Fourier Series

3 Fourier Series Untuk Sinyal Periodik
Pada bab ini akan dibahas alternatif representasi sinyal periodik menggunakan sinyal
kompleks eksponensial. Hasil representasi ini dikenal sebagai deret Fourier waktu kontinu
dan deret Fourier waktu diskrit. Representasi ini dapat digunakan untuk membentuk
berbagai bentuk sinyal yang berguna.
Karena sifat superposisi, respon dari sistem LTI terhadap input yang terdiri dari
kombinasi linear dari sinyal dasar adalah kombinasi linear yang sama dari respon indi-
vidual terhadap setiap sinyal dasar tersebut. Respon sistem LTI terhadap sebuah sinyal
kompleks eksponensial juga memiliki bentuk yang sederhana, yang memberikan kita rep-
resentasi sistem LTI yang mudah dan dengan cara yang lain untuk melakukan analisa
sistem dan menambah wawasan terhadap sifat deret Fourier.
Tujuan dari bab ini adalah membekali peserta dengan pengetahuan dan kemampuan
untuk menghitung deret Fourier dari sinyal periodik.
3.1 Eigenfunctions: Respon sistem LTI pada sinyal

kompleks eksponensial
3.1.1 Konsep eigenfunction dan eigenvalue
Mempelajari sistem LTI dengan mepresentasikan sinyal sebagai kombinasi linear dari
sinyal dasar memberikan banyak kemudahan. Sinyal dasar yang digunakan memiliki dua
sifat berikut:
1. Kumpulan sinyal dasar dapat digunakan untuk membentuk kelas sinyal yang ber-
agam dan berguna.
2. Respon dari sebuah sistem LTI dari setiap sinyal harus memiliki struktur yang
cukup sederhana untuk memberikan kepada kita, kemudahan representasi untuk
respon sistem terhadap sinyal apapun yang dibentuk dari kombinasi linear dari
sinyal dasar.
Hasil analisis Fourier dengan dua sifat tersebut diberikan dengan kumpulan sinyal kom-
pleks eksponensial waktu kontinu dan waktu diskrit. Sinyal dalam bentuk est untuk sinyal
waktu kontinu. Sinyal dalam bentuk z n untuk sinyal waktu diskrit. Dalam hal ini s dan
z adalah bilangan kompleks.
Pentingnya sinyal kompleks eksponensial dalam pembahasan sistem LTI berasal dari
fakta bahwa respon dari sebuah sistem LTI terhadap sinyal input kompleks eksponensial
adalah sinyal kompleks eksponensial yang sama dengan hanya perubahan pada amplitu-
da; yaitu,
waktu kontinu: est → H(s)est , (3.1)
waktu diskrit: z n → H(z)z n , (3.2)
52
di mana faktor amplituda kompleks H(s) dan H(z) secara umum adalah fungsi dari vari-
abel kompleks s atau z. Sebuah sinyal yang menyebabkan output dari sistem konstanta
(biasanya bilangan kompleks) dari input disebut sebagai fungsi eigen (eigenfunction)
dari sistem, dan faktor amplituda disebut sebagai nilai eigen (eigenvalue) dari sistem.
3.1.2 Sinyal kompleks eksponensial adalah eigenfunction dari sistem LTI

CT
Untuk menunjukkan bahwa sinyal kompleks eksponensial adalah eigenfunction dari sis-
tem LTI waktu kontinu, lihatlah sistem LTI waktu kontinu dengan respon impuls h(t).
Untuk input x(t), kita dapat menentukan output dengan menggunakan integral konvo-
lusi, sehingga dengan x(t) = est
ˆ +∞ ˆ +∞
y(t) = h(τ )x(t − τ )dτ = h(τ )es(t−τ ) dτ (3.3)
−∞ −∞
Dengan mengekspresikan es(t−τ ) sebagai est e−sτ , dan dapat kita lihat est dapat dikelu-
arkan dari integral, maka persamaan (3.3) akan menjadi
ˆ +∞
st
y(t) = e h(τ )e−sτ dτ (3.4)
−∞
Asumsikan bahwa integral pada sisi kanan dari persamaan (3.4) konvergen, maka respon
terhadap est memiliki bentuk
y(t) = H(s)est (3.5)

dengan H(s)adalah konstanta kompleks yang nilainya bergantung pada s dan memiliki
hubungan dengan respon impuls sistem, yaitu
ˆ +∞
H(s) = h(τ )e−sτ dτ (3.6)
−∞
Dari sini kita dapat melihat bahwa kompleks eksponensial adalah eigenfunction dari
sistem LTI waktu kontinu. Konstanta H(s) untuk sebuah nilai spesifik s adalah eigen-
value yang berasosiasi dengan eigenfunction est .
3.1.3 Sinyal kompleks eksponensial adalah eigenfunction dari sistem LTI

DT
Dengan cara yang sama kita dapat melihat bahwa barisan kompleks eksponensial adalah
eigenfunction dari sistem LTI waktu kontinu. Lihatlah sistem LTI waktu diskrit dengan
respon impuls h[n]. Untuk input x[n] = z n ,
+∞
X +∞
X
y[n] = h[k]x[n − k] = h[k]z n−k (3.7)
k=−∞ k=−∞
Dengan mengekspresikan z n−k sebagai z n z −k , dan dapat kita lihat z n dapat dikeluarkan
dari integral, maka persamaan (3.7) akan menjadi
+∞
X
y[n] = z n h[k]z −k (3.8)
k=−∞
53
Asumsikan bahwa penjumlahan pada sisi kanan dari persamaan (3.8) konvergen, maka
respon terhadap z n memiliki bentuk
y[n] = H(z)z n (3.9)

dengan H(s) adalah konstanta kompleks yang nilainya bergantung pada s dan memiliki
hubungan dengan respon impuls sistem, yaitu
+∞
X
H(z) = h[k]z −k (3.10)
k=−∞
Dari sini kita dapat melihat bahwa kompleks eksponensial adalah eigenfunction dari
sistem LTI waktu diskrit. Konstanta H(z) untuk sebuah nilai spesifik z adalah eigenvalue
yang berasosiasi dengan eigenfunction z n .
3.1.4 Kombinasi linear sinyal kompleks eksponensial

Untuk analisis sistem LTI, kegunaan dari dekomposisi sinyal umum ke dalam eigenfun-
ction dapat dari sebuah contoh. Misalkan x(t) berkorespondensi kepada kombinasi linear
dari tiga buah sinyal kompleks eksponensial, yaitu,
x(t) = a1 es1 t + a2 es2 t + a3 es3 t (3.11)

Dari sifat eigenfunction, respon masing-masing komponen adalah
aes1 t → a1 H(s1 )es1 t ,

a2 es2 t → a2 H(s2 )es2 t ,
a3 es3 t → a3 H(s3 )es3 t ,
dan dari sifat superposisi, respon terhadap input x(t) adalah penjumlahan dari respon
masing-masing komponen, sehingga
y(t) = a1 H(s1 )es1 t + a2 H(s2 )es2 t + a3 H(s3 )es3 t (3.12)

Secara umum, pada waktu kontinu, persamaan (3.5), dengan sifat superposisi, meng-
implikasikan bahwa representasi sinyal sebagai kombinasi linear dari sinyal kompleks
eksponensial memberikan kemudahan untuk memperoleh ekspresi dari respon dari se-
buah sistem LTI. Secara spesifik, bila input terhadap seubah sistem LTI waktu kontinu
direpresentasikan sebagai kombinasi linear dari sinyal kompleks eksponensial, yaitu, jika
X
x(t) = a k e sk t , (3.13)
k
maka akan diperoleh output

