LEMBAR REVISI

Yang bertanda tangan di bawah ini :

Nama : Linahtadiya Andiani, M.Si

NIP : 20940006

Jabatan : Dosen Pembina Laboratorium Instrumentasi

Dengan ini menyatakan pelaksanaan Revisi Modul Praktikum Pengolahan Sinyal untuk Program
Studi S1 Teknik Fisika, telah dilaksanakan dengan penjelasan sebgai berikut :

No. Keterangan Revisi Tanggal Revisi Terakhir

1. Tidak ada bagian yang direvisi 31 Agustus 2022

1
 LEMBAR PERNYATAAN

Yang bertanda tangan di bawah ini :

Nama : Linahtadiya Andiani, M.Si

NIP : 20940006

Jabatan : Dosen Pembina Laboratorium Instrumentasi

Menerangkan dengan sesungguhnya bahwa modul praktikum pengolahan sinyal telah ditinjau dan
akan digunakan untuk pelaksanaan praktikum di Semester Ganjil Tahun Akademik 2022/2023 di
Laboratorium Fisika Komputasi Fakultas Teknik Elektro Universitas Telkom.

Bandung, 19 September 2022

Mengetahui, Dosen Pembina

Ketua Kelompok Keahlian Laboratorium Instrumentasi

Dr. Eng. Indra Wahyudin Fathona, M.Si. Linahtadiya Andiani, M.Si

NIP : 14840062 NIP : 20940006

2
 VISI & MISI
FAKULTAS TEKNIK ELEKTRO

VISI

Menjadi fakultas berstandar internasional yang berperan aktif dalam pengembangan Pendidikan,
riset, dan entrepreneurship di bidang Teknik Elektro dan Teknik Fisika, berbasis teknologi
informasi.

MISI

1. Menyelenggarakan sistem Pendidikan yang berstandar insternasional di bidang Teknik

Elektro dan Teknik Fisika berbasis teknologi informasi.
2. Menyelenggarakan, menyebarluaskan, dan memanfaatkan hasil-hasil riset berstandar
internasional di bidang Teknik Elektro dan Teknik Fisika.
3. Menyelenggarakan program entrepreneurship berbasis teknologi bidang Teknik Elektro
dan Teknik Fisika di kalangan sivitas akademika untuk mendukung pembangunan ekonomi
nasional.
4. Mengembangkan jejarin dengan perguruan tinggi dan industry terkemuka dalam dan luar
negeri dalam rangka kerja sama pendidikan, riset, dan entrepreneurship.
5. Mengembangakan sumber daya untuk mencapai keunggulan dalam Pendidikan, riset, dan
entrepreneurship.

3
 VISI & MISI
PRODI S1 TEKNIK FISIKA

VISI

Menjadi program studi S1 Teknik Fisika berstandar internasional yang berperan aktif dalam
pengembangan, Pendidikan, riset, dan entrepreneurship di bidang keteknikfisikaan yang berbasi
teknologi informasi.

MISI

1. Menyelenggarakan sistem Pendidikan yang berstandar insternasional di bidang Teknik

Fisika berbasis teknologi informasi.
2. Menyelenggarakan, menyebarluaskan, dan memanfaatkan hasil-hasil riset berstandar
internasional di bidang Teknik Fisika.
3. Menyelenggarakan program entrepreneurship berbasis teknologi bidang Teknik Fisika.
4. Mengembangkan jejarin dengan perguruan tinggi dan industry terkemuka dalam dan luar
negeri dalam rangka kerja sama pendidikan, riset, dan entrepreneurship.
5. Mengembangakan sumber daya untuk mencapai keunggulan dalam Pendidikan, riset, dan
entrepreneurship di bidang Teknik Fisika.

4
 ATURAN LABORATORIUM FAKULTAS TEKNIK ELEKTRO
UNIVERSITAS TELKOM

Setiap Mahasiswa Fakultas Teknik Elektro yang akan menggunakan Fasilitas Laboratorium,
WAJIB mematuhi Aturan sebagai berikut:

1. Menggunakan seragam resmi Telkom University dan membawa Kartu Tanda Mahasiswa
(KTM) yang masih berlaku.
2. Tidak berambut gondrong untuk mahasiswa.
3. Dilarang merokok dan makan minum didalam ruangan, dan membuang sampah pada
tempatnya.
4. Dilarang menyimpan barang-barang milik pribadi di Laboratorium tanpa seizin Fakultas.
5. Dilarang menginap di Laboratorium tanpa seizin Fakultas.
6. Jam Kerja Laboratorium dan Ruang Riset adalah 06.30 sampai 22.00 WIB.
7. Mahasiswa yang akan menggunakan Laboratorium dan atau ruang riset di luar jam kerja
harus mengajukan izin kepada Fakultas.

Dekan Fakultas Teknik Elektro

Bandung, 19 September 2022

Dr. Bambang Setia Nugroho, S.T., M.T.

NIP : 99760035

5
 DAFTAR ISI

LEMBAR REVISI ................................................................................................................................ 1

LEMBAR PERNYATAAN .................................................................................................................. 2
VISI & MISI FAKULTAS TEKNIK ELEKTRO ............................................................................. 3
VISI & MISI PRODI S1 TEKNIK FISIKA ....................................................................................... 4
ATURAN LABORATORIUM............................................................................................................. 5
MODUL I............................................................................................................................................... 7
MODUL II ........................................................................................................................................... 17
MODUL III.......................................................................................................................................... 27
MODUL IV .......................................................................................................................................... 32
MODUL V ........................................................................................................................................... 46
MODUL VI .......................................................................................................................................... 51

6
 MODUL I
OPERASI DASAR PADA SINYAL

1. PENDAHULUAN
Sinyal merupakan suatu gelombang yang berisi informasi yang dapat direpresentasikan
dalam bentuk persamaan matematis. Agar informasi pada sinyal dapar diterjemahkan
dengan baik, dapat dilakukan suatu proses pengolahan sinyal. Salah satu dasar dari proses
pengolahan sinyal adalah operasi dasar sinyal.

2. TUJUAN PRAKTIKUM

- Mahasiswa dapat memperlihatkan proses-proses aritmatika sinyal dan menerapkan

sebagai proses dasar dari pengolah sinyal audio.

3. DASAR TEORI
3.1 Operasi Artimatika Sinyal Pada analisa sistem pemrosesan sinyal diskrit, deretnya
dapat dimanipulasi dalam beberapa cara. Perkalian (product) dan penambahan (sum) dari
dua deret x dan y dinyatakan sebagai sampel perkalian dan pembagian dimana:
x.y={x(n)y(n)} (product) (1) x+y={x(n)+y(n)} (sum) (2)
Perkalian dari deret x dengan sebuah nilai α dinyatakan sebagai:

α.x = x(n - n0) (3)

dimana n0 adalah bilangan integer.

Dalam realita kehidupan sehari-hari, khususnya dalam dunia electronic communication

engineering, kita mengenal proses aritmatika pada sinyal yang meliputi:

- Penguatan sinyal.
- Pelemahan sinyal.
- Penjumlahan dua buah sinyal.
- Perkalian dua buah sinyal.

7
 Penguatan Sinyal

Peristiwa penguatan sinyal seringkali kita jumpai pada perangkat audio, seperti radio,
tape, dsb. Fenomena ini dapat juga direpresentasikan secara sederhana sebagai sebuah
operasi matematika sebagai berikut:

y(t) = amp x(t) (4)

dimana:
y(t) = sinyal output amp =
konstanta penguatan sinyal x(t)
= sinyal input
Bentuk diagram blok dari sebuah operasi penguatan sinyal dapat diberikan pada
gambar berikut ini:

Gambar 1.1 Diagram blok penguatan suatu sinyal

Besarnya nilai konstanta sinyal amp >1 dan penguatan sinyal seringkali dinyatakan
dalam besaran deci Bell, yang didefinisikan sebagai:

amp_dB = 10 log(output/input) (5)

Dalam domain waktu, bentuk sinyal asli dan setelah mengalami penguatan adalah
seperti gambar 1.2.

