Modul TT Reg 2023

MODUL PRAKTIKUM
PENGOLAHAN SINYAL
DIGITAL
ADC, DAC, SINYAL DAN SISTEM

TRANSFORMASI Z DAN TRANSFORMASI FOURIER
IMPLEMENTASI FILTER IIR DAN FIR
LABORATORIUM PENGOLAHAN SINYAL DIGITAL

FAKULTAS TEKNIK ELEKTRO
UNIVERSITAS TELKOM
2023
Laboratorium Pengolahan Sinyal Digital
=============sfsadasd
Digital
===================================================================================
Daftar Penyusun
• Dr. Inung Wijayanto, S.T., M.T.
• Asisten Praktikum Pengolahan Sinyal Digital 2023/2024
Diperbaiki Oleh
• Dr. Inung Wijayanto, S.T., M.T.
• Asisten Praktikum Pengolahan Sinyal Digital 2023/2024
i
=============sfsadasd
Digital
===================================================================================
LEMBAR REVISI
Yang bertanda tangan dibawah ini :
Nama : Dr. Inung Wijayanto, S.T., M.T.
NIP : 12860076
Jabatan : Dosen Pembina Laboratorium Pengolahan Sinyal Digital
Dengan ini menyatakan pelaksanaan Revisi Modul Pengolahan Sinyal Digital untuk
Prodi S1 Teknik Telekomunikasi, telah dilaksanakan dengan penjelasan sebagai berikut:
No Keterangan Revisi Tanggal Revisi

Terakhir
1 Perbaikan formating equation, penambahan

20 September 2023
sub bab
ii
=============sfsadasd
Digital
===================================================================================
LEMBAR PERNYATAAN
Yang bertanda tangan dibawah ini :
Nama : D. Inung Wijayanto, S.T., M.T.
NIP : 12860076
Jabatan : Dosen Pembina Laboratorium Pengolahan Sinyal Digital
Menerangkan dengan sesungguhnya bahwa modul praktikum ini telah direview dan akan digunakan
untuk pelaksanaan praktikum di Semester ganjil Tahun Akademik 2023/2024 di Laboratorium
Pengolahan Sinyal Digital Fakultas Teknik Elektro Universitas Telkom
21 September 2023
Bandung, ......
Mengetahui, Dosen Pembina Laboratorium

Ketua Kelompok Keahlian Pengolahan Sinyal Digital
Dr. Inung Wijayanto,S.T.,M.T. Dr. Inung Wijayanto, S.T, M.T.

NIP :12860076 NIP : 12860076
iii
=============sfsadasd
Digital
===================================================================================
VISI DAN MISI

FAKULTAS TEKNIK ELEKTRO
VISI:
Menjadi fakultas unggul berkelas dunia yang berperan aktif pada pengembangan ilmu
pengetahuan dan teknologi elektro serta fisika, berbasis teknologi informasi dan komunikasi.
MISI:
1. Menyelenggarakan pendidikan tinggi dan pendidikan berkelanjutan berstandar
internasional.
2. Mengembangkan, menyebarluaskan, dan memanfaatkan ilmu pengetahuan dan
teknologi bidang teknik telekomunikasi, teknik komputer, fisika teknik, dan

elektroteknik, serta bekerja sama dengan industri/institusi, guna meningkatkan
kesejahteraan dan kemajuan masyarakat.
3. Mengembangkan dan membina jejaring dengan perguruan tinggi dan industri
terkemuka dalam dan luar negeri dalam rangka kerja sama pendidikan dan penelitian.
4. Mengembangkan sumber daya untuk mencapai keunggulan dalam pembelajaran,
penelitian dan pengabdian kepada masyarakat.
iv
=============sfsadasd
Digital
===================================================================================
VISI DAN MISI

PROGRAM STUDI S1 TEKNIK TELEKOMUNIKASI
VISI:
Menjadi Program Studi S1 Teknik Telekomunikasi berstandar internasional yang berperan

aktif dalam pengembangan pendidikan, riset dan entrepreneurship dibidang rekayasa
telekomunikasi digital.
MISI:
1. Menyelenggarakan pendidikan unggulan dan berstandar internasional yang

menyertakan dan mengakomodasi program entrepreneurship.
2. Mengembangkan dan menyebarluaskan ilmu pengetahuan dan teknologi
telekomunikasi khususnya wireless communication yang diakui secara internasional.
3. Menyelenggarakan program entrepreneurship di kalangan sivitas akademika yang
berbasis teknologi di bidang telekomunikasi.
4. Memanfaatkan ilmu pengetahuan dan teknologi telekomunikasi untuk peradaban
bangsa dan masyarakat internasional.
v
=============sfsadasd
Digital
===================================================================================
STRUKTUR ORGANISASI LABORATORIUM PENGOLAHAN SINYAL DIGITAL
TAHUN AJARAN 2023/2024
KETUA KELOMPOK KEAHLIAN PSI:
Dr. INUNG WIJAYANTO, S.T., M.T
DOSEN MATA KULIAH PRAKTIKUM:
Dr. INUNG WIJAYANTO, S.T., M.T
KOORDINATOR ASISTEN PRAKTIKUM:
ADITIYA NICOLA PUTRA 1102204630
WAKIL KOORDINATOR ASISTEN PRAKTIKUM:
MUH ASLAM MAHDI 1101204172
SEKRETARIS:
SYAHNA HAFIZA 110201507
BENDAHARA:
RAHMA DANIA ALEEM LESTARI 1102204367
DIVISI PRACTICUM:
NAUFAL RIZ KIFLI 1101200120
DHIYA FATHIYYA 1101201490
MIRZA ALIFIA HANUM 1101204296
MUHAMMAD WILDAN RAIHAN 1101204146
vi
=============sfsadasd
Digital
===================================================================================
DIVISI HUMAN RESOURCE:
LUTHFIA AZZAHRA KUSUMAWARDHANI 1101204102
NITA HANIFAH 1102204534
DIVISI MEDIA CREATIVE:
RAFDI MAGIANA IBADURRAHMAN 1102202563
ADRIAN WIBISONO 1101201491
DIVISI TOOLS AND EQUIPMENT:
RICKY MARCELINO RAFIELDO 1101204237
MUHAMMAD ADAM MAJID 1101201531
vii
Laboratorium Pengolahan Sinyal
Digital
===================================================================================
SATUAN ACARA PRAKTIKUM PENGOLAHAN SINYAL DIGITAL
Pertemuan Pokok Sub-Pokok Bahasan Objektif Pembelajaran Metode Evaluasi
ke- Bahasan Penyampaian
1 ADC, DAC, Perkenalan, Deklarasi -Praktikan mampu memahami dan Ceramah, diskusi, TP, TA,
Sinyal dan Sinyal dan Plotting mengerti tentang sinyal dan sistem. praktik Jurnal
Sistem Sinyal, Operasi Sinyal, -Praktikan mampu memahami dan
Sistem, Operasi dan mengerti proses ADC dan DAC.
Akuisisi Sinyal Audio -Praktikan mengetahui tentang program
MATLAB dasar.
2 Transformasi Pole Zero dan -Memahami dan mengerti tentang Ceramah, diskusi, TP, TA,
Z dan Kestabilan, Respon Transformasi Z. praktik Jurnal
Transformasi Frekuensi, -Memahami dan mengerti tentang
Fourier Transformasi Fourier Transformasi Fourier (DFT dan FFT).
-Mensimulasikan program sederhana
menggunakan MATLAB mengenai
Transformasi Z dan Transformasi Fourier
(DFT)
3 Implementasi Filter IIR, Filter FIR, -Memahami perbedaan antara filter IIR Ceramah, diskusi, TP, TA,
Filter IIR dan Perancangan Equalizer dan FIR. praktik Jurnal
FIR 3 Band menggunakan -Merancang filter IIR dan FIR melalui
filter Butterworth Perhitungan.
-Mengimplementasikan filter IIR dan FIR
dalam bentuk equalizer 3 band secara
sederhana dengan menggunakan
MATLAB.
viii
=============sfsadasd
Digital
===============================================================================
ATURAN LABORATORIUM FAKULTAS TEKNIK ELEKTRO
TELKOM UNIVERSITY
Setiap mahasiswa Fakultas Teknik Elektro yang akan menggunakan fasilitas laboratorium,
WAJIB mematuhi Aturan sebagai berikut :
1. Menggunakan seragam resmi Telkom University, dan membawa Kartu Tanda

Mahasiswa (KTM) yang masih berlaku.
2. Tidak berambut gondrong untuk mahasiswa.
3. Dilarang merokok dan makan minum di dalam ruangan, dan membuang sampah
pada tempatnya.
4. Dilarang menyimpan barang-barang milik pribadi di Laboratorium tanpa seizin
Fakultas.
5. Dilarang menginap di Laboratorium tanpa seizin Fakultas.
6. Jam Kerja Laboratorium dan Ruang Riset adalah 06.30 WIB sampai 22.00 WIB.
7. Mahasiswa yang akan menggunakan Laboratorium dan atau ruang riset di luar
jamkerja, harus mengajukan ijin kepada Fakultas.
Bandung,..... September 2023

Dekan Fakultas Teknik Elektro
Dr. Bambang Setia Nugroho, ST. , M.T.

NIP : 99760035
ix
=============sfsadasd
Digital
===============================================================================
DAFTAR ISI
DAFTAR PENYUSUN ............................................................................................................ i
LEMBAR REVISI .................................................................................................................. ii
LEMBAR PERNYATAAN ..................................................................................................... iii
VISI DAN MISI FAKULTAS TEKNIK ELEKTRO....................................................................... iv
VISI DAN MISI PROGRAM STUDI S1 TEKNIK TELEKOMUNIKASI ......................................... v
STRUKTUR ORGANISASI LABORATORIUM PENGOLAHAN SINYAL DIGITAL 2023/2024 ..... vi
SATUAN ACARA PRAKTIKUM PENGOLAHAN SINYAL DIGITAL 2023/2024 ....................... viii
ATURAN LABORATORIUM FAKULTAS TEKNIK ELEKTRO .................................................... ix
DAFTAR ISI......................................................................................................................... x
MODUL 0 : Running Modul ................................................................................................ 1
MODUL I : ADC, DAC, Sinyal dan Sistem ............................................................................ 4
MODUL II : Transformasi Z dan Transformasi Fourier ...................................................... 32
MODUL III : Implementasi Filter IIR dan FIR ..................................................................... 53
x
=============sfsadasd
Digital
===============================================================================
MODUL 0 : RUNNING MODUL
TATA TERTIB PRAKTIKUM PENGOLAHAN SINYAL DIGITAL
1. Tata Tertib Umum

a. Seluruh praktikan wajib mematuhi tata tertib praktikum Laboratorium Pengolahan
Sinyal Digital.
b. Kelengkapan praktikum Pengolahan Sinyal Digital meliputi: map praktikum dan
kartu praktikum (sudah diberi foto dan distempel) yang telah ditempel di dalam map
praktikum. Jika tidak membawa map praktikum pada saat praktikum, diberi waktu
sampai pengerjaan TA berakhir untuk melengkapinya (apabila praktikum onsite).
c. Komponen penilaian praktikum meliputi :
- Tugas Pendahuluan
- Tes Awal
- Pelaksanaan Praktikum
- Jurnal Praktikum
d. Segala bentuk intimidasi terhadap asisten akan diteruskan ke Fakultas Teknik
Elektro.
2. Praktikum
a. Praktikum dimulai pada waktu yang telah ditentukan.
b. Praktikan diharapkan tiba di tempat praktikum 15 menit sebelum praktikum dimulai.
c. Keterlambatan di atas 20 menit tanpa alasan yang jelas, maka praktikan tidak
diperkenankan mengikuti praktikum.
d. Praktikan dapat melaksanakan praktikum setelah mendapat instruksi dari asisten.
e. Selama praktikum berlangsung praktikan dilarang:
- Mengubah konfigurasi software dan hardware.
- Menggunakan software yang tidak berhubungan dengan pelaksanaan praktikum.
- Meninggalkan ruangan tanpa seizin asisten.
- Tidur, merokok, makan, atau melakukan hal-hal yang tidak berhubungan dengan
pelaksanaan praktikum.
- Minum, SMS maupun telepon tanpa seizin asisten.
f. Praktikum susulan sesuai prosedur laboran.
3. Tugas Pendahuluan
a. Tugas Pendahuluan tidak bersifat wajib.
b. Bagi praktikan yang tidak mengumpulkan Tugas Pendahuluan maka nilai Tugas
Pendahuluan=0.
1
=============sfsadasd
Digital
===============================================================================
c. Tugas Pendahuluan di keluarkan beberapa hari sebelum praktikum modul yang
bersangkutan dimulai.
d. Tugas Pendahuluan dikerjakan di kertas folio bergaris, ditulis tangan dengan rapi.
e. Pengerjaan soal sesuai dengan ketentuan, jika pengerjaan tidak sesuai dengan
ketentuan, maka nilai TP diskon 50% dari nilai total TP.
f. Jika terdapat masteran atau sumber contekan, maka sumber tersebut TP&TA=0 dan
praktikan yang meng-copy TP&TA=0.
g. Pengumpulan Tugas Pendahuluan dikumpulkan serentak hari Senin pukul 0 6 . 3 0 -
1 1 . 0 0 WIB di TULT 11.04.
h. Bagi praktikan yang terlambat mengumpulkan Tugas Pendahuluan dari waktu yang
ditentukan maka nilai Tugas Pendahuluan akan mendapat discount tiap menitnya.
Dengan ketentuan sebagai berikut :
- 10.01-10.20 nilai TP diskon 50%
- >20 menit (TP=0)
4. Tes Awal
a. Tes Awal diberikan di awal praktikum.
b. Apabila nilai Tes Awal kurang, maka asisten berhak memberikan tugas tambahan.
c. Asisten berhak menentukan sifat Tes Awal (lisan atau tulisan) tanpa memberikan
pemberitahuan terlebih dahulu.
d. Apabila praktikan datang pada saat Tes Awal berlangsung maka praktikan
diperbolehkan mengikuti Tes Awal tanpa tambahan waktu.
e. Jika terdapat kecurangan pada pengerjaan Tes Awal, maka nilai TA=0
5. Jurnal Praktikum
a. Jurnal Praktikum wajib dikerjakan.
b. Jurnal dikumpulkan saat praktikum selesai.
6. Kerapihan
a. Pakaian selama praktikum adalah mengikuti aturan seragam resmi Universitas
Telkom.
b. Tidak diperbolehkan memakai bawahan selain celana bahan biru dongker atau hitam
sesuai dengan aturan kampus Universitas Telkom.
c. rambut harus rapi, tidak boleh menyentuh kerah dan tidak menyentuh telinga.
d. Jika melanggar peraturan kerapihan, asisten berhak menegur dan atau
mengeluarkan praktikan.
e. Tidak diperbolehkan memakai aksesoris, kecuali jam tangan.
2
=============sfsadasd
Digital
========================================================================
7. Pertukaran Jadwal
a. Pertukaran jadwal paling lambat 1 hari sebelum praktikum, dengan mengisi form tukar
jadwal yang telah disetujui oleh asisten, dan telah dicap dengan stempel laboratorium PSD.
b. Tukar jadwal diperbolehkan dengan jurusan berbeda dan harus pada modul yang sama.
c. Tidak diperkenankan menyusup pada jadwal praktikum yang bukan merupakan jadwalnya.
8. Kelulusan Praktikum
Praktikan dinyatakan lulus praktikum PSD tahun akademik 2023/2024 apabilamemenuhi

syarat sebagai berikut :
a. Memenuhi semua kelengkapan praktikum (mengikuti semua modul praktikum).

b. Nilai total lebih besar dari standar kelulusan yang ditetapkan oleh Fakultas TeknikElektro.
c. Bagi praktikan yang tidak memenuhi syarat diatas, dinyatakan tidak lulus praktikumPSD.
9. Lain-lain
a. Selama berlangsungnya praktikum, asisten berhak untuk mengeluarkan praktikanyang
dianggap belum siap mengikuti praktikum.
b. Segala bentuk pelanggaran terhadap point-point di atas maupun bentuk kealpaanlain
yang dilakukan praktikan akan dikenakan sanksi.
c. Praktikan wajib mengaktifkan kamera selama berjalannya praktikum.
d. Hal-hal yang belum ditetapkan dalam tata tertib ini akan ditetapkan kemudian oleh
asisten.
21 September 2023
Bandung,......
Dosen Pembina Laboratorium Pengolahan
Sinyal Digital
Dr. Inung Wijayanto, S.T, M.T.