X
y(t) = ak H(sk )esk t . (3.14)
k
Dengan analogi yang sama, jika input terhadap sistem LTI waktu diskrit direpresen-
tasikan sebagai kombinasi linear dari sinyal eksponensial yaitu, jika
X
x[n] = ak zkn , (3.15)
k
54
maka akan diperoleh output

X
y[n] = ak H(zk )zkn . (3.16)
k
Dengan perkataan lain, untuk waktu kontinu dan waktu diskrit, jika input terhadap
sebuah sistem LTI direpresentasikan dengan kombinasi linear dari sinyal kompleks eks-
ponensial, maka output juga dapat direpresentasikan sebagai kombinasi linear dari sinyal
kompleks eksponensial yang sama. Setiap koefisien pada representasi dari output dipe-
roleh dengan perkalian koefisien ak dari input dan eigenvalue dari sistem H(sk ) atau
H(zk ) yang berasosiasi dengan eigenfunction esk t atau zkn .
3.2 Representasi Deret Fourier pada sinyal CT

3.2.1 Kombinasi linear dari sinyal kompleks eksponensial terhubung
harmonik
Sebuah sinyal dikatakan periodik jika, untuk terdapat nilai positif T ,
x(t) = x(t + T ) untuk semua t (3.17)

Periode fundamental dari x(t) adalah nilai positif minimum tidak nol dari T sehingga
persamaan (3.17) dipenuhi, dan nilai ω0 = 2π/T didefinisikan sebagai frekuensi funda-
mental dari sinyal x(t).
Kita telah mempelajari dua sinyal dasar periodik, sinyal sinusoidal
x(t) = cos ω0 t (3.18)

dan sinyal periodik kompleks eksponensial
x(t) = ejω0 t . (3.19)

Kedua sinyal ini periodik dengan frekuensi fundamental ω0 dan periode fundamental
T = 2π/ω0 . Terdapat kumpulan sinyal kompleks eksponensial yang terhubung harmonik
dengan sinyal pada persamaan (3.19) yaitu
φk (t) = ejkω0 t = ejk(2π/T )t , k = 0, ±1, ±2, . . . . (3.20)

Tiap sinyal ini memiliki sebuah frekuensi fundamental yang merupakan kelipatan dari
ω0 , dan oleh sebab itu, masing-masing periodik dengan periode T (walaupun untuk
|k| > 2, periode fundamental dari φk (t) adalah pecahan dari T ). Maka, seubah kombinasi
linear dari sinyal kompleks eksponensial yang terhubung harmonik dengan bentuk
+∞
X +∞
X
x(t) = ak ejkω0 t = ak ejk(2π/T )t (3.21)
k=−∞ k=−∞
juga periodik dengan periode T . Pada persamaan (3.21) term untuk k = 0 adalah
sebuah konstanta. Term untuk k = +1 dan k = −1, keduanya memiliki frekuensi
fundamental ω0 dan secara kolektif didefinisikan sebagai komponen fundamental atau
komponen harmonik pertama. Dua term untuk k = +2 dan k = −2, adalah periodik
dengan setengah periode fundamental (atau ekuivalen, mempunyai frekuensi dua kali
lebih besar) dari komponen fundamental dan didefinisikan sebagai komponen harmonik
55
kedua. Secara umum, komponen untuk k = +N dan k = −N didefinisikan sebagai

komponen harmonik ke-N.
Representasi dari sinyal periodik dengan bentuk pada persamaan (3.21) didefinisikan
sebagai representasi deret Fourier.
Misalkan sebuah sinyal periodik x(t), dengan frekuensi fundamental 2π, diekspresikan
dengan bentuk
+3
X
x(t) = ak ejk2πt , (3.22)
k=−3
dengan
a0 = 1
1
a1 = a−1 = 4
1
a2 = a−2 = 2
1
a3 = a−3 = 3
dengan menulis ulang persamaan (3.22) dan mengumpulkan setiap dari komponen har-
monik yang memiliki frekuensi fundamental yang sama, kita akan memperoleh
x(t) = 1 + 41 (ej2πt + e−j2πt ) + 12 (ej4πt + e−j4πt ) (3.23)

+ 13 (ej6πt + e−j6πt ).
Dengan menggunakan relasi Euler, kita dapat menuliskan x(t) dalam bentuk
1 2
x(t) = 1 + cos 2πt + cos 4πt + cos 6πt. (3.24)
2 3
Persamaan (3.24) adalah contoh dari bentuk alternatif dari deret Fourier untuk sinyal
periodik real. Secara spesifik, misalkan x(t) adalah bernilai real dan dapat direpresen-
tasikan dalam bentuk persamaan (3.21). Karena x∗ (t) = x(t), maka kita memperoleh
+∞
X
x(t) = a∗k e−jkω0 t .
k=−∞
Dengan mengganti k dengan −k pada penjumlahan, kita mendapatkan

+∞
X
x(t) = a∗−k ejkω0 t ,
k=−∞
maka bila dibandingkan dengan persamaan (3.21), maka haruslah ak = a∗−k , atau ekiva-
len juga dengan
a∗k = a−k . (3.25)

Kita lihat bahwa pada contoh sebelumnya adalah kasus di mana ak adalah bernilai real
dan ak = a−k .
Untuk menurunkan bentuk alternatif dari deret Fourier, kita harus menyusun pen-
jumlahan dalam persamaan (3.21) menjadi
56
∞ h
X i
x(t) = a0 + ak ejkω0 t + a−k e−jkω0 t
k=1
dengan mengganti a−k dengan a∗k dari persamaan (3.25) maka kita memperoleh
∞ h
X i
x(t) = a0 + ak ejkω0 t + a∗k e−jkω0 t .
k=1
Karena dua term di dalam penjumlahan adalah pasangan kompleks konjugat, maka
kita peroleh
∞
X n o
x(t) = a0 + 2Re ak ejkω0 t . (3.26)
k=1
Jika ak dinyatakan dalam bentuk polar sebagai
ak = Ak ejθk ,
maka persamaan (3.26) menjadi
∞
X n o
x(t) = a0 + 2 Re Ak ej(kω0 t+θk ) .
k=1
Dapat juga ditulis menjadi
∞
X
x(t) = a0 + 2 Ak cos(kω0 t + θk ). (3.27)
k=1
Persamaan (3.27) adalah satu bentuk dasar yang ditemui untuk deret Fourier untuk si-
nyal real periodik waktu kontinu. Bentuk lain diperoleh dengan menulis ak dalam bentuk
rectangular sebagai
ak = Bk + jCk ,
dengan nilai Bk dan Ck keduanya bernilai real. Dengan ekspresi ini maka persamaan
(3.26) akan mempunyai bentuk
∞
X
x(t) = a0 + 2 [Bk cos kω0 t − Ck sin kω0 t] . (3.28)
k=1
Maka untuk fungsi periodik real, deret Fourier dalam term kompleks eksponensial
seperti ditunjukkan pada persamaan (3.21), secara matematik ekuivalen dengan dua
bentuk baik pada persamaan (3.27) dan (3.28) dengan menggunakan fungsi trigonometri.
Namun bentuk persamaan (3.21) memberikan kemudahan untuk analisa kita, maka kita
akan lebih sering menggunakannya.
3.2.2 Menentukan representasi deret Fourier pada sinyal periodik CT