-10 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

8
 (b) Sinyal penguatan
Gambar 1.2 Penguatan sinyal
Pelemahan Sinyal

Apabila sebuah sinyal dilewatkan suatu medium seringkali mengalami berbagai

perlakukan dari medium (kanal) yang dilaluinya. Ada satu mekanisme dimana sinyal yang
melewati suatu medium mengalami pelemahan energi yang selanjutnya dikenal sebagai
atenuasi (pelemahan atau redaman) sinyal.

Bentuk diagram blok dari sebuah operasi pelemahan sinyal dapat diberikan pada gambar
1.3.

Gambar 1.3 Operasi pelemahan suatu sinyal

Dalam bentuk operasi matematik sebagai pendekatannya, peristiwa ini dapat diberikan
sebagai berikut:

y(t) = att x(t) (6)

Dalam hal ini nilai att < 1, yang merupakan konstanta pelemahan yang terjadi. Kejadian
ini sering muncul pada sistem transmisi, dan munculnya konstanta pelemahan ini
dihasilkan oleh berbagai proses yang cukup komplek dalam suatu media transmisi, dapat
ditunjukkan pada gambar 1.4.

(b) Sinyal pelemahan

9
 Gambar 1.4 Pelemahan sinyal
Dari gambar tersebut dapat dilihat bahwa proses penguatan dan pelemahan sinyal
merupakan dua hal yang hampir sama. Dalam penguatan sinyal, amplitudo sinyal output
lebih tinggi dibanding sinyal input, sementara pada pelemahan sinyal amplitudo sinyal
output lebih rendah dibanding sinyal input. Tetapi, pada kedua proses operasi ini bentuk
dasar sinyal tidak mengalami perubahan.

Penjumlahan Duah Buah Sinyal

Proses penjumlahan sinyal seringkali terjadi pada peristiwa transmisi sinyal melalui
suatu medium. Sinyal yang dikirim oleh pemancar setelah melewati medium tertentu,
misalnya udara akan mendapat pengaruh kanal, dapat menaikkan level tegangan atau
menurunkan level tegangannya tergantung komponen yang dijumlahkan. Sehingga pada
bagian penerima akan mendapatkan sinyal sebagai hasil jumlahan sinyal asli dari pemancar
dengan sinyal yang terdapat pada kanal tersebut. Diagram blok seperti pada gambar 1.5.

Sinyal 3
(hasil
jumlahan)

Gambar 1.5 Diagram blok operasi penjumlahan dua sinyal

Secara matematis dapat diberikan sebagai berikut:

y(t) = x1(t) + x2(t) (7)

Dalam hal ini, setiap komponen sinyal pertama dijumlahkan dengan komponen sinyal
kedua. Bentuk sinyal ditunjukkan pada gambar 1.6.

Gambar 1.6 Contoh penjumlahan pada sinyal sinus, (a) sinyal input 1, (b)
sinyal input 2, (c) sinyal hasil penjumlahan
10
 Perkalian Dua Buah Sinyal

Perkalian merupakan bentuk operasi yang sering Anda jumpai dalam kondisi real. Pada
rangkaian mixer, rangkaian product modulator, dan frequency multiplier, operasi perkalian
merupakan bentuk standar yang sering dijumpai. Bentuk diagram blok operasi perkalian
dua buah sinyal seperti pada gambar 1.7 dan bentuk sinyal seperti pada gambar 1.8.

Gambar 1.7 Diagram blok operasi perkalian dua sinyal

Gambar 1.8 Contoh perkalian pada sinyal sinus, (a) sinyal input 1, (b) sinyal input 2, (c) sinyal hasil
perkalian

4. PERANGKAT YANG DIGUNAKAN

- 1 (satu) buah PC multimedia OS Windows.
- 1 (satu) perangkat lunak MATLAB.

5. LANGKAH PERCOBAAN

5.1. Penguatan Sinyal

1. Bangkitkan gelombang pertama dengan langkah berikut:
11
 2. Lanjutkan dengan langkah berikut:

Jangan lupa anda masukkan sebuah nilai untuk ‘a’, misalnya 1.5 atau yang lain. Apa
yang anda dapatkan? Apakah gambar seperti berikut? Nilai penguatan sinyal juga
seringkali dituliskan dalam dBell (dB), untuk penguatan 1.5 kali berapa nilainya dalam
dB?

3. Ulangi langkah 1 dan 2, tetapi dengan nilai a berbeda misalnya 1.7, 2.5, 3.0 atau
yang lain. Serta jangan lupa Anda simpan gambarnya dan buatlah analisa dari apa
yang Anda amati dari gambar tersebut? Jangan lupa dalam penggambaran Anda
cantumkan nilai dB setiap percobaan.

5.2. Pelemahan Sinyal

Seperti yang kita ketahui bahwa pelemahan merupakan penguatan negatif, atau dalam
hal ini konstanta penguatan bernilai <1. Berdasar pemahaman ini coba anda susun sebuah
program pelemahan sinyal dengan memanfaatkan contoh program yang sudha anda buat
pada langkah 4.1.

5.3. Penjumlahan Dua Sinyal

Dengan mengacu pada penjelasan yang ada di dasar teori ban 2, operasi penjumlahan
dua buah sinyal dapat dilakukan dengan mengikuti langkah-langkah berikut ini:

1. Buat sebuah program baru dengan perintah:

12
 2. Bangkitkan gelombang kedua dengan langkah tambahan berikut ini:

3. Lakukan proses penjumlahan pada kedua sinyal y1 dan y2 di atas. Selengkapnya

bentuk programnya adalah seperti berikut:

4. Coba Anda ubah nilai f2 menjadi 3, 4, 5, …, 10. Perhatikan apa yang terjadi dan
catat hasilnya.
5. Lakukan perubahan pada pha2 sehingga nilainya menjadi 0.1*phi, 0.25*phi,
0.5*phi, dan 1.5*phi. Apa yang Anda dapatkan dari langkah ini?

5.4. Perkalian Dua Sinyal

Dengan menggunakan dua buah sinyal sinus, langkah yang harus dilakukan adalah
seperti berikut:
1. Bangkitkan gelombang pertama dengan langkah berikut:

13
 2. Bangkitkan gelombang kedua dengan langkah tambahan berikut ini:

3. Lakukan proses perkalian pada kedua sinyal y1 dan y2 di atas. Selengkapnya

bentuk programnya adalah seperti berikut:

4. Coba Anda ubah nilai f2 menjadi 3, 4, 5, …, 10. Apa yang terjadi dan catat hasilnya!
5. Lakukan perubahan pada pha2 sehingga nilainya menjadi 0.1*phi, 0.25*phi, dan
1.5*phi. Apa yang Anda dapatkan dari langkah ini?

