Tutorial Sinyal by Askul

Pesan askul :
Berdoalah terlebih dahulu sebelum belajar, khususnya pada matkul ini. Meskipun kalian beda
kelas dan dosen. Tapi UTS tetep sama ya. Sebelum membahas soal-soal UTS ada baiknya kalian
review kembali materi-materi yang sudah ada. Diakhir lembar tutorial ini ada citsit buat kalian
pelajari. Semangat ujiannya. Bisa yok

UTS 2018/2019
Soal 1
Model sensor diberikan oleh persamaan differensial berikut :
𝑑 2 𝑦(𝑡) 𝑑𝑦(𝑡) 𝑑𝑥(𝑡)
− 1.2 + 𝑦(𝑡 ) = + 𝑥(𝑡)
𝑑𝑡 2 𝑑𝑡 𝑑𝑡
Dimana 𝑥(𝑡) dan 𝑦(𝑡) berturut turut adalah input dan output sensor. Dengan metode backward, untuk
periode sampling T detik tuliskan dan lukiskan diagram blok sistem filter diskrit dalam domain-z dengan
zero initial.

Solusi 1
sumber : (Backward Difference -- from Wolfram MathWorld) dan atau https://itbdsti-
my.sharepoint.com/personal/13319045_office_itb_ac_id/Documents/KULIAH/SEMESTER%207/KONTRO
L%20DISKRIT/KELAS/MINGGU4/MetodeTransformasi.pdf

Dengan metode backward difference, persamaan diferensial dapat diubah menjadi :

𝑑 2 𝑦(𝑡) 𝑦(𝑡) − 2𝑦(𝑡 − 𝑇) + 𝑦(𝑡 − 2𝑇)
=
𝑑𝑡 2 𝑇2
𝑑𝑦(𝑡) 𝑦 (𝑡) − 𝑦(𝑡 − 𝑇)
=
𝑑𝑡 𝑇
𝑑𝑥(𝑡) 𝑥(𝑡) − 𝑥(𝑡 − 𝑇)
=
𝑑𝑡 𝑑𝑡
Maka dengan persamaan diatas, persamaan diferensial dapat diubah menjadi :
𝑦 (𝑡) − 2𝑦 (𝑡 − 𝑇) − 𝑦 (𝑡 − 2𝑇) 𝑦(𝑡) − 𝑦 (𝑡 − 𝑇) 𝑥(𝑡) − 𝑥(𝑡 − 𝑇)
2 − 1.2 + 𝑦(𝑡) = + 𝑥 (𝑡)
𝑇 𝑇 𝑇
untuk waktu diskrit :
𝑦 (𝑘𝑇) − 2𝑦 (𝑘𝑇 − 𝑇) − 𝑦 (𝑘𝑇 − 2𝑇) 𝑦(𝑘𝑇) − 𝑦 (𝑘𝑇 − 𝑇)
2 − 1.2 + 𝑦(𝑘𝑇)
𝑇 𝑇
𝑥 (𝑘𝑇) − 𝑥 (𝑘𝑇 − 𝑇)
= + 𝑥(𝑘𝑇)
𝑇
1 2 1 1.2 1.2
2 𝑦 (𝑘𝑇) − 2 𝑦 (𝑘𝑇 − 𝑇) + 2 𝑦(𝑘𝑇 − 2𝑇) − 𝑦 (𝑘𝑇) + 𝑦 (𝑘𝑇 − 𝑇) + 𝑦 (𝑘𝑇)
𝑇 𝑇 𝑇 𝑇 𝑇
1 1
= 𝑥(𝑘𝑇) − 𝑥(𝑘𝑇 − 𝑇) + 𝑥(𝑘𝑇)
𝑇 𝑇
Untuk T sampling = 1 detik
𝑦(𝑘𝑡) − 2𝑦 (𝑘𝑇 − 𝑇) + 𝑦(𝑘𝑇 − 2𝑇) − 1.2𝑦 (𝑘𝑇) + 1.2 𝑦(𝑘𝑇 − 𝑇) + 𝑦(𝑘𝑇)
= 𝑥(𝑘𝑇) − 𝑥(𝑘𝑇 − 𝑇) + 𝑥(𝑘𝑇)
Tutorial Sinyal by Askul

0.8 𝑦 (𝑘𝑇) = 2𝑦 (𝑘𝑇 − 𝑇) − 𝑦 (𝑘𝑇 − 2𝑇) − 1.2𝑦 (𝑘𝑇 − 𝑇) + 2𝑥 (𝑘𝑇) − 𝑥 (𝑘𝑡 − 𝑇)

