KONVOLUSI, KORELASI,

OTOKORELASI
Pertemuan 4 & 5
Sistem pemrosesan sinyal
Materi
• Konvolusi antara dua fungsi, baik secara grafik
maupun analisis.
• Korelasi antara dua fungsi

• Otokorelasi
Pendahuluan
• Tiga operasi matematika yang menjadi jantung dari
pengolahan data adalah transformasi fourier, konvolusi dan
korelasi

• KONVOLUSI adalah : Operasi penggantian elemen input

dengan fungsi output yang berskala , yang di dalam bahasa
matematik FIKTER.

• KORELASI : metode Mengukur kesamaan antara dua

kelompok data
KONVOLUSI
Konvolusi
Rumusan konvolusi
Defenisi
 Proses Konvolusi
• Formula Konvolusi:

= dummy variable of integration

• Mekanisme konvolusi dalam bentuk integral ini tidak mudah untuk

digambarkan (Gonzales and Woods, 1992)

8
 Konvolusi dan Transformasi Fourier

• Konvolusi merupakan proses penting pada analisis domain

frekwensi karena f(x)*g(x) dan F(u)G(u) membentuk suatu
pasangan transformasi Fourier (Fourier transform pair)
• Teori konvolusi:
f(x)*g(x) !" F(u)G(u)
f(x)g(x) !" F(u)*G(u)

9
Konvolusi
 Perjumlahan Konvolusi Dari
∞
y ( n) = x ( n) * h( n) = ∑ x(k )h(n − k ), atau
k = −∞
∞
y ( n) = h( n) * x ( n) = ∑ h( k ) x ( n − k )
k = −∞

Untuk mengkonvolusi
suatu sinyal ... Langkah-langkah KONVOLUSI :
1. Flipping/Folding
Dengan sinyal lain
2. Shifting
3. Multiplication
1. Kita “flip” sinyal kedua 4. Summation

2. Kemudian di”geser”

3. Kalikan dengan sinyal

pertama

4. Jumlahkan daerah di
bawah kurva
Contoh konvolusi
Penyelesaian
Konvolusi metode replacement
Konvolusi dengan metode pelipatan
Panjang Konvolusi: P = M + L - 1, dimana M = ukuran/panjang sinyal input x(n)

L = panjang sinyal h(n)

Pembacaan nilai y(n) dapat dilakukan secara menyerong/silang misal M=4, L=5, maka P=8

y(0) = h0.x0

y(1) = h1,x0 + h0.x1

y(2) = h2,x0 + h1.x1 + h0.x2

y(3) = h3,x0 + h2.x1 + h1.x2 + h0.x3

y(4) = h3,x1 + h2.x2 + h1.x3 + h0.x4

y(5) = h3,x2 + h2.x3 + h1.x4

y(6) = h3,x3 + h2.x4

y(7) = h3,x4
Contoh:

1. Diketahui sinyal diskrit : x(n) = { 0 1 1 1 0 }

h(n) = { 1 2 3 2 1 }

maka sinyal konvolusi : y(n) = x(n) * h(n) dapat digambarkan sbb:

x 0 1 1 1 0
h
1 0 1 1 1 0
2 0 2 2 2 0
3 0 3 3 3 0
2 0 2 2 2 0
1 0 1 1 1 0

jadi : y(n) = ( 0 ; 0+1 ; 0+2+1 ; 0+3+2+1 ; 0+2+3+2+0 ; 1+2+3+0 ; 1+2+0 ; 1+0 ; 0 )

= {0 1 3 6 7 6 3 1 0}
Contoh:

2. Diketahui sinyal diskrit : x(n) = {1 2 3 4 }

h(n) = { 1 1 1 1 }

maka sinyal konvolusi : y(n) = x(n) * h(n) dapat digambarkan sbb:

x 1 2 3 4
h
1 1 2 3 4
1 1 2 3 4
1 1 2 3 4
1 1 2 3 4

jadi : y(n) = ( 1 ; 1+2 ; 1+2+3 ; 1+2+3+4 ; 2+3+4 ; 3+4 ; 4 )

= { 1 3 6 10 9 7 4 }
Soal:

Tentukan x(n) * h(n) dan h(n) * x(n) bila

1. x(n)={ 1 0 2 3 -2 4 -1 }

h(n)={ 2 1 1 2 2 }

2. x(n)={ 2 -1 0 2 3 -2 4 }

h(n)={ 2 -1 1 -2 2 }

3. x(n)={ -1 0 2 3 -2 }

h(n)={ 2 -1 1 -2 2 -1 0 }
 Contoh Konvolusi

Signal Smoothing

Sinyal penuh noise

Dikonvolusi dengan
sinyal “penghalus”

Menghasilkan sinyal
yang lebih “halus”

Dengan sifat ini, konvolusi bisa digunakan untuk Digital Filtering

 ❑ SIFAT-SIFAT KONVOLUSI
▪ Komutatif x (n ) ∗ h (n ) = h (n ) ∗ x (n )

x(n) y(n) h(n) y(n)

h(n) x(n)

▪ Asosiatif [ x (n ) ∗ h1 (n )] ∗ h 2 (n ) = x (n ) ∗ [h1 (n ) ∗ h 2 (n )]

x(n) y(n)
h1(n) h2(n)

x(n) y(n)
h(n) = h1(n)*h2(n)
 ❑ SIFAT-SIFAT KONVOLUSI
▪ Asosiatif dan x (n ) ∗ h (n ) = h (n ) ∗ x (n )
komutatif
x(n) y(n)
h1(n) h2(n)

x(n) y(n)
h2(n) h1(n)

▪ Distributi
f
x (n ) ∗ [h1 (n ) + h 2 (n )] = x (n ) ∗ h1 (n ) + x (n ) ∗ h 2 (n )
h1(n)
x(n) y(n) x(n) y(n)
+ h(n) = h1(n)+h2(n)
h2(n)
KORELASI
FUNGSI KORELASI DAN APLIKASINYA
▪ Korelasi diri (autocorrelation) dan korelasi silang (crosscorrelation)
▪ Sifat-sifat fungsi korelasi
▪ Korelasi dari sinyal periodik
▪ Hubungan input-output korelasi
▪ Aplikasi fungsi korelasi
▪ Fungsi koherensi
▪ Korelasi diri dan korelasi silang
• Operasi matematik pada korelasi mirip dengan pada konvolusi
• Konvolusi dapat digunakan untuk menentukan output suatu
sistem dengan input sinyal x(n), bila respon impuls dari sistem
h(n) diketahui
∞ ∞
y( n ) = x ( n ) * h ( n ) = ∑ x (k )h (n − k ) = ∑ h (k ) x (n − k )
k = −∞ k = −∞

• Fungsi korelasi digunakan untuk menentukan kemiripan antara

dua buah sinyal
• Fungsi korelasi silang :
∞ ∞
rxy (!
)= ∑ x (n ) y(n − !) = ∑ x (n + !) y(n )
n = −∞ n = −∞
∞ ∞
ryx (!
)= ∑ y(n )x (n − !) = ∑ y(n + !)x (n )
n = −∞ n = −∞

rxy (!
) = ryx (−!
) rxy (!
) = x (!
) ∗ y( −!
)
 KORELASI
Pengukuran kemiripan/kesamaan antara dua sinyal sebagai fungsi pergeseran
waktu.

3. Bila terjadi pergeseran...

1. Dua fungsi yang mirip
dan tidak digeser

2. Produk keduanya 5. Fungsi korelasinya menunjukkan

bernilai positif 4. Produk keduanya dimana kemiripan antara dua
sinyal tersebut.
seba-gian menjadi
negatif
 AUTO KORELASI
∞ ∞
rxx (l ) = ∑ x ( n) x ( n − l ) = ∑ x ( n + l ) x ( n)
n = −∞ n = −∞
1. Autokorelasi dari noise yang
random adalah sebuah “spike”
3. Sehingga autokorelasi suatu
sinyal sinus yang ber-noise ...