5.5. Penambahan Noise Gaussian pada Sinyal Audio

Mungkin Anda sudah bosen melakukan aktivitas dengan sesuatu yang serba ideal
teoritis dan serba serius. Sekaranglah saatnya Anda belajar sambal bermain. Tentu saja,
dalam hal ini PC tempat Anda bekerja harus dilengkapi dengan perangkat multimedia,
minimal sound card lengkap dengan speaker active. Diagram blok ditunjukkan pada
gambar 1.9

14
 Gambar 1.9 Operasi penjumlahan sinyal audio *.wav dengan noise

Baiklah, kita mulai dengan memanggil sebuah file audio3.wav. Kalau dalam folder
dimana Anda sekarang bekerja tidak ada file ini, cobalah tanyakan ke dosen yang
bersangkutan atau kalua Anda ingin dikatakan sebagai orang yang kreatif, coba Anda cari
file *.wav apa saja yang ada di PC Anda, copy-kan ke folder dimana MATLAB Anda
bekerja.
1. Rekam suara Anda selama maksimal 10 detik dalam bentuk .wav, selanjutnya
panggil pada MATLAB menggunakan program seperti berikut:

2. Tambahkan perintah berikut ini setelah langkah satu di atas:

3. Apakah Anda melihat sesuatu yang baru dengan langkah Anda? Coba Anda
lakukan sekali lagi pada langkah 2 dengan nilai var 0.2, 0.3, 0.5, dst. Coba amati
apa yang terjadi?
4. Cobalah untuk menampilkan file audio yang telah Anda panggil dalam bentuk
grafik sebagai fungsi waktu, baik untuk sinyal asli atau setelah penambahan noise.

5.6. Proses Penguatan pada Sinyal Audio

Sekarang kita lanjutkan permainan kita dengan file *.wav. Dalam hal ini, kita lakukan
penguatan atau pelemahan sinyal audio yang telah kita panggil. Langkah yang kita lakukan
adalah sebagai berikut:

1. Anda buat file kuat_1.m seperti berikut:

15
2. Lakukan penambahan perintah seperti di bawah ini:

3. Apakah Anda mengamati sesuatu yang baru pada sinyal audio Anda? Kalau belum
juga memahami coba ubah nilai amp = 0.1, 0.2, 0.3, 0.4, 0.5, dst sampai nilainya
2.0.
4. Cobalah untuk menampilka file audio yang telah Anda panggil dalam bentuk grafik
sebagai fungsi waktu, baik untuk sinyal asli atau setelah penguatan dan pelemahan.

16
 MODUL II
OPERASI KONVOLUSI

1. PENDAHULUAN
Dua buah sinyal atau lebih dalam bentuk persamaan matematis dapat dilakukan
pengolahan menggunakan operasi sinyal. Salah satunya dengan prinsip konvolusi.

2. TUJUAN PRAKTIKUM
- Siswa dapat memahami proses konvolusi pada dua sinyal.

- Siswa dapat membuat sebuah program operasi konvolusi dan mengetahui pengaruhnya
pada suatu sinyal.

3. DASAR TEORI

3.1. Konvolusi Dua Sinyal

Konvolusi antara dua sinyal diskrit x[n] dan v[n] dapat dinyatakan sebagai:

(8)

Bentuk penjumlahan yang ada di bagian kanan pada persamaan (1) disebut sebagai
convolution sum. Jika x[n] dan v[n] memiliki nilai 0 untuk semua integer pada n<0,
selanjutnya x[i]=0 untuk semua integer pada i<0 dan v[i-n]=0 untuk semua integer n - i <
0 (atau n<i). Sehingga penjumlahan pada persamaan (1) akan menempati dari nilai i=0
sampai dengan i=n, dan operasi konvolusi selanjutnya dapat dituliskan sebagai:

(9)

3.2. Mekanisme Konvolusi

Komputasi pada persamaan (1) dan (2) dapat diselesaikan dengan mengubah
discretetime index n sampai dengan I dalam sinyal x=[n] dan v[n]. Sinyal yang dihasilkan
x[i] dan v[i] selanjutnya menjadi sebuah fungsi discrete-time index i. Step berikutnya
adalah menentukan v[n-i] dan kemudian membentuk pencerminan terhadap sinyal v[i].
Lebih tepatnya v[-i] merupakan pencerminan dari dari v[i] yang diorientasikan pada sumbu
vertikal (axis), dan v[n-i] merupakan v[-i] yang digeser ke kanan dengan step n. Saat
17
pertama kali product (hasil kali) x[i]v[n-i] terbentuk, nilai pada konvolusi x[n]*v[n] pada
titik n dihitung dengan menjumlahkan nilai x[i]v[n-i] sesuai rentang i pada sederetan nilai
integer tertentu.
Untuk lebih jelasnya permasalahan ini akan disajikan dengan suatu contoh penghitung
konvolusi pada dua deret nilai integer berikut ini.
Sinyal pertama: x[i]= 1 2 3
Sinyal kedua: v[i]= 2 1 3

• Step pertama adalah pembalikan sinyal kedua, v[n] sehingga didapatan kondisi seperti
berikut:
Sinyal pertama: x[i] = 1 2 3
Sinyal kedua: v[-i] = 3 1 2

• Step kedua adalah pergeseran dan penjumlahan

Sinyal pertama: 123
Sinyal kedua: 312
x
product and sum: 00200 =2

• Step ketiga adalah pergeseran satu step dan penjumlahan

Sinyal pertama: 123
Sinyal kedua: 312
x
product and sum: 0140 =5

• Step keempat adalah pergeseran satu step dan penjumlahan

Sinyal pertama: 123
Sinyal kedua: 312
x
product and sum: 326 = 11

• Step kelima adalah pergeseran satu step dan penjumlahan

Sinyal pertama: 123
Sinyal kedua: 312
x

18
 product and sum: 0630 =9

• Step keenam adalah pergeseran satu step dan penjumlahan

Sinyal pertama: 123
Sinyal kedua: 312
x
product and sum: 00900 =9

• Step ketujuh adalah pergeseran satu setep dan penjumlahan

Sinyal pertama: 123
Sinyal kedua: 312
x
product and sum: 000000=0

Dari hasil product and sum tersebut hasilnya dapat kita lihat dalam bentuk deret sebagai
berikut: 2 5 11 9 9
Disini hasil penghitungan product and sum sebelum step pertama dan step ketujuh dan
selanjutnya menunjukkan nilai 0, sehingga tidak ditampilkan. Secara grafis dapat dilihat
seperti gambar 2.1.

(1)

(2)

(3)

Gambar 2.1 Mekanisme konvolusi

Pada gambar 2.1 bagian pertama menunjukkan, sinyal x[n], bagian kedua
menunjukkan sinyal v[n], sedangkan bagian ketiga merupakan hasil konvolusi.
19
4. PERANGKAT YANG DIPERLUKAN
- PC yang dilengkapi dengan perangkat multimedia (sound card, micropohone, speaker
active, atau headset).
- Sistem operasi windows dan perangkat lunak MATLAB yang dilengkapi dengan
toolbox DSP.
5. LANGKAH PERCOBAAN

5.1. Konvolusi Dua Sinyal Discrete Unit Step

Disini kita akan membangkitkan sebuah sinyal unit step diskrit yang memiliki nilai
sebagai berikut:

(10)
Dan melakukan operasi konvolusi yang secara matematis dapat dituliskan sebagai
berikut:

x[n] * v[n] (11)

Untuk itu, langkah yang harus dilakukan adalah sebagai berikut:

1. Bangkitkan sinyal x[n] dengan mengetikkan perintah berikut:

2. Jalankan program dan tetapkan nilai L=20 dan P=10.

3. Selanjutnya masukkan pembangkitan sekuan unit step kedua dengan cara
menambahkan syntax berikut ini di bawah program Anda pada langkah pertama:

20
4. Coba jalankan program dan tambahkan perintah berikut:

5. Coba Anda jalankan seperti pada langkah kedua, apakah hasilnya seperti ini?

Gambar 2.2 Contoh hasil konvolusi

6. Ulangi langkah kelima dan ubahlah nilai untuk L=12, 15, dan 12.
Sedangkan untuk P masukkan nilai 10, 5, dan 12, apa yang terjadi?

