1 Sinyal dan Sistem

1.1 Tinjauan Sinyal Sistem

1.1.1 Konteks dan Latar Belakang
Sinyal dan sistem perlu dipahami dalam tiga konteks realitas: (i) realitas yang di alami
pancaindera, (ii) realitas yang dituangkan dalam bahasa, dan (iii) realitas yang dibangun
di dunia maya (realitas digital) seperti diperlihatkan pada Gambar 1.1.
Ada dua elemen dalam memahami realitas: (i) stimulus dan (ii) entitas penghasil
stimulus. Stimulus ini dimodelkan sebagai sinyal, dan entitas dimodelkan sebagai sistem.
Dalam realitas yang dialami pancaindera (realitas alamiah), stimulus harus memiliki
tingkat energi minimal tertentu untuk bisa dideteksi indera. Stimulus dengan tingkat
energi rendah dapat dilalukan pada entitas (sistem/instrumen) yang memperkuat energi
stimulus sehingga dapat terdeteksi indera.
Untuk memfasilitas pemahaman manusia tentang realitas, trerdapat realitas yang di-
deskripsikan ke dalam bahasa. Di dalam realitas yang berada dalam pikiran manusia ini,
stimulus menjadi peristiwa (event). Selanjutnya entitas menjadi sistem dengan perubah-
an keadaan yang menghasilkan peristiwa tersebut. Realitas bahasa yang lebih khusus
menggunakan logika, matematika dan pemodelan. Pemodelan dapat diterima apabila
prediksi perilakunya dapat dikonfirmasi pada realitas alamiah.
Berbekal realitas alamiah dan realitas bahasa (khususnya model matematis), kita da-
pat membangun realitas maya berbasis komputasi. Realitas ini merupakan hibrid dari
realitas alamiah dan bahasa. Komputer (hardware) adalah instrumen yang berada pada
realitas alamiah, tapi perilakunya ditentukan program (software) yang adalah sistem di
realitas bahasa.
Tujuan akhir dari kuliah sinyal sistem adalah membekali peserta dengan pengetahuan
dan kemampuan untuk dapat membangun realitas baru (alamiah, bahasa, dan maya)
untuk meningkatkan kualitas hidup manusia.

1.1.2 Ringkasan Konsep Sinyal dan Sistem

Tabel 1.1 meringkas konsep sinyal dan sistem. Konsep sinyal dari sistem dibangun dari
berbagai persepektif, seperti perspektif fisik (alamiah), bahasa, visual 2D, matematika
(real, kompleks), dan instrumen komputer.
Sinyal adalah model dari besaran fisik yang berubah terhadap waktu. Besaran ini bisa
dideteksi dengan alat ukur apabila ia memiliki cukup energi E. Agar dinamika sumber
sinyal bisa diamati, maka sinyal perlu merambat, menembus medium (yakni sistem),
untuk tiba di tempat pengamat. Namun medium seringkali bersifat resistif , mengambil
energi panas dari sinyal, sehingga tidak banyak lagi energi yang tersisa untuk diamati di
tempat penerima.
Sifat peredaman medium ternyata bergantung dari sebuah besaran yang disebut fre-
kuensi . Setiap sinyal memiliki karakteristik frekuensi. Bisa dikatakan energi dari sinyal
dibawa secara efektif oleh komponen berfrekuensi tertentu. Setiap medium juga me-
miliki karakteristik frekuensi, yang disebut respons frekuensi (frequency response) dari