NIP : 12860076
3
=============sfsadasd
Digital
========================================================================
MODUL I
ADC, DAC, SINYAL DAN SISTEM
A. TUJUAN PRAKTIKUM
1. Praktikan mampu memahami dan mengerti tentang sinyal dan sistem
2. Praktikan mampu memahami dan mengerti proses ADC dan DAC
3. Praktikan mengetahui tentang program MATLAB dasar
B. DASAR TEORI
1. Sinyal dan Sistem
1.1 Sinyal
Sinyal adalah besaran yang membawa suatu informasi yang berubah dalam
waktu dan atau ruang. Berbagai contoh sinyal dalam kehidupan sehari-hari adalah arus
atau tegangan dalam rangkaian elektrik, suara, dan suhu. Representasi sinyal
berdasarkan dimensinya dibagi menjadi: sinyal satu dimensi dan sinyal multi dimensi (2D
dan 3D). Sinyal satu dimensi adalah sinyal yang terdiri dari satu variabel independen,
contohnya sinyal audio s(t). Sedangkan sinyal multidimensi adalah sinyal dengan lebih
dari satu variabel independen, contohnya citra (2D f(x,y)) dan video (3D).
1.1.1 Macam-Macam Sinyal

a. Sinyal waktu kontinyu dan sinyal waktu diskrit
Sinyal waktu kontinyu yaitu sinyal yang terdefinisi untuk setiap nilai pada sumbu
waktu t, di mana t adalah bilangan riil dan nilai amplitudonya juga riil. Sedangkan
sinyal waktu diskrit adalah sinyal yang terdefinisi hanya pada nilai waktu diskrit n, di
mana n adalah bilangan bulat dan memiliki amplitudo yang bernilai riil.
Gambar 1.1 Sinyal waktu Gambar 1.2 Sinyal waktu

kontinyu diskrit
4
=============sfsadasd
Digital
========================================================================
b. Sinyal analog dan sinyal digital

Sinyal analog adalah sinyal data dalam bentuk gelombang yang kontinyu, yang
membawa informasi dengan mengubah karakteristik gelombang. Sinyal digital
merupakan sinyal data dalam bentuk pulsa yang dapat mengalami perubahan yang
tiba-tiba dan mempunyai besaran 0 dan 1. Sinyal digital hanya memiliki dua keadaan,
yaitu 0 dan 1, sehingga tidak mudah terpengaruh oleh derau/noise. Kedua sinyal di
atas merambat dalam waktu kontinyu mulai dari 0 sampai tak hingga.
x(t)
t
Gambar 1.3 Sinyal analog Gambar 1.4 Sinyal Digitaldigital
c. Sinyal riil dan sinyal kompleks

Sinyal riil merupakan sinyal yang bersifat riil untuk semua variabel. Sedangkan sinyal
kompleks merupakan sinyal yang mempunyai nilai yang kompleks, yaitu terdapat
faktor nilai imajiner.
Contoh :
Sinyal riil : 𝑥𝑅 (𝑛) = 2−𝑛 𝑐𝑜𝑠𝑛 Sinyal kompleks : 𝑥(𝑛) = 2𝑛 𝑒 − 𝑗𝑛
xR(n) |x(n)
|
n n
Gambar 1.5 Sinyal riil Gambar 1.6 Sinyal kompleks
d. Sinyal deterministik dan sinyal random

Sinyal deterministik adalah sinyal yang keseluruhan nilainya dapat ditentukan
dengan suatu persamaan matematis, contohnya sinyal sinusoidal. Sedangkan sinyal
random mempunyai nilai random atau tidak diketahui dengan pasti untuk waktu
yang diberikan, contohnya noise tegangan pada penguat.
5
=============sfsadasd
Digital
========================================================================
x(t)
t
Gambar 1.7 Sinyal deterministik Gambar 1.8 Sinyal random
e. Sinyal ganjil dan sinyal genap
Sinyal x(t) atau sinyal x(n) dikatakan sebagai sinyal genap jika :
𝑥(−𝑡) = 𝑥(𝑡) (1.1)
𝑥(−𝑛) = 𝑥(𝑛) (1.2)
Sinyal x(t) atau sinyal x(n) dikatakan sebagai sinyal ganjil jika :
− 𝑥(−𝑡) = 𝑥(𝑡) (1.3)
−𝑥 (−𝑛) = 𝑥(𝑛) (1.4)
t t
Gambar 1.9 Sinyal waktu Gambar 1.10 Sinyal waktu
kontinyu genap kontinyu ganjil
x(n) x(n)
n n
Gambar 1.11 Sinyal waktu Gambar 1.12 Sinyal

diskrit genap waktu
diskrit ganjil
Apabila suatu sinyal tidak termasuk sinyal ganjil maupun sinyal genap, maka sinyal tersebut
pasti memiliki komponen genap dan komponen ganjil.
𝑥(𝑛)+𝑥(−𝑛) (1.5)
Komponen genap suatu sinyal: 𝑥𝑒 (𝑛) =
2
(1.6)
𝑥(𝑛)−𝑥(−𝑛)
Komponen ganjil suatu sinyal: 𝑥𝑒 (𝑛) =
2
6
=============sfsadasd
Digital
========================================================================
f. Sinyal periodik dan sinyal non-periodik

Sinyal periodik, yaitu sinyal yang mengalami pengulangan bentuk yang sama pada
selang waktu tertentu.
Secara matematis, sinyal waktu kontinyu dinyatakan periodik jika dan hanya jika :
𝑥 (𝑡 + 𝑘𝑇 ) = 𝑥 (𝑡) untuk −  < 𝑡 < , (1.7)
dimana k adalah bilangan bulat dan T adalah perioda sinyal.
Sinyal waktu diskrit dinyatakan periodik jika dan hanya jika :
𝑥 (𝑛 + 𝑘𝑁 ) = 𝑥 (𝑛) untuk −  < 𝑛 < , (1.8)
dimana k adalah bilangan bulat dan N adalah perioda sinyal.
x(t) x(n)
0 T t t
n
Gambar 1.13 Sinyal periodik Gambar 1.14 Sinyal periodik
waktu kontinyu waktu diskrit
Gambar 1.15 Sinyal non periodik Gambar 1.16 Sinyal non periodik
waktu kontinyu waktu diskrit
1.1.2 Sinyal-Sinyal Dasar

a. Unit Impuls (𝛿)
• Unit Impuls Kontinyu (t) : Sinyal yang muncul mendadak dengan durasi sangat
pendek (saat t = 0) dan tinggi mendekati tak hingga, lebar menuju 0, serta luas
sama dengan 1.
7
=============sfsadasd
Digital
========================================================================
1, 𝑡 = 0
(1.9)
𝛿(𝑡) = { 1
1 t 0, 𝑡 ≠ 0
0
Gambar 1.17 Unit impuls kontinyu
• Unit Impuls Diskrit (n) : Sinyal yang muncul mendadak dengan durasi sangat
pendek (saat 𝑛 = 0) dan tinggi sama dengan 1, lebar menuju 0, serta luas
mendekati nol.
𝛿(n)
1, 𝑛 = 0
1
𝛿(𝑛) = { 1
0, 𝑛 ≠ 0 (1.10)
n
Gambar 1.18 Unit impuls diskrit
b. Sinyal Unit Step

• Unit Step Kontinyu 𝑢(𝑡) : Sinyal yang bernilai 1 untuk 𝑡 ≥ 0dan bernilai 0 untuk 𝑡 < 0.
u(t)
1, 𝑡 ≥ 0
1 𝑢(𝑡) = { 1 (1.11)
0, 𝑡 < 0
0 t
Gambar 1.19 Unit step kontinyu
• Unit Step Diskrit 𝑢(𝑛) : Sinyal yang bernilai 1 untuk 𝑛 ≥ 0 dan bernilai 0 untuk 𝑛 < 0.
u(n)
1, 𝑛 ≥ 0
𝑢(𝑛) = { 1 (1.12)
0, 𝑛 < 0
Gambar 1.20 Unit step diskrit

c. Unit Ramp
• Unit Ramp Kontinyu 𝑟(𝑡) : Sinyal yang memiliki nilai yang membesar
secaraproporsional dan linier saat 𝑡 ≥ 0.
8
=============sfsadasd
Digital
========================================================================
𝑟(𝑡) 𝑡, 𝑡 ≥ 0 (1.13)
𝑟(𝑡) = { 1
0, 𝑡 < 0
t
Gambar 1.21 Unit ramp kontinyu
• Unit Ramp Diskrit 𝑟(𝑛) : Sinyal yang memiliki nilai yang membesar
secara proporsional dan linier saat 𝑛 ≥ 0.
𝑟(𝑛)
𝑛, 𝑛 ≥ 0
𝑟(𝑛) = { 1 (1.14)
0, 𝑛 < 0
Gambar 1.22 Unit ramp diskrit
d. Sinyal Eksponensial
• Sinyal Eksponensial Kontinyu : Sinyal dengan fungsi eksponensial pada
waktu kontinyu.
x(t) 𝑥(𝑡) = 𝐴. 𝑎𝑘𝑡 (1.15

dimana:
A : konstanta
k : konstanta pangkat
t a : basis dari pangkat
Gambar 1.23 Sinyal eksponensial kontinyu n : variabel waktu
diskrit
• Sinyal Eksponensial Diskrit : Sinyal dengan fungsi eksponensial pada waktu

diskrit.
x(n) 𝑥(𝑛) = 𝐴. 𝑎𝑘𝑛 (1.16)
dimana:
A : konstanta
k : konstanta pangkat
n a : basis dari pangkat
Gambar 1.24 Sinyal eksponensial diskrit n : variabel waktu diskrit
9
=============sfsadasd
Digital
========================================================================
e. Sinyal Sinusoidal
• Sinyal Sinusoidal Kontinyu : Sinyal dengan fungsi sinusoidal pada waktu kontinyu.
x(t)
𝑥(𝑡) = 𝐴. 𝑠𝑖𝑛(2𝑓𝑡 +) atau
(1.17)
𝑥(𝑡) = 𝐴. 𝑐𝑜𝑠(2𝑓𝑡 + )
t
dimana:
A : konstanta
Gambar 1.25 Sinyal sinusoidal f : frekuensi sinyal
kontinyu t : variabel waktu kontinyu
θ : sudut fasa
• Sinyal Sinusoidal Diskrit : Sinyal dengan fungsi sinusoidal pada waktu diskrit.
x(n) 𝑥 (𝑛) = 𝐴. 𝑠𝑖𝑛(2𝜋𝑓𝑛𝑇 + 𝜃) atau

𝑥 (𝑛) = 𝐴. 𝑐𝑜𝑠 (2𝜋𝑓𝑛𝑇 + 𝜃 ) (1.18)
dimana:
n A : konstanta
F : frekuensi sinyal
Gambar 1.26 Sinyal sinusoidal diskrit n : variabel waktu diskrit
T : periode sampling
θ : sudut fasa
1.1.3 Operasi Pergeseran, Pencerminan, dan Perkalian dengan Skalar

1) Sinyal Kontinyu
𝑏
𝑓 (±𝑎𝑡 ± 𝑏) = 𝑓[±𝑎(𝑡 ± )] (1.19)
𝑎
(+) geser kiri
(-) geser kanan
a = kompresi ax, 𝑎 ≥ 1
1/a = ekspansi ax
(-) pencerminan
2) Sinyal Diskrit
𝑏
𝑓 (±𝑎𝑛 ± 𝑏) = 𝑓[±𝑎(𝑛 ± )] (1.20)
𝑎
(+) geser kiri
(-) geser kanan
a = kompresi ax, 𝑎 ≥ 1
1/a = ekspansi ax
(-) pencerminan
10
=============sfsadasd
Digital
========================================================================
Contoh :
Suatu sinyal kontinyu seperti gambar berikut direpresentasikan dalam suatu
persamaan isyarat : 𝑥(𝑡)
1
1 2 3 t
Gambar 1.27 Sinyal 𝒙(𝒕)
Lakukan operasi-operasi berikut terhadap sinyal x(t) :

a) Penskalaan waktu 𝑥(2𝑡) dan 𝑥(0,5𝑡)
b) Operasi pergeseran 𝑥 (𝑡 − 1) dan 𝑥(𝑡 + 2)
c) Operasi pencerminan 𝑥(−𝑡) dan 𝑥(0,5𝑡)
Penyelesaian :
0,5𝑡, 0 < 𝑡 < 2

( )
𝑥 𝑡 = { 1, 2<𝑡<3
0, 𝑡 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
a) 𝑥(2𝑡) dapat dicari dengan memasukkan 2𝑡 untuk menggantikan 𝑡 pada fungsi 𝑥(𝑡)
Nilai 𝑡 diganti dengan 2𝑡 maka didapatkan :
0,5.2𝑡, 0 < 2𝑡 < 2
( )
𝑥 2𝑡 = 1,
{ 2 < 2𝑡 < 3
0, 2 𝑡 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Dengan menyederhanakan 2𝑡 maka didapat :

𝑡, 0<𝑡<1
( )
𝑥 2𝑡 = {1, 1 < 𝑡 < 1,5
Sedangkan untuk 𝑥 (0,5𝑡)dapat dicari sebagai berikut.

0,5(0,5𝑡), 0 < 0,5𝑡 < 2
( )
𝑥 0,5𝑡 = { 1, 2 < 0,5𝑡 < 3
0, 0,5 𝑡 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
11
=============sfsadasd
Digital
========================================================================
Dengan penyederhanaan didapat :

0,25𝑡, 0 < 𝑡 < 4
𝑥(0,5𝑡) = { 1, 4<𝑡<6
𝑥(2𝑡) x(0,5t)
1 1
2 3 t 1 2 3 4 5 6 t
1
(a) (b)
Gambar 1.28 (a) Sinyal 𝒙(𝟐𝒕), (b) Sinyal 𝒙(𝟎, 𝟓𝒕)
Pada Gambar 1.28, jika dibandingkan dengan gambar sinyal 𝑥 (𝑡)terlihat jelas
operasi penskalaan waktu. Sinyal 𝑥(2𝑡)merupakan operasi penyempitan skala
waktu setengah kali dari skala waktu asli. Sinyal 𝑥 (0,5𝑡) merupakan operasi
pelebaran skala waktu dua kali dari waktu aslinya.
b) 𝑥 (𝑡 − 1)dapat dicari sebagai berikut.

0,5(𝑡 − 1), 0 < 𝑡 − 1 < 2
𝑥 (𝑡 − 1) = { 1, 2<𝑡−1<3
0, 𝑡 − 1 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
dengan penyederhanaan :
0,5𝑡 − 0,5, 1 < 𝑡 < 3
𝑥 (𝑡 − 1) = { 1, 3<𝑡<4
Sedangkan 𝑥 (𝑡 + 2) dapat dicari sebagai berikut.

0,5(𝑡 + 2), 0 < 𝑡 + 2 < 2
𝑥 (𝑡 + 2) = { 1, 2<𝑡+2<3
0, 𝑡 + 2 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
𝑥 (𝑡 + 2) dapat disederhanakan :
0,5𝑡 + 1, −2 < 𝑡 < 0
𝑥 (𝑡 + 2) = { 1, 0<𝑡<1
12
=============sfsadasd
Digital
========================================================================
Sinyal 𝑥(𝑡 − 1)dan 𝑥 (𝑡 + 2) dapat digambarkan sebagai berikut.
𝑥 (𝑡 − 1) 𝑥 (𝑡 + 2)
1
1
t
1 2 3 4 5 -3 -2 -1 1 2 t
(a) (b)
Gambar 1.29 (a) Sinyal 𝒙(𝒕 − 𝟏) (b) Sinyal
𝒙 ( 𝒕 + 𝟐)
Pada Gambar 1.29, terlihat operasi pergeseran sinyal. Sinyal 𝑥 (𝑡 − 1)adalah sinyal
𝑥 (𝑡)yang tergeser 1 ke kanan. Sinyal 𝑥(𝑡 + 2)adalah sinyal 𝑥(𝑡)yang tergeser ke
kiri sejauh 2. Sinyal akan digeser ke kanan sejauh b jika t mempunyai tanda positif
dikurangi suatu bilangan 𝑏 (𝑥(𝑡 − 𝑏)). Sinyal akan digeser ke kiri sejauh b jika t
mempunyai tanda positif ditambah suatu bilangan 𝑏 (𝑥 (𝑡 + 𝑏))
c) Operasi pencerminan 𝑥 (−𝑡) dan 𝑥 (−0,5𝑡)
Nilai 𝑥 (−𝑡) dapat dicari sebagai berikut :
−0,5𝑡, 0 < −𝑡 < 2

𝑥 (−𝑡) = { 1, 2 < −𝑡 < 3
0, − 𝑡 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
dengan penyederhanaan didapatkan :

−0,5𝑡, −2 < 𝑡 < 0
𝑥(−𝑡) = {1, − 3 < 𝑡 < −2
Sedangkan sinyal 𝑥 (−0,5𝑡) adalah sebagai berikut :

0,5(−0,5)𝑡, 0 < −0,5𝑡 < 2
𝑥 (−0,5𝑡) = { 1, 2 < −0,5𝑡 < 3
0, − 0,5𝑡 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
dengan penyederhanaan didapatkan :

−0,25𝑡, −4 < 𝑡 < 0
( )
𝑥 𝑡 ={ 1, − 6 < 𝑡 < −4
13
=============sfsadasd
Digital
========================================================================
Sinyal 𝑥 (−𝑡) dan 𝑥 (−0,5𝑡) dapat digambarkan sebagai berikut :

