya. Contoh sinyal: sinyal ucapan, ECG, dan EEG. Secara
matematis, sinyal adalah fungsi dari satu atau lebih variabel independen. Proses
ini dilakukan melalui pemodelan sinyal.
Terdapat dua jenis sinyal dasar, yaitu:
 Sinyal waktu kontinu
Dalam sinyal kontinu, variabel bebas adalah kontinu sehingga sinyal didefinisikan
sebagai sebuah runtutan nilai dari variabel bebasnya.
 Sinyal waktu diskrit
Sinyal waktu diskrit hanya didefiniskan pada suatu waktu secara diskrit sehingga
variabel bebas dari sinyal ini hanya terjadi pada waktu tertentu.
TIM ASISTEN LABORATORIUM

Gambar 1. Sinyal waktu kontinu
Gambar 2. Sinyal waktu diskrit
2. Sinyal sinusoidal dan Eksponensial Kompleks Kontinu
Sinyal eksponensial kompleks waktu kontinu mempunyai bentuk:
xt   Ce
at
Dimana C dan a adalah bilangan kompleks. Jika C dan a adalah real (dimana x(t)
disebut eksponensial real), maka terdapat tiga jenis keadaan, yaitu:
a. Jika a positif, kemudian t bergerak naik maka x(t) akan eksponensial.
b. Jika a negative, maka x(t) akan menurun secara eksponensial.
c. Jika a=0 maka x(t) adalah konstan.
Eksponensial kompleks memoounyai nilai imajiner dengan persamaan:
xt   e
j0t
Dengan menggunakan rumus Euler, eksponensial kompleks dalam persamaan
xt   e
j0t dapat dituliskan dalam bentuk sinyal sinusoidal dengan periode
yang sama:
j0t
e  cos  t0  j sin  t0
Gambar 3. Eksponensial real kontinyu x(t) = Ceat, (a) a > 0; (b) a < 0.
Gambar 4. Sinyal sinusoidal waktu kontinyu
Sinyal analog diubah menjadi sinyal digital dengan analog-to-digital converter

(ADC). Pada proses ADC terdapat tiga tahap, yaitu:
1. Sampling
2. Kuantisasi
3. Koding
TIM ASISTEN LABORATORIUM 3

Gambar 5. Konversi sinyal analog menjadi digital
 Proses ADC
1. Sampling
Sinyal analog xa (t) diubah menjadi sinyal diskrit pada sebuah pencuplik (sampler)
menghasilkan sinyal waktu diskrit x(n)
2. Kuantisasi
Sinyal waktu diskrit kemudian dikuantisasi untuk menghasilkan sinyal bernilai

digital xq (n).
3. Koding
Sinyal hasil kuantisasi kemudian dikodekan dengan kode tertentu
Teori sampling ini berdasarkan teori Nyquist. Syarat Nyquist dengan batas : -1/2
F
F 
< f < 1/2 dan –π<  <π. Sehingga 2 , dimana Fs = frekuensi sampling.
 Aliasing
Secara umum, sampling dari

xa   0 pada frekuensi sampling Fs
t Acos
xn A cos 2f 0 n    F0 Fs
menghasilkan , di f 0  F Fs
mana Fs . Bila  2
2
0 , hasil
sampling terhadap frekuensi ini adalah one-to-one-mapping antara frekuensi F0
xa t   Acos 2Fk t    Fk  F0  kFs

dengan f0. Bila tidak, misalnya , ternyata ,k
=±1,±2,…., yakni Fk adalah sama dengan F0 sehingga terjadi aliasing. Maka,
Teorema Nyquist digunakan untuk menghindari aliasing.
Gambar 6. Hasil penyamplingan dari sinyal analog

III. PROSEDUR PERCOBAAN
A. SINYAL SINUSOIDAL
1. Signal processing toolbox dapat digunakan menggambar sinyal sinus

diskrit.
Pada Matlab command window, ketiklah sbb :
 n = 0:40;
 k=1/8;
 x1 = sin (pi*k*n);
 stem(n,x1) . . . . [enter]
 Cetak sinyal x1[n] untuk waktu 0<n<40.
Ulangi percobaan untuk:
a. k = 1/7
b. k = 3/7
2. Pada Matlab command window , ketiklah sbb :
 n = 0:40;
 k=1/8;
 x2= sin (pi*k*n+pi/2);
 stem(n,x2) . . . . . [ enter]
 Cetak sinyal x2[n] untuk waktu 0<n<40.

Ulangi percobaan
untuk: a. k = 1/7,
b. k = 3/7,
3. Pada Matlab command window , ketiklah sbb :
 n = 0:100;
 k=1/8;
 x3= sin (k*n);
 stem(n,x3) . . . . . [ enter]
 Gambarkan sinyal x3[n] untuk waktu 0<n<100
Ulangi percobaan untuk:
a. k = 2/9
b. k = 3/9
B. SINYAL EXPONENSIAL
Pada Matlab command window , ketiklah sbb
 n = 0:9;
a. x4 = (0.9) .^n .*ones(1,10);
stem(n,x4) . . . . . . [enter]
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9
b. x5 = (1.5) .^n .*ones(1,10)

stem(n,x5) . . . . . . [enter]
40
35
30
25
20
15
10
0
0 1 2 3 4 5 6 7 8 9
c. x6 = (- 0.9) .^n .*ones(1,10);

stem(n,x6) . . . . . . . [enter]
1
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 1 2 3 4 5 6 7 8 9
d. x7 = (- 1.5) .^n .*ones(1,10);
stem(n,x7) . . . . . . [enter]
30
20
10
-10
-20
-30
-40
0 1 2 3 4 5 6 7 8 9
C. SAMPLING
pada Matlab command window, ketiklah sbb :
 sampling -----[enter]
 Masukkan frekuensi informasi sesuai dengan kebutuhan, pada modul ini di

default 2 KHz. Jadi kalau di [enter] berarti terinput frekuensi 2 KHz.
 Masukkan frekuensi sampling sesuai dengan kebutuhan, pada modul ini

di default 16 KHz. Jadi kalau di [enter] berarti terinput frekuensi 16 KHz.
 Selanjutnya akan tergambar sinyal informasi dan sinyal tersampling.
 Masukkan Frekuensi Informasi (default = 2 KHz) : 2
 Masukkan Frekuensi Sampling (default = 16 KHz) : 32