11
 1 Sinyal dan Sistem

Gambar 1.1: Konteks sinyal dan sistem dalam tiga realitas

12
 1 Sinyal dan Sistem

Tabel 1.1: Ringkasan Sinyal dan sistem

Realitas Dunia Energi Kontinu Dunia Bahasa Diskrit Dunia Maya Digital
Elemen Stimulus Entitas Event Entitas Data Proses
Komputa-
si
Fisik Energi Pengubah Peristiwa Keadaan / Data Bit Prosesor
(berubah) Energi State / + +
Penyebab Jaringan Algorima
Peristiwa + Memori
Bahasa Sinyal Sistem Sinyal Sistem Sinyal Sistem
Visual 2D
Matematika Fungsi Persamaan Deret s [n] Persamaan Bilangan Algoritma
(Real) kontinu I/O + Di- I/O + {1, 3, 2,
s (t) fferential Difference 7,...}
Equations Equations
Matematika Fourier Fourier Fourier Fourier DFT/FFT DFT/FFT
(Real- CT CT DT DT Filter /
Kompleks) Goertzel
Matematika Laplace Laplace Z Z
(Kompleks)
Instrumen Microphone, Filter Filter Network, Computers,
(Elektro/nik, Camera Analog; Digital; Terminal DSP,
Komputer) Conver- Samplers; Gadgets
ters; Modem
Modem

13
 1 Sinyal dan Sistem

Gambar 1.2: Kategori jenis sinyal.

medium ini. Kecocokan antara karakteristik frekuensi sinyal dan respon frekuensi medi-
um menentukan apakah sinyal berhasil merambat untuk tiba di pengamat dengan energi
yang cukup untuk diukur atau tidak. Sifat medium yang menapis atau melalukan sinyal
berdasarkan karakteristik frekuensi disebut filter .
Dengan hadirnya komputer, yang merupakan teknologi digital, maka sinyal dapat di-
representasikan sebagai data komputer. Sinyal yang berupa data komputer ini disebut
sinyal digital . Sebuah alat yang disebut analog to digital converter (ADC) dapat meng-
ubah sinyal analog menjadi sinyal digital. Karakteristik utama sinyal digital adalah
varibel independen dari sinyal digital tidak lagi waktu kontinu, melainkan waktu diskrit
(discrete time).
Sinyal digital juga merambat secara digital melalui sistem komputer dan jaringan data.
Sistem digital ini menjadi medium bagi sinyal digital, dan juga memiliki karakteristik
frekuensi. Sehingga medium digital ini adalah juga filter, tepatnya filter digital .

1.1.3 Jenis Sinyal

Sinyal dapat dikategorikan ke dalam berbagai jenis, seperti diperlihatkan pada Gambar
1.2.

1.1.4 Sinyal Waktu Kontinu dan Waktu Diskrit

Secara umum sinyal analog dimodelkan sebagai besaran x(t), yaitu besaran yang beru-
bah terhadap waktu kontinu t. Sedangkan sinyal digital dimodelkan sebagai x[n], yaitu
besaran yang berubah terahap indeks (waktu) diskrit n.
Arus listrik misalnya sebagai besar muatan listrik yang bergerak dalam satuan wak-
d
tu (i(t) = dt Q(t) Ampere) membawa energi, sehingga bisa diukur. Bila arus sebesar
ini menembus sebuah entitas hambatan (resistor) sebesar R ohm, maka dalam durasi
waktu[t1 , t2 ] resistor ini mendisipasi energi sebesar
ˆ t2
E= i2 (t)Rdt (1.1)
t1

Resistor ini dimodelkan sebagai sistem yang mengubah kandungan energi dari sinyal i(t).
Besaran listrik lain yang umum dikenal adalah tegangan listrik (v(t) = i(t)R). Kita
dapat mendefinisikan daya listrik sebagai P (t) = v(t)i(t). Bagi kasus beban resistif,
energi yang dibawa arus listrik adalah

14
 1 Sinyal dan Sistem

t2 t2 t2
1 2
ˆ ˆ ˆ
E= v (t)dt = v(t)i(t)dt = P (t)dt (1.2)
t1 R t1 t1

Dalam konteks ini, baik arus listrik (i(t)) maupun tegangan listrik (v(t)) dipandang
sebagai sinyal yang membawa informasi mengenai sumber dari energi yang dibawanya.
Dinamika berubahnya sinyal terhadap waktu mencerminkan dinamika sumber dari sinyal
itu.
Perhatikan bahwa bila resistor bernilai 1 Ohm, maka energi yang didisipasi adalah
ˆ t2
E= v 2 (t)dt (1.3)
t1

