LAPORAN PRAKTIKUM

FISIKA KOMPUTASI II

ANALISIS SINYAL DALAM DOMAIN FREKUENSI

(KASUS: KOMBINASI SINYAL)

NAMA :RANY MEIDIANI

NIM : 08021181621020
HARI / TANGGAL : KAMIS, 5 OKTOBER 2018
ASISTEN : 1. ANGGI EKA PUTRI ARIANTI
2. KYAGUS MAULANA NUGRAHA
3. SISKA SUPRATIWI

LABORATORIUM FISIKA KOMPUTASI

JURUSAN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SRIWIJAYA

2018
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

I. Nomor Percobaan : IV (Empat)

II. Nama Percobaan : Analisis Sinyal dalam Domain Frekuensi (kasus:
Kombinasi Sinyal
III. Tujuan Percobaan : Mengamati frekuensi pada kombinasi beberapa sinyal
menggunakan library FFT yang ada dalam DSP Toolbox Matlab.

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

IV. Dasar Teori

Transformasi Fourier
Selain adanya Deret Fourier, juga dikenal adanya Transformasi Fourier (Fourier
Transform). Joseph Fourier mengemukakan bahwa sebuah fungsi periodik dapat
dipersentasikan dengan mengkombinasi penjumlahan tak hingga dari fungsi sinus dan
cosinus. Representasi fungsi inilah yang kemudian dikenal sebagai Deret Fourier.
Beberapa tahun setelah penemuan ini, Deret Fourier dikembangkan menjadi bentuk
yang lebih umum sehigga dapat diterapkan pada fungsi yang non-periodik, bentuk yang
lebih umum ini yang kemudian dikenal sebagai Transformasi Fourier.
Biasanya sebuah fungsi digambarkan dalam domain waktu, artinya yang diukur
dari fungsi tersebut adalah waktu. Dengan kata lain, jika fungsi tersebut digambarkan
pada sumbu simetris, maka sumbu x (sebagai variabel bebas) mewakili waktu, dan
sumbu y (sebagai variabel tak bebas) mewakili niali pada waktu t tertentu, atau nilai
amplitudonya. Pada aplikasinya, repersentasi ini tidak selalu merupakan repersentasi
terbaik. Pada banyak kasus, informasi khusus tersembunyi pada nilai frekuesinya.
Dengan menggunakan Analisis Fourier maka repersentasi waktu-amplitudo akan
ditransformasikan sehingga menjadi repersentasi frekuensi-amplitudo. Artinya sumbu x
mewakili frekuensi dan sumbu y mewakili nilai amplitudonya. Seperti yang
diperlihatkan pada gambar 4.3

Gambar 4.3 Analisa Fourier

Transformasi Fourier bersifat reversibel, yaitu suatu fungsi dapat ditransformasi
kedalam domain frekuensi (yang memuat informasi frekuensi-amplitudo), dan di
inversikan lagi domain waktu (yang memuat informasi waktu-amplitudo). Namun,
kedua informasi tersebut tidak bisa didapatkan secara bersamaan. Repersentasi fungsi
dalam domain frekuensi tidak memuat informasi waktu, demikian pula sebaliknya.
(Noya dkk., 2014).
Discrete Fourier Transform (DFT)

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

Discrete Fourier Transform adalah prosedur powerful yang digunakan dalam

pemrosesan sinyal digital dan filterisasi digital. DFT memungkinkan kita untuk
menganalisa , memanipulasi dan mensintesis sinyal yang tidak mungkin dapat
dilakukan dalam pemrosesan sinyal analog. DFT dapat mengubah sinyal diskrit dalam
domain waktu menjadi spektrum diskrit domain frekuensi.
N −1
Diasumsikan sinyal { x [ n ] } maka DFT dari sinyal adalah deretan X [ k ] untuk
n=0
k =0 , … . N −1.
N −1
−1
x [n ]=
N
∑ X [ k ] e 2 πnk / N , n=0,2 , … , N −1 (4.1).
k=0

