MODUL PERKULIAHAN

Pengolahan Sinyal
Digital
Transformasi Fourier Sinyal
Diskrit

Abstrak Sub-CPMK 3.1

Pada perkuliahan ini Mampu memahami, menguraikan dan

mahasiswa diharapkan dapat menghitung Tranformasi Fourier sinyal
menjelaskan dasar dari diskrit
Transformasi Fourier waktu
sinyal diskrit, kemudian
ketepatan dalam membedakan
transformasi dan deret Fourier,
juga ketepatan menguraikan
dan menghitung Transformasi
Fourier waktu sinyal diskrit

Fakultas Program Studi Tatap Muka Disusun Oleh

04
Oki Teguh Karya, S.Pd, M.T
Teknik Teknik Elektro
Pendahuluan
Sebuah sinyal dapat direpresentasikan dalam domain waktu dan domain frekuensi.
Dalam domain waktu, sinyal direpresentasikan dalam bentuk tegangan atau arus dalam fungsi
waktu, sedangkan dalam domain frekuensi, sebuah sinyal direpresentasikan dalam bentuk
magnitudo dan fasa dalam fungsi frekuensi. Kedua domain tersebut memberikan informasi yang
sama, jika pada domain waktu, pada t ke berapa sinyal mencapai tegangan atau arus tertentu,
sedangkan dalam domain frekuensi dapat terlihat pada frekuensi berapa saja yang terkandung
dalam suatu sinyal. Maka representasi Fourier adalah sebuah formula matematika yang
digunakan untuk melihat sinyal dari dua domain tadi.

Sinyal dalam domain waktu dapat diklasifikasikan menjadi 4 jenis, yaitu sinyal kontinyu
periodik, sinyal kontinyu non periodik/ aperiodik, sinyal diskrit periodik dan sinyal diskrit
aperiodic. Masing-masing dari jenis sinyal ini mempunyai metode yang berbeda-beda jika ingin
di transformasikan dalam domain frekuensi, seperti yang dapat kita lihat pada tabel 1 dibawah
ini.

Tabel. 1 Klasifikasi Representasi Fourier

Sinyal Periodik Non-Periodik
Kontinyu Fourier Series (FS) Fourier Transform (FT)
(Deret Fourier) (Transformasi Fourier)
Diskrit Discrete-Time Fourier Series (DTFS) Discrete-Time Fourier Transform (DTFT)
(Deret Fourier Waktu Diskrit) (Transformasi Fourier Waktu Diskrit)

Sebelum kita masuk pada penjelasan formula matematis pada Representasi Fourier, maka ada
baiknya kita belajar tentang insight atau apa yang ada dibalik formulasi matematika ini. Merujuk
pada penjelasan dari (Young, 2021) yang menarik untuk kita perhatikan sehingga kita dapat
memahami tentang apa yang dilakukan oleh formula Fourier ini.

Pertama, mari kita lakukan metapora dari sebuah formula Fourier Transform.

 Apa yang sebenarnya dilakukan oleh Fourier Transform? Jika diibaratkan kita
diberikan sebuah smoothie (minuman dengan berbagai resep didalamnya) kedalam
Fourier Transform, maka akan keluarannya adalah detil resep yang ada didalam
smoothie.
 Bagaimana Caranya? Masukan smoothie kedalam sebuah filter untuk meng ekstrak dan
kita mendapatkan komposisi dari resepnya.
 Mengapa ? Jika ditanyakan kenapa hal ini dilakukan karena kita lebih mudah untuk
menganalisa satu komposisi resep dibandingkan dengan resep yang sudah di
campurkan.
 Bagaimana mendapatkan Smoothie menjadi utuh Kembali? Tinggal kita campurkan
Kembali, dan kita akan mendapatkan komposisi smoothie seperti semula.
2021 Pengolahan Sinyal Digital
2 Oki Teguh Karya, S.Pd, M.T
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Kedua, mari kita bahasakan kedalam bahasa matematika,

“ Fourier Transform mengambil pola berbasis waktu, mengukur setiap kemungkinan cycle dan
mengembalikannya kembali “resep” berupa amplitude, offset dan kecepatan rotasi untuk setiap
cycle yang ditemukan.”

Sehingga dengan cara pandang ini kita merubah dari cara pandang konsumen (menikmati
minuman smoothie) menjadi cara pandang produsen (cara membuat smoothie).