SINYAL INFORMASI
1
Level Amplitudo
0.5
-0.5
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Mili detik
SINYAL TERSAMPLING
1
Level Amplitudo
0.5
-0.5
-1
0 2 4 6 8 10 12 14 16
Data Sampling Waktu (n)

SINYAL INFORMASI
1
Level Amplitudo
0.5
-0.5
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Mili detik
SINYAL TERSAMPLING
1
Level Amplitudo
0.5
-0.5
-1
0 2 4 6 8 10 12 14 16

SINYAL INFORMASI
1
Level Amplitudo
0.5
-0.5
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Mili detik
SINYAL TERSAMPLING
1
Level Amplitudo
0.5
-0.5
-1
0 1 2 3 4 5 6 7 8

SINYAL INFORMASI
1
Level Amplitudo
0.5
-0.5
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Mili detik
-16 SINYAL TERSAMPLING
10
5
Level Amplitudo
-5
0 0.5 1 1.5 2 2.5 3 3.5 4
D. ALIASI
NG
Sesuai dengan bagian A, lakukan percobaan sebagai berikut :

SINYAL INFORMASI
1
Level Amplitudo
0.5
-0.5
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Mili detik
SINYAL TERSAMPLING
1
Level Amplitudo
0.5
-0.5
-1
0 1 2 3 4 5 6 7

SINYAL INFORMASI
Level Amplitudo 1
0.5
-0.5
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Mili detik
SINYAL TERSAMPLING
1
Level Amplitudo
0.5
-0.5
-1
0 1 2 3 4 5 6

SINYAL INFORMASI
1
Level Amplitudo
0.5
-0.5
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Mili detik
SINYAL TERSAMPLING
1
Level Amplitudo
0.5
-0.5
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

SINYAL INFORMASI
1
Level Amplitudo
0.5
-0.5
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Mili detik
-15 SINYAL TERSAMPLING
10
0
Level Amplitudo
-0.5
-1
0 0.5 1 1.5 2 2.5 3 3.5 4
IV.
JURNAL PERCOBAAN
A. Sinyal Sinusoidal
Percobaan k f/fs n Gambar sinyal Keperiodikkan

1
0.8
1/7 0.6
0.4
0.2
1
0
-0.2
-0.4
-0.6
-0.8
-1
0 5 10 15 20 25 30 35 40
0.8
3/7 0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 5 10 15 20 25 30 35 40
1
0.8
1/7 0.6
0.4
0.2
2 0
-0.2
-0.4
-0.6
-0.8
-1
0 5 10 15 20 25 30 35 40
0.8
3/7 0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 5 10 15 20 25 30 35 40
0.8
0.6
2/9 0.4
0.2
-0.2
3 -0.4
-0.6
-0.8
-1
0 10 20 30 40 50 60 70 80 90 100
0.8
0.6
3/9 0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 10 20 30 40 50 60 70 80 90 100
Padang,28 September 2021

Asisten Pengawas
(RAMA NUZILO DEYANDA)

TUGAS PENDAHULUAN
Gambarkan sinyal diskrit berikut :
1. x3 n  sin n / 7 untuk n = 0,1,…,10
2. x6 (n) = cos (πn/4 + π/2) untuk n = 0,1,…,10
3. Jelaskan tentang keperiodikan/ non periodiknya suatu sinyal!
4. Jelaskan karakteristik suatu sinyal eksponensial!
5. Diketahui suatu sinyal xa(t) = 3 sin 4πt, gambarkan sinyal kontinu 0 ≤ t ≤

1 s dan sinyal diskrit 0 ≤ n <16 sampling data dengan frekuensi sampling :
a. Fs = 16 Hz
b. Fs = 4 Hz
xa t   4 cos 2000t
6. Diketahui suatu sinyal . Tentukan :
Cari frekuensi sampling minimum untuk menghindari aliasing !
a. Jika Fs = 5000 Hz, xn ?

berapa
xn ?
b. Jika Fs = 1500 Hz,
berapa
7. Diketahui suatu sinyal x(t) = 2 cos 60π t + 7 cos 900π t + sin 80π t.
Tentukan :
a. Jika Fs = 5000 Hz, berapa xn ?
b. Jika Fs = 150 Hz, berapa xn ?

MODUL II
KONVOLUSI DISKRIT
I. TUJUAN
 Memahami operasi-operasi sinyal diskrit
 Memahami operasi konvolusi antara dua sinyal diskrit
II. DASAR TEORI

Konvolusi dapat memberikan solusi yang dapat digunakan untuk
mendapatkan respon sistem terhadap sembarang input apabila respon unit-sample
diketahui.
Sinyal-sinyal dasar yang penting dalam pengolahan sinyal digital :
1. Unit sample
(impulse)
Didefinisikan :

 n  1 n0
0 n0
2. Unit step
Didefinisikan :

un  1 n0
0 n0
3. Unit Ramp
Didefiniskan :

u n  n
n0 r 0 n0
4. Exponential
Didefinisikan :
x n  a
n
n
5. Complex
exponential
Didefinisikan :
a  re j  xn   re j n 
 xn  r n
cos n  j sin n
Respon sistem yang dinyatakan dengan :
 
y n   xk hn  k 
 

  
k 
Rumus di atas dikenal dengan nama konvolusi, dapat dinyatakan dengan :

yn  xn* hn
Konvolusi merupakan operator linear, konvolusi memiliki sifat-sifat
opearator linear sebagai berikut :