Perhitungan dalam transformasi Fourier diskrit (Discrete Fourier

Trasform/DFT) dapat dilakukan dengan cepat dan efisien menggunakan algoritma Fast
Fourier Transform (FFT). Prinsip kerja FFT adalah membagi sinyal hasil sampling
menjadi beberapa bagian yang kemudian masing-masing bagian diselesaikan dengan
algoritma yang sama dan hasilnya dikumpulkan kembali (Monado dkk., 2017).
Transformasi Fourier Diskrit atau disebut dengan Discrete Fourier Transform
(DFT) adalah model transformasi Fourier yang dikenalkan pada fungsi diskrit, dan
hasilnya juga diskrit. Misalkan f (x) adalah periodik. Diasumsikan N merupakan
bagian-bagian yang diukur dari f (x) yang diambil pada interval 0 ≤ x ≤ 2 π dengan jarak
yang teratur dari titik-titik:
2 πk
xk= , k=0,1 , … , N−1 (4.2).
N
DFT didefinisikan dengan:
N −1
f j= ∑ f k e
ijxk
, f k =f ( x ¿¿ k ) , j=0 ,… , N−1 ¿ (4.3).
k−0

Persamaan (4.3) inilah yang akan menghasilkan spektrum frekuensi dari sinyal. Misal
diberikan:
2 πjk 2 πi
e jk =e
−ijxk
=e N jk
=w , w=wN =e N (4..4).

Dimana, j , k =0 , … , N −1. DFT seperti pada Persamaan (4.4) dinamakan

dengan DFT 1 dimensi, DFT semacam ini banyak digunakan dalam pengolahan sinyal
digital (Noya dkk., 2014)
DFT meerupakan respersentasi Fourier untuk sinyal diskrit periodik. Masalah
diskrit memang tepat namun untuk periodik yang memerlukan suatu asumsi bahwa
Fakultas MIPA – Jurusan Fisika
Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

ketika menghitung DFT N-titik maka periodenya adalah N. Sebagai contoh jika ada
sinyal
x [ n ] ={ 1,3,5,7 } ntoh jika ada sinyal mununtuk periodik yang memerlukan suatuasumsi bahwaketika me
dan akan dilakukan DFT 4-titik maka di asumsikan sinyal tersebut mempunyai periode
4 sehingga dapat dinyatakan {… …..1 , 3,5 , ,7 , … … }. Jika ingin dilakukan DFT 8-titik
maka asumsikan periodenya 8 sehingga dapat dinyatakan
{….. , 1,3,5,7,0,0,0,0,0,0,0,0,1,3,5,7,0,0,0,0 , … … }. Penambahan sinyal nol (zero
padding) dilakukan ketika periode tidak sama dengan jumlah sampel sinyal. Dalam
perjanjian jika tidak disebutkan N-titik maka N dianggap sama dengan jumlah sampel
sinyal tersebut (Gunawan dan Juwono, 2012).
Fast Fourier Transform
Aplikasi langsung dari definisi DFT untuk data vektor dengan panjang N
membutuhkan N perkalian dan N penjumlahan. Sehingga jika digunakan untuk N dalam
jumlah yang besar akan menimbulkan jutaan operasi perhitungan DFT. Untuk
memudahkan perhitungan, muncullah tejnik Transformasi Fourier Cepat atau Fast
Fourier Transform (FFT).
FFT merupakan DFT yang memiliki jumlah komputasi lebih sedikit dibanding
komputasi DFT biasa. DFT akan menghasilkan jumlah komputasi sebesar N 2 sedangkan
FFT akan menghasilkan jumlah komputasi sbesar ( N ) log 2 ( N ). Sehingga FFT menjadi
metode praktis DFT untuk N dalam jumlah yang besar. Dengan mensubtitusikan
Persamaan (4.3) dan (4.4) maka persamaan DFT berubah menjadi:
N −1
f j= ∑ w N f k
kj
(4.5)
k=0

(Noya dkk., 2014).

