• TFD atau Transformasi Fourier Diskrit adalah Transformasi Fourier yang kontinu untuk sinyal

yang hanya diketahui pada (𝑁) titik yang terpisah oleh (𝑡) waktu tertentu.
Katakanlah 𝑓(𝑡) adalah sinyal kontinu sebagai sumber datanya. Kemudian, sampel titik 𝑁 dapat kita tulis
menjadi 𝑓[0], 𝑓[1], 𝑓, … , 𝑓[𝑘], … , 𝑓[𝑁 − 1].
Maka Transformasi Fourier dari sinyal awal, 𝑓(𝑡), yaitu
∞
𝐹(𝑗ω) = ∫ 𝑓(𝑡)𝑒 −𝑗ω𝑡 𝑑𝑡
−∞

Kita dapat menyimpulkan bahwa setiap sampel 𝑓[𝑘] berperan sebagai impulse yang memiliki luas area
𝑓[𝑘]. Kemudian, karena fungsi integrannya hanya ada pada titik sampel:

(𝑁−1)
𝐹(𝑗ω) = ∫ 𝑓(𝑡)𝑒 −𝑗ω𝑡 𝑑𝑡
0
= 𝑓[0]𝑒 −𝑗0 + 𝑓[1]𝑒 −𝑗ω𝑇 + ⋯ + 𝑓[𝑘]𝑒 −𝑗ω𝑘𝑇 + ⋯ 𝑓(𝑁 − 1)𝑒 −𝑗ω(𝑁−1)𝑇
Maka,
𝑁−1

𝐹(𝑗ω) = ∑ 𝑓[𝑘]𝑒 −𝑗ω𝑘𝑇

𝑘=0

Jadi prinsipnya, kita bisa mengevaluasi ini untuk setiap ω, tetapi jika hanya dengan jumlah 𝑁 titik data
yang tersedia, maka hanya 𝑁 titik yang akan signifikan.
Jika ditilik kembali, Transformasi Fourier secara kontinu biasanya digunakan dalam interval yang terbatas
(biasanya pada saat 𝑇0 ) daripada dari −∞ ke +∞ jika bentuk gelombangnya bersifat periodik. Hal yang
sama juga diterapkan oleh TFD, karena hanya ada jumlah data input yang terbatas, TFD memperlakukan
data seolah-olah bersifat periodik (makanya 𝑓(𝑁) ke 𝑓(2𝑁 − 1) itu sama dengan 𝑓(0) ke 𝑓(𝑁 − 1). )
Oleh karena itu, urutan yang ditunjukkan di bawah ini pada gambar di bawah (a) dianggap sebagai satu
periode dari urutan periodik pada plot (b).

(a) N = 10 sampel

(b) TFD mengasumsikan sinyal atau data yang

diberikan bersifat periodic.
Karena operasi ini memperlakukan data seolah-olah bersifat periodik, kita mengevaluasi persamaan
1 2𝜋
Transformasi Fourier Diskrit (TFD) untuk frekuensi dasar (satu siklus per periode, 𝑁𝑇Hz, 𝑁𝑇rad/s) dan
beberapa kelipatannya (ω = 0).
Jadi,
2𝜋 2𝜋 2𝜋 2𝜋
ω = 0, , × 2, … , × 𝑛, … , × (𝑁 − 1)
𝑁𝑇 𝑁𝑇 𝑁𝑇 𝑁𝑇
Atau umumnya,
𝑁−1
2𝜋
𝐹[𝑛] = ∑ 𝑓[𝑘]𝑒 −𝑗 𝑁 𝑛𝑘 (𝑛 = 0 ∶ 𝑁 − 1)
𝑘=0

Dimana 𝐹[𝑛] adalah Transformasi Fourier Diskrit dari periode 𝑓[𝑘].

