I.

TUJUAN
1. Mengkonstruksi (sintesis) sinyal kompleks dengan MATLAB.
2. Memahami bahwa sinyal kompleks (hasil penjumlahan lebih dari satu sinyal) dapat
diuraikan kembali atas komponen-komponennya.
3. Mengekstraksi (analisis) sinyal menjadi komponen-komponennya dengan DFT
(Discrete Fourier Transform) menggunakan algoritma FFT (Fast Fourier Transfor).

II. DASAR TEORI

Praktikum simulasi sintesis dan analisis isyarat dengan menggunakan sinyal sinusoida
umumnya melibatkan pemahaman tentang konsep dasar dalam teori isyarat dan sistem.
Sinyal sinusoidal adalah sinyal yang dapat direpresentasikan dalam bentuk sinus atau
kosinus. Sinyal sinusoidal memiliki karakteristik amplitudo, frekuensi, dan fase.
Amplitudo adalah tingkat maksimum sinyal, frekuensi adalah jumlah siklus per satuan
waktu, dan fase adalah posisi relatif siklus sinusoidal terhadap titik awalnya. Sinyal
sinusoidal umum dapat direpresentasikan dengan persamaan :
fn
y= A sin (2 π ¿ n)¿ … (1)
fs
Transformasi Fourier adalah teknik matematis yang digunakan untuk menganalisis sinyal
dan memisahkan sinyal-sinyal tersebut ke dalam berbagai komponen frekuensi. Dalam
konteks praktikum ini, transformasi Fourier akan digunakan untuk menganalisis sinyal
sinusoidal ke dalam spektrum frekuensi mereka. Koefisien Fourier dari sinyal perio dik x(t)
dinyatakan sebagai :
❑ − j 2 πn
1 t
c n= ∫ x (t ) e
T T
T
dt … (2)

Sintesis sinyal adalah proses menciptakan sinyal-sinyal kompleks dari sinyal-sinyal dasar,
seperti sinyal sinusoidal. Pada praktikum ini, sintesis sinyal mungkin melibatkan
penggabungan beberapa sinyal sinusoidal dengan amplitudo, frekuensi, dan fase yang
berbeda untuk membentuk sinyal yang lebih kompleks.
Fungsi Transfer: Fungsi transfer adalah konsep dalam teori sistem yang menggambarkan
respons sistem terhadap masukan tertentu. Dalam konteks praktikum ini, fungsi transfer
mungkin digunakan untuk memodelkan respons sistem terhadap sinyal-sinyal sinusoidal
yang diberikan.
III. DATA HASIL PERCOBAAN
1. Percobaan Acuan
Program pada Matlab :
N=1024; F1=300; F2=450; F3=750; FS=8000;
n=0:N-1;
y1= (1/2)*sin(2*pi*(F1/FS)*n);
y2=(1/3)*sin(2*pi*(F2/F3)*n);
y3=(5/6)*sin(2*pi*(F3/FS)*n);
yjum=y1+y2+y3;
figure(1);
plot (n,y1);
title('Isyarat y1(n)');
figure(2);
plot (n,y2);
title ('Isyarat y2(n)');
figure(3);
plot (n,y3);
title ('Isyarat5 y3(n)');
figure(4);
plot (n,yjum);
title ('Isyarat y1(n)+y2(n)+y3(n)');
y=fft(yjum,N);
ymag=abs(y(1:length(y)/2+1));
F=FS/2*linspace(0,1,length(y)/2+1);
figure(5);
plot(F,ymag);
axis([0 0.5e+004 0 max(abs(ymag))]);
title('Hasil Ekstraksi dengan FFT');

Hasil Plotting :
2. Percobaan dengan Amplitudo yang berbeda ( f dan φ sama ¿
Program Matlab :

N=1024; F1=300; F2=450; F3=750; FS=8000; n=0:N-1;

y1= (1/4)*sin(2*pi*(F1/FS)*n);
y2=(2/3)*sin(2*pi*(F2/F3)*n);
y3=(4/5)*sin(2*pi*(F3/FS)*n);
yjum=y1+y2+y3;
figure(1);
plot (n,y1);
title('Isyarat y1(n)');
figure(2);
plot (n,y2);
title ('Isyarat y2(n)');
figure(3);
plot (n,y3);
title ('Isyarat5 y3(n)');
figure(4);
plot (n,yjum);
title ('Isyarat y1(n)+y2(n)+y3(n)');
y=fft(yjum,N);
ymag=abs(y(1:length(y)/2+1));
F=FS/2*linspace(0,1,length(y)/2+1);
figure(5);
plot(F,ymag);
axis([0 0.5e+004 0 max(abs(ymag))]);
title('Hasil Ekstraksi dengan FFT');