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

V. Algoritma
Program 1: Kombinasi 2 Sinyal
Step 1= Mulai
Step 2= Inisaialisasi fs=100, t, f1=10, s1, f2=30, s2, s, S, w, Sab.
Step 3= Pembentukan vektor t=(1:400)/fs

Step 4= Proses

Step 5= Proses
Step 6= Proses
Step 7= Membuat grafik bagian atas pada figure
Step 8= Menampilkan grafik dari parameter t dan s
Step 9= Memberi nama grafik “Dua Sinyal Sinus”
Step 10= Memberi label pada sumbu x “Waktu(s)”
Step 11= Memberi label pada sumbu y “x(t)”

Step 12= Proses

Step 13= Proses vektor

Step 14= Proses Sab= absolut nilai S
Step 15= Membuat grafik bagian bawah pada figure
Step 16= Menampilkan grafik dari parameter w dan Sab(1:256)
Step 17= Memberi nama grafik “Sinyal pada domain frekuensi”
Step 18= Memberi label pada sumbu x “Frekuensi(Hz)”
Step 19= Memberi label pada sumbu y “x(f)”
Step 20= Selesai
Program 2: Kombinasi 4 Sinyal
Step 1= Mulai
Step 2= Inisaialisasi fs=100, t, f1=5, s1, f2=15, s2, f3=25, s3, f4=35, s4, s, S, w,
Sab.
Fakultas MIPA – Jurusan Fisika
Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

Step 3= Pembentukan vektor t=(1:100)/fs

Step 4= Proses

Step 5= Proses

Step 6= Proses

Step 7= Proses
Step 8= Proses
Step 9= Membuat grafik bagian atas pada figure
Step 10= Menampilkan grafik dari parameter t dan s
Step 11= Memberi nama grafik “Empat Sinyal Sinus”
Step 12= Memberi label pada sumbu x “Waktu(s)”
Step 13= Memberi label pada sumbu y “x(t)”

Step 14= Proses

Step 15= Proses vektor

Step 16= Proses Sab= absolut nilai S
Step 17= Membuat grafik bagian bawah pada figure
Step 18= Menampilkan grafik dari parameter w dan Sab(1:256)
Step 19= Memberi nama grafik “Sinyal pada domain frekuensi”
Step 20= Memberi label pada sumbu x “Frekuensi(Hz)”
Step 21= Memberi label pada sumbu y “x(f)”
Step 22= Selesai
Program 3: Kombinasi 6 Sinyal
Step 1= Mulai
Step 2= Inisaialisasi fs=100, t, f1=2, s1, f2=5, s2, f3=15, s3, f4=20, s4, f5=35, s5,
f6=45, s6, s, S, w, Sab.
Step 3= Pembentukan vektor t=(1:200)/fs

Step 4= Proses

Step 5= Proses

Step 6= Proses

Step 7= Proses

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

Step 8= Proses

Step 9= Proses
Step 10= Proses
Step 11= Membuat grafik bagian atas pada figure
Step 12= Menampilkan grafik dari parameter t dan s
Step 13= Memberi nama grafik “Empat Sinyal Sinus”
Step 14= Memberi label pada sumbu x “Waktu(s)”
Step 15= Memberi label pada sumbu y “x(t)”

Step 16= Proses

Step 17= Proses vektor

Step 18= Proses Sab= absolut nilai S
Step 19= Membuat grafik bagian bawah pada figure
Step 20= Menampilkan grafik dari parameter w dan Sab(1:256)
Step 21= Memberi nama grafik “Sinyal pada domain frekuensi”
Step 22= Memberi label pada sumbu x “Frekuensi(Hz)”
Step 23= Memberi label pada sumbu y “x(f)”
Step 24= Selesai

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

VI. Flowchart
Program 1: Kombinasi 2 Sinyal
Mulai

Inisaialisasi fs=100, t, f1=10, s1, f2=30, s2, s, S, w, Sab.

Pembentukan vektor t=(1:400)/fs

Proses

Proses
Proses

Membuat grafik bagian atas pada figure

Menampilkan grafik dari parameter t dan s
Memberi nama grafik “Dua Sinyal Sinus”
Memberi label pada sumbu x “Waktu(s)”
Memberi label pada sumbu y “x(t)”

Proses

Proses vektor
Proses Sab= absolut nilai S

Membuat grafik bagian bawah pada figure

Menampilkan grafik dari parameter w dan Sab(1:256)
Memberi nama grafik “Sinyal pada domain frekuensi”
Fakultas MIPA – Jurusan Fisika
Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

Memberi label pada sumbu x “Frekuensi(Hz)”

Memberi label pada sumbu y “x(f)”