5.2. Konvolusi Dua Sinyal Sinus

Disini kita mencoba untuk membangkitkan dua sinyal sinus dan melakukan operasi
konvolusi untuk keduanya. Langkah yang harus Anda lakukan adalah sebagai berikut:

1. Buat program untuk membangkitkan dua gelombang sinus seperti berikut:

21
2. Coba Anda jalankan program Anda dan isikan seperti berikut ini:

Perhatikan tampilan yang dihasilkan! Apakah ada kesalahan pada program Anda?
3. Lanjutkan dengan menambahkan program berikut ini pada bagian bawah program
yang Anda buat tadi.

4. Jalankan program Anda, dan kembali lakukan pengisian seperti pada langkah
ketiga.
Lihat hasilnya apakah Anda melihat tampilan seperti gambar berikut?
22
 Gambar 2.3 Contoh hasil konvolusi dua sinyal sinus

5. Ulangi langkah keempat dengan menetapkan nilai sebagai berikut: L=50,

w1=w2=2, teta1=1.5, teta2=0.5, dan A1=A2=1. Apa yang Anda dapatkan? Apakah
Anda mendapatkan hasil yang berbeda dari program sebelumnya? Mengapa?

5.3. Konvolusi Sinyal Bernoise dengan Raise Cosine

Sekarang kita mulai mencoba untuk lebih jauh melihat implementasi dari sebuah
operasi konvolusi. Untuk itu ikuti langkah – langkah berikut:

1. Bangkitkan sinyal raise cosine dan sinyal sinus dengan program berikut:

23
 Gambar 2.5 Sinyal sinus asli
2. Tambahkan noise pada sinyal sinus.

24
3. Lakukan konvolusi sinyal sinus bernoise dengan raise cosine, perhatikan apa yang
terjadi?

4. Coba Anda lakukan perubahan pada nilai sinyal raise cosine dengan mengurangi
rentang nilai pada n, bisa Anda buat lebih pendek atau lebih panjang, dan ulangi
lagi langkah ketiga, catat apa yang terjadi.

25
5.4. Konvolusi Pada Sinyal Audio
Coba kita lihat bersama bagaimana pengaruh operasi konvolusi pada sinyal audio,
dalam hali ini kita ulangi permainan seperti modul sebelumnya. Untuk itu ikuti langkah
berikut:

1. Buat sebuah program baru, siapkan 1 lagu .wav dengan durasi 30 detik.

Apa yang Anda dapatkan?

2. Beri tanda % pada sound (Y, Fs) untuk membuatnya tidak dieksekusi oleh
MATLAB, sehingga menjadi % sound (Y, Fs). Kemudian tambahkan perintah
berikut:

Coba amati kembali apa yang terjadi?

3. Buat perintah sound tidak aktif, kemudian bangkitkan sebuah sinyal yang bernilai
1 dengan cara seperti berikut:

4. Langkah operasi konvolusi dan dengarkan hasilnya pada speaker Anda.

26
 MODUL III
REPRESENTASI SINYAL DALAM DOMAIN WAKTU DAN
DOMAIN FREKUENSI

1. PENDAHULUAN
Representasi sinyal dapat digunakan untuk memberikan informasi sesuai yang
diinginkan. Representasi sinyal yang paling umum dipakai untuk menterjemahkan suatu
data sinyal adalah representasi sinyal dalam domain waktu dan domain frekuensi.

2. TUJUAN PRAKTIKUM
- Mahasiswa mampu menjelaskan perbedaan sinyal wicara dalam domain waktu dan
domain frekuensi menggunakan perangkat lunak.

3. DASAR TEORI

3.1. Representasi Sinyal Wicara dalam Domain Waktu dan Domain Frekuensi
Salah satu cara untuk mencirikan sinyal wicara dan merepresentasikan suaranya adalah
melalui representasi spectral. Cara yang paling popular dalam hal ini adalah sound
spectrogram yang mana merupakan suatu bentuk gray scale image yang merepresentasikan
nilai frekuensi sinyal pada waktu tertentu. Bentuk sinyal yang terbentuk dapat ditunjukkan
pada gambar 3.1.

Gambar 3.1 Bentuk spectrogram dan waveform “a-i-u-e-o”

27
 Intensitas spectral pada suatu titik waktu ditunjukkan dengan tingkat keabuan yang
merupakan suatu bentuk analisis frekuensi partikular dari sinyal wicara yang sedang
diamati. Perhatikan gambar 3.1 pada nilai t = 1,5 detik. Tampak bahwa banyak nilai
frekuensi muncul pada bagian spectrogram-nya, ini sesuai dengan tampilan grafik domain
waktu yang menunjukkan simpangan gelombang pada waktu tersebut cukup tinggi dan
beragam. Sedangkan pada nilai t = 2,3 detik tampak spectrogram menunjukkan sedikit
sekali warna hitam, yang menunjukkan komponen frekuensi yang muncul sangat sedikit,
ini sesuai dengan bentuk gelombang dalam domain waktu yang hampir tidak ada sinyal.

3.2. Discrete Fourier Transform

Salah satu cara mentransformasi sinyal dari domain waktu ke dalam domain frekuensi
adalah dengan meggunakan discrete fourier transform (DFT).

(12)
Persamaan (1) diatas menyatakan bahwa sinyal akan periodik pada setiap nilai N.
Implementasi DFT dapat diujudkan dengan sebuah Bank Filter seperti gambar 3.2 berikut
ini.

Gambar 3.2 Blok diagram sistem Bank Filter Spectrum Analyzer untuk menghitung DFT

Untuk mengoptimalkan proses komputasi, DFT bias dimodifikasi dengan satu

algoritma yang seringkali kita kenal sebagai fast fourier transform (FFT). Dengan FFT

28
proses komputasi bias direduksi dari N2 menjadi N log2N. Misalnya dengan menggunakan
DFT kita akan melakukan transformasi sebanyak N=1024 titik, maka kita memerlukan
perkalian
sebanyak N2 = 1.048.567. Sedangkan dengan menggunakan FFT perkalian yang
diperlukan sebanyak N log2N = 5120 perkalian.

Sebuah contoh hasil penggunaan algoritma FFT untuk system yang lebih komplek
adalah untuk mengolah sinyal wicara. Pada gambar 3.3 ditunjukkan sebuah hasil proses
FFT untuk kalimat “a-i-u-e-o”.

Gambar 3.3 Spektral frekuensi kalimat “a-i-u-e-o”

4. PERANGKAT YANG DIGUNAKAN

- 1 (satu) buah PC multimedia lengkap sound card dan microphone.
- 1 (satu) perangkat lunak MATLAB under windows.

5. PERCOBAAN

5.1. Penataan Perangkat

Sebelum melakukan percobaan, Anda harus melakukan penataan seperti pada gambar
29
 3.4 berikut ini.

Gambar 3.4 Penataan perangkat percobaan recording dan editing

PC harus dilengkapi dengan peralatan multimedia seperti sound card, speaker aktif dan
microphone. Untuk microphone dan speaker aktif bisa juga digantikan dengan head set
lengkap. Sebelum memulai praktikum, sebaiknya dites dulu, apakah seluruh perangkat
multimedia sudah terintegrasi dengan PC.