Hasil Plotting :
3. Percobaan dengan frekuensi yang berbeda ( A dan φ sama¿
Program Matlab ;
N=1500; F1=200; F2=600; F3=900; FS=8500; n=0:N-1;
y1= (1/2)*sin(2*pi*(F1/FS)*n);
y2=(1/3)*sin(2*pi*(F2/F3)*n);
y3=(5/6)*sin(2*pi*(F3/FS)*n);
yjum=y1+y2+y3;
figure(1);
plot (n,y1);
title('Isyarat y1(n)');
figure(2);
plot (n,y2);
title ('Isyarat y2(n)');
figure(3);
plot (n,y3);
title ('Isyarat5 y3(n)');
figure(4);
plot (n,yjum);
title ('Isyarat y1(n)+y2(n)+y3(n)');
y=fft(yjum,N);
ymag=abs(y(1:length(y)/2+1));
F=FS/2*linspace(0,1,length(y)/2+1);
figure(5);
plot(F,ymag);
axis([0 0.5e+004 0 max(abs(ymag))]);
Hasil Plotting :
4. Percobaan dengan beda fase yang berbeda ( A dan f sama ¿
Program Matlab :
N=1024; F1=300; F2=450; F3=750; FS=8000; n=0:N-1;
y1= (1/2)*sin(1*pi*(F1/FS)*n);
y2=(1/3)*sin(1*pi*(F2/F3)*n);
y3=(5/6)*sin(1*pi*(F3/FS)*n);
yjum=y1+y2+y3;
figure(1);
plot (n,y1);
title('Isyarat y1(n)');
figure(2);
plot (n,y2);
title ('Isyarat y2(n)');
figure(3);
plot (n,y3);
title ('Isyarat5 y3(n)');
figure(4);
plot (n,yjum);
title ('Isyarat y1(n)+y2(n)+y3(n)');
y=fft(yjum,N);
ymag=abs(y(1:length(y)/2+1));
F=FS/2*linspace(0,1,length(y)/2+1);
figure(5);
plot(F,ymag);
axis([0 0.5e+004 0 max(abs(ymag))]);
title('Hasil Ekstraksi dengan FFT');
Hasil plotting :
IV. PEMBAHASAN

Berdasarkan hasil analisis dan pengamatan, pada percobaan pertama untuk variasi
frekuensi pada sinyal sinusoida akan menyebabkan hasil gelombangnya menjadi
semakin rapat. Semakin tinggi frekuensi sinusoidal, semakin cepat gelombang
berulang dan semakin dekat periode gelombang satu sama lain, menghasilkan
gelombang yang lebih padat atau rapat dalam domain waktu. Dengan kata lain,
memperbesar nilai frekuensi akan membuat gelombang yang akan terbentuk akan
semakin banyak (untuk case amplitude dan beda fase nya tetap).

Kemudian Berdasarkan hasil pengamatan pada perbedaan fase yang berbeda, titik
awal gelombang akan mulai berjalan dari posisi yang bervariasi. Perbedaan fase
menentukan titik di siklus sinusoidal mana gelombang akan dimulai, misalnya jika
phi=0 maka gelombang akan dimulai dari nilai nol sementara jika phi = 90 maka
gelombang akan dimulai dari nilai maksimumnya Oleh karena itu, dengan mengubah
 nilai phi kita dapat menentukan titik awal di mana gelombang akan memulai
perjalanannya pada siklus sinusoidal.

Berdasarkan pengamatan, kita dapat menyimpulkan bahwa perubahan amplitudo akan

mempengaruhi tinggi gelombang. Semakin besar amplitudo gelombang, semakin
tinggi pula gelombang tersebut pada grafik. Demikian pula, semakin kecil amplitudo,
semakin rendah tinggi gelombangnya. Dengan mengubah amplitudo sinyal sinusoidal,
kita dapat mengontrol seberapa tinggi atau rendah gelombang tersebut pada grafik.

V. KESIMPULAN
1. Mensintesis sinyal kompleks dapat dilakukan dengan memberikan tiga input.
2. Sinyal kompleks adalah hasil gabungan dari beberapa sinyal (dalam percobaan kali ini
menggunakan 3 sinyal) yang dapat diuraikan kembali menjadi komponen-
komponennya.
3. Pemisahan sinyal menjadi komponen-komponennya dapat dilakukan menggunakan
FFT (Transformasi Fourier Cepat), yang membagi sinyal menjadi dua bagian: satu
dengan indeks genap dan yang lain dengan indeks ganjil.