Selesai

Program 2: Kombinasi 4 Sinyal

Mulai

Inisaialisasi fs=100, t, f1=5, s1, f2=15, s2, f3=25, s3, f4=35, s4, s, S, w, Sab

Pembentukan vektor t=(1:100)/fs

Proses

Proses

Proses

Proses
Proses

Membuat grafik bagian atas pada figure

Menampilkan grafik dari parameter t dan s
Memberi nama grafik “Empat Sinyal Sinus”
Memberi label pada sumbu x “Waktu(s)”
Memberi label pada sumbu y “x(t)”

Proses

Proses vektor
Proses Sab= absolut nilai S

Membuat grafik bagian bawah pada figure

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

Menampilkan grafik dari parameter w dan Sab(1:256)

Memberi nama grafik “Sinyal pada domain frekuensi”
Memberi label pada sumbu x “Frekuensi(Hz)”
Memberi label pada sumbu y “x(f)”

Selesai

Program 3: Kombinasi 6 Sinyal

Mulai

Inisaialisasi fs=100, t, f1=2, s1, f2=5, s2, f3=15, s3, f4=20, s4, f5=35, s5, f6=45, s6
s, S, w, Sab

Pembentukan vektor t=(1:200)/fs

Proses

Proses

Proses

Proses

Proses

Proses
Proses

Membuat grafik bagian atas pada figure

Menampilkan grafik dari parameter t dan s
Memberi nama grafik “Empat Sinyal Sinus”
Memberi label pada sumbu x “Waktu(s)”
Memberi label pada sumbu y “x(t)”

Proses

Proses vektor
Proses Sab= absolut nilai S

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

Membuat grafik bagian bawah pada figure

Menampilkan grafik dari parameter w dan Sab(1:256)
Memberi nama grafik “Sinyal pada domain frekuensi”
Memberi label pada sumbu x “Frekuensi(Hz)”
Memberi label pada sumbu y “x(f)”

Selesai
VII. Listing
Program 1: Kombinasi 2 Sinyal
clc;clf;
fs=100;
t=(1:400)/fs;
f1=10;
s1=5*sin(2*pi*f1*t);
f2=30;
s2=3*sin(2*pi*f2*t);
s=s1+s2;
subplot(211)
plot(t,s)
title('Dua Sinyal Sinus')
xlabel('Waktu(s)')
ylabel('x(t)')
S=fft(s,512)
w=(0:255)/256*fs/2;
Sab=abs(S);
subplot(212)
plot(w,Sab(1:256))
title('Sinyal pada Domain frekuensi')
xlabel('Frekuensi(Hz)')
ylabel('x(f)')
Program 2: Kombinasi 4 Sinyal
clc;clf;

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
fs=100;
t=(1:100)/fs;
f1=5;
s1=50*sin(2*pi*f1*t);
f2=15;
s2=40*sin(2*pi*f2*t);
f3=25;
s3=30*sin(2*pi*f3*t);
f4=35;
s4=20*sin(2*pi*f4*t);
s=s1+s2+s3+s4;
subplot(211)
plot(t,s)
title('Empat Sinyal Sinus')
xlabel('Waktu(s)')
ylabel('x(t)')
S=fft(s,512)
w=(0:255)/256*fs/2;
Sab=abs(S);
subplot(212)
plot(w,Sab(1:256))
title('Sinyal pada Domain frekuensi')
xlabel('Frekuensi(Hz)')
ylabel('x(f)')
Program 3: Kombinasi 6 Sinyal
Fs=100;
t=(1:200)/Fs;
f1=2;
s1=20*sin(2*pi*f1*t);
f2=5;
s2=15*sin(2*pi*f2*t);
f3=15;
s3=10*sin(2*pi*f3*t);

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
f4=20;
s4=7*sin(2*pi*f4*t);
f5=35;
s5=5*sin(2*pi*f5*t);
f6=45;
s6=3*sin(2*pi*f6*t);
s=s1+s2+s3+s4+s5+s6;
subplot(211)
plot(t,s)
title('Enam Sinyal Sinus')
xlabel('Waktu(s)')
ylabel('x(t)')
S=fft(s,512)
w=(0:255)/256*fs/2;
Sab=abs(S);
subplot(212)
plot(w,Sab(1:256))
title('Sinyal pada Domain frekuensi')
xlabel('Frekuensi(Hz)')
ylabel('x(f)')

