SIMULASI SINTESIS DAN ANALISIS ISYARAT

Disusun guna memenuhi tugas mata kuliah

Sensor

Dosen Pengampu: Sumarna M.Si., M.Eng.

Disusun oleh:

Ferdi Nugraha Pratama (22306144006)

KELAS FISIKA E

PROGRAM STUDI FISIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI YOGYAKARTA

TAHUN 2024
A. TUJUAN
a) Mengkonstruksi (sintesis) sinyal kompleks dengan MATLAB.
b) Memahami bahwa sinyal kompleks (hasil penjumlahan lebih dari satu sinyal) dapat
diuraikan kembali atas komponen-komponennya.
c) Mengekstraksi (analisis) sinyal menjadi komponen-komponenya dengan DFT
(Discrete Fourier Transform) menggunakan algoritma FFT (Fast Fourier Transfor).
B. ALAT DAN BAHAN
a) Laptop / PC
b) MATLAB 2015
C. LANGKAH PERCOBAAN

Susunlah program MATLAB dengan ketentuan dasar sebagai berikut :

a) Buatlah minimal tiga isyarat sinusoidal masing-masing dengan frekuensi dan

amplitudo yang berbeda.
b) Gambarlah grafik (plot) masing-masing isyarat dengan waktu pada sumbu mendatar
dan amplitudo pada sumbu vertikal.
c) Jumlahkan semua isyarat pada langkah 1 tersebut (proses sintesis).
d) Gambarlah grafik (plot) isyarat hasil penjumlahan itu dengan waktu pada sumbu
mendatar dan amplitudo pada sumbu vertikal.
e) Uraikan kembali (ekstraksi) hasil penjumlahan isyarat pada langkah 3 tersebut
dengan fungsi FFT yang ada di dalam MATLAB (proses analisis).
f) Gambarlah grafik (plot) hasil ekstraksi tersebut dengan frekuensi pada sumbu
mendatar dan amplitudo pada sumbu vertikal.
g) Ulangilah langkah 1 s/d 6 untuk :
a. Amplitudo yang berbeda (frekuensi dan beda fase tetap).
b. Frekuensi yang berbeda (amplitudo dan beda fase tetap).
c. Beda fase berbeda (frekuensi dan amplitudo tetap).
h) Amatilah semua grafik yang telah dihasilkan, kemudian susunlah deskripsi
mengenai sintesis dan analisis sinyal.
i) Berikut ini adalah contoh program MATLAB (tidak harus seperti ini):

Clear all; close all; clc;

N = 1024;
f1 = 150;
f2 = 450;
f3 = 1000;
fs = 8000; n = 0 : N-1;

y1 = (1/2) * sin (2 * pi * (f1/fs) * n);

y2 = (1/3) * sin (2 * pi * (f2/fs) * n + (2*pi*(f2/fs)));
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 (‘Isyarat 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’);

j) Tulislah dasar teori yang mendukung analisis dan sintesis sinyal, seperti deret
(analisis) Fourier.
D. ANALISIS
a) Isyarat y1(n)

b) Isyarat y2(n)
c) Isyarat y3(n)

d) Isyarat y1(n) + y2(n) + y3(n)

e) FFT

f) Isyarat y1(n) + variasi tanpa (2*pi*(f2/fs)

g) Isyarat y2(n) + variasi tanpa (2*pi*(f2/fs)

h) Isyarat y3(n) + variasi tanpa (2*pi*(f2/fs)

i) Isyarat y1(n) + y2(n) + y3(n) + variasi tanpa (2*pi*(f2/fs)

j) FFT + variasi tanpa (2*pi*(f2/fs)

k) Isyarat y1(n) beda fase

l) Isyarat y2(n) beda fase

m) Isyarat y3(n) beda fase

n) Isyarat y1(n) + y2(n) + y3(n) beda fase

 o) FFT beda fase

E. PEMBAHASAN
Deret Fourier adalah representasi sinyal periodik dalam bentuk kombinasi linier dari
fungsi-fungsi sinus dan kosinus. Dengan kata lain deret Fourier memecah sinyal periodik
menjadi serangkaian komponen frekuensi yang berbeda yang disebut harmonik. Setiap
harmonik memiliki amplitudo dan fase tertentu yang mempengaruhi sifat-sifat sinyal
tersebut. Pada analisis Fourier sinyal dapat dinyatakan sebagai jumlah tak hingga dari
sinus dan kosinus yang memiliki frekuensi yang berbeda-beda serta amplitudo dan fase
yang spesifik. Proses ini memungkinkan untuk memahami sifat frekuensi yang terlibat
dalam sinyal termasuk frekuensi dominan dan komponen harmoniknya. Sintesis sinyal
melibatkan pembentukan sinyal baru berdasarkan informasi frekuensi yang diperoleh dari
analisis Fourier. Dengan menggunakan koefisien amplitudo dan fase dari setiap komponen
 frekuensi dapat membangun kembali sinyal asli dari serangkaian gelombang sinusoidal
yang berbeda.
Pada praktikum kali ini, dibahas tentang simulasi sintetis dan analisis isyarat melalui
media MathLab dengan mengekstraksi (analisis) sinyal menjadi komponen-komponennya
dengan DFT (Discrete Fourier Transform) menggunakan algoritma FFT (Fast Fourier
Transform). Agoritma FFT (Fast Fourier Transform) adalah implementasi efisien dari
DFT yang mempercepat proses perhitungan. FFT secara signifikan mengurangi jumlah
operasi matematika yang diperlukan untuk menghitung DFT, membuatnya lebih cepat dan
lebih efisien secara komputasi, terutama untuk sinyal-sinyal dengan panjang yang besar
(Heideman, Johnson, & Burrus, 1984). Deret Fourier berhubungan erat dengan perilaku
global fungsi, sehingga fungsi tersebut tidak selalu identik dengan fungsi aslinya atau
koefisien Fourier dapat diatur ulang (Gunawan, 2017).
Pada langkah pertama, dilakukan variasi terhadap amplitudo dengan mengubah
amplitudo awal sinyal, sementara frekuensi dan beda fase tetap. Amplitudo awal yang
semula y1=1/2, y2=1/3, dan y3=5/6 diubah menjadi y1=1/2, y2=1/3, dan y3=1/6. Setelah
diplot dalam grafik, terlihat adanya perbedaan yang signifikan antara tinggi puncak
maksimum dan minimum antara sinyal awal dan sinyal yang telah mengalami perubahan
amplitudo. Selain itu, terdapat perbedaan yang jelas dalam grafik hasil FFT, baik dari
tinggi puncak maupun jumlah gelombang per waktu.
Langkah kedua dilakukan dengan melakukan variasi terhadap frekuensi. Fast Fourier
Transform (FFT) merupakan algoritma komputasi yang digunakan untuk pengolahan data
digital. Frekuensi awal sinyal, dengan amplitudo dan beda fase yang tetap diubah.
Frekuensi awal yang semula f1=150, f2=450, f3=1000, dan fs=8000 diubah menjadi
f1=350, f2=400, f3=850, dan fs=8000. Setelah diplot dalam grafik terdapat perbedaan
dalam jumlah gelombang per satuan waktu antara sinyal awal dan sinyal yang mengalami
perubahan. Selain itu terlihat perbedaan yang mencolok dalam grafik hasil FFT terutama
dalam jumlah gelombang per satuan waktu. Selain itu, grafik hasil FFT juga menunjukkan
perbedaan yang jelas dalam jumlah gelombang per waktu.
F. KESIMPULAN
a) Konstruksi sinyal kompleks dengan MATLAB melibatkan penggunaan berbagai fungsi
dan algoritma yang tersedia dalam perangkat lunak tersebut untuk membuat sinyal
dengan karakteristik yang diinginkan. Langkah pertama adalah menentukan jenis sinyal
kompleks yang ingin dibuat seperti sinyal sinusoidal, segmen-sinyal, sinyal kotak,
sinyal segitiga, atau bentuk gelombang lainnya. Setelah jenis sinyal ditentukan,
parameter seperti frekuensi, amplitudo, durasi, dan fase harus ditentukan. Pengguna
MATLAB dapat menentukan nilai-nilai ini secara langsung atau dengan menggunakan
variabel. Selain itu, pengguna MATLAB dapat melakukan analisis tambahan terhadap
sinyal yang disintesis, seperti analisis Fourier (FFT) untuk melihat domain frekuensi,
atau analisis lainnya sesuai dengan kebutuhan. Diketahui bahwa sinyal kompleks
merupakan hasil dari penjumlahan beberapa sinyal dapat diuraikan kembali atas
komponen-komponennya merujuk pada konsep dasar dalam pemrosesan sinyal. Ketika
beberapa sinyal digabungkan bersama-sama sinyal kompleks yang dihasilkan
mencerminkan karakteristik dan informasi dari setiap sinyal yang digunakan dalam
penjumlahan. Proses ini memungkinkan kita untuk memahami kontribusi relatif dari
 setiap komponen terhadap sinyal keseluruhan. Dengan demikian, memahami bahwa
sinyal kompleks dapat diuraikan kembali atas komponen-komponennya membantu
dalam menganalisis dan memahami struktur, pola, dan karakteristik yang mendasari
sinyal tersebut.
b) Ekstraksi (analisis) sinyal menjadi komponen-komponennya dengan Discrete Fourier
Transform (DFT) menggunakan algoritma Fast Fourier Transform (FFT) adalah proses
di mana sinyal dalam domain waktu diubah menjadi domain frekuensi. FFT adalah
algoritma efisien yang digunakan untuk menghitung DFT dari sebuah sinyal diskrit.
Pada dasarnya, DFT dan FFT memungkinkan kita untuk menganalisis sinyal dan
mengidentifikasi komponen frekuensinya. Mengekstraksi komponen-komponen sinyal
melalui DFT dengan menggunakan algoritma FFT memungkinkan analisis yang cepat
dan efisien dari sinyal-sinyal kompleks, yang kemudian dapat digunakan untuk
berbagai tujuan analisis dan aplikasi teknis.
DAFRAT PUSTAKA
Gunawan, H. (2017). Analisis Fourier dan Wavelet. Bandung: Fakultas Matematika dan
Ilmu Pengetahuan Alam ITB.
Heideman, M. T., Johnson, D. H., & Burrus, C. S. (1984). Gauss and the History of the
Fast Fourier Transform. IEEE ASSP MAGAZINE, 14- 21