LAPORAN PRAKTIKUM PENGOLAHAN SINYAL DIGITAL

TRANSFORMASI FOURIER

FOURIER TRANSFORM

Mahasiswa
Delvin Rasyid Pristanto
NIM 5311420051
(ROMBEL 2)

Dosen Pengampu:
Vera Noviana Sulistyawan, S.T., M.T.

TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS NEGERI SEMARANG
OKTOBER, 2022
 FAST FOURIER TRANSFORM

FFT merupakan perbaikan dari transformasi fourier. Dengan menggunakan FFT,perhitungan

DFT dapat dipersingkat. Dalam DFT terdapat proses perkalian bilangan sebanyak N
sedangkan dalam FFT hanya memerlukan N/2 log2N proses.
 Metode dalam penyelesaian FFT
1. Decimation in Time
2. Decimation in Frequency
3. MATLAB

A. Tujuan
1. Mahasiswa mampu mengimplementasikan Fast Fourier Transform pada gelombang
sinusoidal dengan MATLAB
2. Mahasiswa mampu mengimplementasikan Fast Fourier Transform pada analisis
spektrum frekeunsi dengan MATLAB
3. Mahasiswa mampu mengimplementasikan Fast Fourier Transform pada filter
menggunakan respon impuls dengan MATLAB

B. Alat dan Bahan

1. PC/Laptop
2. Software MATLAB

C. Langkah Kerja dan Hasil Praktikum

1. Transformasi Z
a. Mendeklarasikan Sistem
Misal sistem yang diwakili oleh respons impuls h(n) = 𝛿(𝑛) + 𝛿(𝑛 − 1), dapat
ditulis dalam matlab:

Gambar 1. Source Code untuk Menampilkan Pole dan Zero

n adalan berapa banyak sampel dan hn merupakan respons impuls system.

b. Menentukan Nilai Pole dan Zero

Kemudian “zplane(hn)” adalah syntax yang akan memunculkan sebuah figure
yang menunjukkan daerah pole dan zero. Dari daerah tersebut dapat diketahui
kestabilan dari sistem tersebut.
 Gambar 2. Figure Plot dan Zero

c. Melihat Respon frekuensi dari sistem

Fungsi yang digunakan untuk melihat repon frekuensi dari sistem tersebut adalah
“freqz (hn)”.

Gambar 3. Source Code untuk Menampilkan Respon Magnitude

Selanjutnya akan muncul sebuah figure yang didalamnya terdapat dua buah
grafik yaitu grafik untuk respon magnitude dan respon phasa dari sistem tersebut,
sebagai berikut :
 Gambar 4. Figure Respon Magnitude

Dengan melihat respon magnitude dari sistem tersebut kita dapat melihat bahwa
sistem tersebut merupakan dasar untuk membuat sebuah filter. Contoh dari sistem
ini, sistem ini merupakan dasar untuk membuat filter LPF (Low Pass Filter).

2. Transform Fourier
a. Pendahuluan
Membuat program yang membangkitkan sinyal sinusoidal dengan frekuensi
sampling yang berbeda-beda.Frekuensi sampling yang digunakan adalah Fs=
2000 khz, 8000 khz, 32000 khz. Dengan ω = 𝜋⁄100dan batas t= 0-1000.
- Fs:2000 dengan pi:100
Hal yang pertama dilakukan adalah membuat source code pada menu editor
dalam
MATLAB. Dimana memuat :
1. Fs : inisiaisasi frekuensi sampling
2. T : batas t (waktu)
3. xt=sin(t*pi/100) : membangkitkan sinyal sinusoidal
4. stem (t,xt) : plot sinyal dalam bentuk diskrit
5. sound (xt,fs) : memainkan sinyal suara tersebut
Gambar dibawah merupakan source code pada Matlab dan hasil plot grafik
dari source code tersebut.