5.2. Sinyal Sinus dalam Domain Waktu dan Frekuensi

Pada bagian ini akan dilakukan pembangkitan sinyal sinus, mengamati bentuknya
dalam domain waktu dan domain frekuensi. Langkah-langkahnya adalah seperti berikut:

1. Bangkitkan sinyal sinus dan coba Anda tampilkan bentuk sinyal dan suaranya.

2. Lakukan proses perekaman dengan menggunakan perintah

Dengan langkah ini berarti tela dilakukan recording sinyal sinus ke dalam sebuah
file sinus_0.wav.
3. Coba amati sinyal sinus dalam domain frekuensi dengan memanfaatkan fungsi FFT.
30
5.3. Sinyal Wicara dalam Domain Waktu dan Frekuensi
Pada bagian ini kita akan melakukan pengamatan sinyal wicara dalam domain waktu
dan domain frekuensi. Rekam suara “a” selama 1 tarikan napas. Simpan dalam bentuk
.wav. Selanjutnya, lakukan langkah-langkah berikut.

1. Panggil kembali sinyal wicara vokal “a.wav” yang telah direkam. Untuk lebih yakin
bahwa langkah pemrogramannya benar, coba suarakan dan gambarkan hasilnya
sebagai fungsi waktu.
2. Gunakan perintah dasar pengamatan power spektral density (PSD) pada MATLAB,
dalam hal ini manfaatkan fungsi FFT yang ada. Kemudian amati bentuk power
spectral density (PSD) sinyal wicara vokal “a.wav” dalam sebuah gambar yang
terpisah. Untuk ini harus memanfaatkan perintah dasar figure (1); untuk
menggambarkan sinyal wicara sebagai fungsi waktu dan perintah dasar figure (2);
untuk menempatkan power spectral density (PSD) sinyal wicara tersebut.
3. Pada langkah selanjutnya coba gambarkan spectrogram sinyal wicara vokal “a.wav”.
Untuk itu gunakan perintah figure (3); agar spectrogram yang dihasilkan berada pada
tempat yang terpisah.
4. Lakukan hal yang sama pada vokal i,u,e dan o.

5.4. Pemanfaatan Perangkat Lunak Colea

Pada sub bagian 5.1 dan 5.2, siswa diwajibkan menyusun perintah MATLAB sendiri
untuk mengamati bentuk sinyal dalam domain waktu dan domain frekuensi. Sekarang yang
harus dilakukan adalah memanfaatkan perangkat lunak Colea, salah satu produk
pengembangan dari MATLAB yang dikususkan untuk pengolahan sinyal wicara. Dengan
langkah-langkah yang sama dengan sub bagian 5.2. Lakukan pengolahan sinyal wicara
denagn memanfaatkan Colea. Jika anda masih ragu dengan perangkat lunak ini, coba Anda
tanyakan ke dosen pengajar praktikum.

31
 MODUL IV
PEMFILTERAN PADA SINYAL WICARA

1. PENDAHULUAN
Dalam melakukan proses komunikasi dalam berbicara sering sekali muncul noise atau
gangguan yang mengakibatkan hilangnya informasi. Noise atau gangguan dapat dikurangi atau
dihilangkan dengan cara pemfilteran. Pada sinyal wicara yang telah direkam menjadi sinyal digital,
proses pemfilteran dapat menggunakan filter digital berupa IIR dan FIR.

2. TUJUAN PRAKTIKUM
- Mahasiswa mampu menyusun filter digital dan melakukan pemfilteran pada sinyal
wicara.

3. DASAR TEORI

3.1. Filter IIR

Yang perlu diingat disini bahwa infinite inpulse response (IIR) dalam hal ini bukan
berarti filter yang bekerja dari nilai negatif tak hingga sampai positif tak hingga. Pengertian
sederhana untuk infinite impulse respon filter disini adalah bahwa output filter merupakan
fungsi dari kondisi input sekarang, input sebelumnya dan output di waktu sebelumnya.
Konsep ini kemudian lebih kita kenal sebagai recursive filter, yang mana melibatkan
proses feedback dan feed forward. Dalam bentuk persamaan beda yang menghubungkan
input dengan output dinyatakan seperti persmaaan (1) berikut ini.

(13)
dimana:

- {bk} koefisien feed forward

- {al} koefisien feed back
- banyaknya (total koefisien) = M+N+1
- N ditetapkan sebagai orde filter IIR

32
 Untuk merealisasikan ke dalam sebuah program simulasi atau perangkat keras maka
bentuk persamaan diatas dapat disederhanakan ke dalam diagram blok gambar 4.1.
Untuk implementasi sebuah low pass filter bersifat narrow-band menggunakan sebuah
filter IIR merupakan pilihan yang sangat sulit tetapi masih mungkin dilakukan. Satu
alasannya adalah penentuan orde yang tepat sehingga menghasilkan bentuk yang tajam
pada respon frekuensi relatif sulit. Pada domain unit circle bidang-z sering ditandai dengan
letak pole-pole yang ada diluar lingkaran, hal ini secara fisis memberikan arti bahwa filter
yang dihasilkan tidak stabil.

Gambar 4.1 Diagram blok filter IIR

Kita coba untuk merealisasikan dalam program Matlab secara sederhana dengan
melihat pada masing-masing kasus, dalam hal ini adalah low pass filter (LPF) dan high
pass filter (HPF).

Contoh 1:
Kita akan mencoba merancang sebuah low pass filter (LPF) IIR dengan memanfaatkan
filter Butterworth. Frekuensi cut off ditetapkan sebesar 2000 Hz. Dalam hal ini frekuensi
sampling adalah 10000 Hz. Langkah realisasi dalam MATLAB adalah sebagai berikut.

33
 Dari langkah di atas akan didapatkan respon frekuensi seperti gambar 4.2 berikut.

Contoh 2:
Pada contoh kedua ini kita akan mencoba merancang sebuah filter IIR untuk high pass
filter (HPF). Tetap dengan frekuensi cut off 2000 Hz, dan frekuensi sampling 10000.
Langkah pemrogramanya adalah dengan sedikit memodifikasi bagian berikut.

Ini akan memberikan respon frekuensi seperti gambar 4.3.

34
 Gambar 4.3 Respon frekuensi filter IIR, HPF

3.2. Filter FIR

Sebuah finite impulse respon filter (filter FIR) memiliki hubungan input dan output
dalam domain waktu diskrit sebagai berikut:

(14)
dimana:

- {bk} koefisien feed forward

- banyaknya (total koefisien) L = M + 1

- M ditetapkan sebagai orde filter FIR

Dalam realisasi diagram blok akan dapat digambarkan seperti pada gambar 4.4 berikut ini.

35
 Gambar 4.4 Diagram blok FIR filter

Untuk tujuan simulasi perangkat lunak kita bisa memanfaatkan fungsi standar berikut
ini: B = FIR1(N,Wn)

Ini merupakan sebuah langkah untuk merancang filter digital FIR dengan orde sebesar
N, dan frekuensi cut off Wn. Secara default oleh MATLAB ditetapkan bahwa perintah
tersebut akan menghasilkan sebuah low pass filter (LPF). Perintah ini akan menghasilkan
koefisien-koesifien filter sepanjang (N+1) dan akan disimpan pada vektor B. Karena dalam
domain digital, maka nilai frekuensi cut off harus berada dalam rentang 0<Wn<1.0. Nilai
1.0 akan memiliki ekuivalensi dengan nilai 0,5 dari sampling rate (fs/2). Yang perlu Anda
ketahui juga adalah bahwa B merupakan nilai real dan memiliki fase yang linear.
Sedangkan gain ternormalisasi filter pada Wn sebesar -6 dB.

Contoh 3:

Kita akan merancang sebuah LPF dengan frekuensi cut off sebesar 2000 Hz. Frekuensi
sampling yang ditetapkan adalah 10000 Hz. Orde filter ditetapkan sebesar 32. Maka
langkah pembuatan programnya adalah sebagai berikut:

36
 Hasilnya adalah respon frekuensi seperti gambar 4.5 berikut.

Gambar 4.5 Respon frekuensi low pass filter

Contoh 4:

Kita akan merancang sebuah Band Pass Filter (BPF) dengan frekuensi cut off sebesar
2000 Hz (untuk daerah rendah) dan 5000 Hz (untuk daerah tinggi). Frekuensi sampling
yang ditetapkan adalah 10000 Hz. Orde filter ditetapkan sebesar 32. Beberapa bagian
program diatas perlu modifikasi seperti berikut.

