SINYAL & SISTEM

Modul 3
F( F(
) )
ℱ −1 ℱ
ℱ ℱ −1
f( f[k]
t)
ℒ 𝒵 −1
𝒵
ℒ −1
F(s) F(z)

Matlab Computation Simulink Simulation

Yahya Setiawan
5022221112

Transformasi Fourier Waktu Kontinu 1

Modul 3. Transformasi Fourier Waktu Kontinu

Konseptual
Konseptualisasi Kalkulus Aljabar
Problema Real

problema
Konvolusi Integral Deret Fourier
Persamaan Diferensial

Solusi
Spektrum Sinyal
Realisasi solusi Respons Impuls

Diagram Simulasi Respons Frekuensi

Setelah mempelajari seluruh bagian ketiga ini Anda akan mampu menguasai Pengetahuan
tentang teori transformasi Fourier dan Keterampilan yang disajikan pada Tabel di bawah ini.

Pengetahuan Keterampilan
Mendapatkan representasi domain frekuensi 𝜔
1 Deret Fourier WK 1
suatu fungsi domain waktu kontinu
Mendapatkan representasi domain waktu suatu
2 Sifat-sifat deret Fourier WK 2
fungsi domain frekuensi 𝜔
Menghitung respons frekuensi dari respons
3 Definisi transformasi Fourier WK 3
impuls sistem LTI-WK
4 Sifat-sifat transformasi Fourier WK 4 Menghitung respons frekuensi dari PD
Merepresentasikan spektrum magnitudo dan
5 Respons frekuensi 5
fase dari sinyal
6 Aplikasi transformasi Fourier WK 6 Menghitung respons sistem
Menentukan klasifikasi sistem LTI-WK berdasar
7 Relasi deret dan transformasi Fourier 7
respons frekuensi

Simulasi 0-1 Menggambar Spektrum Magnitudo & Fase Gelombang Persegi

Pada Simulasi 0-2 diberikan program untuk menggambar spektrum garis magnitudo dan fase
yang diberikan oleh persamaan
𝑒 −𝑗𝑚𝜋 + 𝑒 𝑗𝑚𝜋 1
𝑏𝑛(𝑚) = (1 − )
2 𝑗𝑚𝜋

Simulasi 0-2 Menggambar Spektrum Magnitudo & Fase Gelombang Persegi

clc;
N=11; % Menentukan jumlah iterasi
n=-5:5
for i=1:11
m=i-6;
bn=(1-(exp(-j*m*pi)+exp(j*m*pi))/2)/(j*m*pi); % Koefisien
mag_bn(i)=abs(bn); % Menghitung nilai magnitudo
fase_bn(i)=angle(bn); % Menghitung nilai fase
end
subplot(2,1,1);

2 Transformasi Fourier Waktu Kontinu

 stem(n, mag_bn); % Plot spekrum magnitudo
title(['Spektrum Magnitudo'])
subplot(2,1,2);
stem(n, fase_bn); % Plot spektrum fase
title(['Spektrum Fase'])
Hasilnya

Tugas simulasi 3-1:

• Apa kesimpulan yang dapat anda ambil dari grafik spektrum pada simulasi 3-1
Jawaban simulasi 3-1:
Kode ini menghitung koefisien bn, yang mencerminkan komponen frekuensi dalam sinyal, dan
kemudian menghitung spektrum magnitudo dan fase dari koefisien tersebut. Spektrum
magnitudo menggambarkan kekuatan kontribusi setiap frekuensi terhadap sinyal, sementara
spektrum fase menggambarkan pergeseran fase masing-masing komponen frekuensi.

Transformasi Fourier Waktu Kontinu 3

Simulasi 0-3 Menggambar Spektrum Garis Sinyal Kotak Periodik
Pada Simulasi 0-4 diberikan program untuk mencari grafik spektrum. Diberikan persamaan
yang mendefinisikan spektrum garis sinyal kotak periodik sebagai berikut.
𝜏 𝜏
𝐶𝑛(𝑚) = 𝑠𝑖𝑛𝑐 (𝑚 )
𝑇 𝑇
Kita dapat melakukan eksperimen dengan mengubah nilai 𝜏 dan/atau 𝑇.

