LAPORAN DASAR PENGOLAHAN SINYAL

DISCRETE TIME FOURIER TRANSFORM, WINDOWING, AND

DIGITAL LOW PASS FILTER

Dosen : Nada Fitrieyatul Hikmah, S.T., M.T.

Nama : Bhetri Sonia Yolandari

NRP : 07311740000029

INSTITUT TEKNOLOGI SEPULUH NOPEMBER

FAKULTAS TEKNOLOGI ELEKTRO
TEKNIK BIOMEDIK
2019
 KATA PENGANTAR

Alhamdulillah, segala puji bagi Allah SWT yang telah melimpahkan

rahmat-Nya sehingga saya dapat menyelesaikan laporan ini tepat pada waktunya.
Terima kasih saya ucapkan kepada semua pihak yang telah mendukung dan
membantu saya dalam menyelesaikan tugas dan laporan ini.

Laporan ini disusun untuk memenuhi salah satu tugas dalam mata kuliah
Dasar Pengolahan Sinyal. Dalam laporan ini, saya akan membahas mengenai
Discrete Fourier Transform, Windowing, dan Digital Low Pass Filter. Saya
menyadari bahwa ilmu saya masih sangat kurang yang berakibat pada
ketidaksempurnaan laporan ini. Oleh karena itu, saya mengharapkan saran dan
kritik yang membangun dari pembaca demi kesempurnaan laporan ini

Surabaya, 26 Mei 2019

Bhetri Sonia Yolandari

ii
 DAFTAR ISI
HALAMAN JUDUL i
KATA PENGANTAR ........................................................................ ii
DAFTAR ISI ...................................................................................... III
BAB I : PENDAHULUAN
A. Latar Belakang………………………………………………....... 2
B. Rumusan Masalah……………………………………………….. 2
C. Tujuan …………………………………………………………... 3
BAB II : DASAR TEORI.................................................................. 4
BAB III : HASIL DAN PEMBAHASAN…………………………… 9
BAB IV : KESIMPULAN ………………………………………….. 15

iii
 BAB I
PENDAHULUAN

A. Latar Belakang
Sinyal memegang peranan penting dalam kehidupan modern, karena saat
ini masyarakat tidak lepas dari telekomunikasi terutama handphone, yang mana
piranti ini sarat dengan pengolahan sinyal. Sinyal juga dapat ditemukan di
sekitar manusia dalam bentuk sinyal elektromagnetik tubuh makhluk hidup.
Selain itu, dalam dunia medis sinyal dimanfaatkan dalam analisis, rehabilitasi,
dan masih banyak lagi.
Sinyal merupakan kuantitas fisik yang berubah terhadap waktu, ruang,
atau variabel-variabel lainnya. Agar sinyal dapat bermanfaat sesuai kebutuhan
manusia dengan efisien dan optimal, maka diperlukan pengolahan sinyal
dengan menggunakan suatu sistem elektronika analog maupun digital.
Pengolahan sinyal memegang peranan penting dalam berbagai aplikasi seperti
teknik pengolahan suara, kompressi sinyal yang terdiri dari data dan gambar,
telekomunikasi digital atau handphone, dan lain-lain. Pengolahan sinyal
dilakukan melalui berbagai cara, salah satunya adalah dengan
penyaringan(filter). Untuk membuat suatu filter, diperlukan proses yang
disebut dengan transformasi. Transformasi dilakukan untuk mengubah domain
sinyal agar lebih mudah untuk diolah dan dianalisis. Sinyal dalam domain
waktu dapat ditransformasikan menjadi sinyal dalam domain frekuensi melalui
Discrete Fourier Transform.
Untuk mempercepat penghitungan dan mengurangi human error yang
mungkin terjadi saat proses transformasi, pembuatan filter melalui DFT
dilakukan dengan menggunakan tools berupa pemrograman. Saat ini terdapat
banyak pilihan bahasa pemrograman yang memiliki kelebihan dan
kekurangannya masing-masing. Pada pembuatan program untuk laporan ini,
kami menggunakan bahasa pemrograman Pascal dengan IDE Lazarus yang
memiliki interrface yang lebih mudah untuk digunakan dibanding bahasa
pemrograman lainnya.