1. Komutatif
xn* hn  hn* xn
2. Asosiatif
xn* h1 n* h2 n  xn* h1 n* h2 n

3. Distributif
Penjumlahan konvolusi dapat diinterpretasikan dengan dua cara, yaitu :

a. Menerapkan sifat kelinearan dan time invariant
b. Pendekatan grafik :
1. Plot kedua deret sebagai fungsi k.
2. Pilih salah satu deret, misalnya h(k), lalu gunakan folding (cermin)
untuk memperoleh h(-k).
3. Geser (shifting) deret yang dicerminkan dengan n, diperoleh h(n-k).
4. Kalikan kedua deret x(k) dan h(n-k) dan jumlahkan hasilkalinya untuk
semua harga k. Hasil ynag diperoleh adalah y(n).
5. Ulangi proses untuk semua n yang mungkin.
III.PROSEDUR PERCOBAAN
A. KONVOLUSI DUA SINYAL DISKRIT EXPONENSIAL

1. DURASI TAK BERHINGGA
a) X[n] = 0,8n(U[n]-U[n-41]); h[n] = 0,5n (U[n]-U[n-41])
Pada Matlab command window ketiklah sbb :
o n=0:40;
o x=0.8.^n;
o nh=0:40;
o h=0.5.^nh;
o y=conv(x,h);
o batas=0:80;
o figure, subplot(3,1,1); stem(n,x), subplot(3,1,2); stem(nh,h),
subplot(3,1,3); stem(batas,y);
b) Gambarkan sinyal x[n], h[n], dan y[n]

X[n] = - 0,8n (U[n]-U[n-41]); h[n] = - 0,5n (U[n]-U[n-41])
o n=0:40;
o x = (- 0.8).^n;
o nh=0:40;
o h = (- 0.5).^nh;
o y=conv(x,h);
o batas=0:80;
o figure, subplot(3,1,1); stem(n,x), subplot(3,1,2); stem(nh,h),
subplot(3,1,3); stem(batas,y);
2. DURASI TAK BERHINGGA DAN BERHINGGA
a) X[n] = 0,8n (U[n]-U[n-41]); h[n] = 0,5n (U[n]-U[n-6])
o n=0:40;
o x=0.8.^n;
o nh=0:5;
o h=0.5.^nh;
o y=conv(x,h);
o batas=0:45;
o figure, subplot(3,1,1); stem(n,x), subplot(3,1,2);
stem(nh,h), subplot(3,1,3); stem(batas,y);

b) Gambarkan sinyal x[n], h[n], dan y[n]
X[n] = - 0,8n (U[n]-U[n-41]); h[n] = 0,5n (U[n]-U[n-6])
o n=0:40;
o x = (- 0.8).^n;
o nh=0:5;
o h=0.5.^nh;
o y=conv(x,h);
o batas=0:45;
B. KONVOLUSI SINYAL UNIT STEP DENGAN EXPONENSIAL

3. DURASI BERHINGGA DAN SAMA
a) X[n] = (U[n]-U[n-11]) ; h[n] = 0,5n (U[n]-U[n-11])
o n=0:10;
o x=ones(1,length(n));
o nh=0:10;
o h=0.5.^nh;
o y=conv(x,h);
o batas=0:20;
b) X[n] = (U[n]-U[n-11]); h[n] = - 0,5n (U[n]-U[n-11])

o n=0:10;
o nh=0:10;
o h=(-0.5).^nh;
o y=conv(x,h);
o batas=0:20;
4. DURASI BERHINGGA DAN BERBEDA
a) X[n] = (U[n]-U[n-11]); h[n] = 0,5n (U[n]-U[n-16])
o n=0:10;
o nh=0:15;
o h=0.5.^nh;
o y=conv(x,h);
o batas=0:25;
b) X[n] = (0.8nU[n]-U[n-11]); h[n] = 0,5n (U[n]-U[n-16])

o n=0:10;
o x=0.8.^n;
o nh=0:15;
o h=0.5.^nh;
o y=conv(x,h);
o batas=0:25;
Padang, 2021
Asisten Pengawas
(……………………………)
TUGAS PENDAHULUAN
1. Jelaskan apa itu konvolusi sinyal ?
2. Jelaskan macam – macam sinyal diskrit !
3. Jelaskan tahapan – tahapan konvolusi diskrit dengan metode grafik !
Carilah hasil konvolusi y[n] untuk :
4. X[n] = 0,8n [δ(n+1) + δ(n-1) + δ(n-2) + δ(n-3)]; h[n] = 0,5n (U[n]-U[n-5])
5. X[n] = 1, 0 ≤ n ≤ 5 dan 0, lainnya; h[n] = n-1, -3 ≤ n ≤ 3 dan 0, lainnya
6. X[n] = 2, 2≤ n ≤ 8 dan 0, lainnya; h[n] = n+3, -5≤ n ≤ 5 dan 0, lainnya
MODUL 3
AUDIO MULTICHANEL
I. TUJUAN
1. Memahami prinsip kerja Audio Multichannel
2. Memahami perbedaan multichannel dan mono channel
3. Mengetahui pengaruh kompresi terhadap kualitas suara
4. Memahami teknik kompresi audio
5. Memahami cara menilai kualitas suara
II. DASAR TEORI
Audio adalah suara atau bunyi yang dihasilkan oleh getaran suatu
benda pada rentang frekuensi pendengaran manusia (20 Hz – 20 kHz).
Penilaian kualitas audio tergantung pada tingkat kejernihan dan

visualisasiletak sumber suara. Penilaian ini ada yang bersifat subjective
test dan ada pula yang bersifat objective test.
Sistem audio yang menggunakan banyak kanal dikenal dengan

Multichannel audio. Sistem multichannel yang terstandarisasi yaitu 2.0
(Stereo), 5.1 dan 7.1 Audio multichannel. Secara umum penulisan Audio
Multichannel ditulis dengan cara “m.n”, m merupakan kanal fullband dan
n adalah kanal limited bandwidth (LFE). Sistem Audio Multichannel bisa
memvisualisasikan sumber suara, tetapi menggunakan bandwidth yang
lebih besar.
Teknik untuk merepresentasikan atau menyimpan audio dalam