𝑥(−𝑡) x 𝑥(−0,5𝑡)
1 1
-3 -2 -11 1 t -6 -5 -4 -3 -2 -1 t
(a) (b)
Gambar 1.30 (a) Sinyal 𝒙(−𝒕), (b) Sinyal 𝒙(−𝟎, 𝟓𝒕)
Pada Gambar 1.30, dapat dilihat bahwa sinyal 𝑥(−𝑡) adalah hasil pencerminan
sinyal 𝑥(𝑡). Sinyal 𝑥(−0,5𝑡) adalah hasil pencerminan dan penskalaan waktu sinyal
aslinya.
1.1.4 Dasar Pengolahan Sinyal (Konvolusi)

Konvolusi didefinisikan sebagai operasi penjumlahan dua fungsi setelah fungsi
satu dicerminkan dan digeser.
a. Secara matematis untuk sinyal diskrit :
∞
𝑦(𝑛) = ∑ 𝑥 (𝑘 ). ℎ(𝑛 − 𝑘) (1.21)

𝑘=−∞
b. Secara matematis untuk sinyal kontinyu :

∞
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ 𝑥 (𝜏). ℎ(𝑡 − 𝜏)𝑑𝜏 (1.22)
−∞
Sifat-sifat konvolusi :
a
• Komutatif : 𝑥(𝑡) ∗ ℎ(𝑡) = ℎ(𝑡) ∗ 𝑥(𝑡 )
• Asosiatif : {𝑥(𝑡) ∗ ℎ1(𝑡)} ∗ ℎ2 (𝑡) = 𝑥(𝑡) ∗ {ℎ1(𝑡) ∗ ℎ2 (𝑡)}
• Distributif : 𝑥(𝑡) ∗ {ℎ1(𝑡) + ℎ2 (𝑡)} = 𝑥(𝑡) ∗ ℎ1(𝑡) + 𝑥(𝑡) ∗ ℎ2 (𝑡)

• Asosiatif dengan pengali skalar : 𝑎(𝑥(𝑡) ∗ ℎ(𝑡)) = 𝑎𝑥(𝑡) ∗ ℎ(𝑡) = 𝑥(𝑡) ∗
𝑎ℎ(𝑡) ,dimana a adalah bilangan riil atau kompleks.
14
=============sfsadasd
Digital
========================================================================
1.2 Sistem
Sistem dapat didefinisikan sebagai sekumpulan objek yang disusun membentuk
proses dengan tujuan tertentu. Sistem juga dapat didefinisikan sebagai black box yang
memetakan sinyal input menjadi sinyal output.
𝑥(𝑛) y(n) 𝑦(𝑛) = ℎ(𝑥(𝑛))
Sistem Waktu Diskrit : h
𝑥(𝑡) y(t)
h 𝑦(𝑡) = ℎ(𝑥(𝑡))
Sistem Waktu Kontinyu :
1.2.1 Representasi Sistem

Sistem dapat direpresentasikan dalam 4 bentuk, yaitu :
a. Respons Impuls
Contoh : ℎ(𝑛) = 2𝛿(𝑛) − 3𝛿 (𝑛 − 1) + 𝛿(𝑛 − 2)
b. Struktur Realisasi
Contoh : 2
+
-3
z-1
1
z-1
c. Persamaan Selisih
Contoh :
𝑥(𝑛) 2 𝑦(𝑛)
+
3
z-1
Persamaan selisih : 𝑦(𝑛) = 2𝑥(𝑛) + 3𝑥(𝑛 − 1)
ℎ(𝑛) = 2𝛿(𝑛 ) + 3𝛿(𝑛 − 1)
15
=============sfsadasd
Digital
========================================================================
d. Fungsi Transfer 𝐻(𝑧)
𝑥(𝑛) h(n) 𝑦(𝑛)
Menggunakan Fungsi Transfer H(z)

𝑋(𝑍) = 𝐻(𝑧) 𝑌(𝑧)
Pengertian H(z) sebagai fungsi transfer yaitu :

• H(z) adalah transformasi z dari respon impuls h(n)
• H(z) adalah pembagian transformasi z output Y(z) dengan
transformasi z input X(z)
Mengenai transformasi z akan dibahas lebih rinci pada Modul 2.
1.2.2 Sifat dan Klasifikasi Sistem

a. Statis dan dinamis
Sistem statis jika keluaran sistem hanya bergantung pada input saat ini. Dan
sistem dinamis jika keluaran sistem bergantung pada input sebelum atau
sesudah waktu t.
b. Time-invariant dan time-variant
Sistem time-invariant jika delay (time-shift) pada sinyal input menyebabkan delay
yang sama besar pada sinyal output.
𝑥 (𝑡) = 𝑥1 (𝑡 − 𝑡0 ) → 𝑦(𝑡) = 𝑦1 (𝑡 − 𝑡0 ) (1.23)
𝑥 (𝑛) = 𝑥1 (𝑛 − 𝑛0 ) → 𝑦(𝑛) = 𝑦1 (𝑛 − 𝑛0 ) (1.24)
c. Linier dan non linier

Sistem linier jika memenuhi sifat additivitas dan homogenitas.
𝑥 (𝑡) = 𝑎𝑥1 (𝑡) + 𝑏𝑥2 (𝑡) → 𝑦(𝑡) = 𝑎𝑦1 (𝑡) + 𝑏𝑦2 (𝑡) (1.25)
𝑥 (𝑛) = 𝑎𝑥1 (𝑛) + 𝑏𝑥2 (𝑛) → 𝑦(𝑛) = 𝑎𝑦1 (𝑛) + 𝑏𝑦2 (𝑛) (1.26)
d. Kausal dan non kausal
Sistem disebut kausal jika keluarannya hanya bergantung dengan nilai input
sekarang dan atau sebelumnya
16
=============sfsadasd
Digital
========================================================================
Contoh sistem kausal :

• 𝑦(𝑡) = 𝑥(𝑡 − 1)
• 𝑦[𝑛] = 𝑥[𝑛] + 2𝑥[𝑛 − 1] + 5𝑥[𝑛 − 2] + . . .
Contoh sistem non kausal :
• 𝑦(𝑡) = 𝑥(𝑡 + 1)
• 𝑦[𝑛] = 𝑥[𝑛] − 𝑥[𝑛 + 1]
e. Stabil dan non stabil
Sistem stabil jika memberikan keluaran terbatas untuk masukan yang terbatas
(Bounded-Input/Bounded-Output), syaratnya yaitu berada dalam Range of
Convergence (ROC) yang akan dibahas di Modul II.
2. Arsitektur DSP System

Digital Signal Processor atau DSP adalah sejenis mikroprosesor yang
didesain/dirancang khusus untuk pemrosesan sinyal digital. Biasanya komponen
elektronika digital ini dipakai untuk komputer yang memerlukan waktu tanggap
(response time) yang cepat (untuk real-time applications).
Sebuah interface yang menghubungkan DSP dengan dunia luar adalah sebuah
converter yang berupa chip. Chip converter berupa ADC (Analog to Digital Converter)
akan mengubah sinyal analog menjadi sinyal digital. Sinyal digital inilah yang
nantinya akan diolah oleh DSP. Setelah selesai diproses sinyal tersebut akan diubah
kembali menjadi sinyal analog menggunakan chip converter berupa DAC (Digital to
Analog Converter).
Semua operasi DSP sebetulnya bisa dilakukan pada mikroprosesor umum

(general-purpose microprocessor). Akan tetapi, DSP memiliki sistem arsitektur yang
telah dioptimasikan untuk lebih dapat mempercepat pemrosesan sinyal (isyarat).
Optimasi ini juga penting sekali artinya dalam kaitannya untuk menekan biaya,
penghantaran panas (heat emission), dan penggunaan daya (power consumption).
17
=============sfsadasd
Digital
========================================================================
Gambar berikut menunjukan blok diagram sistem DSP yang didukung oleh
perangkat analog yaitu ADC dan DAC.
Sinyal Sinya digital Sinyal

LPF ADC DAC LPF
DSP
Gambar 1.31 Blok diagram DSP system
2.1 ADC (Analog to Digital Converter)

ADC merupakan chip converter yang dapat mengubah sinyal analog menjadi
sinyal digital. Proses ADC terdiri dari :
a. Sampling
Sampling merupakan proses untuk mendapatkan sinyal diskrit dari sinyal analog.
x(t) merepresentasikan sinyal analog dan x(n) merepresentasikan sinyal diskrit hasil
𝑥(𝑛) = 𝑥𝑎 (𝑛𝑇𝑠), −  𝑛  , 𝑛  𝐵 (1.27)
sampling dengan menggunakan nilai 𝑥(𝑡) dalam interval 𝑛𝑇𝑠. Sinyal diskrit
mengambilsinyal sampel dari sinyal analog (kontinyu) pada interval tertentu.
Secara sistematis, dimana :
𝑥(𝑛) : sinyal digital ke n hasil pencuplikan

𝑇𝑠 : perioda sampling
𝑥𝑎(𝑛𝑇𝑠) : sinyal analog yang dicuplik ke n dengan periode pencuplikan atau
selang waktu Ts detik
Hal yang penting dalam teori pencuplikan persamaan 1.27 adalah hubungan
antara variabel waktu 𝒕 pada sinyal analog dengan variabel 𝒏 (atau cuplikan ke n) pada
sinyal digital. Hubungan tersebut adalah :
𝑡 = 𝑛𝑇𝑠 (1.28)
(1.29)
1
𝑓𝑠 =
𝑇𝑠
18
=============sfsadasd
Digital
========================================================================
dimana :
fs : banyaknya sample per satuan waktu (frekuensi sampling atau laju sampling)
Maka, hubungan tersebut dapat dibuat sebagai berikut :
𝑡 = 𝑛𝑇𝑠 = 𝑛/𝑓𝑠 (1.30)
Ts = 1/fs, semakin kecil Ts maka rekonstruksi sinyal dari 𝑥(𝑛) akan memberikan
aproksimasi yang tepat untuk 𝑥(𝑡). Oleh sebab itu frekuensi sampling fs minimal harus
ada dua kali frekuensi tertinggi dari sinyal sampel. Critical rate fmax ini disebut juga
sebagai Nyquist Rate.
𝑓𝑠 ≥ 2𝑓𝑚𝑎𝑥 𝒇𝒔 (1.31)
Nyquist Rate :
= 𝟖 𝒔𝒂𝒎𝒑𝒍𝒆
/𝒔𝒆𝒄
Kriteria Nyquist rate mencegah terjadinya aliasing, dimana sinyal yang
terbentuk saling tumpang tindih.
Contoh : 𝑥𝑎(𝑡) = 2𝑠𝑖𝑛(4𝜋𝑡)
0
1 1.5 2
0.5
-2
Gambar 1.32 Sinyal analog
Jika 𝒇𝒔 = 𝟖 𝒔𝒂𝒎𝒑𝒍𝒆/𝒔𝒆𝒄 maka : 𝑥(𝑛) = 𝑥𝑎(𝑛𝑇𝑠) = 2𝑠𝑖𝑛(4𝜋𝑛(1/8)) = 2𝑐𝑜𝑠(0,5𝜋𝑛)

2
0 2
0.5 1 1.5
-2
Gambar 1.33 Sinyal analog yang disampling menjadi sinyal diskrit
19
=============sfsadasd
Digital
========================================================================
b. Kuantisasi
Proses melakukan konversi sinyal yang telah dicuplik menjadi sinyal digital yang
diwakili oleh sebuah nilai dengan jumlah digit tertentu disebut kuantisasi. Pada proses
kuantisasi terjadi pembulatan amplitude sinyal yang telah dicuplik ke level terdekat. Jika
sampel amplitude terletak dalam range Xmin-Xmax (disebut rentang dinamis) dan L
adalah level kuantisasi yang digunakan, maka jarak antar level kuantisasi (step size) :
𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛
𝑠𝑡𝑒𝑝 𝑠𝑖𝑧𝑒 = (1.32)
𝐿−1
𝐿 = 2𝑛, dimana n adalah bit representasi
𝑋𝑚𝑎𝑥 = 𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑𝑜 𝑚𝑎𝑘𝑠𝑖𝑚𝑢𝑚 , 𝑋𝑚𝑖𝑛 = 𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑𝑜 𝑚𝑖𝑛𝑖𝑚𝑢𝑚
Dari hasil sampling pada Gambar 1.33, kita ambil bit representasi sebanyak 2
sehingga akan di dapatkan 𝑠𝑡𝑒𝑝 𝑠𝑖𝑧𝑒 = 4/3. Sehingga akan di dapatkan sebagai berikut
2
:
2
3
0
1 1.5 2
0.5
−2
3
-2
Gambar 1.34 Proses Kuantisasi
Selisih antara nilai kuantisasi dengan sinyal sebenarnya disebut kesalahan

kuantisasi (error quantization).
Error Quantization : 𝑒𝑞(𝑛) = 𝑥𝑞(𝑛) – 𝑥 (𝑛) (1.33)
dimana : 𝑒𝑞(𝑛) : kesalahan kuantisasi (error quantization)

𝑥𝑞(𝑛) : sinyal yang telah dikuantisasi
𝑥(𝑛) : sinyal sebenarnya
Untuk mengurangi kesalahan kuantisasi, maka step size harus ditingkatkan, yaitu
dengan cara memperbanyak level kuantisasi. Level kuantisasi bergantung dengan jumlah
bit representasi yang digunakan. Semakin besar bit representasi yang digunakan, maka
semakin banyak pula level kuantisasi, sehingga error kuantisasi semakin kecil
20
=============sfsadasd
Digital
========================================================================
c. Encoding
Encoding adalah proses representasi sinyal hasil kuantisasi menjadi sinyal digital
(dalam notasi biner). Proses pengkodean dalam ADC menetapkan bilangan biner
tertentu pada tiap level kuantisasi. Bila kita mempunyai level kuantisasi sejumlah L,
maka kita membutuhkan bilangan biner paling tidak sejumlah L. Anda membutuhkan
digit yang diperlukan sebanyak n-bit sehingga :
2𝑛 ≥ 𝐿 (1.34)
Untuk Gambar 1.34, terdapat 3 level kuantisasi, sesuai dengan persamaan 1.32 maka :
2𝑛 ≥ 3 sehingga 𝑛 = 2.
00 2
01 2
3
0
1 1.5 2
0.5
−2
3
10
-2
11
Jadi untuk Gambar 1.34 dibutuhkan 2 bit untuk tiap level kuantisasi,sehingga kode
binernya adalah 00, 01, 10, 11. Maka outputnya akan mempunyai kode biner 01 01 10
10 01 01 10 10 01 01 10 10 01 01 10 10
2.2 DAC (Digital to Analog Converter)

Sinyal keluaran DSP dikonversi kembali ke bentuk analog oleh analog reconstructor
yang disebut dalam proses Digital to Analog Converter (DAC). Proses DAC terdiri dari :
a. Decoding
Decoding adalah proses yang dapat mengubah digital (dalam notasi biner)
menjadi bentuk diskrit. Hasil decoding dari kode biner keluaran encoding adalah :
00
01
10
11
Gambar 1.35 Sinyal hasil decoding
21
=============sfsadasd
Digital
========================================================================
b. Rekonstruksi
Rekonstruksi adalah proses untuk mendapatkan sinyal analog dari sinyal waktu
diskrit. Cara mudah untuk melakukan rekonstruksi adalah dengan menggunakan
metode interpolasi.
2
-1
-2
0.5 1 1.5
Gambar 1.36 Sinyal hasil rekonstruksi
c. Filtering
Filtering adalah proses penghalusan sinyal hasil rekonstruksi menjadi sinyal
analog kembali.
2
-1
-2
0.5 1 1.5
Gambar 1.37 Sinyal hasil filtering
3. Pengenalan MATLAB
Bagian ini adalah Command Matlab untuk melakukan Praktikum Modul 1.
Peserta praktikum diharapkan untuk mencoba sebelum melaksanakan praktikum.
3.1 Sinyal dan Sistem

a. Mendeklarasikan Sinyal
Sinyal 𝑥1(𝑛) = 𝛿 (𝑛 − 1) dapat ditulis di Matlab :
>> 𝑥𝑛1 = [1];
Sinyal 𝑥2(𝑛) = 𝛿 (𝑛 − 1) – 2𝛿 (𝑛 − 3) dapat ditulis :
b.>>
Mendeklarasikan
𝑥𝑛2 = [1 0 − 2];
Sistem
22
=============sfsadasd
Digital
========================================================================
Sistem dapat diwakili oleh : respons impuls, struktur realisasi, persamaan selisih, dan
fungsi transfer. Pada bagian ini, yang akan dibahas adalah representasi sistem dalam
respons impuls dan struktur realisasi (non rekursif).
Misal :
• Sistem yang diwakili oleh respons impuls ℎ(𝑛) = 2𝛿(𝑛) − 3𝛿(𝑛 − 1) + 𝛿(𝑛 − 2),
dapat ditulis dalam Matlab :
>> n = [0 1 2];
>> hn = [2 -3 1];
• Sistem yang diwakili oleh struktur berikut :