B. Rumusan Masalah
Laporan ini merumuskan beberapa permasalahan sebagai berikut :
1. Bagaimana cara membuat suatu program yang dapat mentransformasikan
sinyal dalam domain waktu menjadi sinyal dalam domain frekuensi?
2. Bagaimana cara membuat program untuk mengurangi spectral leakage
pada Discrete Fourier Transorm?
3. Bagaimana cara membuat suatu filter yang dapat menghilangkan sinyal
dengan frekuensi tinggi?

C. Tujuan

ii
Tujuan dari dibuatnya laporan ini adalah :
1. Memberi informasi tentang cara membuat suatu program yang dapat
mentransformasikan sinyal dalam domain waktu menjadi sinyal dalam
domain frekuensi.
2. Membuat suatu program yang mampu mengurangi spectral leakage yang
terjadi pada proses Discrete Fourier Transform.
3. Membuat suatu program yang mampu menghilangkan sinyal dengan
frekuensi yang tinggi

ii
 BAB II
DASAR TEORI
A. Sinyal
Sinyal merupakan kuantitas fisik yang berubah terhadap waktu, ruang,
atau variabel-variabel lainnya. Secara matematis, sinyal dijelaskan sebagai suatu
fungsi dari satu atau lebih variabel bebas. Suatu sinyal mempunyai beberapa
informasi yang dapat diamati, misalnya amplitudo, frekuensi, perbedaan fase, dan
gangguan akbiat noise, untuk dapat mengamati informasi tersebut, dapat
digunakan secara langsung peralatan ukur elektronik seperti osciloskop atau
spektrum analyser. Sinyal diklasifikasikan menjadi beberapa macam:
1. Sinyal waktu kontinyu dan sinyal waktu diskrit
2. Sinyal analog dan sinyal digital
3. Sinyal riil dan sinyal kompleks
4. Sinyal deterministik dan sinyal random
5. Sinyal ganjil dan sinyal genap
6. Sinyal periodik dan sinyal non-periodik

B. Pengolahan Sinyal
Pengolahan sinyal adalah suatu operasi matematik yang dilakukan
terhadap suatu sinyal sehingga diperoleh informasi yang berguna. Pengolahan
sinyal dilakukan melalui suatu sistem. Pengolahan sinyal analog memanfaatkan
komponen-komponen analog, misalnya dioda, transistor, op-amp dan lainnya.
Pengolahan sinyal secara digital menggunakan komponen-komponen digital,
register, counter, dekoder, summuninh, mikrokontroler, dan lainya.
a. Pengolahan sinyal analog
Pengolahan sinyal analog adalah pemrosesan sinyal yang mempunyai kaitan
dengan penyajian, perubahan bentuk dan manipulasi dari sisi sinyal dan informasi.
Dalam era elektronika modern, dengan perkembangan teknologi Integrated
Circuit, maka rangkaian elektronika analog dibahas dalam blok fungsi, dimana
Operational Amplifier (Op-Amp) sebagai building block. Aplikasi Op-Amp dapat
sebagai penguat sinyal, penguat audio, penguat mic, filter, integrator,
differensiator, pembangkit sinyal seperti oscillator dan banyak aplikasi lainnya.
b. Pengolahan sinyal digital
Pengolahan sinyal digital adalah pemrosesan sinyal yang mempunyai kaitan
dengan penyajian dan perubahan bentuk dan manipulasi dari sinyal dan informasi
dalam bentuk digital. Namun, secara umum pengolajan sinyal merupakan operasi
yang dirancang untuk meng-ekstrak, meningkatkan, menyimpan, dan
mengirimkan informasi yang bermanfaat.