bentuk digitl disebut dengan Audio Coding, ada beberapa jenis audio
coding yang dikembangkan oleh beberapa perusahaan.
Sama halnya pada data , dalam kompresi audio ada dua teknik
kompresi yang digunakan yaitu Lossless dan Lossy. Pada teknik lossy ada
kemungkinan beberapa data yang hilang saat proses kompresi.
III. ALAT DAN BAHAN
1. Audio Multichannel
a. Audio Multichannel 5.1
b. Personal Komputer (PC)
c. Software MATLAB R2013a
d. Software faac
2. Kompresi Audio
a. Personal Komputer (PC) atau Laptop.
b. Headphone
c. Software Media Player Music
d. Software MATLAB R2013b
IV. PROSEDUR PERCOBAAN
1. Audio Multichannel
1) Rangkai susunan Audio Multichannel 5.1 seperti gambar di
bawah ini :
2) Ubah musik Multichannel menjadi monochannel dengan

mengetikkan script pada MATLAB R2013a :
[a,fs,nb] = wavread(‘namafilemusik5channel.wav');
>> b=a(:,1);
>> c=[b bbb b];
>>wavwrite(c,fs,'namafilemusikMono');
3) Posisikanpraktikansesuaigambar di diatas.
4) Putarmusik demo dandengarkandenganbaik.!
5) Lakukanpraktikumsesuaijurnal !
2. Kompresi Audio
1. Pastikan kondisi telinga dan pendengaran dalam kondisi
bersih dan baik .
2. Cek kondisi alat apakah bekerja dengan baik.
3. Setiap anggota kelompok mendengarkan audio yang
diputar pada laptop.
4. Percobaan dilakukan dengan 5 jenis audio dan setiap
audio memilki 3 variasi bitrate.
5. Beri skor pada percobaan. Pada setiap percobaan subjek
akan mendengarkan 3 audio dengan yang pertama (audio
A) adalah audio asli. Sedangkan audio B dan C salah
satu audionya merupakan audio asli dan yang lainnya
adalah audio yang telah dikompres
6. Tentukan mana audio asli dan audio hasil kompresi !
7. Lakukan percobaan sesuai jurnal.

IV. JURNAL
i. Percobaan 1
(Membandingkan Audio Multichannel dengan Audio Monochannel)
No Jenis Musik Multichannel Monochannel Alasan
Klasik
1
2 Akustik
3 Tertawa
4 Tepuk Tangan
5 Suara Manusia
ii. Percobaan 2 (Membandingkan audio hasil kompresi dengan audio
asli)
Skor Benar /
No Jenis Audio Bitrate B C Salah
128
Musik Klasik 256
1
320
128
2 Musik Akustik 256
320
128
3 Tertawa 256
320
128
4 Tepuk Tangan 256
320
128
5 Suara Manusia 256
320
Range skor yang akan diberikan :

5 = Imperceptible (tidak terdengar perbedaan)
4 = Perceptible, but not annoying (terdengar beda , tetapi tidak mengganggu)
3 = Slightly annoying (sedikit mengganggu)
2 = Annoying (mengganggu)
1 = Very Annoying (sangat mengganggu)
V. PERHITUNGAN
Hitunglah :
a. SDG tiap percobaan dengan rumus
SDG  Zi ( kompresi )  Zi ( original )
b. SDG rata – rata tiap audio.

c. SDG rata – rata tiap subjek
d. SDG rata– rata dengan bitrate sama dari audio yang berbeda.
a. Berikut tabel untuk perhitungan SDG

Jenis Audio Skor Audio (Z)
SDG
SDG
Asli Kompresi
Musik Klasik
Musik Akustik
Tertawa
Tepuk Tangan
Suara Manusia
SDG
Buatlah grafik untuk masing- masing jenis musik berdasarkan nilai

sdg dan bitrate!
b. SDG rata-rata tiap audio dengan subjek berbeda
Jenis SDG
SDG
Audio
Subjek 1 Subjek 2 Subjek 3 Subjek 4
A
B
C
D
E
c. SDG rata-rata tiap subjek dengan variasi audio

Nilai validalitas tiap subjek dalam kelompok berdasarkan perhitungan 3.
Jika SDG rata-rata SDG < 0 maka data dinilai valid jika SDG ≥ 0 maka
data tidak valid.
Nama SDG Penilaian

Subjek 1
Subjek 2
Subjek 3
Subjek 4
Padang, 2021
Asisten Pengawas
(……………………………)
TUGAS PENDAHULUAN
1. Apa yang dimaksud dengan audio ?
2. Jelaskan parameter apa saja yang dinilai dari sebuah audio ?
3. Apa yang dimaksud dengan Audio Multichannel ?
4. Apa yang membedakan antara sistem Audio Multichannel 2.0 , 5.1, dan 7.1 ?
5. Mengapa diperlukan Audio Multichannel ?
6. Sebutkan dan jelaskan aplikasi dari Audio Multichannel ?
7. Apa itu Audio Coding ?
8. Apa arti bitrate pada Audio Multichannel ?
9. Apa itu kompresi audio dan jelaskan tujuannya ? 10.Jelaskan
macam – macam teknik kompresi audio !
10. 11.Sebutkan dan jelaskan parameter yang digunakan dalam penilaian kualitas audio
secara objektif dan subjektif !
MODUL 4
PENGOLAHAN SINYAL DIGITAL PADA CITRA
I. TUJUAN
1. Memahami prinsip kerja kompresi pada citra digital
2. Mengetahui pengaruh hasil kompresi pada citra digital
II. DASAR TEORI

Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari
suatu objek. Citra terbagi 2 yaitu ada citra yang bersifat analog dan ada citra
yang bersifat digital. Setiap citra memiliki ukuran dan resolusi yang berbeda-
beda. Untuk mendapatkan ukuran dan resolusi citra yang diinginkan dilakukan
kompresi citra. Kompresi citra adalah proses pemampatan citra yang bertujuan
untuk mengurangi duplikasi data pada citra sehingga memory yang digunakan
untuk merepresentasikan citra menjadi lebih sedikit daripada representasi citra
semula.
Rasio citra kompresi adalah ukuran persentase citra yang telah berhasil
dimampatkan. Secara matematis rasio pemampatan citra dapat dituliskan pada
persamaan 2.1.
Persamaan 2.1 Rasio pemampatan Citra
Kriteria yang umum digunakan untuk kompresi antara lain waktu

kompresi dan dekompresi, kebutuhan memori, dan kualitas
pemampatan.Kualitas citra hasil pemampatan dapat diukur secara kuantitatif
menggunakan besaran PSNR (Peak Signal to Noise Ratio). Rumus untuk
menghitung PSNR dapat dilihat pada persamaan 2.2 dan 2.3
Persamaan 2.2 dan 2.3. Rumus menghitung PSNR
Nilai MSE dihitung dengan persamaan 2.4 dibawah ini.

