FISIKA KOMPUTASI II
2018
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
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).
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
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 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 4= Proses
Step 5= Proses
Step 6= Proses
Step 7= Proses
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)”
VI. Flowchart
Program 1: Kombinasi 2 Sinyal
Mulai
Proses
Proses
Proses
Proses
Proses vektor
Proses Sab= absolut nilai S
Selesai
Inisaialisasi fs=100, t, f1=5, s1, f2=15, s2, f3=25, s3, f4=35, s4, s, S, w, Sab
Proses
Proses
Proses
Proses
Proses
Proses
Proses vektor
Proses Sab= absolut nilai S
Selesai
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
Proses
Proses
Proses
Proses
Proses
Proses
Proses
Proses
Proses vektor
Proses Sab= absolut nilai S
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;
b. F2= 20 Hz
c. F2= 40 Hz
d. F2= 50 Hz
Gambar 9.1 Kombinasi Dua Sinyal dalam Domain Waktu dan Domain
Frekuensi untuk Variasi Frekuensi
B. Variasi Amplitudo
a. A1= 5
b. A1= 7
c. A1= 10
d. A1= 16
Gambar 9.2 Kombinasi Dua Sinyal dalam Domain Waktu dan Domain
Frekuensi untuk Variasi Amplitudo
Gambar 9.3 Kombinasi Empat Sinyal dalam Domain Waktu dan Domain
Frekuensi untuk Variasi Frekuensi
Gambar 9.4 Kombinasi Enam Sinyal dalam Domain Waktu dan Domain Frekuensi
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
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).
Bentuk grafik
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
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.