Simulasi 0-4 Menggambar Spektrum Garis Sinyal Kotak Periodik

clc;
N=25; % Menentukan jumlah iterasi
n=-12:12;
T=4; tau=1;
for i=1:25
m=i-13;
Cn=(tau/T)*sinc(m*tau/T); % Menghitung nilai koefisien deret
mag_Cn(i)=abs(Cn); % Menghitung nilai magnitudo
fase_Cn(i)=angle(Cn); % Menghitung nilai fase
end
subplot(2,1,1);
stem(n, mag_Cn); % Plot spekrum magnitudo
title(['Spektrum Magnitudo untuk \tau=1 T=4'])
subplot(2,1,2);
stem(n, fase_Cn); % Plot spekrum fase
title(['Spektrum Fase untuk \tau=1 T=4'])
Hasilnya

Tugas simulasi 3-2 :

4 Transformasi Fourier Waktu Kontinu

 • Apa kesimpulan yang dapat anda ambil dari grafik spektrum pada simulasi 3-2
• Ubah nilai T menjadi 8, kemudian bandingkan hasil plot dalam domain waktu dan plot
spektrum garis terhadap saat T bernilai 4.
Jawaban simulasi 3-2:
1. Kode tersebut menghitung dan memvisualisasikan Spektrum Magnitudo dan Spektrum
Fase dari sinyal sinc dengan menggunakan deret Fourier. Dari visualisasi tersebut, kita
dapat melihat sejauh mana berbagai komponen frekuensi berkontribusi terhadap sinyal
dan bagaimana fase komponen tersebut bervariasi.
2. Karena T awal dikali 2 menjadi T = 8, maka spektrum magnitudo dan fase akan dilakukan
penyekalaan terhadap waktu menjadi lebih lebar daripada saat T = 4. Kode yang
digunakan yaitu
clc;
N=25; % Menentukan jumlah iterasi
n=-12:12;
T=8; tau=1;
for i=1:25
m=i-13;
Cn=(tau/T)*sinc(m*tau/T); % Menghitung nilai koefisien deret
mag_Cn(i)=abs(Cn); % Menghitung nilai magnitudo
fase_Cn(i)=angle(Cn); % Menghitung nilai fase
end
subplot(2,1,1);
stem(n, mag_Cn); % Plot spekrum magnitudo
title(['Spektrum Magnitudo untuk \tau=1 T=4'])
subplot(2,1,2);
stem(n, fase_Cn); % Plot spekrum fase
title(['Spektrum Fase untuk \tau=1 T=4'])
Dengan hasil sebagai berikut

Transformasi Fourier Waktu Kontinu 5

Simulasi 0-5 Menggambar Harmonisa Deret Fourier dan Sintesanya
Berikut ini disimulasikan harmonisa deret Fourier yang membangun gelombang persegi. Pada
Simulasi 0-6 ini, dengan menggunakan amplitudo gelombang yang berbeda, kita dapat
melakukan eksperimen efek penambahan harmonisa deret fourier.

Simulasi 0-6 Menggambar Harmonisa Deret Fourier dan Sintesanya

clear all;
t=0:0.01:2;
df=0;
for n=1:2:7
for i=1:201
y(n,i)=20/pi*sin(n*pi*t(i))/n;
end
df=df+y(n,:);
end
subplot(2,1,1);
plot(t,y); grid;
title('Harmonisa pertama, ketiga, kelima dan ketujuh');
subplot(2,1,2);
plot(t,df); grid;
title('Pendekatan Deret Fourier (Jumlahan Harmonisa)');
Hasilnya

Tugas simulasi 3-3:

• Ubahlah banyak harmonisa ganjil yang dijumlahkan menjadi n=1 sampai n=21, jelaskan
hasil gelombang yang didapatkan.
• Ubahlah kode agar menjumlahkan harmonisa genap n=2 sampai n=20 (perhatikan for
loop). Bandingkan dan jelaskan hasilnya dengan harmonisa ganjil.
Jawaban simulasi 3-3:

6 Transformasi Fourier Waktu Kontinu

 1. Saat banyak harmonisa ganjil diubah dari n=1 sampai n=21, maka grafik yang
ditampilkan akan semakin banyak sesuai n = {1,3,5,7,9,11,13,15,17,19,21}. Dimana
semakin besar n, semakin kecil amplitudo gelombang dan semakin besar frekuensi
gelombang nya. Sehingga kode yang digunakan
clear all;
t=0:0.01:2;
df=0;
for n=1:2:21
for i=1:201
y(n,i)=20/pi*sin(n*pi*t(i))/n;
end
df=df+y(n,:);
end
subplot(2,1,1);
plot(t,y); grid;
title('Harmonisa ganjil dari n=1 sampai n=21');
subplot(2,1,2);
plot(t,df); grid;
title('Pendekatan Deret Fourier (Jumlahan Harmonisa)');

Sehingga, hasilnya sebagai berikut

2. Saat banyak harmonisa genap diubah dari n=2 sampai n=20, maka grafik yang
ditampilkan berbeda dengan harmonisa ganjil. Letak perbedaannya yaitu pada deret
fourier harmonisa genap maka akan membentuk sinusoidal gergaji, sedangkan deret
fourier harmonisa ganjil akan mendekati bentuk sinusoidal kotak. Kode yang digunakan
menjadi berikut :
clear all;
t=0:0.01:2;
df=0;

Transformasi Fourier Waktu Kontinu 7

 for n=2:2:20
for i=1:201
y(n,i)=20/pi*sin(n*pi*t(i))/n;
end
df=df+y(n,:);
end
subplot(2,1,1);
plot(t,y); grid;
title('Harmonisa genap dari n=2 sampai n=20');
subplot(2,1,2);
plot(t,df); grid;
title('Pendekatan Deret Fourier (Jumlahan Harmonisa)');

Dengan hasil sebagai berikut :

Simulasi 0-7 Mendapatkan Representasi Domain-𝝎 dan Inversinya

Simulasi 0-8 memberikan contoh komputasi transformasi fourier dan inversinya untuk
beberapa sinyal dasar.

Simulasi 0-8 Mendapatkan Representasi Domain-𝝎 dan Inversinya

8 Transformasi Fourier Waktu Kontinu

 syms t w
fourier(1/t) % Mendapatkan transformasi Fourier sinyal
fourier(exp(-t^2))
fourier(exp(-t)*heaviside(t))
ifourier(w*exp(-3*w)*heaviside(w)) % Inversi transformasi Fourier
ifourier(1/(1 + w^2))
ifourier(v/(1 + w^2))
Hasilnya
ans = -pi*sign(w)*1i
ans = pi^(1/2)*exp(-w^2/4)
ans = 1/(1 + w*1i)
ans = 1/(2*pi*(- 3 + t*1i)^2)
ans = exp(-abs(t))/2
ans = (a*exp(-abs(t)))/2
Tugas simulasi 3-4 :
• Carilah transformasi fourier dari sinyal 𝑡𝑒 −𝑡 𝑢(𝑡) menggunakan kode dibawah lalu
bandingkan hasilnya dengan tabel transformasi fourier.
2
• Carilah inverse transformasi fourier dari menggunakan kode dibawah lalu
𝑗𝜔
bandingkan hasilnya dengan tabel transformasi fourier.
Jawaban simulasi 3-4:
1. Untuk mencari transformasi fourier dari sinyal 𝑡𝑒 −𝑡 𝑢(𝑡) dapat dengan menggunakan
kode berikut
syms t
fourier(t*exp(-t)*heaviside(t))
yang menghasilkan output sebagai berikut
ans = 1/(1 + w*1i)^2
2
2. Untuk mencari inverse transformasi fourier dari dapat dengan mengubah kode
𝑗𝜔
menjadi berikut
syms w
ifourier(2/j*w)
Yang menghasilkan output sebagai berikut
ans = -2*dirac(1,x)

Simulasi 0-9 Respons Frekuensi Rangkaian Listrik RC Low Pass Filter

Pada Simulasi 3-5 disimulasikan rangkaian listrik RC seri dengan mengamati output tegangan
pada capacitor. Dapat dilihat, sistem ini berperilaku sebagai Low Pass Filter.

Simulasi 0-10 Respons Frekuensi Rangkaian Listrik RC Low Pass Filter

Transformasi Fourier Waktu Kontinu 9

 w=0:0.02:10;
RC=1;
magHw=1./sqrt(1+(w.*RC).^2); % Menghitung nilai Magnitudo
subplot(1,2,1);
semilogx(w,magHw); % Plot Magnitudo skala log pada sumbu x
xlabel('Frekuensi rad/sec − skala log');
ylabel('Magnitudo');...
title('Respons Magnitudo Rangkaian RC Low Pass Filter'); grid
faseHw=-atan(w.*RC).*180./pi; % Menghitung nilai Fase
subplot(1,2,2);
semilogx(w,faseHw); % Plot Magnitudo skala log pada sumbu x
xlabel('Frekuensi rad/sec − skala log');
ylabel('Fase − degrees');...
title('Respons Fase Rangkaian RC Low Pass Filter'); grid
Hasilnya

Tugas simulasi 3-5 :

• Carilah nilai RC yang tepat agar cut-off frequency filter bergeser ke kanan, sehingga
magnitudo bernilai 0.707 pada frekuensi 100 rad/sec. Buktikan perhitungan anda
dengan grafik respons magnitudo.
Jawaban simulasi 3-5:
Jika rumus untuk mencari magnitudo adalah magHw = 1./sqrt((1 + w.*RC).^2), maka jika w =
100 rad/s dan magHw = 0.707, maka kita dapat memakai RC = 1.002/100, dimana kode dapat
diubah menjadi berikut
w=0.1:0.02:1000;
RC=1.002/100;
magHw=1./sqrt(1+(w.*RC).^2); % Menghitung nilai Magnitudo
subplot(3,2,1);
semilogx(w,magHw); % Plot Magnitudo skala log pada sumbu x
xlabel('Frekuensi rad/sec − skala log');
ylabel('Magnitudo');...
title('Respons Magnitudo Rangkaian RC Low Pass Filter'); grid
faseHw=-atan(w.*RC).*180./pi; % Menghitung nilai Fase
subplot(3,2,2);
semilogx(w,faseHw); % Plot Magnitudo skala log pada sumbu x
xlabel('Frekuensi rad/sec − skala log');
ylabel('Fase − degrees');...
title('Respons Fase Rangkaian RC Low Pass Filter'); grid

10 Transformasi Fourier Waktu Kontinu

Dengan hasil sebagai berikut

Simulasi 0-11 Respons Frekuensi Rangkaian Listrik RC High Pass Filter

Pada Simulasi 3-6 disimulasikan rangkaian listrik RC seri dengan mengamati output tegangan
pada resistor. Dapat dilihat, sistem ini berperilaku sebagai High Pass Filter.