Persamaan 2.4 Rumus Mencari nilai MSE
Dimana:
MAX = nilai intensitas terbesar.
m dan n = lebar dan tinggi citra, I dan K.
Kompresi data dibagi menjadi dua kategori yaitu kompresi data bersifat
loseless dan lossy. Algoritma kompresi tergolong lossless jika memungkinkan
data yang sudah dikompres dapat direkonstruksi kembali persis sesuai dengan
data original. Contoh data yang cocok adalah gambar medis, teks, program,
spread sheet dan lain-lain. Beberapa algoritma yang tergolong dalam jenis ini
adalah algoritma Shannon-Fano, algoritma Deflate, algoritma Run Length
Coding, algoritma Huffman, algoritma LZW, dan algoritma Arithmetic
Coding. Algoritma kompresi tergolong lossy jika tidak memungkinkan data
yang sudah dikompres dapat direkonstuksi kembali persis sesuai dengan data
asli. Contoh data yang cocok adalah gambar, suara dan video.
JPEG (Joint Photograpic Experts Group) menggunakan teknik
kompresi lossy sehingga sulit untuk proses pengeditan. Tahapan kompresi
JPEG dapat dilihat pada gambar 2.1 dibawah ini.
Image split Forward Discrete Cosine

Transform Quantizatio
into blocks
Encoded JPEG Entropy

image
Reserve Discrete Cosine
Entropy Dequantizatio Transform
Decoded image
Gambar 2.1Tahapan kompresi JPEG

III.ALAT DAN BAHAN
3. Personal Computer (PC)
4. Software matlab
5. Gambar yang akan dikompresi

1. Percobaan 1
 Kompresi Citra
1. Aktifkan program Matlab pada komputer
2. Buatlah listing program yang ada pada modul
3. Ubah nama file citra yang berada di program matlab, dengan gambar yang
telah praktikan siapkan
4. Jalankan program matlab
5. Amati hasil percobaan
Listing Program
tic
I = imread('1.bmp');
imwrite(I,'ubah_format.TIFF','compression','LZW'
) citra_25=imread(' ubah_format.TIFF');
[baris,kolom,channel] = size(I);
[baris_s,kolom_s,channel_s] =
size(citra_25); I = double(I);
citra_25 = double(citra_25);
if baris ~= baris_s && kolom ~= kolom_s && channel ~=

channel_s disp('dimensi kedua gambar berbeda');
else
piksel = zeros(baris, kolom);
for i=1:baris
for
j=1:kolom
piksel(i,j) = (I(i,j) - citra_25(i,j))^2;
en
d end
end
aa=sum(piksel,2)
; bc=sum(aa);
MSE = bc/(baris * kolom);
PSNR = 20 *( log10 ( 255 /sqrt ( MSE )));
toc
2. Percobaan 2
 Mengubah Ukuran Citra
1. Aktifkan program Matlab pada komputer
2. Buatlah listing program yang ada pada modul
3. Ubah nama file citra yang berada di program matlab, dengan gambar yang
telah praktikan siapkan
4. Jalankan program matlab
5. Amati hasil percobaan
Listing program
 Memperbesar Ukuran Citra
tic
citra=imread('400x600.jpg')
; d=uint8(zeros(400,600));
for
b_asli=1:400
for k_asli=1:600
temp=citra(b_asli,k_asli);
for b_baru=1:4
for k_baru=1:4
dummyb=((b_asli-1)*4 +
b_baru); dummyk= ((k_asli-1)*4
+ k_baru);
d(dummyb,dummyk)=temp;
en
d
en
d
d(dummyb,dummyk)
; end
end
imwrite(d,'besar3.jpg')
;
citra_kompresi=imread('besar3.jpg');
figure
imshow(citra); title('Citra
asli'); figure
imshow(citra_kompresi); title('Citra dimensi besar');
toc
 Memperkecil Ukuran Citra
tic
clc
citra=imread('1.bmp')
;
area=uint8(zeros(150,200));
for i=1:300;
for j=1:400;
d(i,j)=citra(i,j)
; end
end
for b_asli=1:150
for k_asli=1:200
temp=0;
pixel=0; for
b_baru=1:2 for
k_baru=1:2
pixelb=((b_asli-1)*2 + b_baru);
pixelk= ((k_asli-1)*2 +
k_baru);
pixel1=d(pixelb,pixelk);
temp1=temp+pixel1;
en
d
en
d
temp2=round(temp1/4);
area(b_asli,k_asli)=temp2;
end
end
imwrite(area,'kompresi.jpg')
;
citra_kompresi=imread('kompresi.jpg');
figure
imshow(citra);
title('Citra
asli'); figure
imshow(citra_kompresi)
; title('Citra kompresi');
toc
V. JURNAL PERCOBAAN
6. Percobaan Teknik Kompresi Citra
 Variasi teknik Kompresi
Format Format Rasio
Teknik Waktu
Input Output Kompresi MSE PSNR
Kompresi Kompresi
Citra Citra (%)
*.bmp *.tiff
LZW
*.png *.png
*.bmp *.tiff
Packbits
*.png *.png
*.bmp *.tiff
Deflate
*.png *.png
Tabel 5.1 Jurnal percobaan teknik kompresi citra dengan variasi

teknik kompresi
 Variasi Qualitas Kompresi

Format Format
Qualitas Rasio Waktu
Input Output MSE PSNR
Kompresi Kompresi Kompresi
Citra Citra
*.bmp *.jpeg
25
*.jpeg *.jpeg
*.bmp *.jpeg
75
*.jpeg *.jpeg
Tabel 5.2 Jurnal percobaan teknik kompresi citra dengan variasi Kualitas
kompresi
Padang, 2021
Asisten Pengawas
(……………………………)
7. Mengubah Ukuran Citra
 Memperbesar ukuran citra
Format Ukuran
Rasio
Input Citra Perbesaran Waktu
Kompresi
Citra
2x
*.bmp 400 x 600 3x