Asumsikan bahwa sebuah sinyal periodik dapat direpresentasikan dengan deret dari per-
samaan
+∞
X +∞
X
jkω0 t
x(t) = ak e = ak ejk(2π/T )t , (3.29)
k=−∞ k=−∞
57
kita memerlukan sebuah prosedur untuk menentukan koefisien ak . Mengalikan kedua

sisi dari persamaan (3.29) dengan e−jnω0 t , kita memperoleh
+∞
X
−jnω0 t
x(t)e = ak ejkω0 t e−jnω0 t .
k=−∞
Dengan melakukan integrasi kedua sisi dari 0 sampai T = 2π/ω0 , kita mempunyai
ˆ T ˆ T +∞
X
−jnω0 t
x(t)e dt = ak ejkω0 t e−jnω0 t dt.
0 0 k=−∞
Dalam hal ini, T adalah periode fundamental dari x(t), dan konsekuensinya, kita me-
lakukan integrasi pada rentang satu periode. Dengan menukar urutan integrasi dan
penjumlahan menghasilkan
ˆ T +∞
X ˆ T
−jnω0 t j(k−n)ω0 t
x(t)e dt = ak e dt . (3.30)
0 k=−∞ 0
Hasil evaluasi dari integrasi dengan kurung siku dengan formula Euler dapat diperoleh,
´T ´T
0 ej(k−n)ω0 t dt = 0 cos(k − n)ω0 tdt (3.31)
´T
+j 0 sin(k − n)ω0 tdt.
Untuk k 6= n, cos(k − n)ω0 t dan sin(k − n)ω0 t adalah sinyal sinusoidal periodik de-
ngan periode fundamental (T /|k − n|). Oleh karena itu, pada persamaan (3.31), kita
melakukan integrasi pada sebuah interval (dengan panjang T ). Karena integrasi dapat
dipandang sebagai menghitung luas total di bawah fungsi pada rentang integrasi, kita
dapat melihat bahwa untuk k 6= n, kedua integrasi pada sisi kanan persamaan (3.31)
bernilai nol. Untuk k = n, bagian yang diintegrasikan bernilai 1, sehingga hasil integrasi
bernilai T . Sehingga kita peroleh
ˆ T (
j(k−n)ω0 t T, k=n
e dt = ,
0 0, k 6= n
sehingga, bagian sisi kanan dari persamaan (3.30) menjadi T an . Sehingga,
T
1
ˆ
an = x(t)e−jnω0 t dt, (3.32)
T 0
yang memberikan persamaan untuk menentukan koefisien. Lebih jauh lagi, ketika mela-
kukan evaluasi pada persamaan (3.31), kita hanya menggunakan fakta rentang integrasi
pada interval dengan panjang T . Oleh sebab itu kita akan memperoleh hasil yang sama
jika kita melakukan integrasi pada interval dengan panjang T . Maka kita peroleh
1
ˆ
an = x(t)e−jnω0 t dt. (3.33)
T T
Jika x(t) memiliki representasi deret Fourier [yaitu dapat diekspresikan sebagai kom-
binasi linear dari sinyal kompleks eksponensial yang terhubung secara harmonik dalam
bentuk persamaan (3.29)], maka koefisien dapat ditentukan oleh persamaan (3.33). Pa-
sangan dari persamaan ini, mendefinisikan deret Fourier dari sinyal periodik waktu kon-
tinu:
58
+∞
X +∞
X
x(t) = ak ejkω0 t = ak ejk(2π/T )t (3.34)
k=−∞ k=−∞
1 1
ˆ ˆ
−jkω0 t
ak = x(t)e dt = x(t)e−jk(2π/T )t dt. (3.35)
T T T T
Persamaan (3.34) didefinisikan sebagai persamaan sintesis dan persamaan (3.35) dide-
finisikan sebagai persamaan analisis. Kumpulan koefisien {ak } biasanya disebut koefisien
deret Fourier atau koefisien spektral dari x(t). Koefisien kompleks ini mengukur porsi
dari sinyal x(t) pada setiap harmonik komponen fundamental. Koefisien a0 adalah nilai
DC atau komponen konstan dari x(t) yang ditentukan oleh persamaan (3.35) dengan
k = 0, yaitu
1
ˆ
a0 = x(t)dt, (3.36)
T T
yaitu nilai rata-rata dari x(t) pada satu periode.
3.2.3 Kasus: Menghitung deret Fourier dari sinyal kotak

Sinyal kotak periodik, seperti terlihat pada gambar dan didefinisikan pada satu periode
sebagai
(
1, |t| < T1
x(t) = . (3.37)
0, T1 < |t| < T /2
Sinyal ini periodik dengan periode fundamental T dan frekuensi fundamental ω0 = 2π/T .
x(t)
1
... ...
t
−2T −T −T −T10 T1 T T 2T
2 2
Untuk menentukan koefisien deret Fourier untuk x(t), kita menggunakan persamaan
(3.35). Karena x(t) simetris pada t = 0, maka akan lebih mudah memilih −T /2 ≤ t <
T /2 sebagai interval dari integrasi, walaupun setiap interval dengan panjang T sama-
sama valid dan menghasilkan hasil yang sama. Dengan menggunakan batas integrasi ini
dan menggunakan persamaan (3.37), kita memperoleh untuk k = 0,
T1
1 2T1
ˆ
a0 = dt = . (3.38)
T −T1 T
Seperti telah disebutkan sebelumnya, a0 diinterpretasikan sebagai nilai rata-rata dari
x(t). Untuk k 6= 0, kita memperoleh
T1
T 1
1 1
ˆ
−jkω0 t −jkω0 t

ak = e dt = − e ,
T −T1 jkω0 T
−T1
yang dapat ditulis sebagai
59
ejkω0 T1 − e−jkω0 T1

2
ak = . (3.39)
kω0 T 2j
Perhatikan bahwa term dalam kurung siku adalah sin kω0 T1 , kita dapat menuliskan
koefisien ak sebagai
2 sin (kω0 T1 ) sin (kω0 T1 )

ak = = , k 6= 0. (3.40)
kω0 T kπ
3.2.4 Konvergensi Deret Fourier

Pada contoh sebelumnya dapat dilihat walaupun x(t) diskontinu tetapi tiap-tiap kom-
ponen harmoniknya kontinu. Fourier menyatakan setiap sinyal periodik dapat direpre-
sentasikan dengan deret Fourier. Walaupun hal ini tidak sepenuhnya tepat, akan tetapi
benar bahwa deret Fourier dapat digunakan untuk merepresentasikan sejumlah besar
kelas dari sinyal periodik, termasuk sinyal kotak dan sinyal-sinyal periodik lainnya.
Kita akan melihat masalah aproksimasi (pendekatan) sinyal periodik x(t) dengan kom-
binasi linear dari jumlah terbatas sinyal komplek eksponensial terhubung harmonik de-
ngan bentuk,
N
X
xN (t) = ak ejkω0 t . (3.41)
k=−N
Kita definisikan error aproksimasi dengan eN (t), yaitu