𝑦(𝑘𝑇) = 2.5𝑦 (𝑘𝑇 − 𝑇) − 1.25𝑦 (𝑘𝑇 − 2𝑇) − 1.5𝑦 (𝑘𝑇 − 𝑇) + 2.5𝑥 (𝑘𝑇) − 1.25𝑥(𝑘𝑇 − 𝑇)
𝑦 (𝑘𝑇) = 4𝑦 (𝑘𝑇 − 𝑇) − 1.25𝑦 (𝑘𝑇 − 2𝑇) + 2.5𝑥 (𝑘𝑇) − 1.25𝑥(𝑘𝑇 − 𝑇)
Dalam domain z-transform, persamaan diferensial dapat ditulis sebagai berikut :

𝑌(𝑧) = 4𝑧 −1 𝑌(𝑧) − 1.25𝑧 −2 𝑌(𝑧) − 2.5𝑋(𝑧) − 1.25𝑧 −1 (𝑋(𝑧)

Sehingga, sistem filter diskrit dapat direpresentasikan dalam bentuk blok diagram sebagai berikut :
Tutorial Sinyal by Askul

Soal 2
Diberikan sinyal output sebuah sistem linear sebagaimana ditunjukkan pada gambar berikut.

(a) Dengan formula matriks tuliskan complex magnitude (DFS) dari sinyal
(b) Hitung complex magnitude dan frekuensi (radian) hanya komponen kedua dari frekuensi diskrit
sinyal x(t) di atas
Solusi 2 :
Diketahui pada soal
1 1 3 1 1 3
𝑥(𝑘) = [ 1, , , 1, , , , 1 ]
4 2 4 4 2 4
N =9
a. Complex magnitude (DFS) sinyal output x(k) dapat dihitung menggunakan formula :
𝑁−1
2𝜋
𝑋(𝑚 ) = ∑ 𝑥(𝑘) 𝑒 −𝑗 𝑁 𝑘𝑚
𝑘=0
Dalam bentuk matriks :
2𝜋
Dengan 𝑊𝑁𝑛𝑘 = 𝑒 −𝑗 𝑁 𝑛𝑘
𝑋(0) 𝑥(0)
(𝑋(1) 𝑥(1)
𝑋(2) 𝑥(2)
1 1 1 1
𝑋(3) 1 𝑊91
⋯
𝑊97 𝑊98 𝑥 (3)
𝑋(4) ⋮ ⋱ ⋮ 𝑥 (4)
= =
𝑋(5) 1 𝑊97 𝑊949 𝑊956 𝑥 (5)
𝑋(6) ⋯ 𝑥 (6)
[1 𝑊98 𝑊956 𝑊964 ]
𝑋(7) 𝑥 (7)
𝑋(8) 𝑥 (8)
[ 𝑋(9) ] [𝑥(9)]
b. Komponen kedua dari frekuensi diskrit sinyal x(t) adalah X(2)
- Kompleks magnitude
Tutorial Sinyal by Askul

𝑁−1
2𝜋
𝑋(2) = ∑ 𝑥(𝑘) 𝑒 −𝑗 𝑁 𝑘×2
𝑘=0

2𝜋 ( ) 2𝜋 2𝜋 ( )
𝑋(2) = 𝑥(0) 𝑒 −𝑗 9 0 2 + 𝑥(2)𝑒 −𝑗 9 2(1) + .. . . +𝑥(8)𝑒 −𝑗 9 2 8
𝑋(2) = 1 + ( 0.91 − 0.16𝑗) + (0.086 − 0.495𝑗) + (−0.375 − 0.649𝑗) + (−0.939 − 0.34𝑗 )
+ (−0.23 + 0.085𝑗) + ( −0.25 + 0.433𝑗) + (0.13 + 0.738𝑗) + (0.766 + 0.642𝑗)
𝑋(2) = 1.098 − 0.166𝑗
Sehingga magnitude complex dari komponen dua adalah :
|𝑋(2)| = √1.0982 + (−0.166) 2 = 1.1

- Frekuensi :
2𝜋𝑘
𝜔=
𝑁
Dengan k adalah indeks komponen dari kompenen frekuensi ( k=2), maka frekuensi komponen
kedua adalah :
2𝜋 4
𝜔= ×2= 𝜋
9 9
Tutorial Sinyal by Askul

Soal 4
Diberikan dua vektor sinyal diskrit, berturut-turut

Cari konvolusi kedua sinyal tersebut.