4x
2x
*.png 400 x 600 3x

4x
2x
*.jpg
400 x 600 3x
4x
Tabel 5.3 Jurnal percobaan memperkecil ukuran citra
 Memperkecil ukuran citra

Format Ukuran
Rasio
Input Citra Perkecilan Waktu
Kompresi
Citra
2x
*.bmp 400 x 600 3x

4x
2x
*.png 400 x 600 3x

4x
2x
*.jpg
400 x 600 3x
4x
Tabel 5.4 Jurnal percobaan memperkecil ukuran citra

TUGAS PENDAHULUAN
1. Jelaskan pengertian citra dan citra digital
2. Jelaskan tahap-tahap preprocessing citra
3. Jelaskan macam-macam format pada citra
4. Jelaskan macam-macam ruang warna
5. Jelaskan pengertian kompresi serta kegunaannya
6. Jelaskan perbedaan kompresi lossless dan lossy, serta keunggulannya masing-
masing
7. Jelaskan teknik-teknik kompresi pada citra
8. Suatu citra dengan ukuran file 352 KB dikompresi hingga berukuran 52 KB.
Berapa rasio kompresi pada citra tersebut?
9. Jelaskan apa yang dimaksud dengan MSE, PSNR, dan Rasio Komresi pada
kompresi citra b
MODUL 5
FILTER
SUARA
I. TUJUAN
1. Memahami prinsip kegunaan filter adaptif
2. Memahami cara kerja filter dalam menghilangkan noise
3. Mengetahui cara mencampurkan sinyal
4. Mengetahui cara membersihkan sinyal yang bercampur derau
II. DASAR TEORI

Ucapan manusia dihasilkan oleh suatu sitem produksi ucapan yang dibentuk
oleh alat ucap manusia. Jenis ucapan manusia terbagi menjadi 2 bagian yaitu :
5. Voice
6. Unvoiced
Pada suatu sinyal termasuk sinyal ucapan, ada noise yang tidak bisa
dihindari, noise tersebut merusak sinyal ucapan. Ketika suatu sinyal ucapan
bercampur dengan noise/ berderau, maka performansi sistem akan menurun
secara signifikan. Derau dapat bersal dari lingkungan akustik tempat dimana
sistem beroperasi. Derau lingkungan yang paling sering dijumpai diantaranya :
1. Convolutional noise
2. Background noise
Derau pada sinyal suara dapt diatasi dengan speech enhancement. Salah satu
metode speech enhancement yang digunakan adalah filter.
Filter merupakan suatu sistem yang mempunyai fungsi transfer tertentu
untuk meloloskan sinyal masukan pada frekuensi - frekuensi tertentu dan
menyaring / memblokir / melemahkan sinyal masukan pada frekuensi-
frekuensi yang lain.
Filter dapat diklasifikasikan menjadi Filter analog dan filter digital
1. Filter analog : sinyal masukan berupa sinyal analog, pada filter analog
dapat dibagi menjadi dua yaitu :
a. Filter pasif : filter yang hanya disusun komponen tahanan, induktor dan
kapasitor.
b. Filter aktif : filter yang disusun komponen op amp atau transistor
ditambah tahanan, induktor, dan kapasitor.
2. Filter digital : sinyal masukan berupa sinyal diskrit, dibedakan menjadi
yaitu :
Berdasarkan adaptasinya :
1. Fixed Filter
2. Adaptive Filter
Dua jenis algoritma adaptif: Least mean Square (LMS) dan Recursive
least Square (RLS). LMS algoritma didasarkan pada pencarian gradien
tipe untuk melacak karakteristik sinyal waktu bervariasi. Algoritma RLS
menyediakan konvergensi yang lebih cepat dan pelacakan yang lebih
baik dari statistik sinyal varian waktu-dari LMS algoritma, tetapi
komputasi yang lebih kompleks.
Berdasarkan respon impuls, filter digital terbagi menjadi :

 FIR (Finite Impulse Response)
 IIR (Infinite Impulse Response )
Berdasarkan strukturnya filter digital terbagi menjadi :
 Filter Transversal
 Filter Cascade
 Filter Latic
Algoritma Adaptif Filter
Merubah nilai – nilai koefisien berdasarkan input.
Dua jenis algoritma adaptif: Least mean Square (LMS) dan Recursive least
Square (RLS). LMS algoritma didasarkan pada pencarian gradien tipe untuk
melacak karakteristik sinyal waktu bervariasi. Algoritma RLS menyediakan
konvergensi yang lebih cepat dan pelacakan yang lebih baik dari statistik
sinyal varian waktu-dari LMS algoritma, tetapi komputasi yang lebih
kompleks.
Algoritma adaptasi terbagi menjadi beberapa bagian yaitu :
a. Algoritma Leaky ( LMS, NLMS, LLMS )
b. Algoritma RLS
c. Algoritma GAL
d. Algoritma Callman
III.ALAT DAN BAHAN
7. Software Matlab R2013a

8. Software Wave surfer
9. 2 Buah Sample Suara
- Suara bersih
- Suara Noise

a. Membuat Rekaman Suara Asli
1. Lakukan standarisasi microphone dengan menggunakan Realtek
HD Audio Manager (CD quality)
2. Rekamlah gabungan suara voice dan unvoiced menggunakan software
Wavesurfer dengan durasi 2 – 2,5 detik, frekuensi 8 kHz dan
menggunakan encoding 8 bit.
3. Lakukan PCM dengan software tersebut sesuai variasi jurnal.
4. Hitung daya sinyal dengan menggunakan kode program berikut
[x,fs,nbits] = wavread('nama file suara');
daya = mean(x^2,1);
5. Lampirkan Bentuk Sinyal pada jurnal (print screen)
6. Lakukan perhitungan kapasitas secara manual dengan rumus:
bitrate = sample rate*sample
encoding kapasitas = bitrate*durasi
7. Untuk variasi jumlah bit/ sample encoding rekam kembali suara bersih yang
merupakan gabungan dari voice dan unvoiced dengan sample rate 8 kHz,
sample encoding 8 bit dan lakukan kembali prosedur 3 – 6.
b. Menggabungkan sinyal asli dengan noise