dengan daya
t2
1
ˆ
P = v 2 (t)dt (1.4)
t2 − t1 t1

Sinyal listrik seperti v(t) dan i(t) adalah besaran dengan variabel independen waktu
yang kontinu (continuous time). Sinyal ini dapat digambarkan seperti gelombang, di
mana semakin kuat sinyal ini semakin besar gelombangnya. Besar energi yang dibawa
sinyal dicerminkan oleh besar gelombang. Sinyal gelombang yang berubah terhadap
waktu yang kontinu ini disebut sinyal analog.
Sinyal analog disebut membawa energi sebesar
ˆ t2
E= x2 (t)dt (1.5)
t1

dengan daya
t2
1
ˆ
P = x2 (t)dt (1.6)
t2 − t1 t1

Dengan meminjam analogi yang sama, ’energi’ yang dibawa sebuah sinyal digital se-
lama durasi indeks waktu [n1 , n2 ] didefinisikan sebagai
n2
X
E= x2 [n] (1.7)
n=n1

dengan daya
n2
1 X
P = x2 [n] (1.8)
n2 − n1 + 1 n=n
1

Dalam praktek dikenal besaran root mean square (rms) untuk sinyal x(t) dalam durasi
waktu[t1 , t2 ] dengan definisi
s ˆ t2
1
xrms ≡ |x(t)|2 dt (1.9)
t2 − t1 t1
dan untuk besaran digital dalam durasi indeks [1, N ]
v
u
u1 X N
xrms = t |x[n]|2 (1.10)
N
n=1

15
 1 Sinyal dan Sistem

Kasus: Cari xrms dari x(t) = a cos(ωt)

√
Jawab: Karena x(t)2 = a2 cos2 (ωt) = a2 ( 12 + 12 cos (2ωt)), maka xrms = a/ 2.

Perhatikan bahwa untuk sinyal baik analog maupun digital berlaku

P = x2rms (1.11)
Untuk bisa memahami bagaimana filter bekerja —yakni meredam atau memperkuat
energi sinyal dalam medium— kita perlu mendefinisikan dahulu karakteristik frekuensi
dari sinyal, baik sinyal analog maupun sinyal digital. Konsep frekuensi dapat didekati
melalui fenomena periodisitas.

1.2 Transformasi Waktu Sinyal

1.2.1 Sinyal Periodik
Karena medium cenderung menyerap energi sinyal, maka sinyal yang berhasil diamati
biasanya sinyal memiliki kemampuan men-sustain energi dalam durasi yang cukup lama.
Karena kapasitas sumber energi itu sendiri cukup terbatas, maka strategi yang dipilih
adalah mengulang-ulang pengiriman energi secara berkala. Sinyal bentuk ini bersifat
periodik .
Sinyal analog disebut periodik bila ada sebuah konstanta T (yang disebut periode
dasar atau fundamental ) sehingga untuk −∞ < t < ∞ berlaku

x(t + T ) = x(t) (1.12)

Sinyal digital disebut periodik bila ada konstanta N (yang disebut periode dasar atau
fundamental ) sehingga untuk −∞ < n < ∞ berlaku

x([n + N ] = x[n] (1.13)

Sinyal periodik memiliki energi tak terhingga karena durasi sinyal yang tak terhingga.
Namun demikian sinyal ini dapat memiliki daya terbatas, yakni
T
1
ˆ
P = x2 (t)dt = x2rms (1.14)
T 0
dan
N −1
1 X 2
P = x [n] = x2rms (1.15)
N
n=0

Jadi sinyal periodik adalah sinyal daya.

1.2.2 Sinyal Genap dan Ganjil

Sinyal simetri adalah sinyal yang memiliki besaran yang serupa menurut cerminan waktu.
Ada dua jenis sinyal simetri: sinyal ganjil dan sinyal genap. Sebuah sinyal CT disebut
ganjil bila

x (t) = −x (−t) (1.16)

untuk semua t dan pada kasus DT untuk semua n

16
 1 Sinyal dan Sistem

x [n] = −x [−n] (1.17)

Sinyal CT dan DT yang bersimetri genap masing-masing memenuhi persamaan (untuk
semua t dan n)

x (t) = x (−t) (1.18)

x [n] = x [−n] (1.19)

Sebuah sinyal x (t) dapat diuraikan menjadi dua sinyal ganjil xo (t) dan genap xe (t)
menurut
1
xo (t) = [x (t) − x (−t)] (1.20)
2
1
xe (t) = [x (t) + x (−t)] (1.21)
2
Perhatikan bahwa xo (t) ganjil karena memenuhi Persamaan (1.16). Selanjutnya xe (t)
genap karena memenuhi Persamaan (1.18). Kemudian dengan mudah diperlihatkan

x (t) = xo (t) + xe (t) (1.22)

Dengan cara yang sama sinyal x [n] selalu dapat diuraikan menjadi dua sinyal ganjil
xo [n] dan genap xe [n].

1.2.3 Sinyal Sinusoidal dan Sinyal Eksponensial

1.2.3.1 Sinusoidal
Sinyal periodik yang banyak dikenal orang adalah sinyal sinusoidal , seperti untuk kasus
sinyal analog

x(t) = A cos (ωt + θ) = A cos (2πf t + θ) (1.23)

dimana A, ω = 2πf dan θ adalah bilangan nyata (real ). Sinyal ini periodik dengan per-
iode T = 1/f . Periode ini menjadi panjang gelombang. Besaran ω dan f masing-masing
dikenal sebagai frekuensi sinyal sinusoidal dalam radian dan dalam Hertz. Besaran θ
sering disebut fase dari sinyal sinusoid. Besaran A disebut amplituda.

Latihan: Buktikan bila T = 1/f , x(t) pada Pers. (1.23) periodik.

Bukti: x(t + T ) = A cos (2πf (t + T ) + θ) = A cos (2πf t + 2πf T + θ)
Bila T = 1/f , maka
x(t + T ) = A cos (2πf t + 2π + θ) = A cos (2πf t + θ) = x(t)

Sinyal digital juga mengenal bentuk sinuosidal

x[n] = A cos (ωn + θ) = A cos (2πf n + θ) (1.24)

namun sinyal ini tidak selalu periodik. Sinyal ini hanya periodik dengan periode N bila
f = Nk adalah pecahan yang sudah disederhanakan.

17
 1 Sinyal dan Sistem

Latihan Buktikan bila f = Nk adalah pecahan yang sudah disederhanakan, maka x[n]
pada Pers. (1.24) periodik dengan periode N .
Bukti: x[n + N ] = A cos 2π Nk (n + N ) + θ = A cos 2π Nk n + 2πk + θ

k
Karena f = N, maka
x[n + N ] = A cos 2π Nk n + θ = A cos (2πf t + θ) = x[n]

Frekuensi dari sinyal sinusoidal digital memiliki sifat periodik. Sinyal dengan frekuensi
ω1 dan ω2 = ω1 + 2πk (k = · · · − 2, −1, 0, 1, 2, · · · ) adalah identik. Jadi sinyal sinusoidal
dengan frekuensi yang unik adalah sinyal sinuosidal yang memiliki frekuensi −π < ω < π.
Sinyal sinusoidal pada frekuensi ω2 di luar interval ini merupakan alias (identik) dengan
ω1 di mana −π < ω1 < π dan ω2 = ω1 + 2πk.
Latihan: Buktikan x1 [n] = A cos (ωn + θ) identik dengan
x2 [n] = A cos ((ω + 2πk)n + θ)
Bukti:
x2 [n] = A cos ((ω + 2πk)n + θ) = A cos (ωn + 2πkn + θ)
sehingga x2 [n] = A cos (ωn + θ) = x1 [n]
Sebagai sinyal periodik, energi sinyal sinusoidal tak terhingga. Daya sinyal sinusoidal
adalah

1 T 2
ˆ
P = A cos2 (ωt + θ)dt (1.25)
T 0
P = A2 /2 (1.26)

Hasil yang sama diperoleh juga untuk sinusoidal digital periodik. Dapat disimpulkan,
besar daya dari sinyal sinusoidal diperlihatkan oleh besar amplituda. Semakin besar
amplituda sinusoidal maka semakin besar xrms secara proporsional, dan semakin besar
daya secara kuadratik.
Melalui sinyal sinusoidal kita mengenal frekuensi (ω atau f ). Frekuensi dari sinyal si-
nusoidal berhubungan erat dengan periodisitas. Bagi sinyal sinusoidal analog, frekuensi
adalah jumlah osilasi gelombang per satuan waktu. Frekuensi berbanding terbalik de-
ngan periode. Bagi sinyal sinusoidal digital, adanya frekuensi tidak otomatis berarti per-
iodik. Kemudian sinyal sinusoidal yang unik hanya terbatas pada frekuensi −π < ω < π.
Dan setiap sinyal sinusoidal membawa daya (atau energi rata-rata) yang besarnya ber-
banding lurus dengan kuadrat amplituda. Setiap sinyal sinusoidal membawa nilai RMS
berbanding lurus dengan amplituda.

1.2.3.2 Eksponensial Kompleks

Sinyal periodik yang sangat penting adalah sinyal eksponensial kompleks (complex expo-
nential ). Kita dapat mendefinisikan sebuah fungsi kompleks eksponensial menggunakan
fungsi sinusoidal menurut identitas Euler:

ejx = cos x + j sin x

Sebuah sinyal kompleks eksponensial analog dan digita masing-masing memiliki bentuk

x(t) = cejωt ; x[n] = cejωn (1.27)

18
 1 Sinyal dan Sistem

Sinyal eksponensial kompleks ini memiliki frekuensi ω dan amplituda kompleks c.

Karena identitas Euler mengatakan bahwa ejx = cos x + j sin x, maka dengan mudah
diperlihatkan bahwa semua sifat-sifat sinyal sinusoidal di atas —periodisitas, frekuensi,
dan daya— dapat berlaku pada sinyal eksponensial kompleks. Periode dari sinyal ini
sama dengan periode dari sinusoidal. Daya dari sinyal ini adalah

P = |c|2 (1.28)
Lebih lanjut, sinyal eksponensial kompleks dapat dianggap penyusun dari sinyal sinu-
soidal, karena sinyal sinusoidal dapat diuraikan ke dalam sinyal eksponensial kompleks
melalui identitas

1 jx 1
sin x = e − e−jx (1.29)
2j 2j
1 jx 1 −jx
cos x = e + e (1.30)
2 2
Perhatikan bahwa sinyal x(t) = A cos (ωt + θ) dapat ditulis menjadi

A j(ωt+θ) A j(ωt+θ)
x(t) = e + e (1.31)
2 2
A jθ jωt A
= ( e )e + ( e−jθ )e−jωt (1.32)
2 2
= s1 (t) + s2 (t) (1.33)

di mana s1 (t) = ( A2 ejθ )ejωt dan s2 (t) adalah konjugasi kompleks dari s1 (t). Dengan
kata lain dua eksponensial kompleks s1 (t) dan s2 (t) adalah komponen penyusun sinyal
sinusoidal. Karena setiap eksponensial kompleks memiliki frekuensi sendiri, maka s1 (t)
dan s2 (t) juga dibedakan melalui frekuensi nya.
2
Perhatikan bahwa daya dari s1 (t) dan s2 (t) masing-masing adalah A4 , sehingga total
2
daya adalah A2 seperti yang diperoleh sebelumnya. Dengan kata lain komponen kom-
pleks eksponensial adalah komponen pembawa energi dari sinyal sinusoidal. Merambat-
nya sinyal sinusoidal ditentukan oleh merambatnya komponen eksponensial kompleks.
Kemampuan sinyal sinusoidal menembus medium ditentukan oleh kemampuan indivi-
dual eksponensial kompleks menembus medium ini. Energi sinyal sinusoidal dibagikan
kepada komponen frekuensi berbeda untk dikirim oleh masing-masing komponennya.
Dengan demikian, perilaku filter terhadap sinusoid dapat dipelajari melalui perilaku
filter terhadap eksponensial kompleks.
Konsep bahwa energi sinyal yang merambat melalui medium dibawa oleh komponen
kompleks eksponensial dengan frekuensi tertentu melalui amplitudanya adalah konsep
paling dasar dari dari pemrosesan sinyal.

1.2.4 Sinyal Primitif dan Superposisinya

Sinyal juga dapat dibangun melalui superposisi dari sinyal primitif.

1.2.4.1 Sinyal Primitif

Dua sinyal primitif di domain waktu adalah sinyal impuls satuan (unit impulse) dan
step satuan (unit step). Untuk CT, kedua sinyal itu adalah δ (t) dan u (t). Sedangkan

19
 1 Sinyal dan Sistem

untuk DT, kedua sinyal itu adalah δ [n] dan u [n]. Sinyal-sinyal primitif ini di definisikan
sebagai
( (
1, t = 0 1, t ≥ 0
δ (t) = ; u (t) =
( 0, else ( 0, else (1.34)
1, n = 0 1, n ≥ 0
δ [n] = ; u [n] =
0, else 0, else

1.2.4.2 Sinyal Superposisi dari Sinyal Primitif

Sebuah sinyal x dapat dibangun dengan proses superposisi dari sinyal-sinyal lain si ,
dalam bentuk kombinasi linier dengan bobot skalar αi
X
x= αi si (1.35)
i

Misalnya, setiap x [n] dapat dianggap kombinasi linier dari

X
x [n] = αi δ [n − i] (1.36)

1.2.4.3 Sinyal Superposisi Eksponensial Kompleks

Kita dapat memperluas cakupan peran sinyal eksponensial kompleks sebagai pembawa
energi pada frekuensi tertentu dari sinyal sinusoidal ke kelas yang lebih luas yaitu sinyal
superposisi

N
X −1 N
X −1
x(t) = sk (t) = ck ejωk t (1.37)
k=0 k=0
N
X −1 N
X −1
x[n] = sk [n] = ck ejωk n (1.38)
k=0 k=0

Ini berarti sinyal x(t) (atau x[n]) jenis ini merupakan penjumlahan (superposisi) dari
N buah komponen eksponensial kompleks sk (t) = ck ejωk t (dan sk [n] = ck ejωk n ). Setiap
komponen memiliki frekuensi ωk yang berbeda. Daya dari masing-masing komponen ini
adalah

Pk = |ck |2 (1.39)
dan daya dari sinyal x(t) (atau x[n]) adalah
N −1
Pk = |c0 |2 + |c1 |2 + · · · + |cN −1 |2
X
P = (1.40)
k=0

1.2.4.4 Sinyal Superposisi Eksponensial Kompleks Terhubung Harmonis

Sebuah kasus khusus dari sinyal superposisi eksponensial kompleks adalah sinyal di mana
sk (t) = ck ejωk t (atau sk [n] = ck ejωk n ) terhubung erat satu sama lain. Frekuensi yang
satu merupakan kelipatan (harmonis) dari sebuah frekuensi dasar, yakni

ωk = kω0 (1.41)

20
 1 Sinyal dan Sistem

Sinyal jenis ini berbentuk

N
X −1 N
X −1
x(t) = sk (t) = ck ejkω0 t (1.42)
k=0 k=0
N
X −1 N
X −1
x[n] = sk [n] = ck ejkω0 n (1.43)
k=0 k=0

Daya dari masing-masing komponen ini masih tetap sama seperti sebelumnya. Demi-
kian juga daya totalnya. Di sini sk (t) (atau sk [n]) adalah pembawa energi x(t) (atau
x[n]) dengan daya sebesar Pk = |ck |2 pada frekuensi ωk = kω0
Perhatikan bahwa sebuah sinyal dasar s0 (t) = c0 ejω0 t (atau s0 [n] = c0 ejω0 n ) cukup
untuk digunakan membangun komponen sinyal sk (t) (atau sk [n]) yang lain. Jadi seka-
rang komponen eksponensial terhubung secara harmonis. Komponen yang satu adalah
harmonis dari komponen dasar s0 (t) (atau s0 [n]).
Dengan demikian maka sinyal jenis ini adalah sinyal periodik dengan periode T =
2π/ω0 atau N = 2πk/ω0 (di mana f0 = ω2π0 = Nk adalah bilangan pecahan/rasional yang
sudah disederhanakan).
Latihan: Buktikan bahwa x(t) = N jkω0 t periodik dengan periode T = 2π/ω .
P −1
k=0 ck e 0
Jawab: Perhatikan bahwa sk (t + T ) = ck ejkω0 (t+2π/ω0 ) .
= ck ejkω0 t ejk2π = ck ejkω0 t = sk (t).
PN −1
sk (t + T ) = N
P −1
Maka x(t + T ) = k=0 k=0 sk (t) = x(t)

Latihan: Buktikan bahwa x[n] = N jkω0 n periodik dengan periode N = 2πk/ω .

P −1
k=0 ck e 0
2 2π
Perhatikan bahwa sk [n + N ] = ck ejkω0 (n+2πk/ω0 ) = ck ejkω0 n ejk .
Sehingga sk [n + N ] = ck ejkω0 n = sk [n]
PN −1
sk [n + N ] = N
P −1
Maka x[n + N ] = k=0 k=0 sk [n] = x[n]

1.3 Sistem CT dan DT

1.3.1 Berbagai Jenis Sistem
Sistem mengubah sinyal input menjadi sinyal output. Sistem dapat dikategorikan ke
dalam berbagai jenis, seperti diperlihatkan pada Gambar 1.3. Sistem CT mengubah
sinyal CT. Sistem DT mengubah sinyal DT.

1.3.2 Sistem Dengan dan Tanpa Memori

Sebuah sistem F disebut tanpa memori apabila output pada suatu saat hanya bergantung
pada input saat itu. Untuk CT sistem tanpa memori memenuhi
(
F {x (t)} , t = t0
y (t0 ) = (1.44)
0, else
sedangkan untuk DT sistem kausal
(
F {x [n]} , n = n0
y [n0 ] = (1.45)
0, else
Di luar itu, sistem disebut memiliki memori.

21
 1 Sinyal dan Sistem

Gambar 1.3: Jenis Sistem

1.3.3 Kausalitas dan Stabilitas

Sebuah sistem F disebut kausal bila ouput pada suatu waktu tertentu hanya ditentukan
oleh input pada waktu tersebut atau sebelumnya. Untuk CT sistem kausal memenuhi
(
F {x (t)} , t ≤ t0
y (t0 ) = (1.46)
0, t > t0
sedangkan untuk DT sistem kausal
(
F {x [n]} , n ≤ n0
y [n0 ] = (1.47)
0, n > n0
Sistem yang tidak kausal disebut non causal atau anticausal.
Sebuah sistem F disebut stabil bila untuk setiap input x berlaku output bernilai
terbatas yaitu

|F {x}| < ∞ (1.48)

Dalam kasus yang lebih umum, sebuah sistem F disebut stabil BIBO (bounded-input,
bounded-output) apabila berlaku

|x| < ∞ ⇒ |F {x}| < ∞ (1.49)

Sistem yang tidak memenuhi satu dari kedua syarat/kondisi ini disebut tidak stabil.

1.3.4 Linieritas dan Time Invariance

Sebuah sistem F di sebut linier bila untuk setiap input x1 dan x2 (baik untuk DT
maupun CT) berlaku

F {α1 x1 + α2 x2 } = α1 F {x1 } + α2 F {x2 } (1.50)

Sebuah sistem F disebut time invariant bila input yang tertunda akan menghasilkan
output yang tertunda. Untuk kasus CT, berarti

y (t) = F {x (t)} ⇐⇒ y (t − t0 ) = F {x (t − t0 )} (1.51)

sedangkan untuk kasus DT, berlaku

y [n] = F {x [n]} ⇐⇒ y [n − n0 ] = F {x [n − n0 ]} (1.52)

22