Gambar 1. Metapora cara kerja Transformasi Fourier

Dari gambar diatas, dapat kita lihat bahwa apa yang dilakukan oleh transformasi fourier adalah
memisahkan sinyal utuh (diibaratkan smoothie) menjadi beberapa bagian (resep). Hal ini juga
yang di jelaskan dalam(Proakis & Manolakis, 2014) tentang bagaimana sebuah sinar putih dapat
dipisahkan menjadi beberapa warna melalui sebuah prisma.

Gambar 2. Seberkas sinar putih terdiri dari spektrum warna yang beragam (a), Dan Jika spektrum
tersebut dipantulkan kembali pada prisma (b) maka akan menghasilkan kembali warna putih (dengan
distorsi)

Sehingga bisa kita katakan bahwa Fourier Transform, sebuah formula yang digunakan
untuk menemukan kecepatan cycle, amplitudo dan fasa pada sinyal dalam domain waktu.

2021 Pengolahan Sinyal Digital

3 Oki Teguh Karya, S.Pd, M.T
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Kenapa kecepatan cycle? Karena sebuah sinyal terdiri dari gabungan sinyal harmonik berupa
sinyal sinusoida, dan sinyal sinusoida akan sangat mudah dipahami jika kita merubahnya ke
dalam bentuk cycle atau lingkaran.

Seorang Euler dengan cerdas merepresentasikan sebuah sinyal sinusoida dalam bentuk
lingkaran dan Formula Fourier Transform adalah seputar circular path, sehingga akan sangat
penting mengetahui dasar dari formulasi Euler.

Gambar 2. Representasi Euler dalam menggambarkan sebuah lingkaran dan sinusoidal

Dari sini kita dapatkan Euler Identity

𝑒 = −1 (4.1)

Dan

𝑒 = cos(𝑥) + 𝑖 sin(𝑥) (4.2)

Notasi 𝑖 atau juga kita bisa ditulis dengan 𝑗. Dengan bentuk lingkaran maka kita bisa
menggambarkan sinyal dalam bentuk riil dan imajiner, dan secara sederhana sinyal itu hanya
berputar dilingkaran tersebut. Beberapa hal yang dapat kita pahami antara bentuk lingkaran dan
sinyal sinusoidal, diantaranya:

 Berapa besar lingkaran ? menunjukan besarnya amplitude (dalam radius)

 Seberapa cepat sinyal berputar di lingkaran? menunjukan kecepatan frekuensi ( 1 Hz
= 1 lingkaran/detik; atau 2 ∗ 𝜋 radian/ detik.)
 Dari titik mana sinyal dimulai dalam lingkaran? menunjukan sudut fasa (dimana 0o
dimulai dari sumbu x)

Gambar 3. Representasi Sinyal dalam bentuk lingkaran

2021 Pengolahan Sinyal Digital

4 Oki Teguh Karya, S.Pd, M.T
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 Gambar 4. Komparasi sinyal sinusoida dalam bentuk lingkaran

Dari gambar 4 dapat kita ketahui bahwa garis biru pada sinusoida ditunjukan titik biru
pada lingkaran yang berputar sepanjang lingkaran, kemudian 2 titik kuning menunjukan sudut
fasa dimulainya sinyal, titik kuning sebelah kanan lingkaran menunjukan sudut 0 dan titik kuning
sebelah kiri menunjukan 180 derajat / 𝜋. Pada gambar 5a. ditunjukan dua buah sinyal dengan
amplitudo yang sama, namun dengan frekuensi yang berbeda. Sinyal pertama sebesar 1 Hz dan
sinyal kedua sebesar 2 Hz. Ketika kedua sinyal ini dijumlahkan maka akan menghasilkan satu
sinyal baru seperti yang ditampilkan pada gambar 5b.

(a)

(b)

Gambar 5. Komposisi satu sinyal yang dibangun dari dua sinyal dengan frekuensi yang berbeda
(a)Menunjukan dua sinyal dengan amplitudo yg sama, namun berbeda frekuensi.
(b)Menunjukan satu sinyal hasil penjumlahan dua sinyal pada 5a.

Dari gambar 5 ini kita menjadi tahu bahwa sebuah sinyal dengan bentuk tertentu dapat
dibangun dari hasil penjumlahan beberapa sinyal (harmonik) sinusoidal dengan frekuensi yang
berbeda, fasa yang berbeda, juga mungkin amplitudo yang berbeda pula. Dan inilah esensi dari
formulasi Fourier Transform, dengan formula ini kita dapat meng ekstrak sebuah sinyal dalam
domain waktu kedalam domain frekuensi, yang menunjukan pada frekuensi berapa saja yang
terkandung sinyal dengan parameter tertentu (amplitudo, frekuensi dan fasa).

2021 Pengolahan Sinyal Digital

5 Oki Teguh Karya, S.Pd, M.T
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 Gambar 6. Contoh kombinasi beberapa sinyal dengan frekuensi
yang berbeda ketika dijumlahkan menjadi bentuk tertentu

Transformasi Fourier Sinyal Diskrit

Setelah membahas gambaran umum representasi Fourier dari sebuah sinyal, maka kita
akan masuk pada pembahasan Transformasi Fourier pada Sinyal Diskrit atau lebih dikenal
dengan DTFT (Discrete-Time Fourier Transform). Seperti yang sudah disinggung pada
pembahasan awal, pada aplikasi pengolahan sinyal, akan sangat memudahkan jika kita
mengetahui unsur unsur frekuensi yang terdapat dalam satu sinyal. Seperti ketika kita akan
memfilter frekuensi tertentu atau mungkin menguatkan frekuensi tertentu dan sebagainya.
Besarnya magnitudo dan fasa akan menjadi keluaran dari tools DTFT ini. Karena pada
pembahasan ini kita menggunakan sinyal diskrit, dan telah kita ketahui bahwa ketika kita
mengkonversi sinyal kontinyu ke dalam bentuk diskrit harus melalui proses sampling terlebih
dahulu, sehingga hubungan antara spektrum sinyal kontinyu dan spektrum pada sinyal diskrit
pun akan menjadi hal yang harus diperhatikan pada pembahasan ini.

A. Definisi Fourier Transform pada Sinyal Diskrit

Analisa sebuah sinyal dalam domain frekuensi akan melibatkan penjumlahan sinusoidal
yaitu dengan sin(𝜔𝑛) dan cos(𝜔𝑛) atau secara singkat menggunakan 𝑒 , dimana 𝜔 adalah
frekuensi dalam radian. Sebuah sinyal sinusoidal dengan frekuensi tertentu yang diinputkan
kedalam sistem LTI maka akan menghasilkan keluaran sinyal dengan frekuensi yang sama,
walaupun mungkin akan berbeda amplitude dan fasa nya.
Misalkan jika kita masukan sebuah sinyal 𝑥(𝑛) = 𝑒 ( ) ke dalam sebuah sistem LTI,
maka seperti yang kita tahu, output sistem adalah hasil konvolusi sinyal input x(n) dengan unit
sample response h(n). Sehingga dapat kita tuliskan sebagai berikut:

2021 Pengolahan Sinyal Digital

6 Oki Teguh Karya, S.Pd, M.T
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 𝑦(𝑛) = ℎ(𝑛) 𝑥(𝑛 − 𝑘)

( )( )
= ℎ(𝑛) 𝑒

( ) ( )
= ℎ(𝑛) 𝑒 .𝑒

( ) ( )
𝑦(𝑛) = 𝑒 . ℎ(𝑛) . 𝑒 (4.3)

Kita dapat mengintepretasikan persamaan 4.3 ini dalam notasi complex vector, dimana

( )
𝐻 𝑒 = ℎ(𝑛) . 𝑒 = 𝐻(𝑒 ) exp{𝑗 𝐴𝑟𝑔 𝐻(𝑒 )}

Sehingga persamaan 4.3 dapat kita tulis menjadi

( )
𝑦(𝑛) = 𝐻 𝑒 .𝑒

= 𝐻(𝑒 ) exp{𝑗 (𝜔 )𝑛 + 𝐴𝑟𝑔 𝐻 𝑒 } (4.4)

Dari persamaan 4.4 ini dapat kita lihat bahwa output yang dihasilkan oleh sistem memiliki
frekuensi yang sama yaitu 𝜔 yang telah di kali kan dengan koefisien LTI sistem 𝐻(𝑗𝜔 ).
Koefisien ini mencakup penguatan amplitude dan pergeseran fasa. Seperti yang dapat kita
lihat pada gambar 7 dibawah ini.

