2022

Modul Ajar
Sistem Linier

DISUSUN OLEH:
EDITA ROSANA WIDASARI, ST., MT., MENG., PH.D
HURRIYATUL FITRIYAH, ST., MSC
Modul

Sistem linier

1
Daftar Isi
1 Dasar Sinyal .......................................................................................................................................... 4
1.1 Pengertian sinyal .......................................................................................................................... 4
1.2 Operasi sinyal ............................................................................................................................... 5
1.2.1 Time-Shifting ........................................................................................................................ 5
1.2.2 Time-Scaling ......................................................................................................................... 5
1.2.3 Time-Reversal ....................................................................................................................... 6
1.3 Klasifikasi sinyal ............................................................................................................................ 7
1.3.1 Sinyal waktu-kontinyu dan waktu-diskrit ............................................................................. 7
1.3.2 Sinyal analog dan digital ....................................................................................................... 7
1.3.3 Sinyal periodik dan aperiodik ............................................................................................... 8
1.3.4 Sinyal Kausal dan non-Kausal ............................................................................................... 8
1.3.5 Sinyal deterministik dan probabilistik .................................................................................. 8
1.4 Sinyal Dasar .................................................................................................................................. 9
1.4.1 Sinyal Impulse 𝛿(𝑡) .............................................................................................................. 9
1.4.2 Simyal Step 𝑢(𝑡) ................................................................................................................... 9
1.4.3 Sinyal eksponensial ............................................................................................................ 10
2 Sistem ................................................................................................................................................. 11
2.1 Klasifikasi Sistem ........................................................................................................................ 11
2.1.1 Waktu-Kontinyu dan waktu diskrit ..................................................................................... 11
2.1.2 Analog dan Digital .............................................................................................................. 11
2.1.3 Linier dan Nonlinier ............................................................................................................ 11
2.1.4 Time-variant dan Time-Invariant ........................................................................................ 12
2.1.5 Kausal dan nonKausal ......................................................................................................... 13
2.1.6 Statis dan Dinamis .............................................................................................................. 13
2.1.7 Stabil dan nonStabil ............................................................................................................ 13
2.2 Persamaan Diferensial dari Sistem ............................................................................................. 13
3 Zero-Input Response (ZIR) .................................................................................................................. 15
4 Zero-State Response (ZSR) ................................................................................................................. 17
4.1 Menghitung Impluse Response ℎ(𝑡) .......................................................................................... 17
4.2 Menghitung ZSR menggunakan Konvolusi ................................................................................. 18
5 Transformasi Laplace ......................................................................................................................... 22

2
6 Frequency Response .......................................................................................................................... 25
7 Transformasi Fourier .......................................................................................................................... 27
8 Zero-Pole dan Filter ............................................................................................................................ 31
8.1 Kestabilan sistem........................................................................................................................ 32
8.2 Filter ........................................................................................................................................... 32
8.2.1 Pengaruh Pole pada Magnitude Response ......................................................................... 33
8.2.2 Pengaruh Zero pada Magnitude Response ........................................................................ 34
8.2.3 Low Pass Filter .................................................................................................................... 35
8.2.4 High-Pass Filter ................................................................................................................... 36

3
1 Dasar Sinyal
1.1 Pengertian sinyal

Sinyal merupakan kumpulan data atau informasi. Sinyal ini didapatkan dari keluaran sensor.
Sinyal dapat memiliki 1 atau lebih dimensi.
• Sinyal 1 dimensi. Contoh: tegangan, arus, suhu, dimana ketiganya merupakan fungsi waktu, x(t)
• Sinyal 2 dimensi, contoh: gambar, dimana sinyal ini merupakan fungsi ruang 2 dimensi x dan y,
I(x,y)
• Sinyal 3 dimensi, contoh: video, dimana sinyal ini merupakan fungsi ruang dan waktu, V(x,v,t)

Dalam modul mata kuliah ini akan difokuskan pada sinyal 1 dimensi.

Energi dari sebuah Sinyal dihitung menggunakan Persamaan berikut.

#
𝐸! = # (𝑥(𝑡))" 𝑑𝑡
$#
Sedangkan rata-rata Energi dari sebuah sinyal dalam rentang periode tertentu disebut dengan
Power. Perhitngan ini akan berlaku hanya pada sinyal periodik. Power sebuah sinyal dihitung
menggunakan Persamaan berikut.
%
1 "
𝑃! = lim # (𝑥(𝑡))" 𝑑𝑡
%→# 𝑇 $%
"

Contoh.

Sinyal (a) memiliki Energi sebesar:

' # " #
)
"
𝐸! = # 2 𝑑𝑡 + # 22𝑒 *" 4 𝑑𝑡 = 4 + # 4𝑒 ) 𝑑𝑡 = 4 − (4𝑒 $# − 4𝑒 ' ) = 4 − (0 − 4) = 8
$( ' '

Sinyal (b) memiliki power sebesar:

1 ( " 1 1 1 1 1 1 1
𝑃! = # 𝑡 𝑑𝑡 = 9 1+ − (−1)+ ; = 9 + ; =
2 $( 2 3 3 2 3 3 3

4
1.2 Operasi sinyal

Terdapat beberapa operasi sinyal yang penting dan banyak digunakan yakni: (1) time-shifting, (2)
time-scaling, dan (3) time-reversal (inversion).
1.2.1 Time-Shifting
Adalah operasi yang memberikan shift sebesar T waktu kepada sebuah sinyal. Proses shift
membuat sinyal 𝑥(𝑡) menjadi 𝑥(𝑡 − 𝑇). Berikut adalah ilustrasi pergeseran sinyal.

a) sinyal asal x(t)

b) sinyal dengan shift sebesar + T, 𝑥(𝑡 − 𝑇), yang disebut delay dimana sinyal bergeser ke kanan
c) sinyal dengan shift sebesar –T, 𝑥*𝑡 − (−𝑇)+ = 𝑥(𝑡 + 𝑇), yang disebut advance dimana sinyal
bergeser ke kiri

1.2.2 Time-Scaling
Adalah operasi yang meng-kalikan waktu dengan sebuah scalar, dimana sinyal asal 𝑥(𝑡) menjadi
𝑥(𝑎𝑡). Nilai a>1 akan menghasilkan sinyal yang menyempit (compression), sedangkan nila
0<a<1 akan menghasilkan sinyal yang melebar (expansion) daripada sinyal asalnya. Berikut
adalah ilustrasi nya.

5
 a) Sinyal asal 𝑥(𝑡)
b) Compression dengan a = 2, terlihat bahwa sinyal 𝑇! menjadi 𝑇! ⁄2 sebab ∅(𝑡) = 𝑥(2𝑡)
"
c) Expansion dengan a = 1/2, terlihat bahwa sinyal 𝑇! menjadi 2𝑇! sebab ∅(𝑡) = 𝑥(#)

1.2.3 Time-Reversal
Adalah operasi yang menghasilkan sinyal yang nampak berkebalikan 180°, dimana sinyal asal
𝑥(𝑡) menjadi 𝑥(−𝑡). Berikut adalah ilustrasinya.

a) Sinyal asal 𝑥(𝑡)

b) Sinyal hasil reverse menjadi 𝑥(−𝑡)

6
1.3 Klasifikasi sinyal

Terdapat 5 jenis klasifikasi sinyal, antara lain:

1.3.1 Sinyal waktu-kontinyu dan waktu-diskrit
Sinyal yang memiliki nilai bersifat kontinyu dalam waktu t disebut sinyal waktu-kontinyu,
sedangkan sinyal yang memiliki nilai hanya saat waktu ke t disebut sinyal waktu-diskrit. Dalam
penggambarannya, sinyal kontinyu ditunjukkan berupa garis tidak terputus, sedangkan sinyal
diskrit ditunjukkan dengan bar yang hanya ada pada waktu ke t.
Berikut adalah ilustrasi sinyal waktu kontinyu dan waktu diskrit.

a) Sinyal waktu-kontinyu
b) Sinyal waktu-diskrit

1.3.2 Sinyal analog dan digital

Sinyal analog adalah sinyal yang memiliki amplitudo pada range nilai yang kontinyu. Sinyal
digital adalah sinyal yang memiliki amplitude pada range nilai tertentu saja. Sehingga jika sinyal
waktu-kontinyu dan waktu-diskrit adalah peneglompokan berdasarkan sumbu horizontal t, maka
sinyal analog dan digital adalag pengelompokan berdasarkan sumbu vertikal amplitude.
Berikut adalah ilustrasinya.

7
 a) Sinyal analog, waktu kontinyu
b) Sinyal digital, waktu kontinyu
c) Sinyal analog, waktu diskrit
d) Sinyal digital, waktu diskrit

1.3.3 Sinyal periodik dan aperiodik

Sebuah sinyal dikatakan periodic jika amplitude nya berulang setiap kelipatan 𝑇' , sehingga
𝑥(𝑡) = 𝑥(𝑡 + 𝑇' )
Dan sebaliknya jika tidak memenuhi persamaan tersebut maka dikatakan sebagai sinyal
aperiodik. Berikut adalah ilustrasi sinyal periodik.

1.3.4 Sinyal Kausal dan non-Kausal

Sinyal kausal adalah sinyal yang dimulai dari t=0. Sedangkan sinyal yang dimulai dari sebelum
t=0 disebut sinyal non-kausal. Sinyal kausal memiliki nilai 0 untuk semua t<0. Berikut contoh
sinyal kausal.

1.3.5 Sinyal deterministik dan probabilistik

Sebuah sinyal yang dapat dideskripsikan menggunakan persamaan matematis maupun bentuk
grafikal disebut sinyal deteministik. Sebaliknya, sinyal yang random dan hanya dapat
dideskripsikan menggunakan deskripsi probailistik (misal nilai rata-rata) disbut sebagai sinyal
probabilistic.

8
1.4 Sinyal Dasar

Dalam sinyal dan sistem terdapat beberapa sinyal dasar yakni: sinyal impulse, sinyal step, sinyal
ramp dan sinyal eksponensial. Sinyal dasar tersebut sering digunakan untuk merepresentasikan
sinyal-sinyal lainnya.

1.4.1 Sinyal Impulse 𝛿(𝑡)

Sinyal ini memiliki nilai 1 hanya pada saat t=0 dan nilai 0 pada selainnya.
1 𝑡=0
𝛿(𝑡) = >
0 𝑡≠0

Ilustrasi sinyal impulse

1.4.2 Simyal Step 𝑢(𝑡)

Sinyal ini memiliki nilai 1 pada saat 𝑡 ≥ 0 dan nilai 0 pada saat 𝑡 < 0.

1 𝑡≥0
𝑢(𝑡) = >
0 𝑡<0

Ilustrasi sinyal step

Sinyal step juga digunakan untuk menyatakan bahwa sebuah sinyal bersifat kausal. Karena sinyal
asal x(t) jika dikalikan dengan sinyal step u(t), maka sinyal tersebut akan memiliki nilai > 0 pada
saat t≥0.

x(t) x(t).u(t)

9
1.4.3 Sinyal eksponensial

Sinyal ini menggunakan fungsi eksponensial sebagai basis nya.

𝑥(𝑡) = 𝑒 ,)

Dimana nilai 𝛼 menunjukkan bentuk sinyal seperti ilustrasi berikut.

10
2 Sistem
Sistem adalah komponen berupa komponen fisik (hardware) atau algoritma untuk mengolah
sinyal. Pengolahan tersebut bertujuan untuk memodifikasi atau meng-ekstraksi informasi dari
sinyal asalnya. Sehingga sistem memproses sinyal input x(t) dan menghasilkan sinyal output y(t).
Jika input sistem hanya satu sinyal dan menghasilkan output 1 sinyal maka disebut dengan Single-
Input-Single-Ouput (SISO). Sedangkan jika input seuatu sistem lebih dari 1 sinyal dan
menghasilkan output lebih dari 1 sinyal maka disebut dengan Multiple-Input-Multiple-Output
(MIMO). Terdapat pula sistem yang bersifat SIMO atau MISO. Berikut adalah ilustrasi berupa
diagram blok dari sistem. Sinyal input selalu diletakkan di sebelah kiri, yang kemudian masuk
menggunakan panah menuju sistem yang ditunjukkan sebagai sebuah kotak. Dari kotak sistem
tersebut terdapat panah ke kanan yang menunjukkan sinyal output.

2.1 Klasifikasi Sistem

Terdapat 7 klasifikasi sistem. Yakni:

2.1.1 Waktu-Kontinyu dan waktu diskrit

Sistem yang mengolah sinyal input waktu-kontinyu dan menghasilkan sinyal output waktu
kontinyu dinamakan sistem waktu-kontinyu. Sistem ini disimbolkan dengn y(t). Sedangkan sistem
yang mengolah sinyal input diskrit dan menghasilkan sinyal output waktu diskrit dinamakan
sistem waktu-diskrit dan disimbolkan dengn x[n].
2.1.2 Analog dan Digital

Sistem yang mengolah sinyal input analog dan menghasilkan sinyal output analog dinamakan
sistem analog. Sedangkan sistem yang mengolah sinyal input digital dan menghasilkan sinyal
output digital dinamakan sistem digital. Komputer merupakan contoh dari sistem digital yang juga
sistem waktu-diskrit.

2.1.3 Linier dan Nonlinier

Sistem Linier merupakan sebuah sistem yang memenuhi prinsip homogenity dan additivity. Jika
sebuah sistem memproses sinyal input menjadi output:
𝑥(𝑡) → 𝑦(𝑡)

11
Maka berdasarkan prinsip homogeneity, bahwa jika input dikalikan dengan sebuah bilangan riil
atau imajiner k, maka output juga akan menjadi dikalikan dengan bilangan k, yakni:
𝑘. 𝑥(𝑡) → 𝑘. 𝑦(𝑡)
Prinsip additivity menunjukkan bawah jika terdapat dua input yang dijumlahkan, maka akan
menghasilkan dua output yang juga dijumlahkan, yakni:
𝑥- (𝑡) + 𝑥" (𝑡) → 𝑦( (𝑡) + 𝑦" (𝑡)

Sistem dikatakan linier jika memenuhi kedua prinsip tersebut. Kedua prinsip tersebut dapat
digabung menjadi sebuah sifat yakni superposition, yakni:
𝑘. 𝑥- (𝑡) + 𝑘. 𝑥" (𝑡) → 𝑘. 𝑦( (𝑡) + 𝑘. 𝑦" (𝑡)

Contoh sistem Linear, 𝑦(𝑡) = 2. 𝑥(𝑡)

Contoh sistem Non-Linear, 𝑦(𝑡) = 𝑥(𝑡)"

2.1.4 Time-variant dan Time-Invariant

Sebuah sistem yang parameter-nya tidak berubah terhadap waktu disebut dengan sistem Time-
Invariant. Sistem tersebut berarti jika sinyal input diberi delay sebanyak T, maka akan
menghasilkan output yang sama dengan sebelumnya namun ter-delay seanyak T juga. Dalam
Gambar di bawah ini dapat dilihat bahwa bentuk sinyal output tetap namun ter-delay sebanyak T
seperti halnya dengan sinyal inputan.

Jika digambarkan sebagai diagram blok, maka sistem Time-Invariant digambarkan sebagai
berikut:

Sebuah sistem yang tidak mengalami hal yang sama seperti pada sistem Time-invariant, maka
disebut sebagai Time-variant.
Contoh sistem Time-Invariant, 𝑦(𝑡) = 2. 𝑥(𝑡)

12
Contoh sistem Time-Variant, 𝑦(𝑡) = 𝑡. 𝑥(𝑡)

2.1.5 Kausal dan nonKausal

Sistem yang bergantung pada input di waktu sekarang (𝑡) dan masa lampau (𝑡 − 𝑇) disebut
dengan sistem Kausal. Sistem real-time merupakan sistem yang bersifat Kausal, karena dalam
kondisi real-time tidak mungkin mendapatkan sinyal input dalam kondisi yang belum terjadi
(future). Sebaliknya sistem yang membutuhkan sinyal input di masa mendatang (𝑡 + 𝑇) disebut
sebagai sinyal non-Kausal.

Contoh sistem Statis, 𝑦(𝑡) = 2. 𝑥(𝑡) + 3. 𝑥(𝑡 − 𝑇)

Contoh sistem Dinamik, 𝑦(𝑡) = 2. 𝑥(𝑡) + 3. 𝑥(𝑡 − 1) + 4. 𝑥(𝑡 + 1)

2.1.6 Statis dan Dinamis

Sebuah sistem yang hanya bergantung pada sinyal input pada saat ke-t atau saat sekarang (present)
disebut dengan sistem statis. Sistem ini juga sering disebut sebagai Instantaneous system atau
memoryless system. Sistem tersebut tidak bergantung terhadap sinyal input masa lalu (𝑡 − 𝑇) atau
masa depan (𝑡 + 𝑇). Sistem yang tidak memenuhi kriteria tersebut maka disebut dengan sistem
dinamik atau sistem dengan memori.
Contoh sistem Statis, 𝑦(𝑡) = 2. 𝑥(𝑡)
Contoh sistem Dinamik, 𝑦(𝑡) = 2. 𝑥(𝑡) + 3. 𝑥(𝑡 − 1) + 4. 𝑥(𝑡 + 1)

2.1.7 Stabil dan nonStabil

Sebuah sistem yang bersifat stabil adalah sistem yang ketika diberikan sinyal bounded-input, maka
akan menghasilkan sinyal bounded-output. Sebaliknya jika sebuah sistem diberi sinyal bounded-
input dan menghasilkan sinyal yang tidak terbatas, maka disebut sebagai sistem non-stabil.

2.2 Persamaan Diferensial dari Sistem

Sebuah sistem dapat dibuat persamaan matematis-nya untuk kemudian di-olah atau di-analisa.
Persamaan matematis tersebut adalah berupa Persamaan Diferensial. Untuk sistem berupa
rangkaian elektronika RLC sederhana, persamaan diferensial dapat dibuat berdasarkan Hukum
Kirchoff’s. Persamaan tersebut adalah:

𝑑" 𝑦 𝑑𝑦 1 𝑑𝑥
H𝐿 "
+𝑅 + L 𝑦(𝑡) =
𝑑𝑡 𝑑𝑡 𝐶 𝑑𝑡

Contoh persamaan diferensial dari rangkaian RLC sederhana berikut adalah

13
 𝑑" 𝑦 𝑑𝑦 1 𝑑𝑥
H1 " + 3 + L 𝑦(𝑡) =
𝑑𝑡 𝑑𝑡 1⁄2 𝑑𝑡

Notasi persamaan diferensial dibuat sederhana menggunakan notasi D, sehingga:

(𝐷" + 3𝐷 + 2)𝑦(𝑡) = 𝐷𝑥(𝑡)

14
3 Zero-Input Response (ZIR)
Respon total sebuah sistem terdiri dari Zero-Input Response (ZIR) dan Zero-State Response
(ZSR)
Respon Total = Zero-Input Response (ZIR) + Zero-state Response

ZIR adalah respon sebuah sistem pada saat sinyal input belum diberikan, 𝑥(𝑡) = 0.
Contoh diketahui bahwa sistem berikut

Memiliki persamaan Diferensial

(𝐷" + 3𝐷 + 2)𝑦(𝑡) = 𝐷𝑥(𝑡)
Dimana
𝑄(𝐷)𝑦(𝑡) = 𝑃(𝐷)𝑥(𝑡)
𝑄(𝜆) dimana 𝐷 = 𝜆 disebut characteristic polynomial

Langkah-langkah menghitung ZIR

1. Menentukan characteristic equation

𝑄(𝜆) = 0

𝜆# + 3𝜆 + 2 = 0

2. Menghitung akar 𝜆

(𝜆 + 2)(𝜆 + 1) = 0

𝜆! = −2, 𝜆# = −1

3. Menentukan persamaan ZIR

Untuk akar-akar yang tidak sama/ distince/ unique

𝑦(𝑡) = 𝑐! 𝑒 $! " + 𝑐# 𝑒 $" " + ⋯ + 𝑐% 𝑒 $# "

Untuk akar-akar yang kembar

15
 𝑦(𝑡) = (𝑐! + 𝑐# 𝑡 + ⋯ + 𝑐% 𝑡 %&! )𝑒 $"

dimana N adalah jumlah akar 𝜆

Sehingga untuk contoh diatas didapati persamaan ZIR adalah:

𝑦(𝑡) = 𝑐! 𝑒 &#" + 𝑐# 𝑒 &!"

4. Mencari nilai 𝑐! dan nilai 𝑐# berdasarkan initial condition 𝑦(0) dan 𝑦̇ (0)dimana nilai nya
diberikan berdasarkan kondisi dari sistem tersebut.

Misal untuk contoh diatas diketahui 𝑦(0) = 0 dan 𝑦̇ (0) = −5, sehingga

𝑦(0) = 0
𝑐! 𝑒 ' + 𝑐# 𝑒 ' = 0
𝑐! + 𝑐# = 0 ………….(1)

𝑦̇ (0) = −5
𝑐! . −2. 𝑒 &#." + 𝑐# . −1. 𝑒 &!." = −5
𝑐! . −2. 𝑒 ' + 𝑐# . −1. 𝑒 ' = −5
−2𝑐! − 𝑐# = −5 ….(2)

Menggunakan eliminasi dan subtitusi, didapati bahwa 𝑐! = 5 dan 𝑐# = −5

5. Memasukkan nilai nilai 𝑐! dan nilai 𝑐# ke persamaan 𝑦(𝑡)

𝑦(𝑡)./0 = 5𝑒 $") − 5𝑒 $)

16
4 Zero-State Response (ZSR)
ZSR adalah response sebuah sistem ketika sudah diberi sinyal input 𝑥(𝑡). Kondisi zero-state
berarti state sistem berada pada kondisi rest, dimana internal system variable bernilai 0.
𝑦(𝑡).10 = 𝑥(𝑡) ∗ ℎ(𝑡)

Dimana 𝑥(𝑡) adalah sinyal input, ℎ(𝑡) adalah impulse Response, dan ∗ adalah operasi Konvolusi

4.1 Menghitung Impluse Response ℎ(𝑡)

Nilai ℎ(𝑡) dihitung menggunakan persamaan:

ℎ(𝑡) = [𝑃(𝐷)𝑦(𝑡)]𝑢(𝑡)
dimana 𝑃(𝐷) didapatkan dari
𝑄(𝐷)𝑦(𝑡) = 𝑃(𝐷)𝑥(𝑡)

dan nilai 𝑢(𝑡) menunjukkan bahwa sistem tersebut bersifat kausal

Contoh diatas

Yang memiliki persamaan Diferensial

(𝐷" + 3𝐷 + 2)𝑦(𝑡) = 𝐷𝑥(𝑡)
Maka langkah untuk menghitung impulse response
1. Menghitung nilai 𝑦(𝑡) seperti halnya yang dilakukan pada ZIR, sehingga didapati:

𝑦(𝑡) = 𝑐! 𝑒 &#" + 𝑐# 𝑒 &!"

2. Mencari nilai 𝑐! dan nilai 𝑐# berdasarkan initial condition 𝑦(0) dan 𝑦̇ (0)dimana nilai nya
diberikan berdarkan aturan berikut

𝑦(0) = 0, 𝑦̇ (0) = 0, … , 𝑦 %&! (0) = 1

Sehingga untuk contoh diatas diketahui 𝑦(0) = 0 dan 𝑦̇ (0) = 1, sehingga

𝑦(0) = 0
𝑐! 𝑒 ' + 𝑐# 𝑒 ' = 0
𝑐! + 𝑐# = 0 ………….(1)

17
 𝑦̇ (0) = 1
𝑐! . −2. 𝑒 &#." + 𝑐# . −1. 𝑒 &!." = 1
𝑐! . −2. 𝑒 ' + 𝑐# . −1. 𝑒 ' = 1
−2𝑐! − 𝑐# = 1 ….(2)

Menggunakan eliminasi dan subtitusi, didapati bahwa 𝑐! = −1 dan 𝑐# = 1

3. Memasukkan nilai nilai 𝑐! dan nilai 𝑐# ke persamaan 𝑦(𝑡)

𝑦(𝑡)./0 = −𝑒 $") + 𝑒 $)

4. Menghitung ℎ(𝑡) menggunakan persamaan

ℎ(𝑡) = [𝑃(𝐷)𝑦(𝑡)]𝑢(𝑡)

dimana 𝑃(𝐷) = 𝐷

ℎ(𝑡) = [𝐷𝑦(𝑡)]𝑢(𝑡)

ℎ(𝑡) = [𝐷(−𝑒 &#" + 𝑒 &" )]𝑢(𝑡)

ℎ(𝑡) = [𝐷(−𝑒 &#" ) + 𝐷(𝑒 &" )]𝑢(𝑡)

ℎ(𝑡) = [2𝑒 &#" − 𝑒 &" ]𝑢(𝑡)

4.2 Menghitung ZSR menggunakan Konvolusi

𝑦(𝑡).10 = 𝑥(𝑡) ∗ ℎ(𝑡)

Konvolusi merupakan sebuah operator dengan persamaan berikut:

#
𝑦(𝑡) = # 𝑥(𝜏). ℎ(𝑡 − 𝜏)𝑑𝜏
$#
Sebab dalam hal ini impulse response h(t) bersifat kausal sebab dikalikan dengan 𝑢(𝑡), maka batas
bawah dari integral nya bernilai 0. Sebab sinyal step untuk nilai t<0 adalah sama dengan 0.
Sehingga
#
𝑦(𝑡) = # 𝑥(𝜏). ℎ(𝑡 − 𝜏). 𝑢(𝜏)𝑑𝜏
'

Terdapat Tabel untuk menghitung hasil Konvolusi 2 buah persamaan, yakni

18
19
Sifat-Sifat Konvolusi
1. Komutatif, 𝑥(𝑡) ∗ ℎ(𝑡) = ℎ(𝑡) ∗ 𝑥(𝑡)
2. Asosiatif, *𝑥(𝑡) ∗ 𝑦(𝑡)+ ∗ 𝑧(𝑡) = 𝑥(𝑡) ∗ *𝑦(𝑡) ∗ 𝑧(𝑡)+
3. Distributif, 𝑥(𝑡) ∗ *𝑦(𝑡) + 𝑧(𝑡)+ = *𝑥(𝑡) ∗ 𝑦(𝑡)+ + (𝑥(𝑡) ∗ 𝑧(𝑡))

Misal untuk sistem di bawah ini:

Yang memiliki persamaan Diferensial

(𝐷" + 3𝐷 + 2)𝑦(𝑡) = 𝐷𝑥(𝑡)
Diberi sinyal input 𝑥(𝑡) = 10𝑒 $+) . 𝑢(𝑡)
Dan didapati bahwa impulse response ℎ(𝑡) = [2𝑒 $") − 𝑒 $) ]𝑢(𝑡)

Maka Zero-State Response dihitung sebagai berikut:

𝑦(𝑡).10 = 𝑥(𝑡) ∗ ℎ(𝑡)
= 10𝑒 $+) . 𝑢(𝑡) ∗ [2𝑒 $") − 𝑒 $) ]𝑢(𝑡), dimana 𝑢(𝑡) = 1
= (10𝑒 $+) ∗ 2𝑒 $") ) + (10𝑒 $+) ∗ −𝑒 $) )

10𝑒 $+) ∗ 2𝑒 $") = 20(𝑒 $+) ∗ 𝑒 $") ), menggunakan tabel konvolusi maka
(𝑒 $+) − 𝑒 $") )
= 20
−3 − (−2)
= −20(𝑒 $+) − 𝑒 $") )

20
10𝑒 $+) ∗ −𝑒 $) = −10(𝑒 $+) ∗ 𝑒 $) ), menggunakan tabel konvolusi maka
(𝑒 $+) − 𝑒 $) )
= −10
−3 − (−1)
$+)
= 5(𝑒 − 𝑒 $) )

Sehingga
𝑦(𝑡).10 = −20(𝑒 $+) − 𝑒 $") ) + 5(𝑒 $+) − 𝑒 $) )

21
5 Transformasi Laplace
Transformasi Laplace mengubah dari domain waktu (𝑡) ke domain frekuensi (𝑠) dimana nilai 𝑠 =
𝛼 + 𝑗𝜔. JIka sinyal dan sistem dirubah menjadi domain s maka tidak perlu melakukan operasi
konvolusi yang kompleks untuk mendapatkan sinyal output.

Jika pada domain waktu, respon sistem dihitung dengan 𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡)

Maka pada domain frekuensi, respons sistem dihitung dengan 𝑌(𝑠) = 𝑋(𝑠). 𝐻(𝑠)

Persamaan Transofmasi Laplace adalah sebagai berikut,

#
𝑋(𝑠) = # 𝑥(𝑡)𝑒 $2) 𝑑𝑡
$#
Sebab sinyal yang diinputkan umumnya bersifat Kausal 𝑥(𝑡). 𝑢(𝑡), maka batas bawah integral
adalah 0.
#
𝑋(𝑠) = # 𝑥(𝑡)𝑒 $2) 𝑑𝑡
'
Untuk melakukan Transofmasi balik, maka digunakan Inverse Laplace Transform dengan
persamaan,
1 3456
𝑥(𝑡) = # 𝑋(𝑠)𝑒 2) 𝑑𝑡
2𝜋 3$56

Hasil Transformasi Laplace dapat dihitung menggunakan Tabel berikut

22
Seperti diketahui bahwa untuk mendapatkan sinyal output 𝑦(𝑡) dibutuhkan inverse Laplace
Transform dari sinyal 𝑌(𝑠) atau ℒ $( 𝑌(𝑠)
Proses tersebut lebih mudah dilakukan menggunakan Tabel daripada menggunakan Persamaan
7
Inverse laplace Transform. Nilai 𝑌(𝑠) dibuat sedemikian hingga menjadi bentuk 2$8 sebab dalam
Tabel Transformasi Laplace
7
ℒ $( 2$8 = 𝑘𝑒 8) , dimana k adalah skalar

7
Untuk mengubah ke bentuk 2$8, maka dibutuhkan proses yang disebut dengan Partial Fraction
Expansion/ Decomposition.
(
Contoh diketahui 𝑋(𝑠) = 2$9, tentukan respons sistem 𝑦(𝑡) jika diketahui Transfer Function
2
sebuah sistem adalah 𝐻(𝑠) = 24"

𝑌(𝑠) = 𝑋(𝑠). 𝐻(𝑠)

23
 1 𝑠 𝑠
= =
𝑠 − 4 𝑠 + 2 (𝑠 − 4)(𝑠 + 2)

Dengan menggunakan Partial Fraction Expansion, persamaan 𝑌(𝑠) tersebut akan diubah menjadi
𝐴 𝐵
𝑌(𝑠) = +
𝑠−4 𝑠+2
𝑠 𝐴 𝐵
= +
(𝑠 − 4)(𝑠 + 2) 𝑠 − 4 𝑠 + 2
Kalikan kedua sisi dengan penyebut dari 𝑌(𝑠) yakni (𝑠 − 4)(𝑠 + 2), maka menjadi
𝑠 = 𝐴(𝑠 + 2) + 𝐵(𝑠 − 4)

Untuk mendapatkan nilai A, maka 0-kan komponen B, sehingga 𝑠 = 4

4 = 𝐴(4 + 2) + 𝐵(4 − 4)
4 = 6𝐴
𝐴 = 4b6 = 2b3

Untuk mendapatkan nilai B, maka 0-kan komponen A, sehingga 𝑠 = −2

−2 = 𝐴(−2 + 2) + 𝐵(−2 − 4)
−2 = −6𝐵
𝐴 = −2b−6 = 1b3

Setelah diketahui nilai A dan B, maka persamaan 𝑌(𝑠) menjadi

1b 2
𝑌(𝑠) = 3 + b3
𝑠−4 𝑠+2
Dimana dengan Tabel Transformasi Laplace dengan mudah didapatkan nilai inverse nya, yakni
1b 2b
𝑦(𝑡) = ℒ c$( 3 + 3d
𝑠−4 𝑠+2
1b 2b
𝑦(𝑡) = ℒ c$( 3 d+ℒ c 3 d
$(
𝑠−4 𝑠+2
1 2
𝑦(𝑡) = 𝑒 9) + 𝑒 $")
3 3

24
6 Frequency Response
Frequency Response merupakan cara lain untuk menghitung respon atau output sebuah sistem.
Dengan menggunakan metode ini, dapat diketahui persamaan dari sebuah sistem dalam fungsi 𝜔
dimana nilai frekuensi bergantung pada sinyal input yang diberikan. Frequency response juga
dapat dibuat dalam bentuk grafik untuk semua nilai 𝜔 sehingga dapat dilihat karakteristik dari
sebuah sistem.
Frequency Response dihitung dari Transfer Function, 𝐻(𝑠) sistem. Frequency Response terdiri
dari Magnitude Response |𝐻(𝑗𝜔)| dan Phase Response ∠𝐻(𝑗𝜔) dimana 𝑠 = 𝑗𝜔.

∏ 𝑀𝑎𝑔𝑛𝑖𝑡𝑢𝑑𝑒 𝑑𝑎𝑟𝑖 𝑃𝑒𝑚𝑏𝑖𝑙𝑎𝑛𝑔

|𝐻(𝑗𝜔)| =
∏ 𝑀𝑎𝑔𝑛𝑖𝑡𝑢𝑑𝑒 𝑑𝑎𝑟𝑖 𝑃𝑒𝑛𝑦𝑒𝑏𝑢𝑡
∠𝐻(𝑗𝜔) = p 𝑠𝑢𝑑𝑢𝑡 𝑝ℎ𝑎𝑠𝑒 𝑑𝑎𝑟𝑖 𝑃𝑒𝑚𝑏𝑖𝑙𝑎𝑛𝑔 − p 𝑆𝑢𝑑𝑢𝑡 𝑝ℎ𝑎𝑠𝑒 𝑑𝑎𝑟𝑖 𝑝𝑒𝑛𝑦𝑒𝑏𝑢𝑡

Sebuah bilangan komplek 𝑐 = 𝑎 + 𝑗𝑏 maka

Magnitude |𝑐| = √𝑎" + 𝑏 " , dan
:
Sudut phase ∠𝑐 = tan$( ;
Dimana a adalah komponen riil dan b adalah komponen imajiner dari bilangan komplek c.

Contoh grafik Frekuensi Response sebuah sistem adalah sebagai berikut

Jika sistem tersebut diberi sinyal input 𝑥(𝑡) = 𝐴 sin(𝜔𝑡 + 𝜃)

Dimana A adalah amplitude, 𝜔 adalah frekuensi dan 𝜃 adalah beda phasa,
Maka response sistem tersebut menjadi
𝑦(𝑡) = |𝐻(𝑗𝜔)|. 𝐴 sin(𝜔𝑡 + 𝜃 +)∠𝐻(𝑗𝜔)

24'.(
Contoh sebuah Transfer Function 𝐻(𝑠) = 24=

25
Dimana 𝑠 = 𝑗𝜔, maka
𝑗𝜔 + 0.1
𝐻(𝑗𝜔) =
𝑗𝜔 + 5

Magnitude Response-nya:
√0.1" + 𝜔 "
|𝐻(𝑗𝜔)| =
√5" + 𝜔 "

Phase response-nya:
𝜔 𝜔
∠𝐻(𝑗𝜔) = tan$( − tan$(
0.1 5

Jika sistem tersebut diberi sinyal input 𝑥(𝑡) = 3 sin(2𝑡 + 20) dimana 𝜔 = 2
Maka respon sistem adalah
√0.1" + 2" 2 2
𝑦(𝑡) = . 3 sin H2𝑡 + 20 + 9tan$( − tan$( ;L
√5" + 2" 0.1 5
= 3.5 sin(2𝑡 + 21.12)

Catatan: jika sinyal input berupa 𝑥(𝑡) = 𝐴 cos(𝜔𝑡 + 𝜃) maka nilai output

𝑦(𝑡) = |𝐻(𝑗𝜔)|. 𝐴 cos(𝜔𝑡 + 𝜃 +)∠𝐻(𝑗𝜔)

26
7 Transformasi Fourier
Transformasi Fourier merubah sinyal atau sstem dari domain waktu (𝑡) ke domain frekuensi (𝜔)
dengan persamaan:
#
𝑋(𝜔) = ℱ [𝑥(𝑡)] = # 𝑥(𝑡)𝑒 $56) 𝑑𝑡
$#
Dan Transformasi balikannya, Inverse Fourier Transform, menggunakan Persamaan:

1 #
𝑥(𝑡) = ℱ $( [𝑋(𝜔)] = # 𝑋(𝜔)𝑒 56) 𝑑𝜔
2𝜋 $#

Contoh hitung hasil Transformasi Fourier dari sinyal berikut:

%
𝑋(𝜔) = # 𝑒 $;) . 𝑒 $56) 𝑑𝑡
'
%
= # 𝑒 $(;456)) 𝑑𝑡
'
1 𝑇
= 𝑒 $(;456)) }
−(𝑎 + 𝑗𝜔) 0
1
= ~𝑒 $(;456)% − 𝑒 ' •
−(𝑎 + 𝑗𝜔)
1
= ~𝑒 $(;456)% − 1•
−(𝑎 + 𝑗𝜔)
−~1 − 𝑒 $(;456)% •
=
−(𝑎 + 𝑗𝜔)
1 − 𝑒 $(;456)%
𝑋(𝜔) =
𝑎 + 𝑗𝜔

Transformasi Laplace dapat dihitung dengan menggunakan Tabel

27
28
29
Sifat-Sifat dari Transformasi Fourier

30
8 Zero-Pole dan Filter
Zero-Pole dari sebuah sistem dapat dicari menggunakan fungsi Transfer Function dari sistem.

(𝑠 − 𝑍( )(𝑠 − 𝑍" ) … (𝑠 − 𝑍@ )
𝐻(𝑠) = 𝑏'
(𝑠 − 𝜆( )(𝑠 − 𝜆" ) … (𝑠 − 𝜆A )

Dimana 𝑍(, 𝑍" , … , 𝑍@ adalah Zero dan 𝜆(, 𝜆" , … , 𝜆@ adalah Pole
Zero-Pole dapat digambarkan dalam grafik dimana zero disimbolkan dengan lingkaran (o) dan
pole digambarkan dengan tanda silang (x)

Contoh:
Sistem dengan Transfer Function
2 ! $C2 " 4('2
𝐻(𝑠) = 2" 42$D
Zero-pole dihitung dengan mencari akar-akar dari persamaan tersebut
𝑠(𝑠 " − 7𝑠 + 10)
=
𝑠" + 𝑠 − 6
𝑠(𝑠 − 5)(𝑠 − 2)
=
(𝑠 + 3)(𝑠 − 2)
𝑠(𝑠 − 5)
=
(𝑠 + 3)
Sehingga zeros 𝑍( = 0, 𝑍" = 5 dan pole 𝜆( = −3, yang digambarkan dalam grafik berikut
Im

X Re
-3 5
Sumbu-x merupakan komponen real dari zero-pole, sedangkan sumbu-y merupakan komponen
imajiner dari zero-pole.

"2 "
Contoh 𝐻(𝑠) = (24")(2" 49)
Maka zeros 𝑍( = 0 dan pole 𝜆( = −2, 𝜆( = 2𝑗, 𝜆( = −2𝑗 digambarkan dalam grafik sebagai
berikut:
Im

X 2j
X Re
-2
X -2j

31
8.1 Kestabilan sistem

Kestabila sistem dapat dilihat dari nilai zero-pole.

1. Sistem dikatakan stabil jika pole berada di sisi kiri dari sumbu-y imajiner.
2. Sistem dikatakan Marginally Stable jika terdapat pole tepat di sumbu-y imajiner.
3. Sistem dikatakan tidak stabil, jika terdapat pole di sisi kanan sumbu-y imajiner.

Contoh sistem Stabil

Im

X Re

Contoh sistem Marginally Stable

Im

X
X Re
X

contoh sistem Tidak Stabil

Im

X Re

8.2 Filter

Karakteristik filter dapat dilihat berdasarkan Frequency Response yang dihitung menggunakan
zero-pole dari sistem.
∏ 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑒 𝑑𝑎𝑟𝑖 𝑠𝑒𝑚𝑢𝑎 𝑧𝑒𝑟𝑜 𝑘𝑒 𝑡𝑖𝑡𝑖𝑘 𝜔
|𝐻(𝑠)| = 𝑏'
∏ 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑒 𝑑𝑎𝑟𝑖 𝑠𝑒𝑚𝑢𝑎 𝑝𝑜𝑙𝑒 𝑘𝑒 𝑡𝑖𝑡𝑖𝑘 𝜔

32
 ∠𝐻(𝑠) = p 𝑠𝑢𝑑𝑢𝑡 𝑑𝑎𝑟𝑖 𝑠𝑒𝑚𝑢𝑎 𝑧𝑒𝑟𝑜 𝑘𝑒 𝑡𝑖𝑡𝑖𝑘 𝜔 − p 𝑠𝑢𝑑𝑢𝑡 𝑑𝑎𝑟𝑖 𝑠𝑒𝑚𝑢𝑎 𝑝𝑜𝑙𝑒 𝑘𝑒 𝑡𝑖𝑡𝑖𝑘 𝜔

Contoh

𝑟( 𝑟"
|𝐻(𝑠)|2EF = 𝑏'
𝑑( 𝑑"
∠𝐻(𝑠)2EF = (∅( + ∅" ) − (𝜃( + 𝜃" )

8.2.1 Pengaruh Pole pada Magnitude Response

Perhatikan grafik berikut dengan 2 pole

misal
Im 𝑑( = 10, 𝑑"
𝜆" X =𝑑(10
= 15, 𝑑"
𝜔3
= 15
𝑑( = 20, 𝑑" = 1
Re

𝜆( X

Maka pada titik 𝜔 =

( (
|𝐻(𝑠)| = = (''
('.('
( (
|𝐻(𝑠)| = = C=
(=.=
( (
|𝐻(𝑠)| = = "'
"'.(

Sehingga grafik |𝐻(𝑠)| menjadi

|𝐻(𝑠)|

33

𝜔
𝜔3
Sehingga dapat disimpulkan bahwa mendekati pole, nilai Magnitude Response meningkat (pole
increase Magnitude Response)

8.2.2 Pengaruh Zero pada Magnitude Response

Perhatikan grafik berikut dengan 2 zero

misal
Im 𝑟( = 10, 𝑟" = 10
𝑍" o 𝜔3 𝑟( = 15, 𝑟" = 15
𝑟( = 20, 𝑟" = 1
Re

𝑍( o

Maka pada titik 𝜔 =

|𝐻(𝑠)| = 10.10 = 100
|𝐻(𝑠)| = 15.5 = 75
|𝐻(𝑠)| = 20.1 = 20

Sehingga grafik |𝐻(𝑠)| menjadi

|𝐻(𝑠)|

Sehingga dapat disimpulkan bahwa mendekati zero,𝜔nilai Magnitude Response menurun (zero
supress Magnitude Response) 𝜔3

34
8.2.3 Low Pass Filter

Low pass filter sederhana terdiri dari 1 pole sebesar −𝜔3 dan konstanta 𝑏' = 𝜔3
𝜔3
𝐻(𝑠) =
(𝑠 − 𝜔3 )
6#
Sehingga |𝐻(𝑠)| = G
misal 𝜔3 = 10
Im 𝑑 = 10
𝑑 = 10.1
𝜔3 𝑑 = 14.1
𝜆
X Re
𝜔3

Maka pada titik 𝜔 =

('
|𝐻(𝑠)| = = 1
('
('
|𝐻(𝑠)| = = 0.9
('.(
('
|𝐻(𝑠)| = = 0.7
(9.(

Sehingga grafik |𝐻(𝑠)| menjadi

|𝐻(𝑠)|
1

𝜔
𝜔3
35
Untuk membuat ideal low-pass filter, maka dibutuhkan banyak pole yang mendekati setiap 𝜔
sebelum 𝜔3 seperti gambar di bawah

8.2.4 High-Pass Filter

High pass filter sederhana terdiri dari 1 pole sebesar −𝜔3 dan konstanta 1 zero pada posisi 0 𝑍 =
0
𝑠
𝐻(𝑠) =
(𝑠 − 𝜆( )
H
Sehingga |𝐻(𝑠)| = G

misal 𝜔3 = 10
𝑑 = 10
Im
𝑑 = 10.1
𝜔3 𝑑 = 14.1
𝜆
X o Re
𝜔3 𝑧

Maka pada titik 𝜔 =

'
|𝐻(𝑠)| = = 0
('
(
|𝐻(𝑠)| = = 0.09
('.(
('
|𝐻(𝑠)| = = 0.7
(9.(

Sehingga grafik |𝐻(𝑠)| menjadi

|𝐻(𝑠)|
1

36

𝜔
𝜔3
37