C. Teknik Windowing dalam Pengolahan Sinyal

Windowing adalah suatu teknik untuk menganalisa suatu sinyal yang
panjang dengan cara mengambil suatu bagian yang mewakilinya. Respon impulse
sinyal infinite h[n] dikalikan dengan window w[n] untuk mendapatkan respon
impulse hd[n]=w[n]h[n]. Teknik windowing dilakukan karena:
1. Sinyal memiliki panjang respons yang tidak terbatas
2. Sinyal tidak kausal

ii
Beberapa contoh teknik windowing yaitu:
a. Rectangular window
w r ( n) = 1

b. Triangular window
|2 n−N + 1|
w tri ( n ) = 1 −¿
N−1

c. Hamming

w ham ( n ) = 0.54 −¿0.46 cos ( N2−1

πn
)

d. Hanning

w han ( n ) = 0.5 −¿0.5 cos ( N2−1

πn
)

ii
 D. Filter Sinyal
Filter adalah sebuah rangkaian yang dirancang agar mengalirkan suatu pita
frekuensi tertentu dan menghilangkan frekuensi yang berbeda dengan pita ini.
Istilah lain dari filter adalah rangkaian yang dapat memilih frekuensi agar dapat
mengalirkan frekuensi yang diinginkan dan menahan, atau membuang frekuensi
yang lain. Jaringan filter bisa bersifat aktif maupun pasif. Perbedaan dari
komponen aktif dan pasif adalah pada komponen aktif dibutuhkan sumber agar
dapat bekerja (op-amp dan transistor membutuhkan sumber lagi agar dapat
bekerja/digunakan), sedangkan komponen pasif tidak membutuhkan sumber lagi
untuk digunakan atau bekerja. (Chattopadhyay.1989). Klasifikasi filter yaitu:
1. Berdasarkan sifat penguatannya, filter bisa diklasifikasikan :
a. Filter Aktif
b. Filter Pasif
2. Berdasarkan Daerah Frekuensi Yang Dilewatkan
Dibidang elektronika khusunya untuk elektronika analog. Filter sering digunakan
untuk meloloskan frekuensi yang dikehendaki atau menahan frekuensi yang tidak
dikehendaki. Filter yang digunakan biasanya terdiri dari tiga macam konfigurasi
yang dapat dibagi sebagai berikut :
a. Low Pass Filter (LPF)
Low Pass Filter merupakan jenis filter yang melewatkan frekuensi rendah
serta meredam/menahan frekuensi tinggi. Bentuk respon LPF seperti
ditunjukkan pada gambar dibawah ini.

b. High Pass Filter (HPF)

High Pass Filter yaitu jenis filter yang melewatkan frekuensi tinggi serta
meredam/menahan frekuensi rendah. Bentuk respon HPF seperti ditunjukkan
gambar di bawah ini.

ii
c. Band Pass Filter (BPF)
Band Pass Filter hanya melewatkan sebuah pita frekuensi saja dan
memperlemah semua frekuensi di luar pita itu. Pengertian lain dari Band Pass
Filter adalah filter yang melewatkan suatu range frekuensi. Gambar Band Pass
Filter seperti berikut ini :

d. Band Stop Filter (BSF)

Band Stop Filter yaitu filter yang menolak pita frekuensi tertentu dan
melewatkan semua frekuensi diluar pita itu. Filter ini bisa juga disebut Band
Reject merupakan kebalikan dari Band Pass, yaitu merupakan filter yang
menolak suatu range frekuensi.

ii
 BAB III
HASIL DAN PEMBAHASAN
1. Program Discrete Time Fourier Transform
Discrete Time Fourier Transform merupakan suatu metode untuk
mengubah sinyal dalam domain waktu menjadi sinyal dalam domain frekuensi.
Metode ini diperkenalkan oleh Joseph Fourier. Rumus Discrete Time Fourier
Transform yaitu:
N−1
X( k ) = ∑ x ( n ) e− j 2 πkn/ N
n =0

N−1
X( k ) = ∑ x ( n ) cos 2Nπ − jsin 2Nπ
n =0

Dari rumus diatas terlihat bahwa transformasi dilakukan dengan

melakukan penjumlahan berulang. Jika transformasi dilakukan secara manual
maka akan menghabiskan banyak waktu dan rentan terjadi kesalahan berupa
human error. Untuk menanggulangi human error ini, kami membuat sebuah
program yang dapat melakukan transformasi secara otomatis hanya dengan
membuka file yang didalamnya terdapat data berupa amplitudo dan sequence
yang akan ditransformasikan. Pada program ini juga terdapat fitur Inverse
Discrete Fourier Transform untuk melihat kebenaran program Discrete Fourier
Transform yang dijalankan.
Program ini dibuat dengan menggunakan bahasa Pascal pada IDE
Lazarus. Pada program ini terdapat 3 tombol yang berfungsi untuk membuka
file, melakukan proses DFT, dan mengecek kebenaran DFT melalui proses
IDFT. Interface dari program tersebut adalah sebagai berikut:

9
 Program ini dirancang untuk mengambil data yang sudah tersimpan pada
file tertentu. File ini berisi data waktu dan amplitudo sinyal masukan. Setelah
pengguna membuka file data tersebut, maka data akan ditampilkan pada grafik.
Data-data ini selanjutnya diolah menggunakan rumus DFT seperti yang telah
dijelaskan sebelumnya.
Setelah dilakukan transformasi Fourier, kebenaran hasil transformasi dapat
diuji menggunakan IDFT(Inverse Discrete Fourier Transform). Apabila hasil
IDFT dan sinyal awal sama, maka dapat disimpulkan bahwa program yang
dibuat telah benar dan sesuai dengan yang diinginkan.
Dari hasil yang terlihat pada gambar diatas, diperoleh kesimpulan
bahwa pada proses DFT terjadi perubahan domain dari domain waktu menjadi
domain frekuensi . Program Discrete Fourier Transform yang dibuat berhasil
mengubah domain waktu menjadi domain frekuensi dan terbukti tingkat
kebenarannya melalui IDFT yang hasilnya sama dengan sinyal masukan.
2. Program Windowing untuk Mengurangi Spectral Leakage
Proses Discrete Fourier Transform hanya dapat dilakukan pada sinyal
dengan periode berupa bilangan bulat. Apabila sinyal yang dimasukkan
terpotong tidak pada periodenya, maka akan terjadi spektral leakage. Untuk
mengurangi spectral leakage yang terjadi, dilakukan proses windowing.
Caranya adalah dengan mengalikan sinyal input dengan window yang
diinginkan, kemudian pada hasil perkaliannya dilakukan DFT.

10
 Pada program ini terdapat 3 window yang digunakan, yaitu Triangular,
Hamming, dan Hanning. Rumus ketiga window ini yaitu:
e. Triangular
|2 n−N + 1|
w tri ( n ) = 1 −¿
N−1
f. Hamming

w ham ( n ) = 0.54 −¿0.46 cos ( N2−1

πn
)
g. Hanning

w han ( n ) = 0.5 −¿0.5 cos ( N2−1

πn
)
Dengan N = jumlah data dan n = sequence

Program Windowing yang kami buat terdiri atas 3 jenis, Triangular

window, Hamming window, dan Hanning window. Pada program ini,
pengguna menentukan sendiri frekuensi dan frekuensi sampling dari sinyal.
Karena frekuensi berpengaruh terhadap periode, maka apabila frekuensi yang
dimasukkan membuat periodenya tidak bilangan bulat, maka akan terjadi
spectral leakage. Spectral leakage ini dikurangi menggunakan window. Rumus

11
 masing-masing window dikalikan dengan sinyal input, dan hasilnya di
transformasikan.
Seperti yang terlihat pada gambar diatas, jika dilakukan DFT secara
langsung terhadap sinyal masukan dengan periode tak tentu, akan terjadi
spektral leakage diantara kedua spektrumnya. Kemudian dilakukan windowing
pada sinyal tersebut dan hasilnya ditampilkan pada grafik. Spectral leakage
yang dihilangkan berbeda-beda tergantung window yang digunakan. Dari
grafik terlihat bahwa Hamming window merupakan window yang paling baik
dalam menghilangkan spectral leakage.
3. Program Digital Low Pass Filter
Digital Low Pass Filter merupakan filter sinyal digital yang meloloskan
sinyal dengan frekuensi rendah. Digital Low Pass Filter yang kami gunakan
pada program ini adalah Orde 1, Orde 2, dan Orde 3.
1. Low Pass Filter Orde 1
Rumus dari Low Pass Filter Orde 1 yaitu:
2
y [ n ]=
( T
−ω ) y [ n−1 ] +ω x [ n ] +ω x [ n−1 ]
c c c