Simulasi 0-12 Respons Frekuensi Rangkaian Listrik RC High Pass Filter

w=0:0.02:100;
RC=1;
magHw=1./sqrt(1+1./(w.*RC).^2); % Menghitung nilai Magnitudo
subplot(1,2,1);
semilogx(w,magHw); % Plot Magnitudo skala log pada sumbu x
xlabel('Frekuensi rad/sec − skala log');
ylabel('Magnitudo');
title('Respons Magnitudo High Pass Filter Rangkaian RC'); grid
faseHw=atan(1./(w.*RC)).*180./pi; % Menghitung nilai Fase
subplot(1,2,2);
semilogx(w,faseHw); % Plot Magnitudo skala log pada sumbu x
xlabel('Frekuensi rad/sec − skala log');
ylabel('Fase − degrees');
title('Respons Fase High Pass Filter Rangkaian RC'); grid
Hasilnya

Transformasi Fourier Waktu Kontinu 11

Tugas simulasi 3-6:
• Carilah nilai RC yang tepat agar cut-off frequency filter bergeser ke kanan, sehingga
magnitudo bernilai 0.707 pada frekuensi 100 rad/sec. Buktikan perhitungan anda
dengan grafik respons magnitudo.
Jawaban simulasi 3-6:
Jika rumus untuk mencari magnitudo adalah magHw = 1./sqrt((1 + 1./(w.*RC).^2), maka jika w
= 100 rad/s dan magHw = 0.707, maka kita dapat memakai RC = 999x10 -5, dimana kode dapat
diubah menjadi berikut
w=0:0.02:1000;
RC=999/100000;
magHw=1./sqrt(1+1./(w.*RC).^2); % Menghitung nilai Magnitudo
subplot(1,2,1);
semilogx(w,magHw); % Plot Magnitudo skala log pada sumbu x
xlabel('Frekuensi rad/sec − skala log');
ylabel('Magnitudo');
title('Respons Magnitudo High Pass Filter Rangkaian RC'); grid
faseHw=atan(1./(w.*RC)).*180./pi; % Menghitung nilai Fase
subplot(1,2,2);
semilogx(w,faseHw); % Plot Magnitudo skala log pada sumbu x
xlabel('Frekuensi rad/sec − skala log');
ylabel('Fase − degrees');
title('Respons Fase High Pass Filter Rangkaian RC'); grid

Sehingga hasilnya seperti berikut

Simulasi 0-13 Respons Frekuensi Rangkaian Listrik RLC Band Pass Filter

12 Transformasi Fourier Waktu Kontinu

Pada Simulasi 3-7 disimulasikan rangkaian listrik RLC seri dengan mengamati output tegangan
pada resistor. Dapat dilihat, sistem ini berperilaku sebagai Band Pass Filter.

Simulasi 0-14 Respons Frekuensi Rangkaian Listrik RLC Band Pass Filter
w=0:0.02:100;
magHw=abs(-1i.*w./(w.^2-1i.*w-1)); % Menghitung nilai Magnitudo
subplot(1,2,1);
semilogx(w,magHw); % Plot Magnitudo skala log pada sumbu x
xlabel('Frekuensi rad/sec − skala log');
ylabel('Magnitudo');
title('Respons Magnitudo Band Pass Filter Rangkaian RLC'); grid
faseHw=angle(-1i.*w./(w.^2-1i.*w-1)).*180./pi; % Menghitung nilai
Fase
subplot(1,2,2);
semilogx(w,faseHw); % Plot Magnitudo skala log pada sumbu x
xlabel('Frekuensi rad/sec − skala log');
ylabel('Fase − degrees');
title('Respons Fase Band Pass Filter Rangkaian RLC'); grid
Hasilnya

Tugas simulasi 3-7 :

• Tuliskan persamaan sistem, respon magnitudo, dan respon fase dari sistem RLC seri
Band Pass Filter
• Modifikasi persamaan magnitudo dan fase sesuai persamaan RLC seri yang telah
dituliskan, kemudian gantilah nilai RLC agar bandwidth filter melebar.
Jawaban simulasi 3-7:
1. A. Persamaan Sistem
𝑅 𝑗𝜔
𝐻(𝜔) = ×
𝐿 [( 1 − 𝜔 2 ) + (𝑅 ) 𝑗𝜔]
𝐿𝐶 𝐿
B. Pesamaan Respon Magnitudo

𝑅 𝑗𝜔
𝑚𝑎𝑔𝐻(𝜔) = | × |
𝐿 [( 1 − 𝜔 2 ) + (𝑅 ) 𝑗𝜔]
𝐿𝐶 𝐿
C. Persamaan Respon Fase

Transformasi Fourier Waktu Kontinu 13

 𝑅 𝑗𝜔 180
𝑓𝑎𝑠𝑒𝐻(𝜔) = ( × )×
𝐿 [( 1 − 𝜔 2 ) + (𝑅 ) 𝑗𝜔] 𝜋
𝐿𝐶 𝐿
2. Jika perlu memodifikasi magnitudo dan fase sesuai persamaan RLC seri sesuai dengan
nomor 1, maka kode dapat diubah menjadi
w=0:0.01:100;
R = 1000;
L = 100;
C = 0.01;
Hw = (R./L).*((1i.*w)./((1./(L.*C) - w.^2)+ (R/L).*1i.*w));
magHw=abs(Hw); % Menghitung nilai Magnitudo
subplot(1,2,1);
semilogx(w,magHw); % Plot Magnitudo skala log pada sumbu x
xlabel('Frekuensi rad/sec − skala log');
ylabel('Magnitudo');
title('Respons Magnitudo Band Pass Filter Rangkaian RLC'); grid
faseHw=angle(Hw).*180./pi; % Menghitung nilai Fase
subplot(1,2,2);
semilogx(w,faseHw); % Plot Magnitudo skala log pada sumbu x
xlabel('Frekuensi rad/sec − skala log');
ylabel('Fase − degrees');
title('Respons Fase Band Pass Filter Rangkaian RLC'); grid
Sehingga hasilnya menjadi

Jika ingin melebarkan bandwidth, maka komponen R dan L dapat diperbesar, dan
menurunkan nilai komponen C.

Pertanyaan Modul 3:
1. Pada simulasi 3-7, diberikan sistem berupa rangkaian listrik berorde 2. Sekarang
diberikan fungsi transfer untuk sistem mekanik mass-spring-damper sebagai berikut.

14 Transformasi Fourier Waktu Kontinu

 Output sistem adalah ketinggian kendaraan, sedangkan input adalah gaya yang
dirasakan suspensi ban saat terkena lubang.
1
𝐻(𝑠) =
𝑠2 + 3𝑠 + 2
Dapatkan persamaan respon frekuensi dengan menggantikan 𝑠 = 𝑖𝜔 kemudian
mencari nilai magnitudo dan fase (manfaatkan syntax abs() dan angle()) secara iteratif
ataupun secara perkalian matrix (memakai .* atau ./), kemudian plot grafiknya. Jelaskan
hasil yang anda dapatkan dan hubungkan dengan aplikasinya sebagai filter osilasi pada
suspensi kendaraan.
Jawaban pertanyaan modul 3:
Jika ingin mengetahui nilai magnitudo dan fase dari sistem mekanik mass-spring-damper
w=0:0.01:100;
s=1i.*w;
Hs = 1./(s.^2+3.*s+2);
magHs=abs(Hs); % Menghitung nilai Magnitudo
subplot(1,2,1);
semilogx(w,magHs); % Plot Magnitudo skala log pada sumbu x
xlabel('Frekuensi rad/sec − skala log');
ylabel('Magnitudo');
title('Respons Magnitudo Mass-Spring-Damper'); grid
faseHs=angle(Hs).*180./pi; % Menghitung nilai Fase
subplot(1,2,2);
semilogx(w,faseHs); % Plot Magnitudo skala log pada sumbu x
xlabel('Frekuensi rad/sec − skala log');
ylabel('Fase − degrees');
title('Respons Fase Mass-Spring-Damper'); grid
Dengan hasil sebagai berikut

Transformasi Fourier Waktu Kontinu 15

Kamus Sintaksis MATLAB Modul 3
Lengkapi tabel berikut untuk membantu mengingat kembali mengenai fungsi dan perintah pada
skrip kode MATLAB yang telah dipelajari di modul ini.
Gunakan sintaksis help pada MATLAB untuk membantu mencari tahu apa fungsi dari sintaksis
tertentu.
Contoh:
1. Ketik help pada workspace MATLAB dengan diikuti oleh fungsi yang ingin dicari tahu
kegunaannya. Contoh: help plot
2. Tekan enter. MATLAB akan memberikan luaran berupa teks dokumentasi cara
penggunaan perintah plot.

Nama Fungsi atau Perintah Kegunaan

for & end ‘For’ digunakan untuk membuat loop dalam

MATLAB, dan ‘end’ menandai akhir dari loop.
Loop akan menjalankan pernyataan di
dalamnya sejumlah kali yang diatur.

fourier Untuk menghitung transformasi Fourier dari

data atau sinyal. Ini mengubah sinyal dari
domain waktu ke domain frekuensi.

ifourier Fungsi ifourier dalam MATLAB digunakan

untuk menghitung invers transformasi
Fourier dari data atau sinyal, mengubahnya
dari domain frekuensi ke domain waktu.

semilogx Untuk membuat plot dengan sumbu x dalam

skala logaritmik (log) dan sumbu y dalam
skala linear.

atan Untuk menghitung sudut dalam radian yang

merupakan tangen invers dari suatu nilai
tertentu

Kesimpulan
Dari rangkaian simulasi yang telah diberikan dalam Modul 3, kita dapat mengambil beberapa
kesimpulan sebagai berikut:
1. Transformasi Fourier: Transformasi Fourier adalah alat penting dalam pemrosesan
sinyal dan analisis frekuensi. Ini memungkinkan kita untuk mengubah sinyal dari
domain waktu menjadi domain frekuensi, dan sebaliknya. Transformasi Fourier
digunakan untuk memahami representasi frekuensi dari sinyal dan bagaimana
berbagai komponen frekuensi berkontribusi terhadap sinyal tersebut.

2. Deret Fourier: Deret Fourier adalah cara untuk merepresentasikan sinyal periodik
dalam domain frekuensi. Dalam simulasi 3-1 dan 3-2, kita melihat bagaimana deret

16 Transformasi Fourier Waktu Kontinu

 Fourier digunakan untuk menggambarkan spektrum magnitudo dan fase dari sinyal
persegi dan sinc.

3. Respons Frekuensi Filter: Simulasi 3-9, 3-11, dan 3-13 menggambarkan respons
frekuensi dari filter berbeda, termasuk filter low-pass, high-pass, dan band-pass. Kami
mempelajari bagaimana menghitung magnitudo dan fase respons frekuensi dari filter
menggunakan Transformasi Fourier.

4. Pengaruh Komponen pada Respons: Dalam beberapa simulasi, kita mengganti nilai
komponen seperti resistor, induktor, dan kapasitor untuk mempengaruhi respons
filter. Hal ini memungkinkan kita untuk memahami bagaimana perubahan pada
komponen ini memengaruhi respons frekuensi filter.

5. Aplikasi dalam Analisis Sistem: Transformasi Fourier adalah alat penting dalam analisis
sistem dan pemrosesan sinyal. Dalam contoh simulasi 3-7, kita melihat bagaimana
respons frekuensi sistem RLC seri digunakan untuk menggambarkan sifat filter band-
pass. Selain itu, simulasi 3-9, 3-11, dan 3-13 mengilustrasikan aplikasi respons
frekuensi pada sistem mekanik dan rangkaian listrik.

Kesimpulan utama adalah bahwa Transformasi Fourier adalah alat yang kuat dalam
menganalisis dan memahami sinyal dan sistem dari perspektif frekuensi, dan respons frekuensi
adalah cara yang berguna untuk menggambarkan sifat filter dan sistem berdasarkan frekuensi.

Lampiran

Transformasi Fourier Waktu Kontinu 17