Gambar 5. Source Code fs=2000 dengan pi=100

 Gambar 6. Figure Plot Sinyal fs=2000 dengan pi=100

- Fs:8000 dengan pi:100

Gambar 7. Source Code fs=8000 dengan pi=100

 Gambar 8. Figure Plot Sinyal fs=8000 dengan pi=100
- Fs:32000 dengan pi:100

Gambar 9. Source Code fs=32000 dengan pi=100

Gambar 10. Figure Plot Sinyal fs=32000 dengan pi=100

- Fs:2000 dengan pi:10

Gambar 11. Source Code fs=2000 dengan pi=10

Gambar 12. Figure Plot Sinyal fs=2000 dengan pi=10

- Fs:8000 dengan pi:10

Gambar 13. Source Code fs=8000 dengan pi=10

 Gambar 14. Figure Plot Sinyal fs=8000 dengan pi=10
- Fs:32000 dengan pi:10

Gambar 15. Source Code fs=32000 dengan pi=10

Gambar 16. Figure Plot Sinyal fs=32000 dengan pi=10

 Jadi dapat kita lihat, bahwa frekuensi atau pi dapat mempengaruhi dalam
membangkitkan sinyal sinusoidal. Dimana pada saat nilai pi:100 sinyal sinusoidal
membentuk gelombang sinus yang tidak rapat, namun berbanding terbalik
kerapatannya dengan sinyal sinusoidal yang diberikan pi:10.
b. Analisis Spektrum Frekuensi
Menganalisis spektrum frekuensi dengan memasukan script berikut ini untuk
dimasukkan ke dalam editor.

Gambar 17. Source Code Rekam Suara (a)

Saat kita run terapat instruksi pada kolom command window berupa “start
speaking”. Jika sudah selesai merekam suara nanti rekaman akan muncul beserta
plot hasil gelombang seperti gambar dibawah ini.

Gambar 18. Plot Hasil Rekaman Suara (a)

Lalu buat source code kembali untuk analisis filter menggunakan FFT dari
rekaman suara yang sudah kita buat dengan code sebagai berikut :
 Gambar 19. Source Code Rekaman Suara (a) menggunakan FFT

Jika sudah ditambahkan, klik run pada tab tersebut sehingga akan muncul gambar
sebagai berikut.

Gambar 20. Plot Grafik Rekaman Suara (a) setelah di filter menggunakan FFT

c. Filter Suara dengan Respon Impuls

Pada tahap ini kita akan mengetahui penggunaan transformasi fourier pada
respon impuls yang digunakan untuk memfilter rekaman suara. Masih sama
menggunakan Source Code pada gambar sebelumnya, akan tetapi
‘suaramodul2a.wav’ diganti dengan ‘suaramodul2b.wav’.

Gambar 21. Source Code Rekam Suara (b)

Saat kita run terapat instruksi pada kolom command window berupa “start
speaking”. Jika sudah selesai merekam suara nanti rekaman akan muncul beserta
plot hasil gelombang seperti gambar dibawah ini.

Gambar 22. Plot Frekuensi Hasil Rekaman Suara (b)

Kemudian membuat source kode kembali untuk menampilkan respon

magnitudenya

Gambar 23. Source Code Respon Magnitude Rekam Suara (b)

Lalu run Source Code tersebut dan didapat respon magnitudenya, dimana system
ini merupakan dasar untuk membuat filter HPF (High PassFilter).
 Gambar 24. Figure Plot Respon Magnitude Rekam Suara (b)

Selanjutnya kita tulis Source Code berikut untuk menampilkan perbandingan dari
suara yang belum dan yang sudah difilter.

Gambar 25. Source Code untuk Membandingkan Spektrum Frekuensi Rekam

Suara (b) Sebelum dan Sesudah di Filter
Gambar 26. Figure Plot Spektrum Frekuensi Hasil Rekaman Suara (b) Sebelum di
Filter

Gambar 27. Figure Plot Spektrum Frekuensi Hasil Rekaman Suara (b) Sesudah di
Filter
d. Kesimpulan
Setelah melaksanakan praktikum kali ini, kita dapat mengetahui penggunaan
MATLAB untuk memfilterisasi suara dengan audio yang kita rekam sendiri. Hal
ini berkaitan dengan penggunaan MATLAB dalam memfilter suara dengan
menggunakan fast fourier transform (FFT). Dapat disimpulkan hasil rekaman
suara sebelum di filter, cenderung memiliki frekuensi yang tinggi sedangkan hasil
suara rekaman yang sudah difilter memiliki frekuensi yang cenderung rendah.