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

VIII. Tugas Pendahuluan

1. Mengapa sinyal domain waktu perlu di transformasi ke dalam bentuk domain
frekuensi? Apa manfaatnya?
2. Apa perbedaan antara Discrete Fourier Transform dengan Fast Fourier
Transform?
3. Berikan 5 contoh aplikasi yang menggunakan Transformasi Fourier Diskrit!
Jawab
1. Karena sinyal dalam domain waktu memerlukan analsis yang cukup panjang
dengan melibatkan turunan dari fungsi untuk melakukan pemrosesan sinyal.
Sehingga sinyal dala domain waktu perlu ditransformasikan (dirubah bentuk)
kedalam bentuk domain frekuensi. Manfaatnya untuk mempermudahnya sinyal
agar dapat di analisis dan sintesis yang mana akan jadi lebih mudah dalam
domain frekuensi karena juga besaran yang paling menentukan suatu sinyal
adalah frekuensi.
2. DFT (Discrete Fourier Transform) adalah prosedur powerfull yang digunakan
dalam pemrosesan sinyal digital dan filterisasi digital. FFT (Fast Fourier
Transform) adalah suatu algoritma untuk menghitung transformasi fourier
diskrit.
3. a. Menentukan periode curah hujan
b. Pemrosesan sinyal digital
c. Menyelesaikan persamaan diferensial
d. Bidang yang terkait untuk menganalisa frekuensi yang terkandung.
c. Melakukan sejumlah operasi misalnya operasi-operasi konvolusi.

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

IX. Data Hasil Pengamatan

1. Program 1 (Kombinasi 2 Sinyal)
A. Variasi Frekuensi
a. F2= 30 Hz

b. F2= 20 Hz

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

c. F2= 40 Hz

d. F2= 50 Hz

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

Gambar 9.1 Kombinasi Dua Sinyal dalam Domain Waktu dan Domain
Frekuensi untuk Variasi Frekuensi

B. Variasi Amplitudo
a. A1= 5

b. A1= 7

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

c. A1= 10

d. A1= 16

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

Gambar 9.2 Kombinasi Dua Sinyal dalam Domain Waktu dan Domain
Frekuensi untuk Variasi Amplitudo

2. Program 2 (Kombinasi 4 Sinyal)

a. F1= 5 Hz, F2= 15 Hz, F3= 25 Hz, F4= 35 Hz

b. F1= 5 Hz, F2= 20 Hz, F3= 30 Hz, F4= 40 Hz

Fakultas MIPA – Jurusan Fisika
Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

Gambar 9.3 Kombinasi Empat Sinyal dalam Domain Waktu dan Domain
Frekuensi untuk Variasi Frekuensi

3. Program 3 (Kombinasi 6 Sinyal)

Gambar 9.4 Kombinasi Enam Sinyal dalam Domain Waktu dan Domain Frekuensi

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

X. Analisa
Dari program analisis sinyal dalam domain frekuensi kasus kombinasi sinyal yaitu
terdiri dari sinyal yang merupakan kombinasi dari beberapa sinyal (dalam domain
waktu dan domain frekuensi). Hal ini dilakukan dalam kombinasi beberapa sinyal
dengan membangkitkan sinyal yang memiliki frekuensi f dan amplitudo A dengan
menggunakan persamaan Discrete Fourier Transform (DFT), fungsi fft untuk
transformasi sinyal domain waktu ke domain frekuensi.
Fungsi x=A*sin(2*pi*t*f) dapat membangkitkan gelombang sinus sehingga pada
program hasil running menunjukkan bahwa terbentuk gelombang sinus yang arah
getarannya tegak lurus dengan arah rambatannya. Pada program 1, kombinasi 2 sinyal
dengan membangkitkan 2 sinyal sinus dengan frekuensi f1 dan f2. Saat mengubah nilai
frekuensi pada f2 = 20, 40 dan 50 sedangkan amplitudonya tetap, hasil running pada