Solusi 4:

∞ ∞

ℎ (𝑛) = ∑ 𝑥 (𝑘)ℎ (𝑛 − 𝑘) = ∑ 𝑥 (𝑛 − 𝑘) ℎ(𝑘)

𝑘=−∞ 𝑘=−∞

• Perhitungan konvolusi:
Grafik sinyal x: Grafik sinyal y:

Menggunakan perkalian matriks :

𝑥 (𝑘) ∗ 𝑦(𝑘) 𝑇
1.5
−1.5
1 × (−1 1 −0.5 0.5 −1 1)
−1
1.5
(−1.5)
−1.5 1.5 −0.75 0.75 −1.5 1.5
1.5 −1.5 0.75 −0.75 1.5 −1.5
−1 1 −0.5 0.5 −1 1
1 −1 0.5 −0.5 1 −1
−1.5 1.5 −0.75 0.75 −1.5 1.5
( 1.5 −1.5 0.75 −0.75 1.5 −1.5)
Tutorial Sinyal by Askul

−1.5 −1.5
1.5 + 1.5 3
−1 − 1.5 − 0.75 −3.25
1 + 1 + 0.75 − 0.75 3.5
−1.5 − 1 − 0.5 − 0.75 − 1.5 −5.25
1.5 + 1.5 + 0.5 + 0.5 + 1.5 + 1.5 = 7
−1.5 − 0.75 − 0.5 − 1 − 1.5 −5.25
0.75 + 0.75 + 1 + 1 3.5
−0.75 − 1.5 − 1 −3.25
+1.5 + 1.5 3
( −1.5 ) ( −1.5 )
Hasil konvolusi dari program python yang dibuat, hasilnya sama dengan perhitungan diatas.

Kalian bisa cek perhitungan konvolusi kalian benar atau salah dengan ini :
https://colab.research.google.com/drive/1MEDHQgBuUDY6Vp3Fy2GOTHxTmmNZ9uXy?usp=sha
ring ( pake aja buat kalian latihan bener apa enggk hasil konvolusi kalian, semangat )
kalau kalian mau maen-maen pake excel : https://itbdsti-
my.sharepoint.com/personal/13319045_office_itb_ac_id/Documents/KULIAH/SEMESTER%206/
TF3204%20Pemrosesan%20Sinyal/Soal/PR/Tugas%20Konvolusi.xlsx
Tutorial Sinyal by Askul

Soal 5
Rancang sebuah sistem digital sound analyzer guna mengenali “kesehatan” sebuah mesin mobil
berdasarkan komponen-komponen frekuensi suara yang diemisikannya, di mana informasi frekuensi yang
didapat hendak diperagakan pada layar komputer. Dimisalkan rentang frekuensi suara yang menjadi
perhatian adalah 200-2000 Hz. Dimisalkan dalam rancangan ini, output dari transduser suara memiliki
rentang magnituda 0-50 mV dengan nilai terendah magnituda sinyal yang dibaca komputer 0.005 mV.
Dimisalkan pula bahwa digital sound analyzer memiliki resolusi frekuensi sekurangnya 5 Hz. Gambarkan
diagram blok rancangan sistem digital sound analyzer yang dimaksud dan berikan keterangan lengkap
mengenai spesifikasi dan pengolahan sinyal pada masing-masing komponen sistem pada diagram blok.
Berikan pula alasan pemilihan parameter pengolahan sinyal untuk peragaan di layar komputer, a.l. perioda
sampling (detik), panjang observasi sinyal (detik), dan jumlah data.
• Amplituda tegangan: 0-50 mV
• Rentang frekuensi: 200-2000 Hz
• Δ = 0.005 mV

Diagram blok sederhana yang bisa dirancang adalah:

Keterangan :
- Tranduser = komponen yang mengubah sinyal suara menjadi listrik
- Filter band pass = untuk memfilter sinyal, dan diambil sinyal yang dibutuhkan pada soal yaitu
200-2000 Hz.
- ADC = mengubah sinyal analog menjadi sinyal digital.
Diketahui pada soal rentang magnitude adalah 0-50 mV, dan keakuratan minimal yang diinginkan adalah
0.005 mV =, maka:
𝐹𝑆𝑅 50
𝐿= +1 = + 1 = 10001
Δ 0.005

Bit yang diperlukan untuk ADC adalah :

Jumlah bit
2𝑏 ≥ 𝐿
2𝑏 ≥ 10001
𝑏 ≥ 13.28

Oleh karena itu, dibutuhkan jumlah bit setidaknya 14

Frekuensi sampling:
𝐹𝑠 > 2𝐹𝑚𝑎𝑥
𝐹𝑠 > 2 × 2000𝐻𝑧
𝐹𝑠 > 4000 𝐻𝑧
Dibutuhkan frekuensi sampling minimal 4000 Hz untuk menghindari aliasing.
Periode sampling :
Tutorial Sinyal by Askul

1
𝑇𝑠 =
𝐹𝑠
1
𝑇𝑠 =
4000
Panjang observasi sinyal (detik):
Panjang observasi yang bisa kita ambil tuh harus lebih besar dari periode. Kalau aku disini ambil 1 detik.
Jumlah data:
Bisa dilihat dari frekuensi samping kita, jadi berapa banyaknya sampel data sinyal yang ada selama 1
detiknya tuh sama dengan 4000. Kenapa, karena periode sampel datanya 1/4000 artinya kedekatan sinyal
satu dengan yang lainnya 1/4000. Kalau 1 detik berarti ada 4000 sampel data.
Tutorial Sinyal by Askul

Soal Lain
Diketahui suatu sinyal audio dengan amplituda tegangan 0-5 V, rentang frekuensi 2-20 kHz, serta kuantisasi
noise maksimum bernilai 0.5% FSR.
Pilih jenis konverter A/D (polar/bipolar), jumlah bit, serta frekuensi pencacahan untuk memproses sinyal
tersebut dalam suatu sistem.

Solusi.
Diketahui
𝐹𝑆𝑅 = 5𝑉
Δ = 0.5% 𝐹𝑆𝑅 = 0.5% 5 𝑉 = 0.025 𝑉
Maka, dicari level kuantisasi:
𝐹𝑆𝑅
Δ=
𝐿−1
𝐹𝑆𝑅 5
𝐿= +1= + 1 = 201
Δ 0.025
Jumlah bit:
2𝑏 ≥ 201
𝑏 ≥ 7.65
Sehingga, dibutuhkan jumlah bit setidaknya 8
Frekuensi sampling:
𝐹𝑠 > 2𝐹𝑚𝑎𝑥
𝐹𝑠 > 2 × 20 𝑘𝐻𝑧
𝐹𝑠 > 40 𝑘𝐻𝑧
Dibutuhkan frekuensi sampling minimal 40 kHz untuk menghindari aliasing.

Berdasarkan perolehan tersebut, jenis konverter A/D yang cocok adalah bipolar karena konverter A/D
bipolar memiliki ketahanan terhadap derau yang lebih tinggi dari konverter polar, cocok untuk sinyal audio.
Tutorial Sinyal by Askul

UTS 2021/2022
Soal 1
Tinjau sinyal berikut: sin(a𝜋t) + b sin(5a𝜋t), dengan t dalam detik, a dua angka terakhir NIM x 10, b jumlah
angka ke-4 dan 5 NIM.
NIM: 13319080
a = 800; b = 10
sin(800𝜋t) + 10 sin(4000𝜋t)
Solusi 1
a. Tentukan frekuensi sampling minimum yang tidak akan menimbulkan efek aliasing.
Frekuensi sampling:
𝐹𝑠 > 2𝐹𝑚𝑎𝑥
Dengan
𝜔
𝐹𝑚𝑎𝑥 =
2𝜋
𝜔
𝐹𝑠 > 2 ×
2𝜋
4000𝜋
𝐹𝑠 > 2 ×
2𝜋
𝐹𝑠 > 4000 𝐻𝑧
b. Tentukan sinyal yang akan teralias bila anda menggunakan frekuensi sampling yang bernilai 50%
dari yang anda rekomendasikan pada no 1.a
50% Fs, 𝐹𝑠 = 2000 𝐻𝑧
𝑓(𝑡) = sin(800𝜋𝑡) + 10 sin (4000𝜋𝑡)
Pencacahan pada Fs
800𝜋 4000𝜋
𝑓(𝑛) = sin ( 𝑛) + 10 sin ( 𝑛)
2000 2000
2
𝑓(𝑛) = sin ( 𝜋𝑛) + 10 sin(2𝜋𝑛)
5
Sinyal yang akan teralias
2
𝑔(𝑛) = sin ( 𝜋𝑛 + 2𝜋𝑛) + 10 sin (2𝜋𝑛 + 2𝜋𝑛)
5
Ada penambahan komponen 2𝜋𝑛 karena sinyal akan teralias pada fungsi tersebut, berlaku
kelipatan frekuensi sebanyak 2𝜋. Atau dapat dikatakan sinyal yang teraliasing memiliki frekuensi
yang sama pada sinyal asli. Ini sekedar contoh, sinyal teraliasing menurut Nyquist jika F<2F max
sinyal yang kalian miliki, kalian bisa menggunakan sinyal yang memiliki sinyal 1.5 atau dibawah itu,
untuk menunjukkan bahwa sinyal itu akan teraliasing.
Tutorial Sinyal by Askul

Soal 2
Tinjau sistem berikut

dengan 𝑎 adalah angka terakhir NIM anda dan 𝑏 adalah angka ke-5 NIM anda. Tentukan respon impulse
sistem ini (𝑦(𝑛)).
NIM: 13319080; a=0; b=9
Solusi 2:
1
𝑧 −1 + 𝑧 −2
𝐺(𝑧) = 𝑏
𝑎 −1 𝑎 −2
1− 𝑧 + 2𝑧
𝑏 𝑏
𝑌(𝑧)
Dengan 𝐺 (𝑧) =
𝑋(𝑧)
Sehingga Y(z):
1 1
𝑌(𝑧) = 1 (𝑧 −1 + 𝑧 −2 ) = 𝑧 −1 + 𝑧 −2
9 9
Sinyal impuls :
𝑥 (𝑛) = 𝛿(𝑛)
𝑋(𝑧) = 𝜁 −1 [𝛿(𝑛)] = 1
Sehingga respon impuls pada sistem adalah
1 1
1[𝑌(𝑧)] = 𝜁 −1 [𝑧 −1 + 𝑧 −2 ] = ([𝑧 −1 ] + [ 𝑧 −2 ])
9 9
Transformasi balik :
1
𝑦(𝑛) = 𝛿 (𝑛 − 1) + 𝛿 (𝑛 − 2)
9
Tutorial Sinyal by Askul

Soal 3
Hitung u(t)*u(t), dimana u(t) adalah fungsi step dengan nilai 1 untuk t>0 dan nilai 0 untuk t
1, 𝑡 > 0
𝑓 (𝑡) = 𝑢(𝑡) ∗ 𝑢(𝑡) 𝑑𝑒𝑛𝑔𝑎𝑛 𝑢(𝑡) = {
0, 𝑡 < 0
Solusi 3:
∞ 𝑡 𝑡
𝑓(𝑡) = 𝑢(𝑡) ∗ 𝑢(𝑡) = ∫ 𝑢(𝑡)𝑢(𝑡 − 𝜏) 𝑑𝜏 = ∫ 𝑢(𝑡)𝑢(𝑡 − 𝜏)𝑑𝜏 = ∫ 1 𝑑𝜏
−∞ 0 0
𝑓 (𝑡) = 𝑡 ,𝑡 > 0
Maka, berlaku
𝑡, 𝑡 > 0
𝑓(𝑡) = 𝑢(𝑡) ∗ 𝑢(𝑡) = {
0, 𝑡 < 0
Tutorial Sinyal by Askul

Soal 4
Pada pengucapan fonem huruf vokal (seperti /a/ dan /i/), terdapat empat titik kontraksi dominan seperti
terlihat pada gambar A, yakni otot Zygomaticus Major (pada titik 2 dan 3) dan otot Depressor Anguli Oris
(pada titik 1 dan 4). Berdasarkan literatur, seseorang akan fasih berbicara. Apabila pada titik-titik ini, otot-
otot berkontraksi dengan waktu bersamaan, atau dengan kata lain, memiliki waktu delay yang sangat kecil.

Untuk mengecek apakah seseorang fasih dalam mengucapkan fonem vokal, EMG atau sinyal otot diukur
di keempat titik ini. Hasil pengukuran sinyal EMG, seperti terlihat pada gambar B, kemudian dibandingkan
untuk dicari waktu delay antar titik-titik pengukuran. Dari sinyal EMG yang terukur, dicarilah envelope
signal-nya seperti terlihat pada gambar