2
+
-1
z -
3
z -
dapat ditulis di Matlab :
>> n = [0 1 2];
>> hn = [2 -1 3];
Catatan :
Adapun sistem yang diwakili oleh sstem rekursif, seperti ℎ(𝑛) = 2𝑛. 𝑢(𝑛) tidak
dapat dideklarasikan secara langsung. Penjelasan tentang representasi ini akan
dibahas lebih lanjut pada Praktikum Modul 2.
b. Plotting Sinyal
Fungsi yang sering digunakan adalah plot dan stem. Untuk mengetahui secara detail
kedua fungsi di atas dapat melihat di command help-nya.
>> Plot (x,y) % memperlihatkan gambar garis yang

terhubung antar dua sinyal
>> Stem (x,y) % memperlihatkan gambar diskrit
23
=============sfsadasd
Digital
========================================================================
Contoh Penggunaan Stem :

1) Pada Command Window, ketikkan :
>> edit
2) Tekan enter, selanjutnya muncul Matlab Editor dan ketikkan sintaks dibawah
berikut :
>> t=[45:0.01:135]; % plot sinyal dari sudut

450 sampai 1350
>> xt=2*sin(2*(t*pi/180)); % (t*pi/180) berarti
mengubah sudut dalam
derjat menjadi radian
>> figure (1); % jendela pada Matlab
untuk menampilkan
output berupa gambar
>> plot(t,xt); % plot xt pada batas t
>> xlabel('Waktu Kontinyu (t)');
>> ylabel('Nilai x(t)');
>> title ('Sinyal Kontinyu');
Setelah selesai mengetik syntax diatas, simpan di direktori

C:\Users\Admin\Documents\MATLAB, dengan nama kontinyu.m.
3) Kembali ke Command Window, agar Matlab dapat mengenali lokasi tempat file
disimpan, ketikkan :
>> cd C:\Users\Admin\Documents\MATLAB
4) Tekan Enter, lalu ketikkan nama file stem tanpa ekstensi :

>> kontinyu
5) Tekan Enter, selanjutnya program akan dijalankan, dan menghasilkan sebagai

berikut :
24
=============sfsadasd
Digital
========================================================================
6) Cara lain untuk mengeksekusi program di atas adalah dengan mengklik ikon
“Run”
Contoh Penggunaan Stem :

1) Langkah-langkah pada contoh “penggunaan stem” sebagian besar sama dengan
langkah-langkah pada contoh “penggunaan stem” kecuali pada program yang di
ketikkan yaitu :
>> xn = [3 -1 0 2 4 -5];
>> n = [0 1 2 3 4 5]; % batas sinyal xn
>> figure (1);
>> stem (n,xn); % memplot sinyal xn
pada batas n
>> xlabel ('Waktu Diskrit (n)');
>> ylabel('Nilai x(n)');
>> title ('Sinyal diskrit');
2) Setelah selesai mengetik syntax diatas, simpan di direktori

C:\Users\Admin\Documents\MATLAB, dengan nama diskrit.m. Jalankan
program dan akan menghasilkan :
Seperti yang telah dibahas sebelumnya, plotting sinyal dapat dilakukan dengan
perintah plot dan stem. Setelah itu, batas kiri, kanan, atas, bawah dari gambar dapat
diatur dengan perintah :
>> axis([xmin, xmax, ymin, ymax])
25
=============sfsadasd
Digital
========================================================================
Contoh :
>> xn = [1 2 1];
>> figure(1);
>> stem(xn);
>> xlabel ('waktu diskrit (n)');
>> ylabel ('x(n)');
>> title (‘Sinyal diskrit’);
Jika di-run hasilnya adalah :
Bandingkan dengan :
>> xn = [1 2 1];
>> n = [0 1 2];
>> figure(1);
>> stem(n,xn);
>> axis([-1 3 -1 2.5]);
>> grid on;
>> xlabel ('waktu diskrit (n)');
>> ylabel ('x(n)');
26
=============sfsadasd
Digital
========================================================================
Jika di-run hasilnya adalah :
a. Konvolusi
Persamaan rekursif (memiliki feedback) tidak bisa diselesaikan dengan cara yang
sama dengan persamaan non-rekusif, sehingga untuk itu Matlab menyediakan
fungsi conv. Fungsi ini dapat digunakan pada persamaan rekursif dan non-
rekursif.
Contoh penggunaan fungsi conv :
Sistem yang diwakili oleh persamaan selisih :
𝑦(𝑛) = 𝑥 (𝑛) − 𝑥(𝑛 − 1)
akan memiliki respons impuls :
ℎ(𝑛 ) = 𝛿(𝑛) – 𝛿(𝑛 − 1)
Jika sistem diberi masukan :
𝑥(𝑛) = 𝛿(𝑛) − 2𝛿(𝑛) + 3𝛿 (𝑛 − 1)
maka keluaran, secara konvolusi diperoleh :
𝑦(𝑛) = 𝛿 (𝑛) − 3𝛿(𝑛) + 5𝛿 (𝑛 − 1) − 3𝛿 (𝑛 − 1)
27
=============sfsadasd
Digital
========================================================================
Proses di atas pada matlab dapat dituliskan :

[x]=input('[x]= ');
[h]=input('[h]= ');
n=length(x)+length(h)-1;
xx=[x zeros(1,n-
length(x))];
hh=[h zeros(1,n-
length(h))]; y=zeros(1,n);
for i=1:n
for j=1:i
y(i)=y(i)+xx(j)*hh(i-j+1);
end
Contoh perhitungan konvolusi pada Matlab :
end
x=[2 5 0 4];
h=[0.5 0.5];
yn=conv(x,h);
stem(yn);
3.2 ADC/DAC
a. Akuisisi Sinyal Audio
Untuk proses sampling dalam ADC, alat-alat praktikum yang dibutuhkan
adalah berupa :
• Komputer dengan soundcard yang telah terinstall baik
• Mikrofon
• Speaker/earphone
Matlab memiliki kemampuan untuk mengakuisisi sinyal secara langsung

dengan mengendalikan ADC pada soundcard. Untuk merekam suara, tuliskan syntax
berikut:
28
=============sfsadasd
Digital
========================================================================
>> fs=8000;
>> bits=8;
>> ch=1;
>> rec = audiorecorder(fs,bits,ch);
>> disp (‘Start speaking’);
>> recordblocking(rec,5); %membatasi waktu rekaman
selama 5 detik
>> disp (‘End of Recording’);
>> play(rec);
>> myRecording=getaudiodata(rec); %mengembalikan hasil
rekaman ke workspace
>> plot (myRecording);
>> filename=’suara1.wav’);
>> audiowrite(filename,myRecording,fs); %menyimpan file rekaman
>> x=audioread(‘suara1.wav’); % membaca file sinyal suara

dalam format .wav
>> figure (1);
>> stem(x);
>> sound(x,8000); % mendengarkan sinyal suara
Gambar sinyal :
Untuk mendengarkan suara aslinya, maka tuliskan sintaks berikut :
>> sound(x,8000); % memainkan sinyal suara pada

frekuensi 8000 Hz
29
=============sfsadasd
Digital
========================================================================
Mengapa sinyal audio harus didengarkan pada frekuensi 8000 Hz agar terdengar
seperti suara aslinya? Jawabannya adalah karena sinyal suara manusia berada pada
batas maksimum 4000 Hz. Sedangkan untuk memenuhi criteria Nyquist, maka sinyal
suara harus didengarkan pada frekuensi 8000 Hz.
b. Operasi Sinyal Audio

1. Penguatan/Pelemahan Sinyal Suara
Contoh : penguatan sinyal suara 2 kali dari sinyal asli
>> x1=audioread(‘suara1.wav’);
>> x2=2*x1;
>> figure (1);
>> subplot (2,1,1);
% menampilkan gambar sinyal x1
dengan format 2 baris, 1
kolom, gambar pertama
>> stem(x1);
>> subplot (2,1,2); % menampilkan gambar sinyal x2
dengan format 2 baris, 1
kolom, gambar kedua
>> stem(x2);
Gambar sinyal :
30
Digital
========================================================================
2. Penjumlahan Sinyal Suara

a) Untuk penjumlahan 2 sinyal, maka rekamlah suara anda kembali
b) Lalu simpan file suara yang telah anda rekam
pada MyDocuments/Matlab/Nama_Kelompok dengan nama
suara2.wav.
c) Kemudian tuliskan sintaks berikut :
>> x1=audioread (‘suara1.wav’);
>> x2=audioread (‘suara2.wav’);
>> figure (1);
>> subplot (3,1,1);
>> stem (x1);
>> xlabel (‘waktu diskrit (n)’);
>> ylabel (‘amplitudo’);
>> title (‘Sinyal Suara 1’);
>> subplot (3,1,2);
>> stem (x2);
>> ylabel (‘amplitudo)’);
>> title (‘Sinyal Suara 2’);
>> x3=x1+x2;
>> subplot (3,1,3);
>> stem (x3);
>> ylabel (‘amplitudo)’);
>> title (‘Hasil Penjumlahan Sinyal’);
>> sound (x3,8000);
Gambar sinyal :
Catatan : Peserta praktikum diharapkan untuk mencoba menggunakan program-

program di atas sebelum melaksanakan praktikum.
31
Digital
========================================================================
Membuat struktur realisasi sistem menggunakan Simulink
1. Pada bagian matlab dibagian home, terdapat opsi Simulink, lalu klik bagian tersebut.
2. Klik blank model untuk membuat projek baru yang kosong
3. Pada bagian simulation, gunakan opsi Library Browser untuk memilih komponen
yang diperlukan, seperti Sine Wave, Continous Pulse, Gain, Delay, SUM, Scope, Dll.
4. Hubungkan antar komponen satu dengan yang lainnya supaya struktur realisasi
dapat dibentuk.
Berikut contohnya:
Struktur Realisasi sistem
Hasil dari operasi pada struktur realisasi sistem
32
========================================================================
MODUL II
TRANSFORMASI Z DAN TRANSFORMASI FOURIER
A. TUJUAN PRAKTIKUM
1. Memahami dan mengerti tentang Transformasi Z
2. Memahami dan mengerti tentang Transformasi Fourier (DFT dan FFT)
3. Mensimulasikan program sederhana MATLAB mengenai Transformasi Z dan
Transformasi Fourier (DFT)
B. DASAR TEORI
1. Representasi Sistem
Tabel 2.1. Representasi sistem
No. Filter Fungsi Transfer Sistem
𝑧+1
𝐻(𝑧) = 𝑘
𝑧
𝐻(𝑧) = 𝑘(1 + 𝑧−1)
1. LPF
𝑧+1
𝐻(𝑧) = 𝑘
2. HPF 𝑧
𝐻(𝑧) = 𝑘(1 + 𝑧−1)
(𝑧 + 𝑗)(𝑧 − 𝑗)
𝐻(𝑧) = 𝑘
𝑧2
2
3. BSF 𝑧 +1
𝐻(𝑧) = 𝑘
𝑧2
𝐻(𝑧) = 𝑘(1 + 𝑧−2)
(𝑧 + 1)(𝑧 − 1)
𝐻(𝑧) = 𝑘
𝑧2
4. 2
𝑧 −1
BPF 𝐻(𝑧) = 𝑘
𝑧2
𝐻(𝑧) = 𝑘(1 − 𝑧−2)
32
========================================================================
2. Transformasi Z
Transformasi Z merupakan suatu metode atau alat matematis yang sangat bermanfaat
untuk mendesain, menganalisis, dan memonitor suatu sistem. Transformasi-Z mirip
dengan Transformasi Laplace namun bekerja pada domain diskrit dan merupakan
generalisasi dari transformasi Fourier dari fungsi khusus.
2.1 ROC (Range of Convergence)

Contoh:
𝑥 = 1 + 2 + 4 + 8 + … … … … . .. = ∞  divergen
𝑥 = 1 + 1⁄2 + 1⁄4 + 1⁄8 + … … … … = 2  konvergen
Tabel 2.2. Konvergensi

Persamaan Syarat Keterangan
𝑦 = 1 + 𝑧 + 𝑧2 + 𝑧3 + 𝑧4 + ⋯ |𝑧| ≥ 1 Divergen
𝑦 = 1 + 𝑧 + 𝑧2 + 𝑧3 + 𝑧4 + ⋯ |𝑧| < 1 Konvergen
𝑦 = 1 + 1/𝑧2 + 1/𝑧3 + 1/𝑧4 + ⋯ |𝑧| ≤ 1 Divergen
𝑦 = 1 + 1/𝑧2 + 1/𝑧3 + 1/𝑧4 + ⋯ |𝑧| > 1 Konvergen
𝑦 = 1 + 2𝑧2 + 4𝑧4 + 8𝑧6 + ⋯

|2𝑧2| ≥ 1
Divergen
|2𝑧2| < 1 |𝑧2| < 1⁄2

Konvergen
𝑦 = 1 + 2𝑧2 + 4𝑧4 + 8𝑧6 + ⋯ |𝑧| < √1⁄2
ROC merupakan suatu range nilai dari z yang merupakan syarat agar suatu deret
dapat dinyatakan dalam bentuk lain yang lebih sederhana.
33
========================================================================
2.2 Kestabilan
Suatu sistem dikatakan stabil apabila semua pole berada pada kawasan
lingkaran satuan dan zero berada di mana saja.
Jenis kestabilan ada tiga, yaitu :
a. Sistem stabil : Apabila semua pole berada di dalam lingkaran
satuan dan zero berada di luar lingkaran satuan.
b. Stabil fasa minimum : Apabila semua pole dan zero berada di dalam
lingkaran satuan.
c. Stabil marginal : Jika semua pole berada pada kawasan lingkaran
satuan dan zero tepat di lingkaran satuan.
Gambar 2.1 Sistem Stabil

Im(z)
-j
Gambar 2.2 Sistem Stabil Fasa Minimun
Im(z)
Gambar 2.3 Sistem Stabil Marginal
34
========================================================================
2.3 Definisi
Transformasi Z merupakan suatu teknik untuk mempermudah analisa dan realisasi
sinyal diskrit.
𝑇𝑍[𝑥 (𝑛)] = 𝑋 (𝑧) = ∑∞

𝑛= −∞ 𝑥 (𝑛)𝑧
−𝑛
Z di dalam definisi di atas adalah suatu variabel kompleks. Himpunan dari nilai z
yang membuat penjumlahan tersebut konvergen disebut sebagai daerah konvergensi
(ROC) untuk transformasi tersebut.
𝑥(𝑛) ℎ(𝑛) 𝑦(𝑛)
𝑋(𝑧) 𝐻(𝑧) 𝑌(𝑧)
2.4 Sifat-sifat Transformasi Z
a. Linearitas
X1(n) X1(z) X2(n) X2(z)

TZ TZ
(a) (b)
𝑋1(𝑛) + 𝑋2(𝑛) 𝑋1(𝑧) + 𝑋2(𝑧)

TZ
(c)
Gambar 2.4 Sifat Linearitas
35
========================================================================
b. Sifat Pergeseran/Translasi
x(n) X(z) x(n-n0) zn0X(z)

TZ TZ
(a) (b)
Gambar 2.5 Sifat Translasi
c. Sifat Konvolusi
𝑍[𝑥 (𝑛) ∗ 𝑦(𝑛)] = 𝑋 (𝑧). 𝑌(𝑧)
2.5 Invers Transformasi Z

Tujuan invers transformasi Z dalam SWD adalah mendapatkan deret yang
berkoresponden.
Contoh:
Tentukan invers dari transformasi Z berikut:
4 2
𝐻 (𝑧 ) = −
(1 − 0.2𝑧 −1 ) (0.5𝑧 −1 + 1)
Berdasarkan tabel transformasi Z (tabel 2.3) di bawah dapat langsung diperoleh

transformasi Z sebagai berikut:
ℎ[𝑛] = 4(0.2)𝑛 𝑢[𝑛] − 2(−0.5)𝑛 𝑢[𝑛]
2.5.1 Metode Invers Transformasi Z
Terdapat beberapa metode untuk melakukan invers Transformasi Z,

yaitu:
1) Metode penyesuaian koefisien dengan pembagi terus menerus
(long division).
2) Metode ekspansi pecahan parsial (partial expansion fraction).
36
========================================================================
Contoh:
𝑧−4
𝐻 (𝑧 ) =
2𝑧 2 + 𝑧 − 1
𝐻 (𝑧 ) 𝑧−4
=
𝑧 𝑧(2𝑧 − 1)(𝑧 + 1)
𝐻 (𝑧 ) 𝐴 𝐵 𝐶
= + +
𝑧 𝑧 2𝑧 − 1 𝑧 + 1
𝑧−4 0−4 −4
𝐴= |𝑧=0 = = =4
(2𝑧 − 1)(𝑧 + 1) (2(0) − 1)(0 + 1) −1
𝑧−4 0.5 − 4 −3.5