Gambar 7. Sebuah sinyal input sinusoidal dengan frekuensi 𝜔 masuk

kedalam sistem LTI dan menghasilkan keluaran dengan frekuensi yang
sama namun berbeda amplitude dan fasa(Kuc, 2008)

Hasil pada gambar 7 diatas berlaku untuk semua frekuensi, oleh karenanya koefisien ini
dapat digeneralisir menjadi sebuah fungsi frekuensi 𝐻(𝑗𝜔 ). Dan fungsi ini menunjukan
definisi dari Fourier Transform untuk sinyal h(n). Sehingga jika kita dapatkan sebuah sinyal
sekuen diskrit x(n), maka Fourier Transform nya adalah:
2021 Pengolahan Sinyal Digital
7 Oki Teguh Karya, S.Pd, M.T
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 𝑋 𝑒 = 𝑥(𝑛) . 𝑒 4.5

Dimana 𝑋(𝑒 ) mendefinisikan konten frekuensi pada sinyal 𝑥(𝑛), dan kita sebut dengan
spektrum sinyal. Formula diatas dikenal dengan DTFT (Discrete-Time Fourier Transform).

B. Discrete Fourier Transform (DFT)

Untuk sinyal diskrit terbatas, yaitu x(n) dengan rentang 0 ≤ 𝑛 ≤ 𝑁 − 1, dapat dinyatakan
dengan sederhana dengan menggunakan DFT. Sebenarnya DFT diturunkan dari DTFT
dimana N disebut dengan sample frekuensi dari 𝑋(𝑗𝜔) yang sedang diobeservasi, yaitu pada
titik 𝜔 = 𝜔 dan k= 0,1,2,…, N-1. DFT didefinisikan sebagi berikut:

𝑋[𝑘] = 𝑋 𝑒 | = 𝑥(𝑛). 𝑒 4.6

Dengan nilai k=0,1,2,… N-1.

Namun demikian jika kita tengok Kembali tabel 1 di bagian awal modul ini, dikatakan bahwa
DFT atau DTFS merupakan representasi Fourier untuk sinyal diskrit periodik. Bagaimana
penjelasannya antara sinyal diskrit terbatas durasi dan sinyal periodik?. Jawabannya adalah,
DFT merupakan suatu transformasi yang memerlukan suatu asumsi bahwa ketika
menghitung DFT N-titik maka periodenya adalah N. Sebagai contoh jika diketahui sebuah
sinyal x(n) = [1,3,5,7] dan akan dilakukan DFT 4 titik maka disumsikan sinyal tersebut
mempunyai periode 4 sehingga dapat kita tuliskan[..,1,3,5,7,1,3,5,7,….]. Bagaimana jika ingin
dilakukan DFT dengan 8 titik? Maka diasumsikan periodenya 8 sehingga dinyatakan […,
1,3,5,7,0,0,0,0,1,3,5,7,0,0,0,0,…]. Penambahan sinyal nol atau zero padding dilakukan ketika
periode tidak sama dengan jumlah sampel sinyal. Jika tidak disebutkan N-titik maka dianggap
N sama dengan jumlah sampel sinyal tersebut.

Keterkaitan antara DTFT dengan DFT seperti yang telah dijelaskan sebelumnya maka
dapat digambarkan seperti pada gambar 8 dibawah ini. Dimana jika didapatkan sebuah sinyal
diskrit aperiodik, sejatinya sinya tersebut dapat dilakukan DTFT. Untuk bisa mendapatkan
nilai DFT nya maka DTFT dilakukan sampling, atau langsung dikerjakan dengan DFT, dimana
sinyal diskrit aperiodik tersebut diasumsikan periodik dengan periode N, baru kemudian
dilakukan DFT.

Invers DFT merupakan proses kebalikan dari DFT yang didefinisikan sebagai berikut:

1
𝑥(𝑛) = 𝑋[𝑘]. 𝑒 4.7
𝑁

2021 Pengolahan Sinyal Digital

8 Oki Teguh Karya, S.Pd, M.T
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 Gambar 8. Interrelasi antara DTFT dan DFT

C. Contoh Kasus DTFT dan DFT

Contoh Soal 1 DTFT

Diberikan deret 𝑥(𝑛) = ( 0,5) . 𝑢(𝑛). Kita dapat mencari DTFT dari sinyal aperiodik
tersebut berdasarkan persamaan 4.5.