8. Siapkan file sinyal asli dan file sinyal noise
9. Buka aplikasi matlab
10. Ketikkan script dibawah ini :
snrdb=10;
snr=10^(snrdb/10);
[suara,fs,nbits]=wavread('suara_bersih_023.wav');
maxsuara=max([abs(max(suara)) abs(min(suara))] );
suaranorm=(1/maxsuara).*suara;
maxsuaranorm=max([abs(max(suaranorm))
abs(min(suaranorm))] ); px=0.5*mean(suaranorm.^2,1);
[filen,fs,nbits]=wavread('noise_mobil.wav'
) noise=filen(1:size(suara,1),1);
maxNoise = max([abs(max(noise)) abs(min(noise))] );;
noisenorm = (1/maxNoise).*noise;
maxNoisenorm = max([abs(max(noisenorm))
abs(min(noisenorm))] ); pn1=0.5*mean(noisenorm.^2,1);
x=sqrt(px/(pn1*snr)); noiseData = x.*noisenorm;
suarapnoise=suaranorm+noiseData;
maxsuarapnoise =
max([abs(max(suarapnoise))abs(min(suarapnoise))] );
pn2=0.5*mean(noiseData.^2,1); snr2=(px/pn2);
snrdb2=10*log10(px/pn2);
%suarapnoise=awgn(suara,snr,'measured');
suarapnoisen=normalisasi_sinyal(suarapnoise,0.99);
maxsuarapnoisen =
max([abs(max(suarapnoisen))abs(min(suarapnoisen))]);
wavwrite(suarapnoisen,fs,nbits,'suara_23_mobil_10dB')
; daya_suara_bersih = px;
daya_suara_noisy = 0.5*mean(suarapnoise.^2,1);
daya_noise= 0.5*mean(noiseData.^2,1);
daya_suara_noisy_norm = 0.5*mean(suarapnoisen.^2,1);
subplot (3,1,1) ; plot (suara);
subplot (3,1,2) ; plot (filen);
subplot (3,1,3) ; plot (suarapnoisen);
11. Variasikan nilai SNR sesuai dengan jurnal

c. Proses Filter
 LMS
13. Ambil sinyal bersih 0 dB dan 10 dB yang telah tercampur noise untuk
dibersihkan.
14. Bersihkan noise dengan filter LMS
% filter LMS
[x,fs,nbits] =
wavread('suara_bersih_10dB'); [d,fs,nbits]
= wavread ('suara_bersih'); nord1 =100;
mu = 0.001;
a0 = 0;
% d = wavread(sourceSLCFile);
X=convmtx(x,nord1);
[M,N] = size(X);
% a0 = a0(:).';
y(1) = a0*X(1).';
E(1) = d(1) - y(1);
A(1,:) = a0 + mu*E(1)*conj(X(1,:));
if M>1
for k=2:M-nord1+1;
y(k) = A(k-1,:)*X(k,:).';
E(k) = d(k) - y(k);
A(k,:) = A(k-1,:) + mu*E(k)*conj(X(k,:));
end;
end;
S_bn = d(1:size(x))-x;
nr= size (S_bn);
sum_S =0.0;
for i=1:nr
sum_S= abs (S_bn(i))+
sum_S; end
S_bf = d(1:size(y))-
y.'; nf= size (S_bf);
sum_F = 0.0;
for i=1:nf
sum_F= abs (S_bf(i))+
sum_F; end
Pd = mean (d.^2); %d = daya sinyal
bersih Px = mean (x.^2); % rusak
Py = mean (y.^2); % hasil
filter subplot (3,1,1), plot(d)
subplot (3,1,2), plot(x)
subplot (3,1,3), plot(y)
wavwrite(y,'suara_bersih_awgn0db-LMS_orde100_mu0-001');
% end
16. Variasikan nilai orde dan µ sesuai jurnal
17. Amatilah bentuk sinyal dan hitung daya sinyal setelah sinyal dibersihkan.
 Normalized LMS
6. Ambil sinyal bersih 0 dB dan 10 dB yang telah tercampur noise untuk
dibersihkan.
7. Bersihkan noise dengan filter NLMS
% filter normalized LMS

[x,fs,nbits] =
wavread('suara_23_mobil_10dB'); [z,fs,nbits] =
wavread ('suara_bersih_23.wav'); d =
z(1:size(x));
nord1 = 20; beta
= 0.8;
a0 = 0;
X=convmtx(x,nord1);
[M,N] = size(X);
% a0 = a0(:).'; y(1) =
a0*X(1).'; E(1) = d(1) -
y(1);
DEN=X(1,:)*X(1,:)' + 0.0001;
A(1,:) = a0 + beta/DEN*E(1)*conj(X(1,:));
if M>1
for k=2:M-nord1+1;
y(k) = A(k-1,:)*X(k,:).'; E(k) =
d(k) - y(k);
DEN=X(k,:)*X(k,:)' +
0.0001;
A(k,:) = A(k-1,:) + beta/DEN*E(k)*conj(X(k,:));
end
;
end
;
daya_noisyfilter = 0.5*mean(x.^2,1);
daya_hslfilter =
0.5*mean(y.^2,2); subplot
(3,1,1), plot(d)
subplot (3,1,2), plot(x)
subplot (3,1,3), plot(y)
wavwrite(y,'Hasil_filter_NormalizedLMS_10dB');
5. Variasikan nilai orde dan β sesuai jurnal
6. Amatilah bentuk sinyal dan hitung daya sinyal setelah sinyal dibersihkan.
V. JURNAL
Merekam Suara Asli
Variasi Sample Rate (Frekuensi Sampling)
Hasil
Sample Sample Bentuk Kapasitas
Durasi Sinyal Daya Perhitungan
Rate Encoding Penyimpanan
Kapasitas
8000
Line 8
16000
offset
44100
Tabel 5.1 Tabel Variasi Sample Rate
Variasi Bit
Hasil
Sample Sample Bentuk Kapasitas
Durasi Sinyal Daya Perhitungan
Rate Encoding Penyimpanan
Kapasitas
Line 8
Line 16
8000
Line 32
Tabel 5.2 Tabel Variasi Sample Encoding
Menggabungkan sinyal asli dengan noise