𝐵= |𝑧=0.5 = = = −4.67
𝑧(𝑧 + 1) 0.5(0.5 + 1) 0.75
𝑧−4 −1 − 4 −5
𝐶= |𝑧=−1 = = = −1.67
𝑧(2𝑧 − 1) −1(2(−1) − 1) 3
𝐻 (𝑧 ) 4 4.67 1.67
= − −
𝑧 𝑧 2𝑧 − 1 𝑧 + 1
4.67 1.67 2.34 1.67

𝐻 (𝑧 ) = 4 − − = 4 − −
2 − 𝑧 −1 1 + 𝑧 −1 1 − 0.5𝑧 −1 1 + 𝑧 −1
ℎ[𝑛] = 4𝛿 [𝑛] − 2.34(0.5)𝑛 𝑢[𝑛] − 1.67(−1)𝑛 𝑢[𝑛]
Hubungan antara transformasi z dengan bidang frekuensi

dinyatakan dengan 𝐻(𝑧) = 𝐻(𝑒𝑗𝜔)
37
========================================================================
2.6 Tabel Transformasi Z
Tabel 2.3. Transformasi Z

Sinyal Transformasi ROC
𝛿 [𝑛 ] 1 Semua z
𝑢[𝑛] 1 |𝑧| > 1
1 − 𝑧 −1
−𝑢[−𝑛 − 1] 1 |𝑧| < 1
1 − 𝑧 −1
𝛿 [𝑛 − 𝑚] 𝑧 −𝑚 Semua z, kecuali 0 (jika

m>0) atau ∞ (jika m <0)
𝛼 𝑛 𝑢[𝑛] 1 |𝑧| > |𝛼|
1 − 𝛼𝑧 −1
−𝛼 𝑛 𝑢[−𝑛 − 1] 1 |𝑧| < |𝛼|
1 − 𝛼𝑧 −1
𝑛𝑢 [𝑛] 𝑧 −1 |𝑧| > 1
(1 − 𝑧 −1 )2
𝑛𝛼 𝑛 𝑢[𝑛] 𝛼𝑧 −1 |𝑧| > |𝛼|
(1 − 𝛼𝑧 −1 )2
−𝑛𝛼 𝑛 𝑢[−𝑛 − 1] 𝛼𝑧 −1 |𝑧| < |𝛼|
(1 − 𝛼𝑧 −1 )2
[𝑐𝑜𝑠 𝜔0 𝑛]𝑢[𝑛] 1 − [𝑐𝑜𝑠 𝜔0 ]𝑧 −1 |𝑧| > 1
1 − [2 𝑐𝑜𝑠 𝜔0 ]𝑧 −1 + 𝑧 −2
[𝑠𝑖𝑛 𝜔0 𝑛]𝑢[𝑛] 1 − [𝑠𝑖𝑛 𝜔0 ]𝑧 −1 |𝑧| > 1
1 − [2 𝑐𝑜𝑠 𝜔0 ]𝑧 −1 + 𝑧 −2
[𝑟 𝑛 𝑐𝑜𝑠 𝜔0 𝑛]𝑢[𝑛] 1 − [𝑟 𝑐𝑜𝑠 𝜔0 ]𝑧 −1 |𝑧| > 𝑟
1 − [2 𝑟 𝑐𝑜𝑠 𝜔0 ]𝑧 −1 + 𝑟 2 𝑧 −2
[𝑟 𝑛 𝑠𝑖𝑛 𝜔0 𝑛]𝑢[𝑛] 1 − [𝑟 𝑠𝑖𝑛 𝜔0 ]𝑧 −1 |𝑧| > 𝑟
1 − [2 𝑟 𝑐𝑜𝑠 𝜔0 ]𝑧 −1 + 𝑟 2 𝑧 −2
{𝛼 𝑛 , 0 ≤ 𝑛 1 − 𝛼 𝑁 𝑧 −𝑁 |𝑧| > 0
≤ 𝑁 − 1 0, 𝑙𝑎𝑖𝑛𝑛𝑦𝑎 1 − 𝛼𝑧 −1
Contoh :
Diketahui :
1
𝐻 (𝑧 ) =
1 1
(1 − 6 𝑧 −1 ) (1 − 4 𝑧 −1 )
Tentukan :
a. Respons impuls sistem
b. Persamaan beda waktu/persamaan selisih
38
========================================================================
c. Struktur Realisasi Sistem

d. Respons Frekuensi
e. Pole Zero Pattern
f. Apakah sistem ini stabil?
Jawab :
a. Respons Impuls
1 𝑧2 𝑧2
𝐻 (𝑧 ) = . =
1 1 1 1
(1 − 6 𝑧 −1 ) (1 − 4 𝑧 −1 ) 𝑧. 𝑧 (𝑧 − 6) (𝑧 − 4)
1 1
𝐻 (𝑧 ) 𝑧 𝐴 𝐵 𝐴 (𝑧 − 4) + 𝐵 (𝑧 − 6)
= = + =
𝑧 1 1 1 1 1 1
(𝑧 − 6) (𝑧 − 4) (𝑧 − 6) (𝑧 − 4) (𝑧 − 6) (𝑧 − 4)
1 1
(𝐴 + 𝐵)𝑧 + (− 𝐴 − 𝐵)
4 6
=
1 1
(𝑧 − 6) (𝑧 − 4)
Dari persamaan di atas didapatkan :
1 1
(𝐴 + 𝐵) = 1 𝑑𝑎𝑛 (− 𝐴 − 𝐵) = 0
4 6
Sehingga didapatkan B=3 dan A= -2
𝐻 (𝑧 ) −2 3
= +
𝑧 1 1
(𝑧 − 6) (𝑧 − 4)
−2𝑧 3𝑧
𝐻 (𝑧 ) = +
1 1
(𝑧 − 6) (𝑧 − 4)
Sehingga persamaan respons impuls :
1 𝑛 1 𝑛
ℎ(𝑛) = −2 ( ) 𝑢(𝑛) + 3 ( ) 𝑢(𝑛)
6 4
b. Persamaan beda waktu / persamaan selisih

𝑌(𝑧) 1
𝐻 (𝑧 ) = =
𝑋(𝑧) (1 − 1 𝑧 −1 ) (1 − 1 𝑧 −1 )
6 4
1 1
𝑌 (𝑧) (1 − 𝑧 −1 ) (1 − 𝑧 −1 ) = 𝑋(𝑧)
6 4
5 −1 1 −2
𝑌 (𝑧) (1 − 𝑧 + 𝑧 ) = 𝑋(𝑧)
12 24
5 1
𝑌(𝑧) − 𝑧 −1 𝑌 (𝑧) + 𝑧 −2 𝑌 (𝑧) = 𝑋(𝑧)
12 24
5 −1 1
𝑌 (𝑧 ) = 𝑧 𝑌(𝑧) − 𝑧 −2 𝑌(𝑧) + 𝑋(𝑧)
12 24
39
========================================================================
Setelah dilakukan proses invers didapatkan persamaan beda waktu :

5 1
𝑦 (𝑛 ) = 𝑦(𝑛 − 1) − 𝑦(𝑛 − 2) + 𝑥(𝑛)
12 24
c. Struktur Realisasi Sistem

1) Didapatkan dari persamaan beda waktu
5 1
𝑦 (𝑛 ) = 𝑦(𝑛 − 1) − 𝑦(𝑛 − 2) + 𝑥(𝑛)
12 24
2) Kemudian dengan rumus
𝛴𝑓𝑜𝑟𝑤𝑎𝑟𝑑
𝐻 (𝑧 ) =
1 − 𝛴𝑙𝑜𝑜𝑝
1 1
𝐻 (𝑧 ) = =
1 1 5 −1 1 −2
(1 − 6 𝑧 −1 ) (1 − 4 𝑧 −1 ) (1 −
12 𝑧 + 24 𝑧 )
1
=
5 1 −2
1 − ( 𝑧 −1 − 𝑧 )
12 24
𝛴𝑓𝑜𝑟𝑤𝑎𝑟𝑑 1
𝐻 (𝑧 ) = =
1 − 𝛴𝑙𝑜𝑜𝑝 5 1
1 − (12 𝑧 −1 − 24 𝑧 −2 )
Sehingga dapat digambarkan seperti di bawah ini :
Struktur Realisasi dengan Adder min
40
========================================================================
d. Respons Frekuensi
1
𝐻(𝑒 𝑗𝜔 ) =
1 1
(1 − 6 𝑒 −𝑗𝜔 ) (1 − 4 𝑒 −𝑗𝜔 )
e. Pole Zero Pattern
Dari fungsi transfer dapat diketahui pole dan zero :
1
𝐻 (𝑧 ) =
1 1
(1 − 𝑧 −1 ) (1 − 𝑧 −1 )
6 4
Pole :
1 1
𝑧= ;𝑧 =
6 4
Zero :
𝑧 = 0 ;𝑧 = 0
f. Sistem ini stabil karena semua pole berada di dalam lingkaran satuan (fasa
minimum karena zero juga berada di dalam lingkaran satuan)
3. Transformasi Fourier
Transformasi Fourier adalah proses pengubahan sinyal dari domain waktu ke
dalam domain frekuensi. Pada pengolahan sinyal digital, jenis Transformasi
Fourier yang sering dipakai adalah DFT (Discrete Fourier Transform) dan FFT
(Fast Fourier Transform).
41
========================================================================
3.1 DFT (Discrete Fourier Transform)

DFT merupakan transformasi fourier yang sinyal masukannya berupa
sinyal diskrit dan periodik.
x(n) x(k)
DFT
Gambar 2.6 Discrete Fourier Transform
Di mana n = 0, …N-1 dan k = 0, …N-1

DFT analisis:
𝑋[𝑘] = ∑𝑁−1
𝑛=0 𝑥[𝑛]𝑒 − 𝑗2𝑘𝜋𝑛/𝑁 (2.3)
Invers DFT (IDFT) menghitung kembali representasi sinyal waktu diskrit

x(n) dari sinyal yang dinyatakan dalam domain frekuensi X(k).
𝑁−1 𝑁−1
1 𝑘 1
𝑥 (𝑛) = ∑ 𝑋(𝑘 )𝑒 𝑗2𝜋 ( ) 𝑛 = ∑ 𝑋 (𝑘 ) 𝑊𝑁−𝑘𝑛
𝑁 𝑁 𝑁 (2.4)
𝑘=0 𝑘=0
Di mana
2𝜋
𝑊𝑁 = 𝑒 −𝑗 𝑁  akar N ke Unity (2.5)
3.2 Sifat-Sifat DFT
a. Sifat Linier
𝑥1 (n) 𝑥1 (k)
jika
DFT
dan x2(n) 𝑥2 (k)

DFT
maka untuk semua konstanta a1 dan a2 real atau kompleks
𝑎1𝑥1(𝑛) + 𝑎2𝑥2(𝑛) 𝑎1𝑥1(𝑘) + 𝑎2𝑥2(𝑘)

DFT
42
============================================================================
Gambar 2.7 Sifat linier DFT

b. Sifat Periodik
Jika
Gambar 2.8 Sifat Periodik DFT
Maka
𝑥(𝑛 + 𝑁) = 𝑥(𝑛) untuk semua n

𝑥(𝑘 + 𝑁) = 𝑥(𝑘) untuk semua k
Contoh Soal DFT :

1) Diketahui suatu sinyal diskrit 𝑥(𝑛) = {3 0 1 2}, tentukan DFT dari sinyal
tersebut dan tentukan koefisien DFT dari sinyal tersebut !
Jawab :
𝑁=4
𝑥 (𝑘 ) = ∑𝑁−1 𝑘.𝑛
𝑛=0 𝑥 (𝑛) 𝑊𝑁 dimana 𝑊𝑁 = 𝑒 −𝑗2𝜋/𝑁
tentukan dulu nilai – nilai berikut:

𝑗2𝜋 𝜋 𝜋
𝑊41 = 𝑒 − 4 = 𝑐𝑜𝑠 − 𝑗 𝑠𝑖𝑛 = −𝑗
2 2
𝑊42 = 𝑊41 . 𝑊41 = (−𝐽)(−𝐽) = −1
𝑊43 = 𝑊42 . 𝑊41 = (−1)(−𝐽) = 𝐽
𝑊44 = 𝑊43 . 𝑊41 = (𝐽)(−𝐽) = 1
43
============================================================================
X(k) untuk nilai 𝑘 = 3, 0, 1, 2 dapat dihitung dengan persamaan :

4−1
𝑥 (3) = ∑ 𝑥 (𝑛) 𝑊𝑁3.𝑛 = 𝑥 (0)𝑊40 + 𝑥 (1)𝑊43 + 𝑥 (2)𝑊46 + 𝑥(3)𝑊49
𝑛=0
= 3(1) + 0(𝑗) + 1(−1) + 2(−𝑗) = 2 − 2𝑗
4−1
𝑥 (0) = ∑ 𝑥 (𝑛) 𝑊𝑁0.𝑛 = 𝑥 (0) + 𝑥(1) + 𝑥 (2) + 𝑥 (3) = 3 + 0 + 1 + 2 = 6
𝑛=0
4−1
𝑥 (1) = ∑ 𝑥 (𝑛) 𝑊𝑁1.𝑛 = 𝑥 (0)𝑊40 + 𝑥 (1)𝑊41 + 𝑥 (2)𝑊42 + 𝑥 (3)𝑊43
𝑛=0
= 3(1) + 0(−𝑗) + 1(−1) + 2(𝑗) = 2 + 2𝑗
4−1
𝑥 (2) = ∑ 𝑥 (𝑛) 𝑊𝑁3.𝑛 = 𝑥 (0)𝑊40 + 𝑥 (1)𝑊42 + 𝑥 (2)𝑊44 + 𝑥(3)𝑊46
𝑛=0
= 3(1) + 0(−1) + 1(1) + 2(−1) = 2
Jadi koefisien DFT dari x(n) adalah : 𝑋(𝑘) = [(2 − 2𝑗), 6, 2 + 2𝑗 , 2]
3𝑍+2
2) Tentukan DFT 4 titik dari sistem dengan fungsi transfer 𝐻(𝑍) = 𝑧
Jawab :
3𝑍+2
𝐻(𝑍) = 𝑍
3𝑍+2
𝐻(𝑍) = = 3 + 2𝑧 −1
𝑍
ℎ(𝑛) = 3𝛿 (𝑛) + 2𝛿 (𝑛 − 1)
𝑁−1
𝑗2𝜋
𝐻 (𝐾 ) = ∑ ℎ ( 𝑛 ) 𝑒 − 𝑁
𝑛𝐾
𝑛=0
Di mana 𝐾 = 0, 1 , 2 , . . . 𝑁 − 1
𝑗2𝜋 𝑗2𝜋 𝑗2𝜋 𝑗2𝜋
𝐻 (0) = ℎ(0)𝑒 − 4
.0.0
+ ℎ(1)𝑒 − 4
.0.1
+ ℎ(2)𝑒 − 4
.0.2
+ ℎ(3)𝑒 − 4
.0.3
= 3.1 + 2.1 + 0 + 0 = 5

𝐻 (1) = ℎ(0)𝑒 − 4
.1.0
+ ℎ(1)𝑒 − 4
.1.1
+ ℎ(2)𝑒 − 4
.1.2
+ ℎ(3)𝑒 − 4
.1.3
= 3.1 + 2. (0 − 𝑗) + 0 + 0 = 3 − 2𝑗

𝐻(2) = ℎ(0)𝑒 − 4
.2.0
+ ℎ(1)𝑒 − 4
.2.1
+ ℎ(2)𝑒 − 4
.2.2
+ ℎ(3)𝑒 − 4
.2.3
= 3.1 + 2. (−1) + 0 + 0 = 1
44
============================================================================

𝐻 (3) = ℎ(0)𝑒 − 4
.3.0
+ ℎ(1)𝑒 − 4
.3.1
+ ℎ(2)𝑒 − 4
.3.2
+ ℎ(3)𝑒 − 4
.3.3
= 3.1 + 2. (0 + 𝑗) + 0 + 0 = 3 + 2𝑗
3.3 FFT (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
• Decimation in Time
• Decimation in Frequency
• MATLAB
Syntax-syntax MATLAB yang digunakan dalam praktikum kali ini adalah:
No Syntax Fungsi
1. Plot Digunakan untuk memplot sinyal
2. Stem Digunakan untuk memplot sinyal dalam bentuk diskrit
3. Subplot Membagi 1 figure menjadi beberapa subfigure lalu

memplot sinyal pada masing-masing subfigure.
Subplot (x,y,n) : x menyatakan baris, y menyatakan kolom,
n menyatakan urutan ke-n.
misal, subplot (2,1,1) berarti dalam 1 figure terdapat 2 baris, 1
kolom dan kita akan memplot pada subfigure
pertama
4. Freqz(x) menampilkan respon frekuensi dari x