N
X
eN (t) = x(t) − xN (t) = x(t) − ak ejkω0 t . (3.42)
k=−N
Untuk menentukan seberapa baik sebuah aproksimasi, kita perlu menentukan ukuran
kuantitatif dari ukuran error aproksimasi. Kriteria yang akan digunakan adalah energi
dari error pada satu periode:
ˆ
EN = |eN (t)|2 dt. (3.43)
T
Dapat dibuktikan bahwa pilihan untuk koefisien dalam persamaan (3.41) untuk me-
minimalkan energi dari error adalah
1
ˆ
ak = x(t)e−jkω0 t dt. (3.44)
T T
Kita dapat persamaan (3.44) adalah indentik dengan ekpsresi yang digunakan untuk
menentukan koefisien deret Fourier. Maka jika x(t) memiliki representasi deret Fourier,
maka aproksimasi terbaik dengan hanya menggunakan jumlah terbatas dari kombinasi
linear sinyal kompleks eksponensial terhubung harmonik dapat diperoleh dengan memo-
tong deret Fourier dengan jumlah term yang diinginkan. Ketika N bertambah, maka
jumlah term akan bertambah dan EN akan berkurang. Pada faktanya jika x(t) memiliki
representasi deret Fourier maka limit dari EN ketika N → ∞ adalah nol.
Bagaimana menentukan sebuah sinyal x(t) memiliki representasi deret Fourier? Tentu
saja untuk semua sinyal, kita dapat mendapatkan kumpulan koefisien Fourier dengan
menggunakan persamaan (3.35). Bagaimanapun, pada beberapa kasus integral pada
persamaan (3.35) dapat menjadi divergen; yaitu ketika diperoleh beberapa nilai ak adalah
tak terbatas (infinite). Lebih lagi, walau semua koefisien yang diperoleh dari persamaan
60
(3.35) adalah terbatas (finite), ketika koefisien ini disubtitusikan ke persamaan sintesis
(3.34), hasilnya dapat saja tidak konvergen kepada sinyal asli x(t).
Beruntungnya, tidak terdapat kesulitan konvergensi untuk sejumlah kelas dari sinyal
periodik. Contohnya, setiap sinyal periodik kontinu memiliki representasi deret Fou-
rier dengan energi EN untuk error aproksimasi menuju nol ketika N menuju ∞. Ini
juga berlaku untuk banyak sinyal diskontinu. Karena dirasakan berguna untuk mema-
sukkan sinyal diskontinu seperti sinyal kotak, menjadi bermanfaat untuk menyelidiki isu
konvergensi dengan lebih detil.
Salah satu kelas sinyal periodik yang dapat direpresentasikan dengan deret Fourier
adalah sinyal yang memiliki energi terbatas pada interval satu periode, yaitu sinyal
dengan
ˆ
|x(t)|2 dt < ∞. (3.45)
T
Ketika kondisi ini dipenuhi, maka dapat dijamin bahwa koefisien ak yang diperoleh dari
persamaan (3.35) adalah terbatas. Lebih jauh lagi, misalkan xN (t) adalah aproksimasi
x(t) yang diperoleh dengan menggunakan koefisien ini untuk |k| ≤ N :
+N
X
xN (t) = ak ejkω0 t . (3.46)
k=−N
Maka dijamin bahwa energi EN pada error aproksimasi, seperti yang didefinisikan
pada persamaan (3.43), konvergen ke 0 ketika kita menambah banyak term. Jika kita
mendefinisikan
+∞
X
e(t) = x(t) − ak ejkω0 t . (3.47)
k=−∞
maka
ˆ
|e(t)|2 dt = 0. (3.48)
T
Tetapi persamaan (3.48) tidak mengimplikasikan bahwa sinyal x(t) dan representasi
deret Fourier
+∞
X
ak ejkω0 t . (3.49)
k=−∞
adalah sama pada setiap nilai t. Persamaan (3.48) hanya menyatakan bahwa tidak
terdapat perbedaan energi pada keduanya.
Lebih lagi, sebuah alternatif kumpulan kondisi yang dibuat oleh Dirichlet yang berlaku
untuk semua sinyal yang akan banyak digunakan, menjamin bahwa x(t) akan sama
dengan representasi deret Fourier, kecuali pada nilai t terisolasi yang menyebabkan x(t)
diskontinu. Pada nilai ini, deret tak terbatas dari persamaan (3.49) konvergen pada nilai
rata-rata dari nilai pada setiap sisi pada diskontinu.
Kondisi Dirichlet antara lain:
61
Kondisi 1
Pada satu periode manapun, x(t) harus absolutely integrable, yaitu
ˆ
|x(t)|dt < ∞. (3.50)
T
Hal ini akan menjamin bahwa setiap koefisien dari ak akan terbatas karena
1 1
ˆ ˆ
−jkω0 t
|ak | ≤ x(t)e dt = |x(t)|dt. (3.51)

T T T T
Kondisi 2
Pada interval waktu terbatas manapun, x(t) memiliki variasi terbatas; yaitu, hanya
memiliki sejumlah berhingga maxima dan minima pada satu periode sinyal manapun.
Kondisi 3
Pada interval waktu terbatas manapun, hanya terdapat sejumlah berhingga jumlah dis-
kontinuitas.
3.3 Sifat-Sifat Deret Fourier CT

Kita akan mendefinisikan sebuah notasi singkat untuk mengindikasikan relasi antara
sebuah sinyal periodik dengan koefisien deret Fouriernya, yaitu
x(t) ↔ ak
3.3.1 Linearitas, Time Shifting, Time Reversal

Linearitas
Misalkan x(t) dan y(t) merupakan dua buah sinyal periodik dengan periode T dan me-
miliki koefisien deret Fourier ak dan bk , yaitu
x(t) ↔ ak
y(t) ↔ bk
Karena x(t) dan y(t) memiliki periode yang sama yaitu T , maka dengan mudah di-
simpulkan bahwa setiap kombinasi linear dari dua sinyal tersebut juga periodik dengan
periode T . Lebih jauh lagi, koefisien deret Fourier ck dari kombinasi linear x(t) dan y(t),
z(t) = Ax(t) + By(t), diberikan oleh kombinasi linear yang sama dari koefisien deret
Fourier untuk x(t) dan y(t).
z(t) = Ax(t) + By(t) ↔ ck = Aak + Bbk . (3.52)

Sifat linearitas ini juga dengan mudah diperluas kepada kombinasi linear dari sejumlah
lain sinyal dengan periode T .
62
Time Shifting
Ketika pergeseran waktu (time shift) dilakukan pada sinyal periodik x(t), periode T
dari sinyal akan tetap sama. Koefisien deret Fourier bk yang dihasilkan dari sinyal
y(t) = x(t − t0 ) dapat diekspresikan sebagai
1
ˆ
|bk = x(t − t0 )e−jkω0 t dt. (3.53)
T T
Subtitusi τ = t − t0 pada integral, variabel τ juga memiliki rentang pada interval
dengan durasi T , sehingga kita memperoleh
1 −jkω0 t0 1
ˆ ˆ
−jkω0 (τ +t0 )
x(τ )e dτ = e x(τ )e−jkω0 τ dτ (3.54)
T T T T
e−jkω0 t0 ak = e−jk(2π/T )t0 ak ,

di mana ak adalah koefisien Fourier dari sinyal x(t), Yaitu jika
x(t) ↔ ak ,
maka
x(t − t0 ) ↔ e−jkω0 t0 ak .
Konsekuensi dari sifat ini adalah, ketika sinyal periodik mengalami pergeseran waktu,
maka magnitude dari koefisien deret Fourier tidak berubah.
Time Reversal
Periode T dari sinyal periodik x(t) juga tidak berubah ketika sinyal mengalami time
reversal. Untuk menentukan koefisien deret Fourier dari y(t) = −x(t), kita akan melihat
pengaruh dari time reversal pada persamaan sintesis (3.34):
+∞
X
x(−t) = ak e−jk2πt/T
k=−∞
Buat subtitusi k = −m, kita memperoleh

+∞
X
y(t) = x(−t) = a−m ejm2πt/T
m=−∞
Kita dapat melihat sisi kanan dari persamaan ini memiliki bentuk sintesis deret Fourier
untuk x(−t), di mana koefisien bk adalah
bk = a−k .
Jadi jika
x(t) ↔ ak ,
maka
x(−t) ↔ a−k .
63
3.3.2 Time Scaling, Multiplication, Konjugasi dan Simetri Konjugat

Time Scaling
Time scaling adalah operasi perubahan periode dari sinyal. Jika x(t) periodik dengan
periode T dan frekuensi fundamental ω0 = 2π/T , maka x(αt) dengan α adalah sebuah
bilangan real positif adalah periodik dengan periode T /α dan frekuensi fundamental αω0 .
Karena operasi time scaling beroperasi langsung pada setiap komponen harmonik dari
x(t), maka dapat disimpulkan bahwa koefisien deret Fourier untuk tiap-tiap komponen
adalah tetap sama. Jika x(t) memiliki representasi deret Fourier, maka
+∞
X
x(αt) = ak ejk(αω0 )t
k=−∞
adalah representasi deret Fourier dari x(αt).
Multiplication
Misalkan x(t) dan y(t) merupakan dua buah sinyal periodik dengan periode T dan me-
miliki koefisien deret Fourier ak dan bk , yaitu
x(t) ↔ ak ,
y(t) ↔ bk .
Karena hasil perkalian x(t)y(t) juga periodik dengan periode T , kita dapat melakukan
ekspansi dalam sebuah deret Fourier dengan koefisien deret Fourier hk dengan
+∞
X
x(t)y(t) ↔ hk = al bk−l (3.55)
l=−∞
Konjugasi dan Simetri Konjugat

Mengambil kompleks konjugat dari sinyal periodik x(t) mempunyai imbas kompleks kon-
jugasi dan time reversal pada koefisien deret Fourier yang diperoleh. Yaitu jika
x(t) ↔ ak ,
maka
x∗ (t) ↔ a∗−k .
Beberapa konsekuensi menarik dapat diperoleh dari sifat ini untuk x(t) real, yaitu
ketika x(t) = x∗ (t). Pada kasus ini diperoleh koefisien deret Fourier akan konjugat
simetris,
a−k = a∗k .
• Jika x(t) bernilai real maka a0 juga bernilai real dan
|ak | = |a−k |.
• Jika x(t) bernilai real dan fungsi genap maka ak = a∗k .
• Jika x(t) bernilai real dan fungsi ganjil maka koefisien deret Fourier merupakan
bilangan imajiner murni dan ganjil.
64
3.3.3 Relasi Parseval untuk Sinyal Periodik Waktu kontinu

Relasi Parseval untuk sinyal periodik waktu kontinu adalah
+∞
1
ˆ X
2
|x(t)| dt = |ak |2 ,
T T k=−∞
di mana ak adalah koefisien deret Fourier dari x(t) dan T adalah periodenya.
Juga berlaku,
1 jkω0 t 2 1
ˆ ˆ
ak e dt = |ak |2 dt = |ak |2 ,
T T T T
|ak |2 adalah daya rata-rata pada komponen harmonik ke-k dari x(t). Jadi yang hendak
dikatakan oleh relasi Parseval adalah total daya rata-rata dari sinyal periodik adalah
sama dengan jumlah dari daya rata-rata dari komponen harmoniknya.
3.3.4 Contoh Soal

Carilah x(t) bila kita diberikan beberapa fakta tentang sinyal x(t):
1. x(t) adalah sinyal real.
2. x(t) adalah periodik dengan T = 4, dan memiliki koefisien deret Fourier ak .
3. ak = 0 untuk |k| > 1.
4. Sinyal dengan koefisien Fourier bk = e−jπk/2 a−k adalah sinyal genap.
5. 14 4 |x(t)|2 dt = 1/2.
´
3.4 Deret Fourier untuk sinyal DT dan sifat-sifatnya

3.4.1 Kombinasi linear dari sinyal kompleks eksponensial terhubung
harmonik
Sinyal waktu diskrit x[n] adalah periodik dengan periode N jika
x[n] = x[n + N ]. (3.56)

Periode fundamental adalah bilangan bulat N positif yang terkecil di mana persamaan
(3.56) berlaku, dan ω0 = 2π/N adalah frekuensi fundamental. Sinyal kompleks ekspo-
nensial ej(2π/N )n adalah periodik dengan periode N , maka sekumpulan sinyal kompleks
eksponensial periodik waktu diskrit dengan periode N diberikan oleh
φk [n] = ejkω0 n = ejk(2π/N )n , k = 0, ±1, ±2, ... (3.57)

Semua sinyal ini mempunyai frekuensi-frekuensi fundamental yang merupakan kelipat-
an dari 2π/N dan dengan demikian terhubung secara harmonik. Dalam hal ini hanya
terdapat sekumpulan N buah sinyal berbeda. Hal ini merupakan konsekuensi dari fakta
bahwa sinyal kompleks eksponensial waktu diskrit yang memiliki perbedaan frekuensi
sebesar kelipatan dari 2π adalah identik. Dari fakta ini kita memperoleh kombinasi li-
near dari sinyal kompleks eksponensial terhubung harmonik untuk sinyal waktu diskrit
adalah
65
X X X
x[n] = ak φk [n] = ak ejkω0 n = ak ejk(2π/N )n . (3.58)
k=hN i k=hN i k=hN i
Umumnya kita menggunakan nilai k = 0, 1, ..., N − 1. Persamaan (3.58) didefinisikan

sebagai deret Fourier waktu diskrit dan koefisien-koefisien ak sebagai koefisien-koefisien
deret Fourier-nya.
3.4.2 Menentukan representasi deret Fourier pada sinyal periodik DT

Misalkan kepada kita diberikan sinyal x[n] yang periodik dengan periode fundamental
N . Kita ingin menentukan apakah terdapat representasi x[n] dalam bentuk persamaan
(3.58), dan jika ada kita ingin mendapatkan koefisien ak . Kita dapat memperolehnya
dengan mencari solusi dari sekumpulan persamaan linear. Bila kita melakukan evaluasai
dari persamaan (3.58) untuk N buah nilai n yang berurutan dalam satu periode x[n],
kita memperoleh
X
x[0] = ak
k=hN i
X
x[1] = ak ej2πk/N (3.59)
k=hN i
..
.
X
x[N − 1] = ak ej2πk(N −1)/N
k=hN i
Persamaan (3.59) merepresentasikan N buah persamaan linear untuk N buah koefisien

ak . Dapat dilihat kumpulan persamaan ini bersifat bebas linear dan dapat diselesaikan
untuk memperoleh koefisen ak . Dapat diperoleh
1 X
ar = x[n]e−jr(2π/N )n
N
n=hN i
Kita memiliki pasangan persamaan deret Fourier waktu diskrit sebagai berikut:
X X
x[n] = ak ejkω0 n = ak ejk(2π/N )n , (3.60)
k=hN i
1 X 1 X
ak = x[n]e−jkω0 n = x[n]e−jk(2π/N )n . (3.61)
N N
n=hN i n=hN i
Persamaan (3.60) merupakan persamaan sintesis dan persamaan (3.61) merupakan

persamaan analisis. Seperti pada waktu kontinu, koefisien deret Fourier waktu diskrit
ak juga sering disebut sebagai koefisien spektral dari x[n]. Hal penting yang harus
diperhatikan adalah hanya terdapat N buah term pada representasi deret Fourier waktu
diskrit.
66
3.4.3 Sifat Deret Fourier DT

Terdapat kemiripan yang kuat antara sifat-sifat deret Fourier waktu diskrit dengan sifat-
sifat deret Fourier waktu kontinu. Akan digunakan notasi singkat untuk mengindikasikan
relasi antara sebuah sinyal periodik dengan koefisien deret Fourier dengan
x[n] ↔ ak .
Linearitas
Jika
x[n] ↔ ak ,
y[n] ↔ bk ,
maka
Ax[n] + By[n] ↔ Aak + Bbk .
Time Shifting
jika
x[n] ↔ ak ,
maka
x[n − n0 ] ↔ e−jk(2π/N )n0 ak .
Frequency Shifting
Jika
x[n] ↔ ak ,
maka
ejM (2π/N )n x[n] ↔ ak−M .
Time Reversal
Jika
x[n] ↔ ak ,
maka
x[−n] ↔ a−k .
67
Multiplikasi
Jika
x[n] ↔ ak ,
y[n] ↔ bk ,
maka
X
x[n]y[n] ↔ dk = al bk−l .
l=hN i
Diferensiasi Pertama
Jika
x[n] ↔ ak ,
maka
x[n] − x[n − 1] ↔ (1 − e−jk(2π/N ) )ak .
Relasi Parseval untuk Sinyal Periodik Waktu Diskrit

Relasi Parseval diberikan oleh persamaan
1 X
|x[n]|2 = |ak |2 .
X
(3.62)
N
n=hN i n=hN i
Persamaan ruas kiri dari relasi Parseval adalah daya rata-rata dari satu periode sinyal
periodik x[n]. |ak |2 adalah daya rata-rata dari harmonik ke-k dari komponen x[n]. Jadi
sekali lagi, relasi Parseval menyatakan bahwa daya rata-rata dari sinyal periodik adalah
sama dengan jumlah dari daya rata-rata dari semua komponen harmoniknya. Pada
waktu diskrit, tentu saja hanya terdapat N buah komponen harmonik yang berbeda.
3.4.4 Contoh Soal

Cari sinyal x[n] bila kita diberikan beberapa fakta tentang sinyal x[n]:
1. x[n] adalah periodik dengan N = 6.

P5
2. n=0 x[n] = 2.
P7 n
3. n=2 (−1) x[n] = 1.
4. x[n] memiliki daya minimum per periode di antara sekumpulan sinyal yang meme-
nuhi tiga kondisi sebelumnya.
68
3.5 Sistem LTI dan Filter

3.5.1 Sistem LTI dan Respon Frekuensi
Kita telah melihat bahwa representasi deret Fourier dapat digunakan untuk memben-
tuk setiap sinyal periodik waktu diskrit dan semua sinyal periodik waktu kontinu yang
penting. Kita juga telah melihat respon sistem LTI kepada kombinasi linear dari sinyal
kompleks eksponensial memberikan bentuk yang sederhana. Contohnya untuk waktu
kontinu, jika x(t) = est adalah input kepada sistem LTI waktu kontinu, maka mengha-
silkan output y(t) = H(s)est , dengan
ˆ +∞
H(s) = h(τ )e−sτ dτ, (3.63)
−∞
dengan h(t) adalah respon impuls dari sistem LTI.

Demikian juga sdengan sistem waktu diskrit, jika x[n] = z n adalah input kepada
sistem LTI waktu diskrit, maka menghasilkan output y[n] = H(z)z n , dengan
+∞
X
H(z) = h[k]z −k , (3.64)
k=−∞
dengan h[n] adalah respon impuls dari sistem LTI.

H(s) dan H(z) didefinisikan sebagai fungsi sistem dari sistem yang bersesuaian, de-
ngan s dan z adalah bilangan kompleks umum. Untuk sinyal dan sistem waktu kontinu,
kita akan melihat kasus khusus untuk Re{s} = 0, sehingga s = jω, sehingga est adalah
dalam bentuk ejωt . Ini adalah input kompleks eksponensial pada frekuensi ω. Fungsi
sistem adalah dalam bentuk s = jω, H(jω) dilihat sebagai fungsi dari ω didefinisikan
sebagai respon frekuensi dari sistem dan dituliskan dengan
ˆ +∞
H(jω) = h(t)e−jωt dt. (3.65)
−∞
Dengan cara yang sama untuk sinyal dan sistem waktu diskrit, kita akan melihat kasus
khusus untuk nilai z dengan |z| = 1, sehingga z = ejω , sehingga z n adalah dalam bentuk
ejωn . Ini adalah input kompleks eksponensial pada frekuensi ω. Fungsi sistem adalah
dalam bentuk z = ejω , H(ejω ) dilihat sebagai fungsi dari ω didefinisikan sebagai respon
frekuensi dari sistem dan dituliskan dengan
+∞
X
H(ejω ) = h[n]e−jωn . (3.66)
n=−∞
Respon sebuah sistem LTI terhadap sinyal kompleks eksponensial dengan bentuk ejωt
(untuk waktu kontinu) atau ejωn (untuk waktu diskrit) adalah sangat sederhana un-
tuk mengekspresikan respon frekuensi dari sistem. Lebih jauh lagi karena berlaku sifat
superposisi dari sistem LTI, maka kita dapat mendapatkan respon sistem LTI dengan
kombinasi linear dari sinyal kompleks eksponensial.
Untuk kasus waktu kontinu, misalkan x(t) adalah sinyal periodik dengan representasi
deret Fourier diberikan oleh
+∞
X
x(t) = ak ejkω0 t . (3.67)
k=−∞
69
Misalkan kita menggunakan sinyal ini sebagai input dari sistem LTI dengan respon
impuls h(t). Karena setiap sinyal kompleks eksponensial pada persamaan (3.67) adalah
eigenfunction dari sistem, maka output dari sistem adalah
+∞
X
y(t) = ak H (jkω0 ) ejkω0 t . (3.68)
k=−∞
Maka output y(t) juga adalah periodik dengan frekuensi fundamental yang sama se-
perti x(t). Lebih lagi, jika {ak } adalah kumpulan koefisien deret Fourier untuk input
x(t), maka {ak H (jkω0 )} adalah kumpulan koefisien deret Fourier untuk output y(t).
Jadi, impak dari sistem LTI waktu kontinu adalah melakukan modifikasi secara indivi-
dual setiap dari koefisien Fourier dari input melalui multiplikasi dengan nilai dari respon
frekuensi pada frekuensi yang bersesuaian.
Untuk kasus waktu diskrit, misalkan x[n] adalah sinyal periodik dengan representasi
deret Fourier diberikan oleh
X
x[n] = ak ejk(2π/N )n . (3.69)
k=hN i
Misalkan kita menggunakan sinyal ini sebagai input dari sistem LTI dengan respon
impuls h[n]. Karena setiap sinyal kompleks eksponensial pada persamaan (3.69) adalah
eigenfunction dari sistem, maka output dari sistem adalah
X
y[n] = ak H ejk(2π/N ) ejk(2π/N )n . (3.70)
k=hN i
Maka output y[n] juga adalah periodik dengan frekuensi fundamental yang sama se-
perti x[n]. Lebih lagi, jika {ak } adalah kumpulan koefisien deret Fourier untuk input
x[t], maka {ak H ejk(2π/N ) } adalah kumpulan koefisien deret Fourier untuk output y[t].
Jadi, impak dari sistem LTI waktu diskrit adalah melakukan modifikasi secara individu-
al setiap dari koefisien Fourier dari input melalui multiplikasi dengan nilai dari respon
frekuensi pada frekuensi yang bersesuaian.
3.5.2 Contoh Soal Sistem LTI