No SNR Gambar Sinyal Daya Kapasitas
1 -10
2 0
3 10
Tabel 5.3 Tabel Menggabungkan sinyal asli dengan noise

10. Proses Filter
a. Algoritma LMS
Orde 25 75 100
SNR (dB)
Gambar Gambar Gambar
Daya Daya Daya
µ Sinyal Sinyal Sinyal
0
0,01
10
0
0,05
10
0
1,5
10
Tabel 5.4 Tabel bentuk sinyal hasil filter dengan LMS

b. Normalized LMS
Orde 25 50 75
SNR (dB)
Gambar Gambar Gambar
Daya Daya Daya
β Sinyal Sinyal Sinyal
0
0,2
10
0
0,4
10
0
0,8
10
Tabel 5.5 Tabel bentuk sinyal hasil filter dengan LMS
Padang, 2021
Asisten Pengawas
(……………………………)
TUGAS PENDAHULUAN
1. Jelaskan apa itu sinyal suara / ucapan ?

2. Jelaskan jenis –jenis ucapan beserta karateristiknya berdasarkan proses pembentukan,
frekuensi dan amplitudonya !
3. Apa yang dimaksud dengan background noise dan convolutional noise dan
bagaimana cara noise tersebut bercampur dengan sinyal bersih / asli !
4. Apa itu speech enhancement dan untuk apa dilakukan ?
5. Pada metode speech enhancement apa parameter untuk melihat kualitas sinyal
sebelum dan sesudah diperbaiki ?
6. Jelaskan pengertian filter suara !
7. Apa itu filter analog dan filter digital ?
8. Apa itu filter adaptif ?
9. Jelaskan kelebihan dan kekurangan melakukan filter suara dengan
menggunakan algoritma LMS, Normalized LMS dan Leaky LMS !
10. Pada percobaan digunakan samle encoding seperti Line 8, Line 16,
Line 32, dll. Jelaskan macam – macam samle encoding tersebut!
11. Pada percobaan penggabungan sinyal digunakan SNR dengan
berbagai nilai dB. Jelaskan apa itu SNR, dB dan nilai dB pada
percobaan tersebut!
12. Jelaskan tentang orde dan konstanta alfa beta pada filter LMS!

Modul Praktikum PSD 2021

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul Praktikum PSD 2021

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL PRAKTIKUM

PENGOLAHAN SINYAL DIGITAL

Alhamdulillahirabbil’alamin, segala puji bagi Allah SWT karena berkat hidayah-Nya

Selamat praktikum, semoga bermanfaat.....

Tim Asisten Laboratorium Telekomunikasi

TIM ASISTEN LABORATORIUM ii

TIM ASISTEN LABORATORIUM iii

Kepala : Rudy Fernandez, M.T.

Koordinator Asisten : Jeffry Kurniawan

Koordinator Praktikum : Annisa Aurel Erman

Asisten : Bobby Arma Sugara

1. Setiap pratikan diwajibkan mengikuti semua prosedur penyelenggaraan

5. Praktikan sebelum memasuki ruangan harus telah:

TIM ASISTEN LABORATORIUM vii

12. Peraturan dalam mengumpulkan laporan akhir

4. Dasar Teori (print)

5. Prosedur Kerja (print)

6. Alat dan Bahan Percobaan (print)

8. Perhitungan (jika ada)

9. Analisa dan Pembahasan

10. Simpulan dan Saran

SINYAL DISKRIT, SAMPLING DAN ALIASING

 Mempelajari karakteristik sinyal sinus diskrit

 Menggambar sinyal exponensial

 Mengetahui proses sampling

 Mengetahui proses kenaikan dan penurunan laju sampling

 Mengetahui proses aliasing

II. DASAR TEORI

Terdapat dua jenis sinyal dasar, yaitu:

 Sinyal waktu kontinu

 Sinyal waktu diskrit

TIM ASISTEN LABORATORIUM

Gambar 2. Sinyal waktu diskrit

2. Sinyal sinusoidal dan Eksponensial Kompleks Kontinu

Sinyal eksponensial kompleks waktu kontinu mempunyai bentuk:

a. Jika a positif, kemudian t bergerak naik maka x(t) akan eksponensial.

b. Jika a negative, maka x(t) akan menurun secara eksponensial.

c. Jika a=0 maka x(t) adalah konstan.

Eksponensial kompleks memoounyai nilai imajiner dengan persamaan:

Gambar 4. Sinyal sinusoidal waktu kontinyu

Sinyal analog diubah menjadi sinyal digital dengan analog-to-digital converter

TIM ASISTEN LABORATORIUM 3

Sinyal waktu diskrit kemudian dikuantisasi untuk menghasilkan sinyal bernilai

Sinyal hasil kuantisasi kemudian dikodekan dengan kode tertentu

Secara umum, sampling dari

sampling terhadap frekuensi ini adalah one-to-one-mapping antara frekuensi F0

xa t   Acos 2Fk t    Fk  F0  kFs

Gambar 6. Hasil penyamplingan dari sinyal analog

1. Signal processing toolbox dapat digunakan menggambar sinyal sinus

Pada Matlab command window, ketiklah sbb :

 Cetak sinyal x1[n] untuk waktu 0<n<40.

Ulangi percobaan untuk:

2. Pada Matlab command window , ketiklah sbb :

 x2= sin (pi*k*n+pi/2);

 Cetak sinyal x2[n] untuk waktu 0<n<40.

3. Pada Matlab command window , ketiklah sbb :

 x3= sin (k*n);

 Gambarkan sinyal x3[n] untuk waktu 0<n<100

Ulangi percobaan untuk:

Pada Matlab command window , ketiklah sbb

b. x5 = (1.5) .^n .*ones(1,10)

c. x6 = (- 0.9) .^n .*ones(1,10);

pada Matlab command window, ketiklah sbb :

 x2= sin (pikn+pi/2);