Gambar B. Hasil pengukuran sinyal EMG (biru) yang kemudian dicari sinyal envelope-nya (merah)
Pada gambar C (atas), ditampilkan dua envelope signal yang didapatkan dari elektroda 3 dan 4. Kedua
envelope signal tersebut kemudian dikorelasi silangkan sehingga didapat hasil korelasi pada gambar C
(bawah). Pertanyaannya, berdasarkan hasil korelasi kedua signal, apakah ditemukan waktu delay dari
teraktivasinya kedua sinyal EMG yang terukur di titik elektroda 3 dan 4 ini?
Tutorial Sinyal by Askul

Solusi:
Kefasihan berbicara dinilai dari delay waktu kontraksi kedua otot Zygomaticus Mayor (2 dan 3) dan otot
Depressor Anguli Oris (1 dan 4). Semakin kecil waktu delay, maka semakin fasih.
Berdasarkan envelope sinyal dari titik kontraksi dominan untuk kedua otot, dilakukan korelasi silang untuk
melihat kemiripan sinyal. Berdasarkan hasil korelasi silang, terlihat bahwa pusat sinyal/grafik tidak persis
berada di titik lag 0, mengindikasikan ketidakmiripan sinyal yang menunjukkan adanya waktu delay. Oleh
karena itu, ditemukan waktu delay bernilai mendekati 0 (sekitar 10).
Tutorial Sinyal by Askul

Soal 5
Pada pengukuran signal input dan output sebuah instrumen, didapatkan hasil koherensi kedua sinyal l
seperti ditampilkan pada Gambar D. Apa yang dapat Anda simpulkan dari grafik tersebut?

Solusi 5:
Berdasarkan grafik, dapat disimpulkan bahwa sinyal input dan output instrumen memiliki linearitas yang
tinggi pada frekuensi yang cenderung rendah (7-17 kHz) apabila dibandingkan dengan frekuensi
maksimum instrumen. Koherensi kedua sinyal juga pelan-pelan berubah terhadap frekuensi, di mana
koherensinya bernilai kurang dari 1. Hal tersebut diakibatkan oleh kurang mirip/linearnya sinyal pada
frekuensi yang lebih tinggi. Derau juga dapat menjadi alasan mengapa instrumen hanya memiliki linearitas
tinggi pada frekuensi yang cenderung rendah.
Adapun pada frekuensi 33 kHz dan 40 kHz, terdapat nilai koherensi yang sangat rendah (drop)
dibandingkan dengan nilai koherensi pada frekuensi di sekitar interval tersebut. Hal tersebut menandakan
derau yang cukup dominan mengganggu instrumen pada frekuensi yang telah disebutkan. Oleh karena
itu, instrumen sebaiknya digunakan pada rentang frekuensi 7-17 kHz apabila diinginkan kualitas sinyal
output yang sepenuhnya koheren (memiliki linearitas tinggi) dengan sinyal inputnya.
Tutorial Sinyal by Askul

CITSIT
CATATAN: lembar ini JANGAN dijadikan satu-satunya pedoman belajar UTS, tetap belajar dari
sumber lain yang lebih konkret seperti textbook dan PPT kuliah.

Euler formula
𝑒 𝑖𝑥 = 𝑐𝑜𝑠𝑥 + 𝑖 𝑠𝑖𝑛𝑥
𝑒 𝑖𝑥 + 𝑒 −𝑖𝑥
cos 𝑥 =
2
𝑒 − 𝑒 −𝑖𝑥
𝑖𝑥
sin 𝑥 =
2𝑖
Transformasi Fourier
Transformasi fourier adalah suatu instrument matematika untuk menyatakan suatu sinyal periodik dalam
domain waktu, kedalam domain frekuensi atau sebaliknya. Dengan formula :
∞

𝑋(𝜔) = ∫ 𝑥 (𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡

−∞
Transformasi balik :
1 ∞
𝑥(𝑡) = ∫ 𝑋(𝜔)𝑒𝑗𝜔𝑡 𝑑𝜔
2𝜋 −∞
Contoh : diberikan sinyal x(t) = a akan dicari sinyal dalam domain frekuensinya.
𝜋
𝑋(𝜔) = ∫ 𝑎 𝑒 −𝑗𝜔𝑡 𝑑𝑡
−𝜋
𝜋
𝑋(𝜔) = 𝑎 ∫ 𝑒 −𝑗𝜔𝑡 𝑑𝑡
−𝜋
Untuk t = 0 :
𝜋
𝑋(𝜔) = 𝑎 ∫ 𝑒 −𝑗𝜔0 𝑑𝑡
−𝜋
𝜋
𝑋(𝜔) = 𝑎 ∫ 1𝑑𝑡
−𝜋
𝑋( 𝜔) = 2𝜋𝑎
Untuk 𝑡 ≠ 0 :
𝜋
𝑋(𝜔) = ∫ 𝑎 𝑒 −𝑗𝜔𝑡 𝑑𝑡
−𝜋
𝑎 𝜋
𝑋(𝜔) = − [ 𝑒 −𝑗𝜔𝑡 ] −𝜋
𝑗𝜔
𝑎
𝑋(𝜔) = − [ 𝑒 −(𝑗𝜔𝜋) − 𝑒𝑗𝜔𝜋 ]
𝑗𝜔
𝑎
𝑋(𝜔) = − [(cos(−𝜔𝜋) + 𝑖 sin (𝜔𝜋)) − ( cos(𝜔𝜋) + 𝑖 sin (𝜔𝜋)]
𝑗𝜔
𝑋(𝜔) = 0
Tutorial Sinyal by Askul