𝑋 𝑒 = 𝑥(𝑛) . 𝑒

Maka

𝑋 𝑒 = ( 0,5) . 𝑢(𝑛) . 𝑒

Karena input sinyal berupa step function maka dapat kita tulis lagi sebagai berikut

1
𝑋 𝑒 = (0,5. 𝑒 ) =
1 − 0,5 𝑒

2021 Pengolahan Sinyal Digital

9 Oki Teguh Karya, S.Pd, M.T
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 Contoh Soal 2 DTFT
Jika diketahui sebuah unit sample response h(n) dari sebuah sistem non causal
diberikan dengan kondisi seperti berikut ini:
1 𝑝𝑎𝑑𝑎 − 1 ≤ 𝑛 ≤ 1
ℎ(𝑛) 3
0 𝑠𝑒𝑙𝑎𝑖𝑛𝑛𝑦𝑎

Maka dapat kita ketahui fungsi transfer 𝐻(𝑒 ) nya adalah

1
𝐻 𝑒 = ℎ(𝑛) . 𝑒 = .𝑒
3
1
𝐻 𝑒
= (𝑒 + 1 + 𝑒 )
3
Kita bisa sederhanakan dengan menggunakan Euler identiy dimana
𝑒 +𝑒 = 2 cos 𝛼
Sehingga dapat kita tulis ulang hasil diatas menjadi
1
𝐻 𝑒 = (1 + 2 cos 𝜔)
3

Contoh Soal 3 DFT

kita akan menentukan DFT dari [1,0,0,1], sinyal ini mempunyai periode N=4. Jika kita
merujuk pada persamaan 4.6 berikut ini:

𝑋[𝑘] = 𝑋 𝑒 | = 𝑥(𝑛). 𝑒

𝑋[𝑘] = 𝑥(𝑛). 𝑒

𝑋[0] = 𝑥(𝑛). 𝑒 = 𝑥(0). 1 + 𝑥(1). 1 + 𝑥(2). 1 + 𝑥(3). 1 = 1 + 0 + 0 + 1 = 2

𝑋[1] = 𝑥(𝑛). 𝑒 = 𝑥(0). 1 + 𝑥(1). 𝑒 + 𝑥(2). 𝑒 + 𝑥(3). 𝑒

3𝜋 3𝜋
𝑋[1] = 1 + 0. 𝑒 + 0. 𝑒 + 1. 𝑒 = 1 + 𝐶𝑜𝑠 − 𝑗 sin =1+𝑗
2 2

𝑋[2] = 𝑥(𝑛). 𝑒 = 𝑥(0). 1 + 𝑥(1). 𝑒 + 𝑥(2). 𝑒 + 𝑥(3). 𝑒

𝑋[2] = 1 + 0. 𝑒 + 0. 𝑒 + 1. 𝑒 =1−1=0

2021 Pengolahan Sinyal Digital

10 Oki Teguh Karya, S.Pd, M.T
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 𝑋[3] = 𝑥(𝑛). 𝑒 = 𝑥(0). 1 + 𝑥(1)𝑒 + 𝑥(2). 𝑒 + 𝑥(3). 𝑒

9𝜋 9𝜋
𝑋[3] = 1 + 0. 𝑒 + 0. 𝑒 + 1. 𝑒 = 1 + cos − 𝑗 sin =1−𝑗
2 2

Dari hasil diatas dapat diihat bahwa hasil DFT merupakan bilangan kompleks sehingga
dapat diplot amplitude dan fasanya (dalam radian), dimana 𝑧 = 𝑎 + 𝑗𝑏 sehingga dapat
kita cari amplitude dengan menggunakan |𝑧| = √𝑎 + 𝑏 dan sudut fasa nya dapat
diketahui ∠𝑧 = tan .

Daftar Pustaka
Kuc, R. (2008). Introduction to Digital Signal Processing (Re-Print 1st Edition,). BS Publications.

Proakis, J. G., & Manolakis, D. K. (2014). Digital Signal Processing (Fourth Edition). Pearson
Education Ltd.

Young, S. (2021). An Interactive Guide To The Fourier Transformo Title. Retrieved September
24, 2021, from https://betterexplained.com/articles/an-interactive-guide-to-the-fourier-
transform/

Gunawan,D., Juwonon, F.H., (2011) Pengolahan Sinyal Digital dengan Pemrograman Matlab, Graha Ilmu

2021 Pengolahan Sinyal Digital

11 Oki Teguh Karya, S.Pd, M.T
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/