2
+ ωc
T

2. Low Pass Filter Orde 2

Rumus dari Low Pass Filter Orde 2 yaitu:
y [ n ]=

8 4 2 √ 2 ωc
( T 2 ) (
−2 ω c2 y [ n−1 ] + 2 −
T T )
+ ωc 2 y [ n−2 ] +ω c2 x [ n ] +2 ωc 2 x [ n−1 ] +ω c 2 x [ n−2 ]

4 2 √ 2ω c
2
+ +ω c 2
T T

3. Low Pass Filter Orde 3

Penurunan rumus Low Pass Filter Orde 3 yaitu:
1 1 s
H(s) = = 3 s=
2 2
( s+ 1 ) ( s + s+1 ) s + 2 s +2 s +1 ωc

12
 1
3 2
H(s) = s + 2 s + 2 s +1
ω c 3 ω c2 ωc
ωc 3 2(1−z−1 )
H(s) = 3 2 2 3 s =
s + 2 s ω c +2 s ωc +ω c T (1+ z−1 )

ωc 3
H(s) = 8(1−z −1 )3 8(1−z −1 )2 4 (1−z −1 ) 2
3 −1 3
+ 2 −1 2
ωc+ −1
ω c +ω c3
T (1+ z ) T (1+ z ) T (1−z )
H(z) =

ω c3 (1−z−1)3
8 8 2 4 2
3
(1−z−1)3 + 2 ( 1−z−1 ) ( 1+ z−1 ) ω c + ( 1−z−1 ) ( 1+ z−1 ) ωc 2+(1+ z−1)3 ω c3
T T T
H(z)=

ωc 3 (1−3 z−1 +3 z−2+ z−3)

8
3
( 1−3 z−1 +3 z−2 + z−3 ) + 82 ( 1−z −1−z−2+ z−3 ) ωc + 4 ( 1+ z−1−z −2 −z−3 ) ωc 2+ ¿ ( 1+ 3 z −1 +3 z−2 + z−3
T T T
H(z) =

ω c3 +3 ω c 3 z−1 +3 ω c3 z−2+ ωc 3 z −3
8 ωc z−2 8 ωc z−3 4 ωc 2 4 ωc 2 z−1 4 ωc 2 z−2
−1
8 24 z −1 24 z−2 8 z−3 8 ω c 8 ω c z 4ω
− + − + − − + + + − −¿
T3 T3 T3 T3 T2 T2 T2 T2 T T T
Y (z)
=
X (z )

ωc 3 +3 ωc 3 z −1 +3 ω c 3 z−2 +ω c3 z−3
2 2 2
8 8 ωc 4 ωc −24 8 ω c 4 ω c 24 8 ωc 4 ω c −8 8
( T 3
+
T 2
+
T
+ ωc )(
3
+
T 3
−
T 2
+
T
+3 ω c
3
z −1
+) (
T 3
−
T 2
+
T
+ 3 ωc 3 z−2 +¿ 3 +
T ) (
T
2 2
8 8 ωc 4 ωc −24 8 ω c 4 ωc
( T
3
+
T
2
+
T
+ ωc ) (
3
Y (z )+
T
3
−
T
2
+
T )
+3 ω c3 Y (z) z−1+

13
 2 2
24 8 ω c 4 ω c −8 8 ωc 4 ω c
( T
3
−
T
2
+
T
+3 ω c
3
Y )
(z) z−2
+
T
3
+
T(2
−
T
+ω c3 Y ( z) z−3 ) =