Misalkan sebuah sinyal
+3
X
x(t) = ak ejk2πt ,
k=−3
dengan
a0 = 1
1
a1 = a−1 = 4
1
a2 = a−2 = 2
1
a3 = a−3 = 3
adalah input kepada sistem LTI dengan respon impuls
h(t) = e−t u(t).
70
Untuk menghitung koefisien deret Fourier dari sinyal output y(t), maka kita harus
menghitung respon frekuensi:
ˆ ∞
H(jω) = e−τ e−jωτ dτ
0
1
H(jω) = . (3.71)
1 + jω
dengan menggunakan persamaan (3.68) dan persamaan (3.71), dengan fakta ω0 = 2π,
maka kita memperoleh
+3
X
y(t) = bk ejk2πt ,
k=−3
dengan bk = ak H (jk2π), sehingga
b = 1
0
1 1 1 1
b1 = , b−1 = ,
4 1 + j2π 4 1 − j2π

1 1 1 1
b2 = , b−2 = ,
2 1 + j4π 2 1 − j4π

1 1 1 1
b3 = , b−3 = .
3 1 + j6π 3 1 − j6π
3.5.3 Filter Frekuensi Shaping

Sistem LTI yang dapat mengubah bentuk dari spektrum seringkali didefinisikan sebagai
filter frekuensi shaping. Satu aplikasi dari filter frekuensi shaping adalah seing ditemukan
pada sistem audio. Contohnya pada sistem ini, filter LTI memungkinkan pengguna untuk
melakukan modifikasi dari jumlah relatif dari energi frekuensi rendah (bass) dan energi
frekuensi tinggi (treble).
Kelas lain dari filter frekuensi shaping sering ditemui di mana output dari sistem
adalah turunan dari input, yaitu y(t) = d x(t)/dt. Dengan x(t) dalam bentuk x(t) = ejωt ,
akan diperoleh y(t) = jωejωt , sehingga diperoleh respon frekuensi adalah
H(jω) = jω. (3.72)

Dari respon frekuensi filter diferensiator ini, maka sinyal kompleks eksponensial ejωt
akan mendapatkan penguatan lebih besar untuk nilai ω yang lebih besar. Filter ini
digunakan untuk memperkuat variasi yang cepat atau transisi dari sinyal. Salah satu
kegunaan dari filter diferensiator ini adalah sering digunakan untuk memperbaiki edge
dalam pengolahan gambar.
3.5.4 Filter Selektif Frekuensi

Filter selektif frekuensi adalah sebuah kelas filter yang dibuat dengan tujuan secara aku-
rat atau mendekati melewatkan beberapa band frekuensi dan meredam band lainnya.
Penggunaan dari filter selektif frekuensi muncul pada beberapa situasi, contohnya jika
derau pada sebuah rekaman audio berada pada band frekuensi yang lebih tinggi diban-
dingkan dengan musik atau suara pada rekaman, maka derau dapat dihilangkan dengan
filter selektif frekuensi.
71
Filter low pass adalah filter yang melewatkan frekuensi rendah dan melakukan pere-
daman pada frekuensi yang lebih tinggi. Filter high pass adalah filter yang melewatkan
frekuensi tinggi dan melakukan peredaman pada frekuensi rendah. Filter band pass
adalah filter yang melewatkan sebuah band frekuensi dan melakukan peredaman pada
frekuensi yang lebih tinggi dan lebih rendah dari band frekuensi tersebut. Frekuensi cut
off adalah yang mendefinisikan batasan frekuensi yang dilewatkan (frekuensi pass band)
dan frekuensi yang diredam (frekuensi stop band).
Filter selektif frekuensi ideal adalah filter yang secara akurat melewatkan sinyal kom-
pleks eksponensial tanpa distorsi pada pass band dan meredam secara lengkap sinyal
pada stop band. Filter ideal berguna untuk mendeskripsikan konfigurasi sistem ideal
untuk berbagai aplikasi, namun filter ini tidak dapat direalisasikan sehingga kita hanya
bisa melakukan aproksimasi (pendekatan) dari filter ideal ini.
3.6 Contoh Filter CT dan DT LCCDE untuk sinyal periodik

3.6.1 Filter RC Lowpass CT
Rangkaian elektrik banyak digunakan untuk mengimplementasikan operasi pemfilteran
waktu kontinu. Satu contoh paling sederhana adalah rangkaian seri RC order satu seperti
diperlihatkan pada gambar berikut, di mana sumber tegangan vs (t) adalah input dari
sistem. Rangkaian ini dapat digunakan untuk menghasilkan baik operasi filter low pass
maupun filter high pass, bergantung pada apa yang kita ambil sebagai sinyal output.
Misalkan kita mengambil tegangan kapasitor vc (t) sebagai output. Tegangan output
ini berhubungan dengan tegangan input melalui persamaan diferensial linear dengan
koefisien konstan
dvc (t)
RC + vc (t) = vs (t). (3.73)
dt
vR (t)
+ −
+ vC (t)
vs (t)
−
Asumsikan sistem relaks, sistem dengan persamaan (3.73) adalah sistem LTI. Untuk
menentukan respon frekuensi H(jω), dengan definisi, dengan tegangan input vs (t) =
ejωt , kita akan memiliki tegangan output vc (t) = H(jω)ejωt . Jika kita mensubsitusikan-
nya, kita akan memperoleh
d
H(jω)ejωt + H(jω)ejωt = ejωt .

RC (3.74)
dt
Maka akan diperoleh
1
H(jω) = . (3.75)
1 + RCjω
72
Besar dari respon frekuensi H(jω) diperlihatkan pada gambar di bawah. Perhatikan
untuk frekuensi-frekuensi di dekat ω = 0 maka |H(jω)| ≈ 1, sedangkan untuk harga ω
yang lebih besar (positif atau negatif), maka |H(jω)| agak lebih kecil dan kenyataannya
tetap berkurang selama |ω| bertambah. Dengan demikian, filter RC yang sederhana ini
(dengan vc (t) sebagai output) merupakan filter low pass non ideal.
|H(ω)|
1
ω
−1/RC 0 1/RC
∠H(ω)
π/2
π/4
1/RC
ω
−1/RC
−π/4
−π/2
Tanggapan impuls dari sistem yang digambarkan oleh persamaan (3.73) adalah
1 −t/RC
h(t) = e u(t), (3.76)
RC
dan respon terhadap sinyal step adalah
h i
s(t) = 1 − e−t/RC u(t), (3.77)
dengan digambarkan pada gambar berikut (dengan τ = RC).
h(t)
1
τ
1
τe
τ t
s(t)
1
1
1− e
τ t
73
3.6.2 Filter RC Highpass CT

Sebagai rangkaian alternatif dalam memilih tegangan kapasitor sebagai output dalam
rangkaian RC, kita dapat memilih tegangan resistor. Dalam kasus ini persamaan dife-
rensial yang menghubungkan input dengan output adalah
dvr (t) dvs (t)

RC + vr (t) = RC . (3.78)
dt dt
Asumsikan sistem relaks, sistem dengan persamaan (3.78) adalah sistem LTI. Untuk
menentukan respon frekuensi G(jω), dengan definisi, dengan tegangan input vs (t) = ejωt ,
kita akan memiliki tegangan output vr (t) = G(jω)ejωt . Jika kita mensubsitusikannya,
kita akan memperoleh
dG(jω)ejωt dejωt
RC + G(jω)ejωt = RC . (3.79)
dt dt
Maka akan diperoleh
jωRC
G(jω) = . (3.80)
1 + ωRC
Besar dari respon frekuensi G(jω) diperlihatkan pada gambar di bawah.
|H(ω)|
1
ω
−1/RC 0 1/RC
∠H(ω)
π/2
π/4
−1/RC
ω
1/RC
−π/4
−π/2
Tanggapan step dari filter high pass adalah
s(t) = e−t/RC u(t), (3.81)

dengan digambarkan pada gambar berikut (dengan τ = RC).
s(t)
1
e
t
τ = RC
74
3.6.3 Filter DT rekursif orde 1