Hasilnya akan didapatkan respon frekuensi seperti pada gambar 4.6 berikut ini.

37
 Gambar 4.6 Respon frekuensi band pass filter

Contoh 5:

Kita akan merancang sebuah High Pass Filter (HPF) dengan frekuensi cut off sebesar
5000 Hz (untuk daerah tinggi). Frekuensi sampling yang ditetapkan adalah 10000 Hz. Orde
filter ditetapkan sebesar 32. Beberapa bagian program diatas perlu modifikasi seperti
berikut.

Hasilnya akan didapatkan respon frekuensi seperti pada gambar 4.7 berikut ini.

Gambar 4.7 Respon frekuensi high pass filter

38
3.3. Filter Pre-Emphasis
Dalam proses pengolahan sinyal wicara pre-emphasis filter diperlukan setelah proses
sampling. Tujuan dari pemfilteran ini adalah untuk mendapatkan bentuk spectral frekuensi
sinyal wicara yang lebih halus. Dimana bentuk spectral yang relatif bernilai tinggi untuk
daerah rendah dan cenderung turun secara tajam untuk daerah fekuensi diatas 2000 Hz.

Gambar 4.8 Posisi filter Pre-Emphasis pada sistem pengolah wicara

Filter pre-emphasis didasari oleh hubungan input/output dalam domain waktu yang
dinyatakan dalam persamaan beda seperti berikut:

(15)

dimana:

- a = konstanta filter pre-emphasis, biasanya bernilai 0.9 < a < 1.0

Dalam bentuk dasar operator z sebagai unit filter, persamaan diatas akan memberikan
sebuah transfer function filter pre-emphasis seperti berikut.

(16)

Bentuk ini kemudian akan memberikan dasar pembentukan diagram blok yang
menggambarkan hubungan input dan output seperti pada gambar 4.8.

Gambar 4.9 Diagram blok pre-emphasis filter

Dengan memanfaatan perangkat lunak MATLAB kita akan dengan mudah

mendapatkan bentuk respon frekuensi filter pre-empasis.

39
 Hasil dapat ditunjukkan pada gambar 4.10 berikut ini.

-250 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Frekuensi Ternormalisasi

Gambar 4.10 Respons frekuensi filter pre-emphasis

Dengan nilai a = 0,93 akan mampu melakukan penghalusan spectral sinyal wicara yang
secara umum mengalami penurunsan sebesar 6 dB/octav.

Sekarang yang menjadi pertanyaan adalah bagaimana pengaruh sebenarnya filter ini
pada sebuah sinyal wicara? Untuk itu Anda dapat memanfaatkan program dibawah ini.

40
 Hasilnya adalah berupa sebuah gambaran bentuk sinyal input dan output dari file sinyal
wicara “a.wav” dalam domain waktu, seperti ditunjukkan pada gambar 4.11.

Gambar 4.11 Sinyal input dan output dari pre-

emphasis filter dalam domain waktu

Sedangkan hasil yang didapatkan dalam bentuk domain frekuensi adalah seperti
gambar
41
4.12 berikut.

Gambar 4.12 Sinyal input dan output dari pre-emphasis filter dalam domain
frekuensi

4. PERANGKAT YANG DIGUNAKAN

- 1 (satu) buah PC multimedia lengkap sound card dan microphone.
- 1 (satu) perangkat lunak MATLAB.

5. LANGKAH PERCOBAAN

5.1. Penataan Perangkat

Gambar 4.13 Penataan perangkat percobaan filtering sinyal wicara

PC harus dilengkapi dengan peralatan multimedia seperti sound card, speaker aktif dan
microphone. Untuk microphone dan speaker aktif bisa juga digantikan dengan head set

42
lengkap. Sebelum anda memulai praktikum, sebaiknya dites dulu, apakah seluruh
perangkat multimedia anda sudah terintegrasi dengan PC.

5.2. Pemfilteran Sinyal Wicara dengan IIR

Pada bagian ini akan dilakukan perancangan filter IIR, mengamati bentuknya respon
frekuensi, melakukan pemfilteran pada sinyal wicara, dan melihat pengaruhnya dalam
domain waktu dan domain frekuensi. Langkah-langkahnya adalah seperti berikut:

1. Rancang sebuah low pass filter IIR dengan spesifikasi sepreti berikut fc= 4000
Hz, frekuensi sampling fs=10000 Hz, dan pembentukan filter didasarkan pada
metode yang sederhana yaitu Butterworth filter.
2. Amati bentuk respon frekuensi yang dihasilkannya, usahakan untuk
menampilkan dengan sumbu mendatar frekuensi (Hz) dan sumbu tegak berupa
magnitudo dalam besaran dB.
3. Tambahkan program untuk memangil sebuah file “*.wav", dalam hal ini bisa
digunakan hasil perekaman yang telah dilakukan pada percobaan 1, misal file
“u.wav”. [s,fs]=wavread('FILE_U.wav');
4. Lakukan pemfilteran dengan menggunakan koefisien-koefisien IIR yang telah
dirancang pada langkah 1.
s0=filter(B,A,s);
5. Buat sebuah tambahan program untuk mengamati bentuk spektralnya,
bandingkan sinyal wicara tersebut sebelum pemfilteran dan sesudah
pemfilteran.
6. Coba tambahkan noise Gausian dengan varians 2 = 0.2 pada sinyal wicara yang
dipanggil pada langkah 3. Dan lakukan proses pemfilteran ulang seperti pada
langkah 4.
7. Ulangi langkah 5 untuk melihat pengaruh noise pada spectral sinyal wicara, dan
lihat pengaruh pemfilteran pada spectal sinyal bernois tersebut.
8. Setelah menyelesaikan langkah 1 sampai 7, cobalah untuk membuat sebuah
filter high pass filter IIR dengan spesifikasi yang sama dengan yang telah
dilakukan dengan low pass filter, kecuali frekuensi cut off diubah menjadi fc =
200 Hz.

43
5.3. Pemfilteran Sinyal Wicara dengan FIR
Pada bagian ini akan dilakukan perancangan filter FIR, mengamati bentuknya respon
frekuensi, melakukan pemfilteran pada sinyal wicara, dan melihat pengaruhnya dalam
domain waktu dan domain frekuensi. Langkah-langkahnya adalah seperti berikut:
1. Rancang sebuah low pass filter FIR dengan spesifikasi seperti berikut, fc= 4000
Hz, frekuensi sampling fs=10000 Hz, dan pembentukan filter didasarkan pada
metode yang sederhana yaitu seperti pada contoh yang ada di bagian teori.
2. Amati bentuk respon frekuensi yang dihasilkannya, usahakan menampilkan
dengan sumbu mendatar frekuensi (Hz) dan sumbu tegak berupa magnitudo
dalam besaran dB.
3. Tambahkan program untuk memangil sebuah file “*.wav”, dalam hal ini bisa
kita gunakan hasil perekaman yang telah dilakukan pada modul 3, misal file
“a.wav”. [s,fs]=wavread('a.wav');
4. Lakukan pemfilteran dengan menggunakan koefisien-koefisien FIR yang telah
dirancang pada langkah 1.
y1 = conv(LP,x);
5. Buat sebuah tambahan program untuk mengamati bentuk spektralnya,
bandingkan sinyal wicara tersebut sebelum pemfilteran dan sesudah pemfilteran.
6. Coba tambahkan noise Gausian dengan varians 2 = 0.2pada sinyal wicara yang
dipanggil pada langkah 3. Dan lakukan proses pemfilteran ulang seperti pada
langkah 4.
7. Ulangi langkah 5 untuk melihat pengaruh noise pada spectral sinyal wicara, dan
lihat pengaruh pemfilteran pada spectal sinyal bernois tersebut.
8. Setelah menyelesaikan langkah 1 sampai 7, cobalah untuk membuat sebuah
filter high pass filter FIR dengan spesifikasi yang sama dengan yang telah
dilakukan dengan low pass filter, kecuali frekuensi cut off Anda ubah menjadi
fc = 200 Hz.
9. Ulangi langkah 8 dengan band pass filter yang memiliki spesifikasi fL = 200 Hz
dan fH = 4000 Hz

5.4. Pre-Emphasis Filter pada Sinyal Speech

44
 Pada bagian ini akan dilakukan perancangan filter pre-emphasis, mengamati bentuknya
respon frekuensi, melakukan pemfilteran pada sinyal wicara, dan melihat pengaruhnya
dalam domain waktu dan domain frekuensi. Langkah-langkahnya adalah seperti berikut:

1. Lakukan perancangan filter pre-empashis dengan nilai a = 0,95. Dalam hal ini
kita bisa memanfaatkan program yang ada pada bagian teori.
2. Panggil sebuah file “*.wav”, dalam hal ini bisa memilih file “aiueo.wav” atau
jika tidak keberatan lakukan perekaman lebih dulu dan anda gunakan sebagai
file “*.wav” yang akan dianalisa.
3. Amati bentuk spectral sinyal, sebelum dan sesudah diperlakukan dengan
preempashis.
4. Cobalah rancang sebuah filter de-emphasis. Jika mengalami kesulitan dengan
hal ini, tanyakan kepada instruktur atau dosen praktikum.

45
 MODUL V
PENGOLAHAN SINYAL GAMBAR

1. PENDAHULUAN
Proses pengolahan sinyal sering dijumpai pada aplikasi sinyal image/gambar. Terdapat
berbagai macam proses pengolahan sinyal gambar yang dapat digunakan pada matlab.
Salah satunya adalah penggunaan GUI MATLAB

2. TUJUAN
- Peserta mengerti cara membaca dan mengolah sebuah file citra (image) menggunakan
GUIDE MATLAB.

3. DASAR TEORI

3.1. Pengolahan Citra Digital

Pengolahan citra atau image processing adalah suatu sistem dimana proses dilakukan
dengan masuk (input) berupa citra dan hasilnya (output) juga berupa citra (image)[8].
Pengolahan citra digital pada umumnya didefinisikan sebagai pemrosesan citra dengan dua
dimensi pada komputer. Pengolahan citra sangat bermanfaat, diantaranya adalah untuk
meningkatkan kualitas citra, menghilangkan cacat pada citra, mengidentifikasi objek,
penggabungan dengan bagian citra yang lain. Berdasarkan hal tersebut pengolahan gambar
dapat dikategorikan dalam beberapa hal yaitu image enhancement, image restoration,
image compression, image segmentation, image analysis, dan image reconstruction[9].

Image processing merupakan salah satu teknologi yang sangat berkembang pesat.
Dengan adanya image processing pengolahan gambar menjadi lebih mudah dan dapat
dimanfaatkan. Penggunaan image processing ini telah banyak digunakan di berbagai
bidang, seperti bidang kedokteran, militer, robotik, teknologi, dan lainnya. Contoh
penggunaannya dalam bidang kedokteran yaitu dalam pengklasifikasian kanker[10].
Contoh umum lain dari image processing yang sering ditemukan adalah identifikasi wajah
pada fitur kamera di smartphone. Pada gambar 3.1 dapat dilihat salah satu contoh
penerapan image processing deteksi gambar.

46
 Gambar 5.1 Contoh penerapan image processing deteksi gambar [11]

4. LANGKAH PERCOBAAN

4.1. Membaca Sebuah File Citra (Image)

Selain sebagai software yang andal di bidang numerik, matlab pun andal di bidang
pengolahan citra digital. Sebelum melakukan pengolahan sebuah citra, hal pertama yang
perlu dilakukan adalah membaca sebuah citra (image). Hal-hal yang harus diperhatikan
adalah:

- Menyiapkan sebuah figure kosong.

- Siapkan komponen yang akan digunakan, seperti pushbutton, text, dll.
- Atur property masing – masing komponen.
- Membuat kode program pada m-file.

Desain figure dapat ditunjukkan pada gambar 5.2 berikut ini.

Gambar 5.2 Desain figure pada proses pencitraan digital

47
 Untuk mengatur layout komponen, terdapat aturannya seperti pada tabel berikut: Tabel
5.1 Layout Komponen

Menyimpan figure

Setelah selesai mendesain figure, langkah selanjutnya adalah menyimpan figure, beri
nama aplikasi_citra.fig, secara otomatis kita akan dibuatkan kerangka m-file dengan nama
yang sama.

Memprogram melalui m-file

Tambahkan beberapa program kode pada rutin callback yang diperlukan, antara lain:

- btn_buka
Di bawah function btn_buka_callback, tambahkan program menjadi berikut:

48
- btn_tutup

4.2. Menampilkan Histogram Sebuah Citra (Image)

Pada pengolahan citra digital, histogram memberikan informasi cukup penting tentang
keberadaan pixel citra, apakah citra cenderung ke arah gelap atau ke arah terang. Dari
histogram pula, kita dapat mengetahui rata-rata (mean) pixel penyusun citra. Untuk
membuat aplikasi, sebenarnya kita hanya tinggal memodifikasi aplikasi pertama dan
menambahkan satu axes untuk menampilkan histogramnya. Secara lengkap, hal-hal yang
perlu diperhatikan adalah:

- Buka kembali GUIDE dan pilih open existing GUI, lalu dengan browse, aktfikan file
aplikasi_citra.fig
- Tambahkan 2 static text dan satu axes untuk menampilkan histogram sebuah citra.
Berikut layout komponen pada tabel 5.2.
Tabel 5.2 Layout Komponen

49
- Simpan dengan nama baru agar file lama tidak tertimpa, misalnya nama
aplikasi_citra_histogram.fig. Sebelum menjalankannya, tambahkan beberapa kode
program di bawah imshow (handles.current_data1) pada function
btn_buka_Callback(hObject, evendata, handles) dengan:

5. TUGAS
Ulangi tahapan dengan fungsi “imrotate” dan “imwrite”.

50
 MODUL VI
PENGOLAHAN SINYAL IMAGE DENGAN TEMPLATE MATCHING
DAN NORMALIZED CROSS CORRELATION

1. PENDAHULUAN
Salah satu metode pengolahan citra digital adalah template matching. Template
matching merupakan teknik membandingkan sampel dengan citra terpilih untuk mencari
kesesuaian diantara keduanya. Nilai korelasi diantara kedua obyek dapat dicari
menggunakan persamaan normalized cross correlation. Kombinasi metode ini dapat
digunakan untuk mengidentifikasi suatu obyek dalam sebuah gambar.