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

sinyal domain waktu perubahan sinyal yang terjadi semakin banyak jumlah getaran atau
gelombangnya dalam satu detik, dan pada sinyal domain frekuensi terlihat dua buah
frekuensi dengan energi spektrumnya semakin kecil hal ini dapat dilihat pada frekuensi
ke 50 Hz tidak muncul besar frekuensinya. Hal ini disebabkan pada frekuensi tinggi
energi spektrumnya semakin kecil. Karena itulah pada frekuensi 50 HZ tidak terlihat
tinggi frekuensinya.
Selain energi spektrumnya akan semakin kecil apabila frekuensinya semakin
besar, frekuensinya juga tidak mencapai 50 Hz. Hal ini terbukti pada rumus w =
(0:255)/256*fs/2 frekuensinya hanya mencapai 49.8047. Sedangkan dengan mengubah
nilai amplitudo A= 7, 10 dan 16 pada f1 dan f2 tetap maka perubahan sinyal yang
terjadi pada domain waktu, semakin tinggi titik puncak energi spektrum pada
gelombang sinus dan pada domain frekuensi nilai frekuensinya masih tetap. Semakin
besar nilai amplitudo maka semakin tinggi titik puncak energi spektrumnya.
Pada program 2 kombinasi 4 sinyal dengan membangkitkan 4 sinyal sinus dengan
frekuensi f1, f2, f3 dan f4. Dan pada program 3 kombinasi 6 sinyal dengan
membangkitkan 6 sinyal sinus dengan frekuensi f1, f2, f3, f4, f5 dan f6. Pada hasil
running sinyal pada domain frekuensi kombinasi 4 sinyal sinus terlihat empat buah
ffrekuensi dimana besarnya amplitudo pada domain waktu mempengaruhi besarnya
energi spektrum pada domain frekeunsi dan untuk kombinasi 6 snyal sinus terlihat
enam buah sinyal dengan masing-masing energi spektrumnya bervariasi. Sehingga
dengan menggunakan transformasi diskrit atau Discrete Fourier Transform (DFT) dapat
dengan cepat dan efisien menggunakan algoritma Fast Fourier Transform (FFT).

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

XI. Tugas Akhir

Diketahui dua sinyal yang memiliki persamaan a= 6 sin (500 t), b=9 sin (600t).
Kombinasikan sinyal tersebut dan tunjukkan grafik:
a. Sinyal a domian waktu
b. Sinyal b domain waktu
c. Sinyal a+b pada domian waktu
d. Sinyal a+b pada domian frekuensi.
Dengan catatan selang waktu yang digunakan 2 detik dan sampling frekuensi sesuai
keinginan masing-masing. Berikan penjelasan!
Jawab
Script

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

Bentuk grafik

a. Sinyal a Pada Domain Waktu

b. Sinyal b Pada Domain Waktu

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

c. Kombinasi a dan b Pada Domain Waktu

d. Kombinasi a dan b Pada Domian Frekuensi

Pada persamaan b nilainya lebih besar dari persamaan a. Sehinga bentuk
gelombangnya berbeda untuk persamaan satu dan dua. Semakin besar nilai
persamaannya maka frekuensinya akan semakin kecil. Begitu pula sebaliknya, semakin
kecil nilai persamaannya maka semakin besar frekuensinya. Nilai persamaan a dan b
merupakan persamaan gelombang. Seperti yang diketahui, panjang gelombang
berbanding terbalik dengan frekuensi.

XII. Kesimpulan
1. Semakin besar frekuensinya maka semakin rapat atau kecil panjang
gelombangnya.
2. Semakin besar amplitudonya maka semakin kecil frekuensinya atau energi
spektrumnya.
3. Fungsi x=A*sin(2*pi*t*f) sebagai pembangkitkan gelombang sinus.
4. 50 HZ tidak terlihat tinggi frekuensinya disebabkan pada rumus w =
(0:255)/256*fs/2 frekuensinya hanya mencapai 49.8047

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

DAFTAR PUSTAKA
Gunawan, D. dan Juwono, F.H., 2012. Pengolahan Sinyal Digital. Yogyakarta: Graha
Ilmu.
Monado, F., Koryanti, E., dan Ariani, M., 2018. Modul Praktikum Fisika Komputasi II.
Indralaya: Universitas Sriwijaya.
Noya, V.H.P., Rumlawang, F.Y., dan Lesnussa, Y.A., 2014. Aplikasi Transformasi
Fourier untuk Menentukan Periode Curah Hujan (Studi Kasus: Periode Curah
Hujan di Kabupaten Seram Bagian Barat, Provinsi Maluku). Jurnal Matematika
Integratif, 2 (10): 86.

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya