Pengolahan Sinyal
Digital
Transformasi Fourier Sinyal
Diskrit
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.
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).
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.
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.
𝑒 = −1 (4.1)
Dan
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:
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).
( )( )
= 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 )}
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.
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).
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:
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
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
𝑋[𝑘] = 𝑋 𝑒 | = 𝑥(𝑛). 𝑒
𝑋[𝑘] = 𝑥(𝑛). 𝑒
3𝜋 3𝜋
𝑋[1] = 1 + 0. 𝑒 + 0. 𝑒 + 1. 𝑒 = 1 + 𝐶𝑜𝑠 − 𝑗 sin =1+𝑗
2 2
𝑋[2] = 1 + 0. 𝑒 + 0. 𝑒 + 1. 𝑒 =1−1=0
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