5. zplane(x) untuk menampilkan pole-zero dari x
6. Fft melakukan operasi fft pada suatu sinyal
7. Wavplay memainkan file suara
8. Figure untuk menampilkan suatu figure
45
============================================================================
4. Prosedur Praktikum
Bagian ini adalah command MATLAB untuk melakukan praktikum Modul 2. Peserta
praktikum diharapkan untuk mencoba sebelum melaksanakan praktikum.
4.1 Transformasi Z
a. Mendeklarasikan Sistem
Misal sistem yang diwakili oleh respons impuls h(n) = δ(n) + δ(n-1), dapat ditulis
dalam MATLAB sebagai berikut:
>> n = [0 1];
>> hn = [1 1];
b. Menentukan Nilai Pole dan Zero dari Sistem Tersebut

Fungsi yang digunakan untuk menentukan pole dan zero adalah zplane.
>> zplane(hn);
Setelah menekan Enter, akan muncul sebuah figure yang menunjukkan daerah
pole dan zero. Dari daerah tersebut dapat diketahui kestabilan dari sistem tersebut.
46
============================================================================
4.2 Kestabilan Sistem

a. Melihat Respon Frekuensi dari Sistem
Fungsi yang digunakan untuk melihat respon frekuensi dari sistem
tersebut adalah freqz.
>> freqz(hn);
Tekan enter, selanjutnya akan muncul sebuah figure yang didalamnya

terdapat dua buah grafik yaitu untuk respon magnitude dan respon fasa dari
sistem tersebut.
Dengan melihat 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).
47
============================================================================
4.3 Transformasi Fourier

a. Pendahuluan
Sebelum masuk ke fungsi transformasi fouriter kita terlebih dahulu
membuat program yang membangkitkan sinyal sinusoidal dengan frekuensi
sampling yang berbeda-beda. Frekuensi sampling yang digunakan adalah Fs =
2000 khz, 8000 khz, dan 32000 khz. Dengan ω = π/100 dan batas t = 0-1000.
Pada program tersebut ketikan sebagai berikut:
>> fs = 8000; % inisialisasi frekuensi sampling

>> t = [0:0.01:1000]; % batas t
>> xt = 10*sin(2*t*pi/100); % membangkitkan sinyal sinusoidal
>> figure (1);
>> stem(t, xt); % plot sinyal dalam bentuk diskrit
>> sound(xt, fs); % mendengarkan sinyal suara
Selanjutnya klik ikon (Run) untuk menjalankan program tersebut.
48
============================================================================
b. Analisis Spektrum Frekuensi

Untuk menganalisis spektrukm frekuensi, rekam suara melalui microphone
dan tuliskan sintaks berikut:
>> fs = 8000; % inisialisasi frekuensi

>> bits = 16; % jumlah bit
>> ch = 2; % channel stereo
>> rec = audiorecorder(fs, bits, ch); % merekam suara
>> disp('Start Speaking'); % menampilkan tulisan ‘Start
Speaking’ pada layar
>> recordblocking(rec, 5); % durasi rekaman
>> disp('End of Recording');
>> play(rec); % mulai rekaman
>> myRecording = getaudiodata(rec); % menyimpan hasil rekaman
>> plot(myRecording); % plot hasil rekaman
>> audiowrite('suara3.wav', myRecording, fs);% nama rekaman audio
Selanjutnya tambahkan sintaks berikut untuk melihat spektrum frekuensi dari suara
tersebut:
>> x = audioread('suara3.wav'); % membaca file sinyal suara

dalam format .wav
>> figure(1);
>> plot(abs(fft(x, fs))); % proses fft untuk melihat spektrum
frekuensi
Setelah
>>sound(x, fs); sintaks dijalankan akan%mendengarkan
muncul figure sinyal
yang berisi
suara spektrum frekuensi
dari sinyal suara yang telah direkam tadi.
49
============================================================================
c. Filter Menggunakan Respons Impuls

Kali ini kita akan membuat program untuk menyaring suatu suara dengan
menggunakan respons impuls sebagai filternya. Pertama pilih salah satu file audio
yang ada pada file penyimpanan (misal: suara3.wav). Deklarasikan sistem tersebut,
misal sistem adalah hn = [1 -1]. Lalu tulis sintaks berikut pada editor di MATLAB.

dalam format.wav
>> hn = [1 -1]; % inisialisasi respon impuls
>> freqz(hn); % melihat respon frekuensi
>> sound(x, fs); % mendengarkan sinyal suara
Setelah sintaks dijalankan, maka akan muncul figure yang berisi respons frekuensi dari
sistem tersebut yang dapat dilihat sebagai berikut:
50
============================================================================
Seperti yang terlihat pada gambar di atas, khususnya terlihat pada respon
magnitude-nya, sistem ini merupakan dasar untuk membuat filter HPF (High Pass
Filter). Selanjutnya tulis sintaks berikut untuk melihat spektrum frekuensi dari sinyal
suara hasil rekam yang belum difilter, tujuannya untuk membandingkan hasil sebelum
difilter dan setelah difilter.

dalam format .wav
>> hn = [1 -1]; % inisialisasi respon impuls
>> figure(1);
>> y = filter(hn, 1, x); % memfilter suara hasil rekaman
>> plot(abs(fft(y, fs))); % melihat hasil filter malalui
spektrum frekuensi
>> sound(y, fs); % mendengarkan sinyal suara hasil filter
Selanjutnya coba dengan suara yang telah difilter dan bandingkan dengan yang
sebelum difilter tadi. Perbedaannya pun dapat kita lihat melalui grafik spektrum
frekuensinya. Coba analisis grafik di bawah ini.
Grafik Sebelum Menggunakan Filter
51
============================================================================
Grafik Setelah Menggunakan Filter HPF

Dapat kita lihat bahwa sinyal suara yang telah difilter hanya berisi frekuensi-
frekuensi rendah sedangkan frekuensi tinggi sudah hilang akibat filter yang dibuat
tadi.
a. Aplikasi Penerapan Transformasi Fourier pada Sinyal ECG

1. Memuat sinyal ecg
Pertama, kita harus memastikan bahwa workspace matlab bersih sebelum
dilakukan proses selanjutnya dengan menggunakan perintah clc, clear, dan close all.
Setelah itu, kita harus memuat sinyal ecg dari database ecg yang telah sediakan
dengan menggunakan fungsi ‘load’. Dengan menggunakan fungsi ‘load’ ini maka
program akan memuat semua data dari file ‘ecg.mat’ tersebut. File ‘ecg.mat’
merupakan file data yang berisi sinyal ecg yang akan diproses pada praktikum ini. File
‘ecg.mat’ dapat di unduh pada link berikut:
https://drive.google.com/file/d/1K3M0n4ngZfCWr9ytDUopWlK4aYGbtE9G/view?usp
=sharing
>> clc; clear; close all;

>> %% load ECG
>> load('ecg.mat')%memuat sinyal ecg
52
============================================================================
2. Penyesuaian sinyal
Sebelum dilakukan proses transformasi fourier sinyal perlu di sesuaikan dengan
nilai Fs dan G yang diinginkan. Frekuensi sampling yang digunakan adalah 𝑓𝑠 =
250 𝐻𝑧. Dengan nilai faktor skalabilitas amplitudo 𝐺 = 2000. Pada tahapan ini
amplitudo akan disesuaikan dengan nilai G yang telah ditentukan. Hal ini digunakan
untuk memastikan bahwa amplitudo sinyal berada pada rentang yang sesuai untuk di
analisis. Setelah itu sinyal akan di normalisasi lalu membuat vektor waktu. Vektor
waktu ini akan digunakan dalam plotting data. Untuk lebih lengkapnya tulis sintaks
berikut pada program matlab.
>> %% Penyesuaian sinyal

>> Fs = 250; %[Hz]
>> G = 2000; %faktor skalabilitas amplitudo
>> ecg = ecg/G; %sesuaikan amplitudo

>> ecg = (ecg - mean(ecg))/std(ecg); %normalisasi
sinyal ecg
>> t = (1:1:length(ecg))*(1/Fs); %membuat vektor
waktu
>> figure(1);
>> plot(t,ecg)
>> xlim([0 4])
>> xlabel('Waktu (s)')
>> ylabel('Amplitudo (mV)')
>> title('ECG
Setelah programdalam Domain
dijalankan, waktu')
maka akan muncul figure 1 yang berisi sinyal ecg
sebelum dilakukan Transformasi Fourier FFT.
53
============================================================================
3. Melakukan Transformasi Fourier FFT (Fast Fourier Transfer)
Kali ini kita akan melakukan Transformasi Fourier FFT (Fast Fourier Transfer)
dari sinyal ecg yang telah dihasilkan diatas. Bagian ini adalah untuk menghasilkan
plot frekuensi dari sinyal ecg setelah dilakukan transformasi Fourier.
Fungsi ‘fft’ digunakan untuk menghitung FFT dari sinyal ‘ecg’. Hasilnya
adalah spektrum frekuensi dari sinyal ecg dalam bentuk kompleks. Maka untuk
analisi dibutuhkan nilai yang absolut dengan menggunakan fungsi ‘abs’. Selaljutnya
memotong spektrum frekuensi sehingga menghasilkan setengah spektrum
frekuensi positifnya saja. Lalu menyesuaikan rentang amplitudo yang dibutuhkan.
Lalu langkah terakhir sebelum sinyal diplot adalah membuat vektor frekuensi ‘f’
yang merupakan vektor yang sesuai dengan setiap komponen dalam spektrum
frekuensi yang dihasilkan. Tuliskan sintaks berikut pada program matlab untuk
melakukan proses FFT.
>> %% FFT
>> F = fft(ecg); %proses fft

>> F = abs(F); %menghasilkan nilai absolut dari
hasil
fft
>> F = F(1:ceil(end/2)); %memotong sinyalnya jadi
spektrum yang positif
>> F = F/max(F); %mengubah range amplitudo jadi
0-1
>> L = length(F); %panjang sinyal
>> f = (1:1:L)*((Fs/2)/L);
>> %(Fs/2)/L adalah jarak antara dua titik
frekuensi
Yang berdekatan
>> figure(2);
>> plot(f,F)
>> xlabel('Frekuensi (Hz)');
>> ylabel('Magnitude Normalisasi');
>> title('ECG dalam frekuensi');
54
============================================================================
Setelah program dijalankan, maka akan muncul figure 2 yang berisi sinyal
ecg setelah dilakukan Transformasi Fourier FFT.
Seperti yang terlihat dari gambar diatas merupakan sinyal ecg

yang telah melalui proses transformasi fourier FFT. Dengan melakukan
proses ini, kita dapat menganalisis sinyal ecg dalam domain frekuensi
untuk mengidentifikasi frekuensi-frekuensi yang relevan dalam sinyal
tersebut.
Program di atas merupakan implementasi pemrosesan sinyal
ECG (electrocardiogram) dalam domain waktu dan frekuensi
menggunakan FFT (Fast Fourier Transform)
55
============================================================================
MODUL III
IMPLEMENTASI FILTER IIR DAN FIR
A. TUJUAN PRAKTIKUM :
1. Memahami perbedaan antara filter IIR dan FIR
2. Merancang filter IIR dan FIR melalui perhitungan
3. Mengimplementasikan filter IIR dan FIR dalam bentuk equalizer 3 band secara
sederhana dengan menggunakan MATLAB
B. DASAR TEORI
1. FILTER
Dalam pemrosesan sinyal digital, filter digunakan untuk memisahkan bagian-bagian
yang tidak diinginkan dari suatu sinyal, seperti noise, dengan cara meredam atau
melewatkan frekuensi tertentu, sehingga diperoleh sinyal yang diinginkan. Filter merupakan
suatu sistem yang mempunyai fungsi transfer tertentu untuk meloloskan sinyal masukan
pada frekuensi-frekuensi tertentu dan menyaring / memblokir / melemahkan sinyal
masukan pada frekuensi-frekuensi yang lain.
Filter diklasifikasikan :
a. Berdasarkan frekuensi yang disaring :
• Low Pass Filter : Filter yang melewatkan frekuensi yang lebih rendah dari frekuensi
cut-off (fc).
fc
Gambar 3.1. LPF
53
============================================================================
• High Pass Filter : Filter yang melewatkan frekuensi yang lebih tinggi dari frekuensi
cut-off (fc). Biasanya frekuensi cut-off berada di nilai -3 dB.
fc
Gambar 3.2. HPF
• Band Pass Filter : Filter yang melewatkan suatu range frekuensi diantara dua frekuensi cut
off (fc), yaitu fcL dan fcH.
fc fc
Gambar 3.3. BPF
• Band Stop Filter : Filter yang melewatkan frekuensi diluar range frekuensi yang berada
diantara dua fc yaitu fcL dan fcH.
fc fc
Gambar 3.4. BSF

b. Berdasarkan inputannya, terdapat dua jenis filter, yaitu filter analog dan filter digital.
• Filter analog : sinyal masukan berupa sinyal analog
Sinyal Sinyal
analog Filter analog
Analog
Gambar 3.5. Blok Filter Analog
• Filter digital : sinyal masukan berupa sinyal diskrit
54
============================================================================
Sinyal Sinyal Sinyal Sinyal

analog AD digital Filter Digital digital DA analog
C C
Gambar 3.6. Blok Filter Digital
Filter digital terdiri atas:

 FIR (Finite Impulse Response)
 IIR (Infinite Impulse Response )
2. FIR (FINITE IMPULS RESPONSE)

Perbedaan yang mendasar antara Filter IIR dan FIR adalah pemakaian filter FIR
terbatas untuk waktu diskrit. Perancangan filter FIR berdasarkan aproksimasi langsung
respon frekuensi yang diinginkandari sistem waktu diskrit. FIR merupakan suatu sistem yang
non-rekursif, dimana keluaran saat ini tidak bergantung pada keluaran sebelumnya,
sehingga mempunyai respon impuls yang terbatas. FIR dapat dirancang agar kausal dan
mempunyai fase linier. Filter fase linier yaitu filter yang mempunyai respon impuls yang
simetri di kiri dan kanan sumbu y.
Ada dua metode untuk mendesain filter FIR, yaitu :
a. Metode frekuensi sampling
b. Metode windowing
2.1 Metode Fekuensi Sampling

Metode sampling frekuensi dilakukan dengan mensampel N titik dari respons
frekuensi yang diinginkan pada interval 0 − 2. Koefisien yang diperoleh (H(k)) kemudian
diinvers transformasi Fourierkan untuk memperoleh ℎ(𝑛). (IDFT ada di modul dua).
Langkah perancangannya:
1. Sketsa respon frekuensi filter  𝐻(𝑒𝑗𝑤)  0 ≤ 𝜔 ≤ 2𝜋
2. Sampling sejumlah N titik  𝐻(𝑘)
3. IDFT [𝐻(𝑘)]  ℎ(𝑛)
55
============================================================================
4. Realisasikan
Gambar 3.7. |𝐻(𝑒 𝑗𝜔 )|
2.2 Metode Windowing

Metode windowing merupakan metode yang sederhana untuk mendesain filter FIR,
serta mudah untuk digunakan. Cara termudah untuk menghasilkan Filter FIR adalah dengan
memotong respon impuls dari filter ideal kemudian menggesernya sehingga menjadi kausal.
Proses ini dinamakan windowing.
Gambar 3.8. Respon Impuls dari LPF ideal
Efek windowing di domain frekuensi adalah konvolusi dari respon frekuensi ideal
dengan respon frekuensi dari fungsi window. Adapun jenis-jenis window terdiri dari :
rectangular, bartlett, hamming, hanning, blackman, kaiser, lancroz, turkey, dll.
56
============================================================================
Langkah-langkah Perancangan Filter FIR dengan Metode Windowing
1. Tentukan Respon Impuls Filter Ideal
LPF h(n)
= 1 sin(𝜔𝑐𝑛)
HPF
= 1 sin(𝜋𝑛) - 1 sin(𝜔𝑐𝑛)
= 1 sin(𝜔𝑐2𝑛) - 1 sin(𝜔𝑐1𝑛)
BSF
= 1 sin(𝜔𝑐1𝑛) + 1 sin(𝜋𝑛) - 1 sin(𝜔𝑐2𝑛)

(3.1)
2. Tentukan window yang akan digunakan, berdasarkan redaman stopband filter yang
diinginkan.
Tabel 3.1. Jenis window
No Window LebarPitaTransisi Maksimum Redaman Stopband (dB)

1 Rectangular 4𝜋/𝑁 −21
2 Bartlett 8𝜋/𝑁 −25
3 Hanning 8𝜋/𝑁 −44
4 Hamming 8𝜋/𝑁 −53
5 Blackman 12𝜋/𝑁 −74
57
============================================================================
3. Berdasarkan lebar pita transisi, tentukan Lebar window N (orde minimum)
Rectangular : 𝜔𝑅 (𝑛) = 1, 0 ≤ 𝑛 ≤ 𝑁 − 1
2𝑛 𝑁−1
Bartlett : 𝜔𝐵 (𝑛) = 𝑁−1 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑛 ≤ 2
2𝑛 𝑁−1
2 − 𝑁−1 𝑢𝑛𝑡𝑢𝑘 ≤𝑛 ≤𝑁−1
2
0 untuk lainnya
Hanning : 𝜔𝐻𝑎𝑛(𝑛) = 0.5 – 0.5𝑐𝑜𝑠[2𝜋𝑛/(𝑁 − 1)], 0≤ 𝑛 ≤𝑁−1
Hamming : 𝜔𝐻𝑎𝑚(𝑛) = 0.54 – 0.46𝑐𝑜𝑠[2𝜋𝑛/(𝑁 − 1)], 0 ≤ 𝑛 ≤ 𝑁 − 1
Blackman : 𝜔𝐵𝑙(𝑛) = 0.42– 0.5𝑐𝑜𝑠[2𝜋𝑛/(𝑁 − 1)] + 0.08𝑐𝑜𝑠[4𝜋𝑛/(𝑁 − 1)], (3.2)

0 ≤ 𝑛 ≤ 𝑁−1
4. Tentukan Respon Impuls Sistem
ℎ(𝑛) = ℎ(𝑛) ∗ 𝜔(𝑛)

(3.3)
Respon Impuls Filter : ℎ(𝑛) = [ℎ0, ℎ1, ℎ2, ℎ3, . . . , ℎ𝑁]

5. Realisasi Sistem
h0
x(n) + y(n)
h1
Z-1
h2
Z-1
h3
Z-1
h
Z-1 N
Gambar 3.9. Realisasi Sistem
58
============================================================================
Contoh perancangan filter FIR metode windowing:

Rencanakan filter digital low-pass non-recursive yang mempunyai karakteristik
sebagai berikut : Amplitudo pada pita frekuensi lolos turun sampai – 3 𝑑𝐵 dari 0 𝑠/
𝑑 1200 𝐻𝑧. Pada frekuensi 3700 𝐻𝑧 diinginkan sinyal diredam minimum 24 𝑑𝐵. Filter
tersebut direncanakan bekerja pada frekuensi pencuplikan 10 KHz.
a) Tentukan persamaan response impuls ℎ(𝑛)
b) Gambarkan realisasi rangkaian filter digital tersebut.
c) Tentukan persamaan fungsi transfer 𝐻(𝑧) dan persamaan selisihnya dari hasil
perencanaan.
d) Tentukan persamaan response frekuensi 𝐻(𝑒𝑗𝜔) filter digital hasil
perencanaan. Penyelesaian:
1. Sketsa filter rancangannya
Sketsa Response magnitude filter LPF dapat dilihat seperti pada gambar berikut:
20 log|H|
Passband
Stopband
Kc Transition band
Ks

c s
Gambar 3.10. Respon frekuensi LPF
Dari gambar di atas terlihat bahwa ada tiga daerah, yaitu daerah passband, daerah
transitionband, dan daerah stopband. Prosedur untuk mencari nilai parameter (ωC,ωS, orde
filter ) adalah sebagai berikut:
2𝜋×𝑓𝑐 2𝜋×1200 2𝜋×𝑓𝑠 2𝜋×3700
𝜔𝑐 = 𝑓 = = 0,24 𝜋𝑟𝑎𝑑 𝑑𝑎𝑛 𝜔𝑠 = 𝑓 = = 0,74 𝜋𝑟𝑎𝑑
𝑠𝑎𝑚𝑝𝑙𝑖𝑛𝑔 10000 𝑠𝑎𝑚𝑝𝑙𝑖𝑛𝑔 10000
59
============================================================================
2. Menentukan respon impuls ideal atau 𝒉𝒊𝒅(𝒏) filter

Karena akan merancang filter LPF, maka dari tabel hid(n) didapat respon impuls idealnya:
sin (𝜔𝑐 𝑛) sin (0,24𝜋𝑛)
ℎ𝑖𝑑 (𝑛) = =
𝜋𝑛 𝜋𝑛
3. Penentuan window dan orde filter

Pemilihan jenis window yang digunakan dapat dilakukan dengan meperhatikan tabel.
Dari tabel di atas untuk mendapatkan redaman sebesar – 24 𝑑𝐵 atau lebih pada daerah
stopband, maka dapat digunakan window Bartlett, Hanning, Hamming, atau Blackman.
Orde filter(N) dapat ditentukan dengan menggunakan tabel window diatas dengan
memanfaatkan lebar transisinya. Sehingga dapat diperoleh transisi band adalah:
𝜔𝐶 = 0,24  dan 𝜔𝑆 = 0,74 

𝑇𝑟𝑎𝑛𝑠𝑖𝑠𝑖 𝑏𝑎𝑛𝑑 = |𝜔𝑐 − 𝜔𝑙| = |0,24𝜋 − 0,7𝜋| = 0,50𝜋
Dari lebar transisi masing-masing window yang memenuhi, dapat diperoleh orde
filter N perancangan sebagai berikut:
Window Lebar Transisi Pelemahan Orde Filter (N)

Stopband Minimum
Bartlett 8𝜋/𝑁 -25 dB 8𝜋 8𝜋
= 0,5𝜋 ⇒ 𝑁 = = 16
𝑁 0,5𝜋
Hanning 8𝜋/𝑁 -44 dB 8𝜋 8𝜋
= 0,5𝜋 ⇒ 𝑁 = = 16
𝑁 0,5𝜋
Hamming 8𝜋/𝑁 -53 dB 8𝜋 8𝜋
= 0,5𝜋 ⇒ 𝑁 = = 16
𝑁 0,5𝜋
Blackman 12𝜋/𝑁 -74 dB 12𝜋 12𝜋
= 0,5𝜋 ⇒ 𝑁 = = 24
𝑁 0,5𝜋
Spesifikasi perancangan filter pada stopband pada -24dB, maka dari spesifikasi
windowing tabel tersebut, window Barlett yang paling mendekati dan orde filter N yang
minimum. Selanjutnya, untuk mempermudah perancangan dan perhitungan, kita gunakan
orde filter yang bernilai ganjil. Sehingga 𝑁 = 16 + 1 = 17.
60
============================================================================
4. Impuls response h(n)

Pergeseran α dengan orde filter N dapat ditentukan dengan persamaan
𝑁−1 sehingga 17−1
α= =8
2 2
Impuls respons h(n) :

sin[c (n −)] sin[c (n − 8)]
h(n) = hid (n −)  wB (n) =  w B(n) =  wB (n)
[n −  ] [n − 8]
Dimana WB adalah window Bartlett yang memiliki persamaan sebagai berikut:
2𝑛 𝑁−1
𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑛 ≤
𝑁−1 2
𝑊𝐵 (𝑛) = 2𝑛 𝑁−1
2− 𝑢𝑛𝑡𝑢𝑘 ≤ 𝑛 ≤𝑁−1
𝑁−1 2
{ 0 𝑢𝑛𝑡𝑢𝑘 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
𝑛
𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑛 ≤ 8
8
𝑛
Didapatkan nilai 𝑤𝐵 (𝑛) = 2 − 𝑢𝑛𝑡𝑢𝑘 8 ≤ 𝑛 ≤ 16
8
0 𝑢𝑛𝑡𝑢𝑘 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
Sehingga,
𝑛 sin [0,2𝜋(𝑛 − 8)]
. 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑛 ≤ 8
8 𝜋[𝑛 − 8]
( )
ℎ 𝑛 =
𝑛 sin [0,2𝜋(𝑛 − 8)]
(2 − ). 𝑢𝑛𝑡𝑢𝑘 8 ≤ 𝑛 ≤ 16
{ 8 𝜋[𝑛 − 8]
[0 − 0,27 − 0,75 … ] 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑛 ≤ 8

ℎ (𝑛 ) = {
[… − 0,75 − 0,27 0] 𝑢𝑛𝑡𝑢𝑘 8 ≤ 𝑛 ≤ 16
Persamaan beda :
16
𝑦(𝑛) = ∑ ℎ(𝑘 ). 𝑥(𝑛 − 𝑘)

𝑘=0
𝑦(𝑛) = ℎ(0)𝑥 (𝑛) + ℎ(1)𝑥(𝑛 − 1) + ℎ(2)𝑥 (𝑛 − 2) + … … + ℎ(16)𝑥(𝑛 − 16)

Maka,
𝑦(𝑛) = 0 − 0,27 𝑥 (𝑛 − 1) − 0,75 𝑥 (𝑛 − 2) + … … . . . +0
61
============================================================================
5. Gambar realisasi rangkaian filter

0
x(n) y(n)
z-1 +
-0.27
z -1
-0,75
z-1
z-1
z-1
0
Gambar 3.11. Realisasi rangkaian filter
3. IIR (Infinite Impuls Response)

Filter digital IIR memiliki respon impuls durasi tak terbatas, sehingga dapat
ditransformasikan dari filter analog yang umumnya memiliki respon impuls yang panjangnya
tidak terbatas. Respon impuls yang tidak terbatas dapat dipahami sebagai suatu filter yang
memperhitungkan kondisi sebelum dan sesudahnya sebagai gabungan antara feedback dan
feedforward.
x(n) y(n)
a[k], b[k]
Gambar 3.12. Filter IIR
Transformasi tersebut dapat dilakukan setidaknya dengan tiga cara, yaitu :

1. Transformasi Z, yaitu dengan cara mendekati persamaan beda filter analog dengan
persamaan beda filter digital.
62
============================================================================
2. Impuls invariant, yaitu dengan cara mencuplik respon impuls dari sebuah sistem analog
dengan jarak cuplik yang sama. Metode transformasi z dan impuls invariant memiliki
keterbatasan yaitu hanya efektif untuk perancangan filter lowpass dan bandpass saja.
3. Transformasi bilinear, yaitu metode yang dapat mengatasi keterbatasan pada metode
transformasi z dan impuls invariant.
Karakteristik dari IIR adalah sebagai berikut :
1. Respon impuls bernilai tak hingga
2. Belum tentu stabil
• Pole di dalam lingkaran satuan  stabil
• Pole di luar lingkaran satuan  tidak stabil
3. Harus mengandung pole
4. Tidak harus mengandung zero.
b
x(n) + y(n)
b a
Z-1 Z-1
b a
Z-1 Z-1
b a
Z-1 Z-1
b a
Z-1 N Z-1
Gambar 3.13. Realisasi filter IIR
63
============================================================================
Persamaan selisih filter IIR

𝑁 𝑀
𝑦(𝑛) = ∑ 𝑏𝑘 𝑥(𝑛 − 𝑘 ) − ∑ 𝑎𝑘 𝑥(𝑛 − 𝑘)

𝑘=0 𝑘=0 (3.4)
Ket :
b= koefisien feedback Banyaknya (total koefisien) = M+N+1
a = koefisien feedforward N = orde filter IIR
3.1 Pendekatan Filter Analog :
• Filter Butterworth
• Filter Chebyshev
• Filter Elliptic
Pendekatan filter analog dapat dilihat pada tabel 2.
Tabel 3.2. Pendekatan Filter Analog
Pendekatan Passband Stopband

Butterworth No Ripple No Ripple
Chebyshev I Ripples No Ripple
Chebyshev II No Ripple Ripples
Elliptic Ripples Ripples
Gambar 3.14. Respon frekuensi dari Pendekatan Filter Analog
64
============================================================================
Tabel 3.3. Transformasi Butterworth Analog
65
============================================================================
Langkah-langkah Perancangan Filter IIR dengan Transformasi Bilinear

Contoh:
Desain filter IIR BPF dengan spesifikasi:
• Amplitudo rata pada frekuensi passband, di luar passband redaman monoton turun
• Redaman-3dB pd frekuensi 3000 Hz dan 5000 Hz
• Redaman -20 dB sinyal pada frekuensi 200 Hz dan 10000 Hz
• Frekuensi Sampel = 21000 Hz
• Menggunakan transformasi bilinear
Rancanglah filter digital sesuai dengan spesifikasi diatas !
Langkah Perancangan :
1. Gambar respon filter yang diinginkan
dB 20 log |H|
-3
Jenis Filter: Band Pass Filter
Tipe Filter : BPF Butterworth
-20
Hz
200 3000 5000 10000
Gambar 3.15. Respon frekuensi LPF

2𝜋𝑓
2. Menentukan frekuensi digital dengan menggunakan persamaan 𝜔 =
𝐹𝑠
2𝜋×200 2𝜋×3000
𝜔𝑆𝐿 = = 0,019𝜋 𝑟𝑎𝑑/𝑠𝑎𝑚𝑝𝑒𝑙 𝜔𝑃𝐿 = = 0,286 𝑟𝑎𝑑/𝑠𝑎𝑚𝑝𝑒𝑙
21000 21000
2𝜋×10000 2𝜋×5000
𝜔𝑆𝐻 = = 13,238 𝑟𝑎𝑑/𝑠𝑎𝑚𝑝𝑒𝑙 𝜔𝑃𝐻 = = 0,476 𝑟𝑎𝑑/𝑠𝑎𝑚𝑝𝑒𝑙
21000 21000
3. Konversi frekuensi digital ke frekuensi analog (prewarping)

ω
Konversi menggunakan mode radian dengan persamaan Ω = 2Fs. tan ( )
2
0,019𝜋 0,286𝜋
Ω𝑆𝐿 = 2𝑓𝑠 × tan ( ) Ω𝑃𝐿 = 2𝑓𝑠 × tan ( )
2 2
= 2𝑓𝑠 × 0,03 = 2𝑓𝑠 × 0,482
66
============================================================================
0,952𝜋 0,476𝜋
Ω𝑆𝐻 = 2𝑓𝑠 × tan ( ) Ω𝑃𝐻 = 2𝑓𝑠 × tan ( )
2 2
= 2𝑓𝑠 × 13,238 = 2𝑓𝑠 × 0,927
4. Menentukan filter prototype LPF untuk BPF Butterworth
−(Ω𝑆𝐿)2 + Ω𝑃𝐿 × Ω𝑃𝐻 −(2𝐹𝑠 × 0,03)2 + (2𝐹𝑠 × 0,482)(2𝐹𝑠 × 0,927)
𝐴= = = 52,803
Ω𝑆𝐿 (Ω𝑃𝐻 − Ω𝑃𝐿 ) (2𝐹𝑠 × 0,03)(2𝑓𝑠 × 0,927 − 2𝑓𝑠 × 0,482)
−(Ω𝑆𝐻 )2 + Ω𝑃𝐿 × Ω𝑃𝐻 −(2𝐹𝑠 × 13,238)2 + (2𝐹𝑠 × 0,482)(2𝐹𝑠 × 0,927)

𝐵= = = −29,672
Ω𝑆𝐻 (Ω𝑃𝐻 − Ω𝑃𝐿 ) (2𝐹𝑠 × 13,238)(2𝑓𝑠 × 0,927 − 2𝑓𝑠 × 0,482)
Ω𝐶 = min{|52,803|, |−29,672|} = 29,672
5. Menentukan orde filter (N)

𝑟𝑝 3
10−10 − 1 1010 − 1
log ( 𝑟𝑠 ) log ( 20 )
⌈ ⌈ ⌉
10−10 − 1 ⌉⌉ ⌈ 1010 − 1 ⌉ ⌈0,678⌉
𝑛=⌈ = = =1
⌈ 1 1
2log ( ) ⌉ ⌈2log ( )⌉
⌈ Ω𝐶 ⌉ ⌈ 29,672 ⌉
⌈ ⌉ ⌈ ⌉
6. Denormalisasi
1
Sesuai table, untuk orde 1 pada Butterworth, maka 𝐻𝑛 (𝑠) =
𝑠+1
Untuk BPF Butterwoth, maka
𝐻 (𝑠) = 𝐻𝑛 (𝑠)| 𝑠 2 +Ω𝑃𝐿 Ω𝑃𝐻 𝑠2+0,447

𝑠= =
𝑠(Ω𝑃𝐻 −Ω𝑃𝐿) 0,445
1
=
𝑠2 + 0,447
0,445𝑠 + 1
7. Menentukan H(z) dengan transformasi bilinear
𝑧−1
0,445𝑠 0,445 (𝑧 + 1)
𝐻(𝑧) = 𝐻 (𝑠)|𝑠=𝑧−1 = 2 | 𝑧−1 =
𝑧+1 𝑠 + 0,445𝑠 + 0,447 𝑠=𝑧+1 𝑧−1 2 𝑧−1
(𝑧 + 1) + 0,445 (𝑧 + 1) + 0,447
0,234 − 0,234𝑧 −2
𝐻 (𝑧 ) =
1 − 0,581𝑧 −1 + 0,527𝑧 −2
67
============================================================================
8. Gambar Realisasi sistem

𝑌 (𝑍)= 0,234. 𝑋 (𝑍)− 0,234. 𝑍 −2 𝑋(𝑍) + 0,581. 𝑍 −1 𝑌(𝑍) − 0,527. 𝑍 −2 𝑌(𝑍)
0,234
x(n) y(n)
+
-1
𝑍 −1 𝑍 −1
0,581
Z
𝑍 −1 𝑍 −1
-0,234 -0,527
Gambar 3.16. Realisasi filter dengan orde 1
Keuntungan IIR dibandingkan dengan FIR :