Sehingga pada sinyal yang konstan, fungsi frekuensi tidak lain adalah fungsi impuls setinggi a yang berdiri
pada sumbu 𝜔 = 0.

Coba identifikasi contoh-contoh sinyal yang lain ya.

DFT
• DFT
∞

𝑋(𝑒𝑗𝜔 ) = ∑ 𝑥(𝑛)𝑒 −𝑗𝑛𝜔

𝑛=−∞

Dengan syarat ∑∞
𝑛=−∞|𝑥(𝑛 )| =𝑆<∞
• Invers DFT
1 𝜋
𝑥(𝑛) = ∫ 𝑋(𝑒𝑗𝜔 )𝑒𝑗𝑛𝜔 𝑑𝜔
2𝜋 −𝜋
Dengan range frekuensi −𝜋 ≤ 𝜔 ≤ 𝜋
• Sekuens penting

• Sifat DFT
Tutorial Sinyal by Askul

Transformasi Z
Transformasi Z:

𝑋(𝑧) = 𝜁[𝑥 (𝑡)] = 𝜁 [𝑥(𝑘𝑇)] = 𝜁[𝑥 (𝑘)]

∞ ∞

𝑋(𝑧) = ∑ 𝑥(𝑘𝑇) 𝑧 −𝑘 = ∑ 𝑥(𝑘) 𝑧 −𝑘 𝑟0 ≤ 𝑧 ≤ 𝑅 0

𝑘=0 𝑘=0

Sifat Transformasi Z

Tabel Penting Transform Laplace Transformasi Z

Tutorial Sinyal by Askul

Invers Transformasi Z:

1
𝜁 −1 [𝑋(𝑧)] = 𝑥 (𝑘𝑇) = 𝑥(𝑘) = ∮ 𝑋(𝑧)𝑧 𝑘−1 𝑑𝑧
2𝜋𝑗

Metode Invers Transformasi Z:

• Long divison (pembagian langsung)

𝑁(𝑍)
𝑥 (𝑧) =
𝐷 (𝑍)
𝑋(𝑧) = 𝑥(0) + 𝑥(1) 𝑍−1 + 𝑥(2)𝑍 −2 + ⋯
• Pecahan parsial
o Pole kembar
Tutorial Sinyal by Askul

o Pole tidak kembar

• Residual/integral kontur

𝑥(𝑛) = ∑ 𝑟𝑒𝑠𝑖𝑑𝑢𝑒𝑠 𝑜𝑓 [𝑥(𝑧) 𝑍𝑛−1 ]

𝑎𝑙𝑙 𝑝𝑜𝑙𝑒𝑠 𝑖𝑛 𝑋 ( 𝑧)

o Residu pole tunggal dan berbeda pada 𝑧 = 𝛽:

𝑟𝑒𝑠𝑖𝑑𝑢𝑒 = lim [(𝑧 − 𝛽)𝑋(𝑧) 𝑍𝑛−1 ]
𝑍→𝛽

o Residu pole kembar orde m pada 𝑧 = 𝛽:

1 𝑑 𝑚−1
𝑟𝑒𝑠𝑖𝑑𝑢𝑒𝑠 = lim [ 𝑚−1 {(𝑧 − 𝛽) 𝑚 𝑋(𝑧)𝑍𝑛−1 }]
(𝑚 − 1)! 𝑍→𝛽 𝑑𝑍

Konvolusi, Korelasi, Koherensi

[dirangkum dari PPT Ibu Miranti]
Gimana cara gabungin sinyal satu dengan sinyal lainnya??
Nahh nama metodenya ya konvolusi.
• Konvolusi
o Definisi: integral dari perkalian dua fungsi setelah salah satu fungsinya dibalik dan digeser.
o Bentuk konvolusi
∞
(𝑓 ∗ 𝑔)(𝑡) = ∫ 𝑓(𝜏) 𝑔(𝑡 − 𝜏) 𝑑𝜏
−∞
∞ ∞

(𝑓 ∗ 𝑔)(𝑡) = 𝑥 (𝑛) ∗ ℎ (𝑛) = ∑ 𝑥(𝑘) ℎ(𝑛 − 𝑘) = ∑ 𝑥 (𝑛 − 𝑘)ℎ(𝑘)

𝑘=−∞ 𝑘=−∞
Tutorial Sinyal by Askul

o Sifat:
▪ Komutatif
𝑥(𝑡) ∗ ℎ(𝑡) = ℎ(𝑡) ∗ 𝑥(𝑡)
▪ Asosiatif
(𝑥(𝑡) ∗ ℎ1 (𝑡)) ∗ ℎ 2 (𝑡) = 𝑥(𝑡) ∗ (ℎ1 (𝑡) ∗ ℎ 2 (𝑡))
▪ Shift/time invariant
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡)
▪ Scaling property
𝐶 𝑥 (𝑡) → 𝐶 . 𝑦(𝑡)
▪ Transformasi Fourier
ℱ
𝑥(𝑡) ⇒ 𝑋(𝑗𝜔)
ℱ
ℎ (𝑡) ⇒ 𝐻(𝑗𝜔)
ℱ
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) ⇒ 𝑌(𝑗𝜔) = 𝑋(𝑗𝜔) 𝐻(𝑗𝜔)
o Dekonvolusi
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡)
𝑌(𝜔) = 𝑋(𝜔)𝐻(𝜔)
𝑌(𝜔)𝐻 ∗ (𝜔) = 𝑋(𝜔)𝐻(𝜔)𝐻 ∗ (𝜔)
𝑌(𝜔)𝐻 ∗ (𝜔) 𝑌 (𝜔) 𝐻 ∗ (𝜔)
𝑋(𝜔) = 2 =
||𝐻(𝜔)|| 𝐻 (𝜔) 𝐻(𝜔)

o Aplikasi
▪ Analisis sistem hubungan input-output
▪ Restorasi sinyal
▪ Desain filter
• Korelasi
o Tujuan: melihat kemiripan sinyal
o Aplikasi:
▪ Teknik sistem
▪ Teknik komunikasi
▪ Menghitung energi sinyal
o Jenis korelasi:
▪ Autocorrelation: korelasi suatu sinyal dengan sinyal itu sendiri
▪ Cross correlation: korelasi suatu sinyal dengan sinyal lain
Tutorial Sinyal by Askul

o Bentuk korelasi kontinu sinyal x(t) dan y(t):

∞ ∞
𝑅 𝑥𝑦 (𝑡) = ∫ 𝑥 (𝑡)𝑦(𝑡 − 𝜏)𝑑𝑡 = ∫ 𝑥(𝑡 + 𝜏)𝑦 (𝑡)𝑑𝑡 = 𝑥(𝑡) ∗ 𝑦(𝑡)
−∞ −∞

o Bentuk korelasi diskrit sinyal x(t) dan y(t)

𝑅𝑥𝑦 (𝑛𝑇) = 𝑅 𝑥𝑦 (𝑛), 𝑛 ∈ 𝐼
∞

= ∑ 𝑥(𝑘𝑇) 𝑦(𝑘𝑇 − 𝑛𝑇), 𝑘 ∈ 𝐼

𝑘=∞

= 𝑥(𝑘𝑇) ∗ 𝑦(𝑘𝑇)
• Koherensi
o Tujuan: mengukur kemiripan dua sinyal pada domain frekuensi
o Aplikasi:
▪ Pengukuran linearitas sistem
• Linear jika 𝛾𝑥𝑦 (𝜔) = 1
• Nonlinear jika 𝛾𝑥𝑦 ≪ 1 atau atau mendekati 0
o Fungsi koherensi
2
|𝑆𝑥𝑦 (𝜔)|
0≤ 2 (𝜔) =
𝛾𝑥𝑦 ≤1
𝑆𝑥𝑥 (𝜔)𝑆𝑦𝑦(𝜔)
Dengan Sxy merupakan spectrum density dari dua buah sinyal dan S xx serta Syy merupakan
power spectral density (PSD).