2. TUJUAN PRAKTIKUM
Tujuan praktikum ini adalah mengimplementasikan salah satu pengolahan sinyal
gambar yaitu pencocokan gambar menggunakan metode template matching
3. TEORI DASAR
3.1 Citra Digital
Citra digital merupakan citra yang dapat direpresentasikan dan diolah oleh
komputer. Perpotongan antara baris dan kolom pada citra disebut piksel. Terdapat dua
parameter piksel, yaitu koordinat (x dan y) serta warna atau intensitas. Koordinat x
mewakili kolom dan koordinat y mewakili baris, sedangkan nilai f(x,y) merupakan
nilai intensitas piksel dari citra pada titik (x,y). Secara umum, koordinat piksel citra
digital ditunjukkan pada Gambar 3.1

Gambar 6.16 Koordinat dan intensitas piksel citra

51
 Gambar 6.17 Tipe-Tipe Citra Digital (dari kiri ke kanan): RGB, grayscale, biner

Terdapat tiga tipe citra digital yaitu, RGB, grayscale, dan biner yang ditunjukkan
pada Gambar 3.2. Citra RGB merupakan citra 24-bit dimana masing-masing pikselnya
terdiri atas tiga komponen warna, yaitu red (merah), green (hijau), dan blue (biru). Nilai
intensitas ketiganya merepresentasikan sebuah warna. Selanjutnya citra grayscale
merupakan citra 8- bit dengan nilai skala intensitas keabuan yang berkisar antara 0-
255. Nilai 0 dan 255 merepresentasikan warna hitam dan putih serta nilai diantaranya
merepresentasikan warna abu tua hingga muda. Nilai skala intensitas keabuan
didapatkan dari persamaan yang melibatkan nilai RGB. Secara matematis nilai tersebut
dapat ditunjukkan melalui :
I = 0,2989×R+0,5870×G+0,1140×B (17)
dengan R, G, dan B adalah nilai komponen merah, hijau, biru. Terakhir, citra biner
merupakan citra 2-bit dengan dua kemungkinan nilai piksel yaitu 0 (hitam) atau
1(putih).
3.2 Segmentasi Citra
Teknik segmentasi digunakan untuk membagi citra ke dalam bagian-bagian
tertentu. Pada dasarnya teknik ini membagi citra berdasarkan nilai intensitas piksel
citra atau operasi matematik dari nilai intensitas piksel citra. Thresholding merupakan
salah satu metode segmentasi yang membagi citra berdasarkan nilai intensitas piksel
yang ditentukan (threshold).
3.2.1 Global Thresholding
Global thresholding merupakan teknik thresholding dengan menggunakan satu
atau beberapa batas ambang global, dimana batas ambang berlaku sama di setiap
piksel pada citra. Algoritma dari teknik ini dapat dijelaskan melalui persamaan :

52
 (18)
dengan f (x;y) sebagai intensitas piksel pada koordinat (x;y) dan T merupakan batas
ambang dari citra. Apabila nilai f (x;y) lebih besar dari pada batas ambang maka nilai
intensitas piksel menjadi 1 (putih). Sedangkan apabila f (x;y) kurang dari atau sama
dengan batas ambang maka nilai intensitas piksel menjadi 0 (hitam).

3.2.2 Adaptive Thresholding

Adaptive thresholding merupakan teknik thresholding dengan menggunakan
batas ambang lokal. Batas ambang lokal ditentukan berdasarkan nilai intensitas
tetangga piksel. Konsep adaptive thresholding dapat dijelaskan melalui Gambar 3.3.

Gambar 6.18 Proses penentuan batas ambang lokal.

3.3 Filter Citra

Filtering merupakan teknik untuk menghilangkan derau. Terdapat beberapa metode
filtering, seperti filter maksimum, median, mean, dan lain sebagainya. Filter median
merupakan salah satu filter citra yang menggunakan konsep neighboring dengan
mencari nilai median dari intensitas-intensitas piksel tetangga..

53
 Gambar 6.19 Algoritma filter median.

3.4 Operasi Morfologi Citra

Operasi morfologi citra terdiri atas operasi erosi, dilasi, opening, dan closing. Dilasi
adalah teknik untuk memperbesar segmen objek (citra biner) dengan menambah
lapisan disekeliling objek. Sedangkan erosi adalah teknik yang bertujuan untuk
memperkecil atau mengikis tepi objek. Pengaplikasian keduanya disebut operasi
opening dan closing. Operasi morfologi opening merupakan gabungan dari operasi
erosi dilanjutkan dengan operasi dilasi. Sedangkan operasi morfologi closing
merupakan gabungan dari operasi dilasi dilanjutkan dengan operasi erosi.

(a)

(b)

Gambar 6.20 Ilustrasi proses operasi (a)opening dan (b)closing.

3.5 Template Matching

Template merupakan sampel atau cuplikan dari suatu bagian citra, sedangkan
matching adalah teknik membandingkan dua buah citra untuk dicari kesesuaiannya.
Secara sederhana, template matching dapat diartikan sebagai teknik membandingkan
sampel dengan citra terpilih untuk mencari kesesuaian diantara keduanya. Teknik
template matching paling sederhana dapat dijelaskan melalui Gambar 3.6

54
 Gambar 6.21 Teknik template matching

Pada Gambar 3.6, template pada gambar bagian kiri akan direpresentasikan dalam
bentuk vektor dan akan dicocokkan dengan menghitung korelasinya pada ruang vektor
terkait. Kemudian template tersebut akan digeser pada citra dari piksel awal hingga
akhir. Nilai korelasi yang paling besar atau jarak yang paling pendek akan dipilih
sebagai titik tempat template berada.

3.6 Normalized Cross Correlation

Normalized Cross correlation merupakan salah satu metode penentuan nilai korelasi
dalam teknik template matching. Normalized cross-correlation (NCC) ditunjukkan
pada persamaan berikut

(19)

dengan 𝑡̅ sebagai rata-rata dari intensitas piksel template dan 𝑓̅ , merupakan rata-rata
dari intensitas piksel citra masukan f (x,y) pada daerah di bawah template. Koefisien
korelasi 𝛾 yang dihasilkan bernilai antara -1 hingga 1. Semakin tinggi korelasi template
dengan titik pada citra maka nilai koefisien korelasinya mendekat satu. Contoh
perhitungan koefisien korelasi ditunjukkan pada Gambar 3.7.

55
 Gambar 6.22 Contoh perhitungan NCC pada template matching.

4. PERANGKAT YANG DIGUNAKAN

- 1 (satu) buah PC multimedia OS Windows.
- 1 (satu) perangkat lunak MATLAB.

5. PROSEDUR PERCOBAAN
PRE-PROCESSING

Langkah kerja

1. Baca citra dan template menggunakan fungsi imread

Citra = imread(“citra.png”)
Template = imread(“template.png”)

Template Citra
2. Konversi citra dan template ke dalam tipe grayscale menggunakan fungsi rgb2gray
CitraG = rgb2gray(Citra)
TemplateG = rgb2gray(Citra)
3. Konversi citra dan template ke dalam tipe biner menggunakan fungsi adaptthresh
dan algoritma global thresholding. Analisis perbedaannya
Adaptthresh Global Thresholding

56
 CitraB = adaptthresh(CitraG, 0,4); for i= 1:r
for j= 1:c if
TemplateB = adaptthresh(TemplateG, 0,4); CitraG(i,j)<=threshold;
CitraG(i,j)=0; else
CitraG(i,j)=255;
end end end

TEMPLATE MATCHING DAN NORMALIZED CROSS CORRELATION

Langkah kerja

1. Cari nilai korelasi antara template dengan citra menggunakan fungsi normxcorr2
c = normxcorr2(CitraB,TemplateB); surf(c);

2. Display area pada citra yang sesuai dengan template

[ypeak,xpeak] = find(c==max(c(:))); yoffSet = ypeak-
size(Template,1); xoffSet = xpeak-size(Template,2);
imshow(Citra)
drawrectangle(gca,'Position',[xoffSet,yoffSet,size(Template,2),size (Template,1)], ...
'FaceAlpha',0);

57