• Pada filter IIR orde tinggi dapat menghasilkan respon frekuensi yang tajam /
curam (hampir mendekati ideal).
• Membutuhkan koefisien yang lebih sedikit untuk respon frekuensi yang curam
sehingga dapat mengurangi jumlah waktu komputasi.
Keuntungan FIR dibandingkan IIR:
• Selalu stabil
• Dapat dirancang untuk memiliki fase yang linier
• Lebih mudah diimplementasikan ke hardware
• Respon impuls memiliki durasi yang terbatas.
68
============================================================================
4. Equalizer
Equalizer adalah rangkaian yang mampu mengamplifikasi (menguatkan) atau
mengatenuasi (meredam) rentang frekuensi tertentu dan membiarkan yang lain tetap utuh.
4.1 Jenis equalizer:
1. low cut filter/hi pass, jenis ini berfungsi untuk memotong sinyal frekuensi rendah/
meloloskan frekuensi tinggi sesuai batas frekuensi yang ditentukan.
2. hi cut filter/low pass, jenis ini kebalikan dari low cut/hi pass dimana perbedaanya
frekuensi tinggi di-cut sesuai batas yang ditentukan.
3. band pass filter (BPF), memungkinkan sinyal masuk untuk diproses dB-nya
(boost/cut) sesuai dengan range frekuensi yang diinginkan.
4. shelving equalizer/oneband equalizer, jenis ini hanya terdapat satu parameter
yang berfungsi untuk mengontrol dB (boost/cut) dari frekuensi yang di tentukan.
Jadi hanya frekuensi yang tertentu saja yang bisa diproses sesuai yang sudah
tertulis pada parameter.
5. sweeping equalizer, pada umumnya sama seperti shelving equalizer yaitu
menambah atau mengurangi kekerasan suara dari ferkuensi. Perbedaanya, pada
sweeping equalizer ini mempunyai 2 parameter, parameter yang pertama
mempunyai fungsi menetukan frekuensi berapa yang akan diproses dan yang kedua
menentukan berapa dB yang akan ditambah maupun dikurang. Jadi frekuensi yang
akan diproses dapat diubah-ubah / ditentukan sesuai keinginan. Jenis equalizer ini
biasanya ada pada mixer-mixer profesional.
6. parametric equalizer, adalah jenis equalizer yang mempunyai 3
parameter, yaitu parameter untuk mengatur kekerasan suara, parameter untuk
mengatur frekuensi(Hz), selanjutnya parameter yang mengatur kelebaran
frekuensi/bandwith yang akan ikut terpengaruh.
4.2 Fungsi equalizer:

1. Meminimalkan atau membuang karaktek yang tidak diinginkan.
2. Menonjolkan karakter tertentu dari suatu instrumen.
69
============================================================================
3. Menempatkan setiap instrumen pada lagu supaya terjadi keseimbangan / balance

frequency
4.3 Perancangan3-band equalizer berdasarkan filter yang digunakan menggunakan Matlab
Pada Matlab, dalam merancang filterdigital IIR maupun FIR telah tersedia beberapa
syntax yang dapat digunakan
Filter IIR :
• Butterworth :
>> [b,a] = butter(orde, Wn, 'tipe_filter')
• Elliptic :
>> [b,a] = ellip(orde, Ripplepass, Ripplestop,Wn, 'tipe_filter')
• Chebyshev 1 :
>>[b,a] = cheby1(orde, Ripplepass, Wn, 'tipe_filter')
• Chebyshev 2 :
>> [b,a] = cheby2(orde, Rippplestop, Wn, 'tipe_filter')
Filter FIR
>> [b,a] = fir1(orde,Wn,'tipe_filter',window(orde+1))
Ket :(Wn = frekuensi cut-off ternormalisasi)
𝑊𝑛 = (𝑓𝑐/(𝑓𝑠/2))  untuk LPF dan HPF
𝑊𝑛 = ([𝑓𝑐1 𝑓𝑐2]/(𝑓𝑠/2))  untuk BPF dan BSF
Tipe_filter :
o high highpass filter

o low  lowpass filter
o bandpass  bandpass filter
o stop  bandstop filter
70
============================================================================
Window :
o rectwin  window rectangular

o bartlett  window bartlett
o hann  window hanning
o hamming  window hamming
o blackman  window blackman
Cara kerja equalizer sendiri secara garis besarnya adalah membesarkan atau
mengecilkan intensitas suara pada range frekuensi tertentu dengan besaran(gain) tertentu.
Dalam equalizer pertama suara akan dikelompokkan dalam kelompok-kelompok frekuensi
tertentu. Pengelompokan frekuensi sendiri dilakukan oleh filter digital. Suara yang sudah
dikelompokkan dalam frekuensi tertentu tersebut kemudian akan diamplifikasi dengan
besaran(gain) tertentu. Setelah diamplifikasi dengan gain tertentu, suara tersebut disatukan
kembali untuk menghasilkan nada yang diinginkan.
Pada modul ini, kita akan membuat equalizer dengan tiga buah band, artinya kita
akan mempunyai tiga kelompok frekuensi (band). Pada modul ini juga akan diperkenalkan
cara membuat GUI (Graphical User Interface) sederhana sehingga program yang dibuat
nanti memiliki tampilan yang lebih baik.
x(n)
LPF Gain
BPF Gain y(n)
HPF Gain
71
============================================================================
Langkah-langkah membuat program equalizer 3 band dengan GUI:

1. Ketikkan guide pada command window
Sehingga akan tampil kotak dialog berikut. Pilih Blank GUI (Default) untuk membuat
GUI baru.
2. Membuat objek-objek yang akan ditampilkan pada GUI

Buatlah rancangan GUI seperti gambar berikut :
72
============================================================================
3. Simpan file tersebut dan beri nama equalizer 3 band
Dengan demikian secara otomatis kita telah membuat 2 file sekaligus,

equalizer3band.fig dan equalizer3band.m
4. Membuat callback function untuk pushbutton
Callback function adalah fungsi yang dipanggil ketika sebuah push button diklik.
Dengan kata lain, callback function inilah yang membuat sebuah tombol (push
button) mampu melakukan fungsi tertentu ketika diklik. Karena pada GUI yang kita
buat terdapat 3 push botton (Browse, Play, dan Stop) Maka kita akan memanggil
callback function sesuai dengan jumlah push button yang digunakan. Klik kanan
pada objek push button – View Callbacks– Callback
73
============================================================================
a. Ketikkan syntax berikut untuk callback function tombol Browse

% --- Executes on button press in pushbutton2.
function pushbutton2_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
[filename pathname] = uigetfile({'*.mp3'},'File selector'); %mencari file audio dengan format
.mp3
handles.fullpathname = strcat(pathname, filename);
set(handles.text9, 'String',handles.fullpathname) %menunjukan
fullpathname guidata(hObject,handles)
b. Ketikkan syntax berikut untuk callback function tombol Play

% handles structure with handles and user data (see
GUIDATA) global player;
play_equalizer(hObject,handles);
play(player); %perintah untuk memulai
audio guidata(hObject,handles)
c. Ketikkan syntax berikut untuk callback function tombol Stop

% handles structure with handles and user data (see
GUIDATA) global player;
play_equalizer(hObject,handles);
stop(player); %perintah untuk menghentikan audio yang sedang
di-play guidata(hObject,handles)
74
============================================================================
d. Ketikkan syntax berikut setelah function tombol Browse

function play_equalizer(hObject,
handles) global player;
[handles.y,handles.Fs] = audioread(handles.fullpathname);
handles.Volume=get(handles.slider4,'value'); %mengambil nilai/value dari komponen
slider 4 dan disimpan di handles.Volume
handles.g1=get(handles.slider1,'value'); %mengambil nilai/value dari komponen
slider 1 dan disimpan di handles.g1
set(handles.text6, 'String',handles.g1); %menunjukkan nilai slider 1 dengan
skala 0 - 1 set(handles.text7, 'String',handles.g2); %menunjukkan nilai slider 2
dengan skala 0 - 1 set(handles.text8, 'String',handles.g3); %menunjukkan nilai
slider 3 dengan skala 0 – 1
%lowpass
cut_off=1500; %cutoff low pass
orde=16;
a=fir1(orde,cut_off/(handles.Fs/2),'lo
w');
y1=handles.g1*filter(a,1,handles.y);
%bandpas
s f1=1500;
f2=5000;
b1=fir1(orde,[f1/(handles.Fs/2) f2/(handles.Fs/2)],'bandpass');
y2=handles.g2*filter(b1,1,handles.y);
75
============================================================================
%highpass
cut_off2=500
0;
c=fir1(orde,cut_off2/(handles.Fs/2),'hig
h'); y3=handles.g3*filter(c,1,handles.y);
handles.yT=y1+y2+y3;
player = audioplayer(handles.Volume*handles.yT, handles.Fs);
5. Running Program
Run program GUI yang telah kita buat sebelumnya dengan menekan tombol play pada
76
============================================================================
6. Running Program
Run program GUI yang telah kita buat sebelumnya dengan menekan tombol play pada
77
============================================================================
C. Aplikasi Filter Butterworth High Pass dan Low Pass pada Suatu Gambar
Filter Buterworth High Pass Filter dan Low Pass Filter digunakan dengan
menggunakan aplikasi MATLAB untuk melihat perbedaan antara gambar sebelum difilter dan
gambar setelah di filter menggunakan High Pass Filter maupun Low Pass Filter. Tiga gambar
akan di tampilkan secara bersamaan di MATLAB yaitu gambar sebelum difilter, gambar
setelah di filter BHPF, dan gambar setelah difilter BLPF.
Gambar diinput terlebih dahulu lalu gambar tersebut dimasukan pada proses Fast
Fourier Transform (FFT) dengan menggunakan fungsi ‘fft2’ pada MATLAB dengan
kodingan sebagai berikut:
% Meminta pengguna untuk memilih gambar

[filename, pathname] =
uigetfile({'*.jpg;*.png;*.bmp;*.gif', 'Supported Image
Files (*.jpg, *.png, *.bmp, *.gif)'}, 'Pilih Gambar');
if isequal(filename, 0)
disp('Pemilihan gambar dibatalkan.');
else
% Baca gambar yang dipilih
fullpath = fullfile(pathname, filename);
input_image = imread(fullpath);
% Menyimpat ukuran gambar dalam pixel

[M, N] = size(input_image);
% Menggunakan Transformasi Frourier 2 Dimensi

FT_img = fft2(double(input_image));
Setelah itu tentukan tentukan n dan D0, dimana n adalah orde filter dan D0 adalah frekuensi
cut-off titik transisi antara H(u,v) = 1 dan H(u, v) = 0:
% Memasukan nilai orde

n = 2; % nilai orde
% Memasukan nilai frekuensi pada LPF dan HPF

D0_lpf = 10; % for LPF
D0_hpf = 10; % for HPF
78
============================================================================
Lalu desain filter LPF dan HPF seperti potongan kode berikut:
% Desain filter LPF dan HPF

u = 0:(M-1);
v = 0:(N-1);
idx = find(u > M/2);
u(idx) = u(idx) - M;
idy = find(v > N/2);
v(idy) = v(idy) - N;
[V, U] = meshgrid(v, u);
D = sqrt(U.^2 + V.^2);
% LPF mask
H_lpf = 1./(1 + (D./D0_lpf).^(2*n));
% HPF mask
H_hpf = 1 - H_lpf;
79
============================================================================
Terakhir, rumus tersebut di terapkan pada gambar yang akan difilter lalu di plot pada
sebuah figura dengan potongan kode sebagai berikut:
% Menerapkan LPF
G_lpf = H_lpf .* FT_img;
% Menerapkan HPF
G_hpf = H_hpf .* FT_img;
% Menginvers transformasi fourier agar mendapatkan

hasil filter LPF dan HPF
lpf_result = real(ifft2(double(G_lpf)));
hpf_result = real(ifft2(double(G_hpf)));
% Menunjukan gambar
subplot(2, 2, 1), imshow(input_image),
title('Input Image');
subplot(2, 2, 2), imshow(lpf_result, [ ]);

title('LPF Result');
subplot(2, 2, 3), imshow(hpf_result, [ ]);

title('HPF Result');
% Menyimpat hasil LPF dan HPF

imwrite(lpf_result, 'lpf_result.png');
imwrite(hpf_result, 'hpf_result.png');
end
Berikut hasil gambar sebelum difilter dan setelah difilter:
80
============================================================================
Gambar di atas menunjukan bahwa jika suatu gambar difilter, maka gambar tersebut akan
berubah. Filter HPF merubah gambar menjadi lebih tajam, sedangkan filter LPF merubah
gambar menjadi lebih buram. Para praktikan diharapkan mencoba kode di atas dan mengulik
dengan cara mengubah potongan kodingan di atas.
81

Modul TT Reg 2023

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul TT Reg 2023

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL PRAKTIKUM

ADC, DAC, SINYAL DAN SISTEM

LABORATORIUM PENGOLAHAN SINYAL DIGITAL

• Dr. Inung Wijayanto, S.T., M.T.

• Asisten Praktikum Pengolahan Sinyal Digital 2023/2024

• Dr. Inung Wijayanto, S.T., M.T.

• Asisten Praktikum Pengolahan Sinyal Digital 2023/2024

Yang bertanda tangan dibawah ini :

Nama : Dr. Inung Wijayanto, S.T., M.T.

Jabatan : Dosen Pembina Laboratorium Pengolahan Sinyal Digital

No Keterangan Revisi Tanggal Revisi

1 Perbaikan formating equation, penambahan

Yang bertanda tangan dibawah ini :

Nama : D. Inung Wijayanto, S.T., M.T.

Jabatan : Dosen Pembina Laboratorium Pengolahan Sinyal Digital

Mengetahui, Dosen Pembina Laboratorium

Dr. Inung Wijayanto,S.T.,M.T. Dr. Inung Wijayanto, S.T, M.T.

VISI DAN MISI

teknologi bidang teknik telekomunikasi, teknik komputer, fisika teknik, dan

penelitian dan pengabdian kepada masyarakat.

VISI DAN MISI

Menjadi Program Studi S1 Teknik Telekomunikasi berstandar internasional yang berperan

1. Menyelenggarakan pendidikan unggulan dan berstandar internasional yang

STRUKTUR ORGANISASI LABORATORIUM PENGOLAHAN SINYAL DIGITAL

TAHUN AJARAN 2023/2024

KETUA KELOMPOK KEAHLIAN PSI:

Dr. INUNG WIJAYANTO, S.T., M.T

DOSEN MATA KULIAH PRAKTIKUM:

Dr. INUNG WIJAYANTO, S.T., M.T

KOORDINATOR ASISTEN PRAKTIKUM:

ADITIYA NICOLA PUTRA 1102204630

WAKIL KOORDINATOR ASISTEN PRAKTIKUM:

MUH ASLAM MAHDI 1101204172

SYAHNA HAFIZA 110201507

RAHMA DANIA ALEEM LESTARI 1102204367

NAUFAL RIZ KIFLI 1101200120

DHIYA FATHIYYA 1101201490

MIRZA ALIFIA HANUM 1101204296

MUHAMMAD WILDAN RAIHAN 1101204146

DIVISI HUMAN RESOURCE:

LUTHFIA AZZAHRA KUSUMAWARDHANI 1101204102

NITA HANIFAH 1102204534

DIVISI MEDIA CREATIVE:

RAFDI MAGIANA IBADURRAHMAN 1102202563

ADRIAN WIBISONO 1101201491

DIVISI TOOLS AND EQUIPMENT:

RICKY MARCELINO RAFIELDO 1101204237

MUHAMMAD ADAM MAJID 1101201531

ATURAN LABORATORIUM FAKULTAS TEKNIK ELEKTRO

1. Menggunakan seragam resmi Telkom University, dan membawa Kartu Tanda

Bandung,..... September 2023

Dr. Bambang Setia Nugroho, ST. , M.T.

DAFTAR PENYUSUN ............................................................................................................ i

LEMBAR REVISI .................................................................................................................. ii

LEMBAR PERNYATAAN ..................................................................................................... iii

VISI DAN MISI FAKULTAS TEKNIK ELEKTRO....................................................................... iv

VISI DAN MISI PROGRAM STUDI S1 TEKNIK TELEKOMUNIKASI ......................................... v

STRUKTUR ORGANISASI LABORATORIUM PENGOLAHAN SINYAL DIGITAL 2023/2024 ..... vi

SATUAN ACARA PRAKTIKUM PENGOLAHAN SINYAL DIGITAL 2023/2024 ....................... viii

ATURAN LABORATORIUM FAKULTAS TEKNIK ELEKTRO .................................................... ix

MODUL III : Implementasi Filter IIR dan FIR ..................................................................... 53

MODUL 0 : RUNNING MODUL

TATA TERTIB PRAKTIKUM PENGOLAHAN SINYAL DIGITAL

TAHUN AJARAN 2023/2024