Filter waktu diskrit reskursif orde 1 adalah sistem LTI yang digambarkan dengan persa-
maan difference orde satu
y[n] − ay[n − 1] = x[n] (3.82)

Dari sifat fungsi eigen sinyal kompleks eksponensial, kita mengetahui jika x[n] = ejωn ,
maka y[n] = H(ejω )ejωn , dengan H(ejω ) adalah respon frekuensi dari sistem. Subtitusi
ke persamaan (3.82), maka kita memperoleh
H(ejω )ejωn − aH(ejω )ejω(n−1) = ejωn , (3.83)

atau
[1 − ae−jω ]H(ejω )ejωn = ejωn , (3.84)

sehingga diperoleh
1
H(ejω ) = (3.85)
1 − ae−jω
Kita melihat bahwa, untuk a bernilai positif, persamaan difference berlaku seperti filter
low pass dengan atenuasi minimal pada frekuensi rendah di dekat ω = 0 dan atenuasi
bertambah ketika kita menambah ω menuju ω = π. Untuk a bernilai negatif, persamaan
difference berlaku seperti filter high pass melewatkan frekuensi rendah di dekat ω = π
dan meredam frekuensi rendah, sedangkan untuk setiap bilangan positif a < 1, sistem
mendekati filter low pass. Untuk setiap bilangan negatif a > −1, sistem mendekati filter
high pass, di mana |a| mengendalikan ukuran dari passband filter, passband melebar
ketika |a| bertambah.
3.6.4 Filter DT non-rekursif

Bentuk umum dari filter waktu diskrit non rekursif (filter Finite Impulse Response)
adalah
M
X
y[n] = bk x[n − k]. (3.86)
k=−N
Output y[n] adalah nilai rata-rata terbobot dari (N + M + 1) buah x[n] dari x[n − M ]
sampai x[n + N ], dengan bobot diberikan oleh koefisien bk . Sistem dengan bentuk ini
dapat digunakan untuk berbagai macam kebutuhan pemfilteran, termasuk filter selektif
frekuensi.
Satu jenis filter yang sering digunakan adalah filter moving average, di mana output
y[n] untuk setiap n, anggap n0 merupakan nilai rata-rata dari harga x[n] di sekitar n0 .
3.7 Penutup
Representasi sinyal periodik menggunakan sinyal kompleks eksponensial dikenal sebagai
deret Fourier waktu kontinu dan deret Fourier waktu diskrit. Representasi kompleks
eksponensial dapat digunakan untuk membentuk berbagai bentuk sinyal yang berguna
melalui superposisi.
75
Melalui sifat superposisi, respon dari sistem LTI terhadap input yang terdiri dari kom-
binasi linear dari sinyal dasar adalah kombinasi linear yang sama dari respon individual
terhadap setiap sinyal dasar tersebut.
76

Fourier Series

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Fourier Series

Diunggah oleh

Hak Cipta:

Format Tersedia

3 Fourier Series Untuk Sinyal Periodik

3.1 Eigenfunctions: Respon sistem LTI pada sinyal

waktu kontinu: est → H(s)est , (3.1)

waktu diskrit: z n → H(z)z n , (3.2)

3.1.2 Sinyal kompleks eksponensial adalah eigenfunction dari sistem LTI

y(t) = H(s)est (3.5)

3.1.3 Sinyal kompleks eksponensial adalah eigenfunction dari sistem LTI

y[n] = H(z)z n (3.9)

3.1.4 Kombinasi linear sinyal kompleks eksponensial

x(t) = a1 es1 t + a2 es2 t + a3 es3 t (3.11)

aes1 t → a1 H(s1 )es1 t ,

y(t) = a1 H(s1 )es1 t + a2 H(s2 )es2 t + a3 H(s3 )es3 t (3.12)

maka akan diperoleh output

maka akan diperoleh output

3.2 Representasi Deret Fourier pada sinyal CT

x(t) = x(t + T ) untuk semua t (3.17)

x(t) = cos ω0 t (3.18)

x(t) = ejω0 t . (3.19)

φk (t) = ejkω0 t = ejk(2π/T )t , k = 0, ±1, ±2, . . . . (3.20)

kedua. Secara umum, komponen untuk k = +N dan k = −N dideﬁnisikan sebagai

x(t) = 1 + 41 (ej2πt + e−j2πt ) + 12 (ej4πt + e−j4πt ) (3.23)

Dengan mengganti k dengan −k pada penjumlahan, kita mendapatkan

a∗k = a−k . (3.25)

3.2.2 Menentukan representasi deret Fourier pada sinyal periodik CT

kita memerlukan sebuah prosedur untuk menentukan koeﬁsien ak . Mengalikan kedua

3.2.3 Kasus: Menghitung deret Fourier dari sinyal kotak

yang dapat ditulis sebagai

2 sin (kω0 T1 ) sin (kω0 T1 )

3.2.4 Konvergensi Deret Fourier

Kita deﬁnisikan error aproksimasi dengan eN (t), yaitu

3.3 Sifat-Sifat Deret Fourier CT

3.3.1 Linearitas, Time Shifting, Time Reversal

z(t) = Ax(t) + By(t) ↔ ck = Aak + Bbk . (3.52)

e−jkω0 t0 ak = e−jk(2π/T )t0 ak ,

Buat subtitusi k = −m, kita memperoleh

3.3.2 Time Scaling, Multiplication, Konjugasi dan Simetri Konjugat

Konjugasi dan Simetri Konjugat

3.3.3 Relasi Parseval untuk Sinyal Periodik Waktu kontinu

3.3.4 Contoh Soal

1. x(t) adalah sinyal real.

2. x(t) adalah periodik dengan T = 4, dan memiliki koeﬁsien deret Fourier ak .

3. ak = 0 untuk |k| > 1.

4. Sinyal dengan koeﬁsien Fourier bk = e−jπk/2 a−k adalah sinyal genap.

3.4 Deret Fourier untuk sinyal DT dan sifat-sifatnya

x[n] = x[n + N ]. (3.56)

φk [n] = ejkω0 n = ejk(2π/N )n , k = 0, ±1, ±2, ... (3.57)

Umumnya kita menggunakan nilai k = 0, 1, ..., N − 1. Persamaan (3.58) dideﬁnisikan

3.4.2 Menentukan representasi deret Fourier pada sinyal periodik DT

Persamaan (3.59) merepresentasikan N buah persamaan linear untuk N buah koeﬁsien

Persamaan (3.60) merupakan persamaan sintesis dan persamaan (3.61) merupakan

3.4.3 Sifat Deret Fourier DT

Ax[n] + By[n] ↔ Aak + Bbk .

x[n − n0 ] ↔ e−jk(2π/N )n0 ak .

ejM (2π/N )n x[n] ↔ ak−M .

x[n] − x[n − 1] ↔ (1 − e−jk(2π/N ) )ak .

Relasi Parseval untuk Sinyal Periodik Waktu Diskrit

3.4.4 Contoh Soal

1. x[n] adalah periodik dengan N = 6.

3.5 Sistem LTI dan Filter

dengan h(t) adalah respon impuls dari sistem LTI.

dengan h[n] adalah respon impuls dari sistem LTI.

3.5.2 Contoh Soal Sistem LTI