Jika ditulis ke dalam matriks, maka:
𝐹[0] 1 1 1 1 ⋯ 1 𝑓[0]
𝐹[1] 1 𝑊 𝑊2 𝑊3 ⋯ 𝑊 𝑁−1 𝑓[1]
𝐹[2] = 1 𝑊2 𝑊4 𝑊6 ⋯ 𝑊 𝑁−2 𝑓[2]
⋮ ⋮ 𝑊3 𝑊6 𝑊9 ⋯ 𝑊 𝑁−3 ⋮
(𝐹[𝑁 − 1]) (1 𝑊 𝑁−1 𝑊 𝑁−2 𝑊 𝑁−3 ⋯ 𝑊 ) (𝑓[𝑁 − 1])
2𝜋
Dimana 𝑊 = exp (−𝑗 ) (disebut juga twiddle factor) dan 𝑊 = 𝑊 2𝑁 𝑑𝑠𝑡 = 1.
𝑁

• Invers Transformasi Fourier Diskrit

Bentuk transformasi invers dari
𝑁−1
2𝜋
𝐹[𝑛] = ∑ 𝑓[𝑘]𝑒 −𝑗 𝑁 𝑛𝑘
𝑘=0

adalah
𝑁−1
1 2𝜋
𝑓[𝑘] = ∑ 𝐹[𝑛]𝑒 +𝑗 𝑁 𝑛𝑘
𝑁
𝑘=0

Jadi matriks invers adalah hasil dari mengalikan matriks kompleks konjugat dari matriks asli dengan
1
faktor skalar 𝑁.

Dalam proses pengambilan transformasi invers, 𝐹(𝑛) dan 𝐹(𝑁 − 𝑛) (spektrum bersifat simetris pada saat
𝑁
2
) bergabung untuk menghasilkan komponen frekuensi, dan hanya salah satunya yang dianggap valid
2𝜋 𝑁
(yaitu frekuensi yang lebih rendah, 𝑛 × 𝑇
Hz, dimana 𝑛 ≤ 2 ; karena yang lebih tinggi frekuensinya pasti
𝑁
merupakan ‘frekuensi aliasing’ (𝑛 > 2 )).

Dari rumus transformasi invers, jika 𝐹[𝑛] dan 𝐹[𝑁 − 𝑛] diimplementasikan ke dalam 𝑓[𝑘]:
 1 2𝜋 2𝜋
(𝑁−𝑛)𝑘
𝑓𝑛 [𝑘] = {𝐹[𝑛]𝑒 𝑗 𝑁 𝑛𝑘 + 𝐹[𝑁 − 𝑛]𝑒 𝑗 𝑁 }
𝑁
2𝜋
−𝑗 (𝑁−𝑛)𝑘
Untuk semua 𝑓[𝑘] yang real, 𝐹[𝑁 − 𝑛] = ∑𝑁−1
𝑘=0 𝑓[𝑘]𝑒 𝑁
2𝜋 2𝜋𝑛 2𝜋
Tapi, 𝑒 −𝑗 𝑁 (𝑁−𝑛)𝑘 = 𝑒⏟−𝑗2𝜋𝑘 𝑒 +𝑗 𝑁
𝑘
= 𝑒 +𝑗 𝑁 𝑛𝑘
1 𝑓𝑜𝑟 𝑎𝑙𝑙 𝑘

Jadi, 𝐹[𝑁 − 𝑛] = 𝐹 ∗ (𝑛)

Substitusikan ke dalam persamaan untuk 𝑓𝑛 [𝑘] diatas, menghasilkan

1 2𝜋 2𝜋
𝑓𝑛 [𝑘] = {𝐹 [𝑛]𝑒 𝑗 𝑁 𝑛𝑘 + 𝐹 ∗ (𝑛)𝑒 𝑗 𝑁 𝑛𝑘 } , 𝑑𝑖𝑚𝑎𝑛𝑎 𝑒 𝑗2𝜋𝑘 = 1
𝑁
Maka,
2 2𝜋 2𝜋
𝑓𝑛 [𝑘] = {𝑅𝑒{𝐹[𝑛]}cos ( 𝑛𝑘) − 𝑙𝑚{𝐹[𝑛]}sin ( 𝑛𝑘)}
𝑁 𝑁 𝑁
Atau
2 2𝜋
𝑓𝑛 [𝑘] = |𝐹[𝑛]|cos {( 𝑛) 𝑘𝑇 + arg(𝐹[𝑛])}
𝑁 𝑁𝑇