NAMA KELOMPOK :

1. ADE PUTRA WIJAYA 120430011

2. ROBI NUGROHO RAHARJO 120430013
3. ANGELINA FEBRIANI 120430115
4. KRESNA BAYU NAUFAL 121430106
5. RIVAI SYAPUTRA DOLOKSARIBU 120430085
 TUGAS

Daftar Pustaka

anike, M. (2015). Analisa Pengolahan Citra Menggunakan Metode. Konferensi Nasional Sistem &
Informatika, 132-134.
Kusuma, D. T. (2021). Fast Fourier Transform (FFT) Dalam Transformasi Sinyal Frekuensi Suara
Sebagai Upaya Perolehan Average Energy (AE) Musik. Jurnal Pengkajian dan Penerapan
Teknik Informatika, Vol. 14, No. 1, 29-30.

.
TUGAS

Apa aitu fast fourier transform ( FFT)

Jawab : Fast Fourier Transform (FFT) adalah teknik perhitungan operasi matematika yang digunakan
untuk mentrasformasi sinyal analog menjadi sinyal digital berbasis frekuensi. Fast Fourier Transform
(FFT) membagi sebuah sinyal menjadi frekuensi yang berbeda-beda dalam fungsi eksponensial yang
kompleks. Fast Fourier Transform (FFT) adalah algoritma untuk menghitung transformasi fourier
diskrit dengan cepat dan efisien. Karena sinyal-sinyal dalam sistem komunikasi bersifat kontinyu,
sehingga hasilnya dapat digunakan untuk transformasi fourier. Fourier Transform dapat didefinisikan
dengan rumus:
∞
S(f) = ∫ s(t )e− j 2 πft dt
−∞

S(f) = sinyal dalam domain frekuensi (frequency domain)

s(t) = sinyal dalam domain waktu (time domain)
𝑠(𝑡) 𝑒 −𝑗2𝜋𝑓𝑡 = konstanta nilai sebuah sinyal
𝑓 = frekuensi
𝑡 = waktu
Dari persamaan integral di atas dapat dilihat bahwa Fast Fourier Transform (FFT) dapat digunakan
untuk menghitung nilai frekuensi, amplitudo dan fase dari suatu gelombang sinyal. Sementara untuk
menghitung spektrum frekuensi sinyal pada komputer digital membutuhkan algoritma Discrete Fourier
Transform (DFT). Discrete Fourier Transform (DFT) mengubah sinyal domain waktu menjadi sinyal
domain frekuensi.

Apa yang membedakan FFT dengan transformasi fourier biasa

Jawab :
Teknologi dan sains berjalan beriringan. Dan tidak ada contoh yang lebih baik dari ini selain
pemrosesan sinyal digital (DSP). Digital Signal Processing adalah proses untuk mengoptimalkan
akurasi dan efisiensi komunikasi digital. Semuanya adalah data - apakah itu gambar dari probe luar
angkasa atau getaran seismik dan apa pun di antaranya. Untuk mengubah data ini menjadi format yang
dapat dibaca manusia menggunakan komputer adalah pemrosesan sinyal digital. Ini adalah salah satu
teknologi paling kuat yang menggabungkan teori matematika dan implementasi fisik. Studi tentang
DSP dimulai sebagai kursus tingkat pascasarjana di bidang teknik elektro, tetapi seiring waktu, itu
telah menjadi gamechanger potensial di bidang sains dan teknik. Cukuplah untuk mengatakan, tanpa
DSP, insinyur dan ilmuwan mungkin tidak ada lagi Transformasi Fourier adalah sarana pemetaan
sinyal, dalam domain ruang atau waktu ke dalam spektrumnya dalam domain frekuensi. Domain waktu
dan frekuensi hanyalah cara alternatif untuk mewakili sinyal dan transformasi Fourier adalah hubungan
matematis antara dua representasi. Perubahan sinyal dalam satu domain juga akan mempengaruhi
sinyal di domain lain, tetapi tidak harus dengan cara yang sama. Discrete Fourier Transform (DFT)
adalah transformasi seperti transformasi Fourier yang digunakan dengan sinyal digital. Seperti
namanya, ini adalah versi diskrit dari FT yang memandang domain waktu dan domain frekuensi
sebagai periodik. Fast Fourier Transform (FFT) hanyalah sebuah algoritma untuk perhitungan DFT
yang cepat dan efisien. Singkatnya, Transformasi Fourier Diskrit memainkan peran kunci dalam fisika
karena dapat digunakan sebagai alat matematika untuk menggambarkan hubungan antara domain
waktu dan representasi domain frekuensi dari sinyal diskrit. Ini adalah algoritma yang sederhana
namun cukup memakan waktu. Namun, untuk mengurangi waktu komputasi dan kompleksitas
transformasi besar, algoritma yang lebih kompleks tetapi kurang memakan waktu seperti Fast Fourier
Transform dapat digunakan. FFT adalah implementasi dari DFT yang digunakan untuk digunakan
untuk perhitungan cepat DFT. Singkatnya, FFT dapat melakukan semua yang dilakukan DFT, tetapi
lebih efisien dan jauh lebih cepat daripada DFT. Ini adalah cara yang efisien untuk menghitung DFT.
TUGAS

Berikan contoh penerapan FFT pada sinyal biomedis dan citra medis,jelaskan prosesnya
Jawab :
Citra Medis dan jelaskan prosesnya
Transformasi fourier mempunyai peranan penting dalam aplikasi pengolahan citra, dapat memberikan
kontribusi untuk peningkatan mutu citra, analisis data citra seperti menganalisis kelakuan fungsi
gelombang, mengestimasi regresi non parametric , restorasi citra dan kompresi data citra, Transformasi
Fourier merupakan metode pilihan, karena biasanya hasil yang diperoleh berasal dari komputasi yang
minimal , bersifat efisien karena mendukung berbagai bentuk seperti (kurva, sudut tangen, jarak
koordinat kompleks, jarak sentroid, dst). Dengan transformasi fourier, citra dapat di filter melalui
sinyal yang kompleks (atau pada pola pinggiran citra). Dari metode diatas secara singkat dapat
dievaluasi melalui diagram blok dibawah ini :

terjadinya proses transformasi melalui masukkan citra yang kawasan ruangnya disimbolkan
dalam f(x,y) kemudian dianalisis dan menghasilkan keluaran citra berupa citra kawasan
frekuensi disimbolkan F(1,2). Sedangkan untuk transformasi balik (invers) dapat dilihat
pada gambar berikut ini :

masukkan berupa citra kawasan frekuensi kemudian ditransformasi menjadi citra kawasan
ruang. Setiap metode yang dikembangkan pasti terdapat keunggulan maupun kerugian,
demikian pula dengan metode ini. Adapun keuntungannya adalah dapat direkonstruksi
kembali (recovery) sepenuhnya melalui proses reverse tanpa kehilangan informasi[14].
Sedangkan kerugiannya adalah waktu komputasi yang panjang
Fungsi fft2 pada matlab mengomputasikan DFT dua dimensi dengan menggunakan algoritma
Fast Fourier Transform (FFT) Y=fft2(X) ekuivalen dengan Y = fft(fft(X)), dimana untuk
mengomputasikan DFT satu dimensi pada setiap kolom X diikuti oleh DFT satu dimensi pada
setiap baris dari hasil komputasi. Transformasi balikan dari DFT dua dimensi dikomputasikan
dengan fungsi ifft2. Fungsi fftn pada matlab merupakan generalisasi fft2 untuk array N
dimensi. Y=fftn(X) ekuivalen dengan :
Y = X;
for p = 1:length(size(X))
Y = fft(Y,[ ],p;
Teori prediksi pola difraksi optik yang dihasilkan oleh gelombang pesawat optikal mask
TUGAS

dengan aperture kecil dijelaskan sesuai dengan jarak transformasi fourier dari mask. Sebagai
contoh sesuai dengan logika array yang dihasilkan dimana menggambarkan optikal mask, M
memiliki aperture lingkaran dengan jari-jari R :

fft2 digunakan untuk komputasi DFT dua dimensi pada mask, dan fftshift untuk mengatur
kembali keluaran dengan komponen zero-frequency terletak di tengah.

Sedangkan DFT dengan amplitudo kecil akan menghasilkan seperti contoh

Saat menggunakan algoritma FFT, perbedaan terjadi antara panjang window dan panjang
transformasi. Panjang dari window digunakan sebagai intup data vektor. Sebagai contoh,
ukuran pada eksternal buffer. Panjang transformasi merupakan panjang keluaran dimana
dikomputasikan dengan DFT. Algoritma FFT dengan Pad/chop digunakan untuk memperoleh
panjang transformasi yang diinginkan.

Implementasi Transformasi Fourier pada Citra

TUGAS

digunakan adalah citra dengan ekstensi BMP dengan ukuran 250x164 pixel.
Gambar 7 dibawah ini adalah citra asli yang belum di transformasi.

Citra katarak.bmp kemudian diolah menggunakan transformasi fourier sehingga dihasilkan

seperti gambar 8 dibawah ini. Dari hasil tersebut diolah kembali dengan menggunakan
algoritma fft untuk mengetahui pola sinyal dari citra katarak.bmp, sehingga diperoleh gambar

Citra Katarak.BMP setelah transformasi

. Rekayasa Fourier kedalam FFT

Setelah citra katarak.bmp direkayasa dengan FFT, citra tersebut kemudian diabsolutkan
untuk menampilkan frekuensi warna dengan colormap dan colorbar.