ω c3 X ( z )+3 ωc 3 X (z ) z−1 +3 ωc 3 X (z )z−2 +ω c3 X (z )z −3

2 2
8 8 ωc 4 ωc −24 8 ω c 4 ωc
( T
3
+ 2 +
T T
3
+ ωc y [ n ]+ ) (
T
3
− 2 +
T T
+3 ω c3 y [ n−1 ]+ )
2 2
24 8 ω c 4 ω c −8 8 ωc 4 ω c
( T
3
− 2 +
T T
3
) [ ](
+3 ω c y n−2 + 3 + 2 −
T T T
+ω c3 y [ n−3 ] ) =

ω c3 x [ n ] +3 ω c3 x [ n−1 ] + 3 ωc 3 x [ n−2 ] +ω c 3 x [ n−3 ]

y [ n] =

2 2 2
−24 8 ω c 4 ωc 24 8 ω 4 ωc −8 8 ω 4 ωc
− ( T 3
− 2 +
T T
3
)
+3 ω c y [ n−1 ] − 3 − 2c +
T T T( 3
+3 ωc y [ n−2 ] −¿ 3 + 2 c −
T T )T
+ω (
2
8 8 ωc 4 ωc
( T
3
+ 2 +
T T
+ω c3 )
y [ n] =

2 2 2
24 8 ωc 4 ω c 24 8 ωc 4 ω c 8 8 ω c 4 ωc
( T 3
+ 2 −
T T
3
)
−3 ωc y [ n−1 ] − 3 − 2 +
T T T( 3

T T )
+ 3 ωc y [ n−2 ] +¿ 3 − 2 +
T
3
−ωc y ( )
2
8 8 ωc 4 ωc
( T
3
+ 2 +
T T
+ ωc 3 )
Ketiga rumus diatas dimasukkan kedalam program Lazarus dan
menghasilkan interface sebagai berikut:

14
15
 Pada program Low Pass Filter yang kami buat, pengguna memasukkan 3
nilai frekuensi dan amplitudo yang berbeda-beda. Ketiga frekuensi dan
amplitudo ini di plot dalam satu grafik
Dari gambar diatas, terlihat perbedaan yang cukup signifikan antara Low
Pass Filter Orde 1, Orde 2, dan Orde 3. Pada Low Pass Filter Orde 1, filter
berhasil menghilangkan sinyal dengan frekuensi tinggi, namun sinyal yang
dihasilkan masih memiliki noise. Noise terkecil terlihat pada Low Pass Filter
Orde 3. Hal ini sesuai dengan teori Low Pass Filter dimana semakin tinggi
ordenya, maka filter yang dibuat akan semakin mendekati filter ideal.

16
 BAB IV

KESIMPULAN
Discrete Time Fourier Transform merupakan suatu metode untuk
mengubah sinyal dalam domain waktu menjadi sinyal dalam domain frekuensi.
Transformasi ini dilakukan dengan melakukan penjumlahan berulang. Program
Discrete Fourier Transform yang dibuat berhasil mengubah domain waktu
menjadi domain frekuensi dan terbukti tingkat kebenarannya melalui IDFT
yang hasilnya sama dengan sinyal masukan.
Apabila sinyal yang dimasukkan kedalam rumus DFT terpotong tidak
pada periodenya, maka akan terjadi spektral leakage. Untuk mengurangi
spectral leakage yang terjadi, dilakukan proses windowing. Spectral leakage
yang dihilangkan berbeda-beda tergantung window yang digunakan. Dari
grafik terlihat bahwa Hamming window merupakan window yang paling baik
dalam menghilangkan spectral leakage.
Digital Low Pass Filter merupakan filter sinyal digital yang meloloskan
sinyal dengan frekuensi rendah. Filter yang kami gunakan adalah Low Pass
Filter Orde 1, Orde 2, dan Orde 3. Noise terkecil terlihat pada Low Pass Filter
Orde 3. Hal ini sesuai dengan teori Low Pass Filter dimana semakin tinggi
ordenya, maka filter yang dibuat akan semakin mendekati filter ideal.

17