2. Autokorelasi dari sinyal sinus

adalah fungsi periodik

menghasilkan
“spike” ...
dan fungsi sinus
periodik.
 KORELASI SILANG
∞ ∞
rxy (l ) = ∑ x ( n) y ( n − l ) = ∑ x ( n + l ) y ( n)
n = −∞ n = −∞

Burung nightingale
Suara yang sudah
diketahui
Korelasi Silang
Suara terdeteksi
nightingale lain Burung Merpati

Korelasi kuat Korelasi lemah

Penggunaan lain pada radar atau sonar untuk mendeteksi jenis pesawat atau
kapal selam.
 • Bila y(n)=x(n) " korelasi diri :
∞ ∞
rxx (!
)= ∑ x (n )x (n − !) = ∑ x (n + !)x (n )
n = −∞ n = −∞

Contoh
Tentukan korelasi silang dari kedua sinyal berikut :
x (n ) = {!,0,0,2,−1,3,7,1,2 − 3,0,0, !}

y(n ) = {!,0,0,1,−1,2,−2,4,1,−2,5,0,0, !}

Jawab :
Perhitungan korelasi lebih sederhana dari konvolusi, yaitu tidak perlu
dilipat, salah satu sinyal langsung digeser, dikalikan dan dijumlahkan
 0 0 2 -1 3 7 1 2 -3 0 0 0 0 0 0 0 0 0
0 0 0 1 -1 2 -2 4 1 -2 5 0 0 7
1 0 0 1 -1 2 -2 4 1 -2 5 0 0 13
2 0 0 1 -1 2 -2 4 1 -2 5 0 0 -18
3 0 0 1 -1 2 -2 4 1 -2 5 0 0 16
4 0 0 1 -1 2 -2 4 1 -2 5 0 0 -7
5 0 0 1 -1 2 -2 4 1 -2 5 0 0 5
6 0 0 1 -1 2 -2 4 1 -2 5 0 0 -3
7 0 0 1 -1 2 -2 4 1 -2 5 0 0 0

0 0 2 -1 3 7 1 2 -3 0 0
-1 0 0 1 -1 2 -2 4 1 -2 5 0 0
-2 0 0 1 -1 2 -2 4 1 -2 5 0 33
-3 0 0 1 -1 2 -2 4 1 -2 5 0 -14
-4 0 0 1 -1 2 -2 4 1 -2 5 0 36
-5 0 0 1 -1 2 -2 4 1 -2 5 0 19
-6 0 0 1 -1 2 -2 4 1 -2 5 0 -9
-7 0 0 1 -1 2 -2 4 1 -2 5 0 10
-8 0 0 1 -1 2 -2 4 1 -2 5 0 0
▪ Sifat-sifat korelasi diri dan korelasi silang
• Misalkan x(n) dan y(n) adalah dua buah sinyal energi
(energinya terbatas)
∞ ∞
2 2
Ex = ∑ (n ) = rxx (0)
x Ey = ∑ (n ) = ryy (0)
y
n = −∞ n = −∞

• Tinjau kombinasi linier dari keduanya :

f (n ) = ax (n ) + by(n − !
)
• a, b konstanta sembarang dan !adalah pergeseran waktu
tertentu
▪ Aplikasi fungsi korelasi
• Fungsi korelasi banyak diaplikasikan pada radar, sonar, geologi
dan komunikasi digital
• Pada radar, sonar dan geologi digunakan untuk menentukan
posisi obyek yang terdeteksi
• Misalkan x(n) adalah sinyal berupa gelombang yang
ditransmisikan yang dapat dipandang sebagai sinyal acuan dan
y (n) adalah sinyal yang diterima yang merupakan pantulan
(echo) dari suatu target
• Sinyal pantulan ini terdiri dari sinyal transmisi yang teratenuasi
setelah melewati jarak tertentu (pergeseran waktu) dan sinyal
gangguan (derau) :

y(n ) = ax (n − D) + w (n )
Hubungan korelasi dan konvulusi
Auto korelasi
Latihan: