Disusun oleh :
Tim Asisten Laboratorium Telekomunikasi
LABORATORIUM TELEKOMUNIKASI
JURUSAN TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
PADANG
2022
Universitas Andalas
Padang
November 2022
DAFTAR ISI
I. Laporan Akhir
1. Cover (print)
2. Judul (print)
3. Tujuan (print)
7. Jurnal (print)
I. TUJUAN
1. Pengertian Sinyal
Sinyal adalah besaran fisis yang berubah menurut waktu, ruang,
atau variabel- variabel bebas lainnya. Contoh sinyal: sinyal ucapan,
ECG, dan EEG. Secara matematis, sinyal adalah fungsi dari satu
atau lebih variabel independen. Proses ini dilakukan melalui
pemodelan sinyal.
Terdapat dua jenis sinyal dasar, yaitu:
• Sinyal waktu kontinu
Dalam sinyal kontinu, variabel bebas adalah kontinu
sehingga sinyal didefinisikan sebagai sebuah runtutan nilai
dari variabel bebasnya.
x( t ) = Ce at
Dimana C dan a adalah bilangan kompleks. Jika C dan a adalah real
(dimana x(t) disebut eksponensial real), maka terdapat tiga jenis
keadaan, yaitu:
a. Jika a positif, kemudian t bergerak naik maka x(t) akan
eksponensial.
b. Jika a negative, maka x(t) akan menurun secara
eksponensial.
➢ Proses ADC
1) Sampling
Sinyal analog xa (t) diubah menjadi sinyal diskrit pada
sebuah pencuplik (sampler) menghasilkan sinyal waktu
diskrit x(n)
2) Kuantisasi
3) Koding
Fs = frekuensi sampling.
A. SINYAL SINUSOIDAL
B. SINYAL EXPONENSIAL
Pada Matlab command window , ketiklah sbb :
• n = 0:9;
a. x4 = (0.9) .^n .*ones(1,10);
stem(n,x4) . . . . . . [enter]
3/18 6 Periodik
3/9
a. Fs = 16 Hz
b. Fs = 4 Hz
7. Diketahui suatu sinyal x(t) = 2 cos 60π t + 7 cos 900π t + sin 80π t.
Tentukan :
a. Jika Fs = 5000 Hz, berapa 𝑥 (𝑛)?
b. Jika Fs = 150 Hz, berapa 𝑥 (𝑛)?
I. TUJUAN
• Memahami operasi-operasi sinyal diskrit
• Memahami operasi konvolusi antara dua sinyal diskrit
2. Unit Step
Didefenisikan :
1, 𝑛 ≥ 0
𝑢 (𝑛 ) = {
0, 𝑛 < 0
3. Unit Ramp
Didefenisikan :
𝑛, 𝑛 ≥ 0
𝑢𝑟 (𝑛) = { ∀𝑛
0, 𝑛 < 0
4. Exponential
Didefenisikan :
𝑎 = 𝑟𝑒 𝑗𝜃 → 𝑥 (𝑛) = (𝑟𝑒 𝑗𝜃 )𝑛
→ 𝑥 (𝑛) = 𝑟 𝑛 (𝑐𝑜𝑠 𝜃𝑛 + 𝑗 sin 𝜃𝑛)
Respon system yang dinyatakan dengan :
• n=0:40;
• x=0.8.^n;
• nh=0:5;
• h=0.5.^nh;
• y=conv(x,h);
• batas=0:45;
• n=0:40;
• x = (- 0.8).^n;
• nh=0:5;
• h=0.5.^nh;
• y=conv(x,h);
• batas=0:45;
• n=0:10;
• x=ones(1,length(n));
• nh=0:10;
• h=0.5.^nh;
• y=conv(x,h);
• batas=0:20;
• n=0:10;
• x=ones(1,length(n));
• nh=0:10;
• h=(-0.5).^nh;
• y=conv(x,h);
• batas=0:20;
• n=0:10;
• x=ones(1,length(n));
• nh=0:15;
• h=0.5.^nh;
• y=conv(x,h);
• batas=0:25;
• n=0:10;
• x=0.8.^n;
• nh=0:15;
• h=0.5.^nh;
• y=conv(x,h);
• batas=0:25;
Padang, 2022
Asisten Pengawas
(……………………………)
I. TUJUAN
1. Audio Multichannel
d. Software faac
2. Kompresi Audio
b. Headphone
[a,fs,nb] = wavread(‘namafilemusik5channel.wav');
>> b=a(:,1);
>>wavwrite(c,fs,'namafilemusikMono');
3) Posisikanpraktikansesuaigambar di diatas.
i. Percobaan 1
1 Klasik
2 Akustik
3 Tertawa
4 Tepuk Tangan
5 Suara Manusia
Hitunglah :
d. SDG rata– rata dengan bitrate sama dari audio yang berbeda.
a) Berikut tabel untuk perhitungan SDG
Jenis Audio Skor Audio (Z)
SDG SDG
Asli Kompresi
Musik Klasik
Musik Akustik
Tertawa
Tepuk Tangan
Suara Manusia
SDG
Jenis SDG
Audio Subjek 1 Subjek 2 Subjek 3 Subjek 4 SDG
Jika SDG rata-rata SDG < 0 maka data dinilai valid jika SDG ≥
0 maka data tidak valid.
Nama Penilaian
SDG
Subjek 1
Subjek 2
Subjek 3
Subjek 4
Padang, 2022
Asisten Pengawas
(……………………………)
11. Sebutkan dan jelaskan parameter yang digunakan dalam penilaian kualitas
audio secara objektif dan subjektif !
I. TUJUAN
1. Memahami prinsip kerja kompresi pada citra digital
2. Mengetahui pengaruh hasil kompresi pada citra digital
Dimana:
MAX = nilai intensitas terbesar.
m dan n = lebar dan tinggi citra, I dan K.
Listing Program
tic
I = imread('1.bmp');
imwrite(I,'ubah_format.TIFF','compression','LZW')
citra_25=imread(' ubah_format.TIFF');
[baris,kolom,channel] = size(I);
[baris_s,kolom_s,channel_s] = size(citra_25);
I = double(I);
citra_25 = double(citra_25);
2. Percobaan 2
• Mengubah Ukuran Citra
1. Aktifkan program Matlab pada komputer
2. Buatlah listing program yang ada pada modul
3. Ubah nama file citra yang berada di program matlab, dengan
gambar yang telah praktikan siapkan
4. Jalankan program matlab
5. Amati hasil percobaan
Listing program
tic
clc
citra=imread('1.bmp');
area=uint8(zeros(150,200));
for i=1:300;
for j=1:400;
d(i,j)=citra(i,j);
end
end
for b_asli=1:150
for k_asli=1:200
temp=0; pixel=0;
for b_baru=1:2
for k_baru=1:2
pixelb=((b_asli-1)*2 + b_baru);
pixelk= ((k_asli-1)*2 + k_baru);
pixel1=d(pixelb,pixelk);
temp1=temp+pixel1;
end
end
temp2=round(temp1/4);
area(b_asli,k_asli)=temp2;
end
end
imwrite(area,'kompresi.jpg');
citra_kompresi=imread('kompresi.jpg');
figure
imshow(citra);
title('Citra asli');
figure
*.bmp *.tiff
Packbits *.png *.png
*.bmp *.tiff
Deflate *.png *.png
*.bmp *.jpeg
75 *.jpeg *.jpeg
4x
2x
4x
2x
*.jpg 3x
400 x 600
4x
4x
2x
4x
2x
Padang, 2022
Asisten Pengawas
(……………………………)
FILTER SUARA
I. TUJUAN
1. Memahami prinsip kegunaan filter adaptif
2. Memahami cara kerja filter dalam menghilangkan noise
3. Mengetahui cara mencampurkan sinyal
4. Mengetahui cara membersihkan sinyal yang bercampur derau
snrdb=10; snr=10^(snrdb/10);
[suara,fs,nbits]=wavread('suara_bersih_023.wav');
maxsuara=max([abs(max(suara)) abs(min(suara))]
); suaranorm=(1/maxsuara).*suara;
maxsuaranorm=max([abs(max(suaranorm))
abs(min(suaranorm))] );
px=0.5*mean(suaranorm.^2,1);
[filen,fs,nbits]=wavread('noise_mobil.wav')
noise=filen(1:size(suara,1),1);
suarapnoise=suaranorm+noiseData;
maxsuarapnoise =
max([abs(max(suarapnoise))abs(min(suarapnoise))] );
pn2=0.5*mean(noiseData.^2,1); snr2=(px/pn2);
snrdb2=10*log10(px/pn2);
% filter LMS
[x,fs,nbits] = wavread('suara_bersih_10dB'); [d,fs,nbits]
= wavread ('suara_bersih'); nord1 =100;
mu = 0.001;
a0 = 0;
% d = wavread(sourceSLCFile); X=convmtx(x,nord1);
[M,N] = size(X);
% a0 = a0(:).';
y(1) = a0*X(1).';
E(1) = d(1) - y(1);
A(1,:) = a0 + mu*E(1)*conj(X(1,:));
if M>1
for k=2:M-nord1+1;
y(k) = A(k-1,:)*X(k,:).';
E(k) = d(k) - y(k);
A(k,:) = A(k-1,:) +
mu*E(k)*conj(X(k,:));
end;
end;
S_bn = d(1:size(x))-x;
nr= size (S_bn);
sum_S =0.0;
16000 Offset
44100
Tabel 5.1 Tabel Variasi Sample Rate
Variasi Bit
Hasil
Sample Sample Durasi Bentuk Daya Kapasitas
Perhitungan
Rate Encoding Sinyal Penyimpanan
Kapasitas
Line 8
Line 16
8000
Line 32
Tabel 5.2 Tabel Variasi Sample Encoding
1 -10
2 0
Proses Filter
a. Algoritma LMS
Orde
25 75 100
SNR (dB)
Gambar Gambar Gambar
Daya Daya Daya
Sinyal Sinyal Sinyal
µ
0
0,01
10
0
0,05
10
0
10 1,5
Orde 25 50 75
SNR (dB)
Gambar Gambar Gambar
Daya Daya Daya
Sinyal Sinyal Sinyal
β
0
0,2
10
0
0,4
10
0 0,8
10
Padang, 2022
Asisten Pengawas
(……………………………)