Analisis Data Geofisika - Sampling Dan Aliasing

LAPORAN MINGGUAN
PRAKTIKUM ANALISIS DATA GEOFISIKA

SAMPLING DAN ALIASING
Disusun Oleh:
Nama : Annisyah Wulandari
NIM : 2207046016
Kelompok/Kelas : 3/Geofisika B
LABORATORIUM FISIKA KOMPUTASI DAN PEMODELAN

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS MULAWARMAN
SAMARINDA
2024
Analisis Data Geofisika Praktikum-II
GEOFISIKA-FMIPA Praktikum-II
1. PENDAHULUAN
Pada prinsipnya teknologi dikembangkan untuk membuat alat atau sarana yang
dapat membantu dan memberi kemudahan bagi manusia untuk melakukan
kegiatan dalam hidupnya, dalam hal ini sinyal memiliki peran penting untuk
pengembangan alat-alat teknologi terbarukan (Aulia, 2013). Pada dasarnya sinyal
membawa suatu informasi yang dimana dalam proses pembangkitan sinyal
diperlukan sampling untuk mengambil nilai-nilai sinyal pada titik-titik waktu
tertentu. Dalam proses sampling tersebut dapat ditemukan aliasing yaitu informasi
yang tidak direpresentasikan dengan benar.
Teorema sampling menyatakan bahwa untuk merekontruksi sinyal analog
dengan benar dari sampel digital, laju sampel harus setidaknya dua kali lipat
frekuensi tertinggi dalam sinyal asli yang dinyatakan oleh Nyquist (Setiawan,
2023). Sementara aliasing merupakan pengaruh yang menyebabkan sinyal-sinyal
yang berbeda menjadi tidak dapat dibedakan satu sama lain (atau menjadi alias
sinyal yang lain) saat rekontruksi sampel, aliasing juga menggambarkan distorsi
yang dihasilkan saat sinyal direkontruksi dari sampel dimana gambaran yang
diberikan berbeda dari syarat kontinu, secara teorema, aliasing terjadi karena
tidak memenuhi persyaratan Nyquist (Perbani, 2010).
Oleh karena itu, dilakukannya praktikum Fisika Komputasi tentang sampling
dan aliasing untuk mengetahui faktor yang mempengaruhi terjadinya aliasing dan
menganalisis hasil grafik yang diperoleh aliasing dan dibandingkan dengan hasil
grafik sampling.
2. METODE PRAKTIKUM
2.1 Kasus
2.1.1 Pembangkitan sinyal dengan frekuensi sampling berbeda
Bangkitkan sinyal analog lalu lakukan teknik sampling dan munculkan
fenomena aliasing dengan frekuensi sampling yang berbeda dan jelaskan
pengaruh pemilihan jumlah sampel terhadap sinyal yang dibangkitkan.
2.1.2 Pembangkit sinyal persegi

Bangkitkan 2 sinyal persegi dengan:
a. Frekuensi berbeda
b. Amplitudo berbeda
c. Waktu tempuh berbeda
Jelaskan mengapa sinyal persegi harus dipelajari!
2.1.3 Representasi frekuensi sampling
Bangkitkan sinyal sintesis yang merepresentasikan variasi resistivitas di
dalam tanah berdasarkan parameter di bawah ini:
Frekuensi
Kedalaman
Jumlah sampling
Resistivitas
Sampling rate sampling rate
2.2 Algoritma
1. Dimulai program;
2. Didefinisikan modul numpy dan matplotlib.pyplot;
3. Dimasukkan nilai amplitudo , frekuensi , fase awal yang
diketahui dan nilai frekuensi sampling yaitu 50 dan 25;
4. Dimasukkan nilai waktu dengan interval ;
5. Dilakukan pembangkitan sinyal dengan persamaan:
6. Ditampilkan hasil;
7. Diakhiri program.
1. Dimulai program;
2. Didefinisikan modul scipy.signal, numpy, dan matplotlib.pyplot;
3. Dimasukkan nilai amplitudo , frekuensi , dan waktu tempuh
yang berbeda;

1. Dimulai program;
2. Didefinisikan modul numpy dan matplotlib.pyplot;
3. Dimasukkan nilai frekuensi , kedalaman , jumlah sampling ,
dan sampling rate ;
4. Dimasukkan nilai waktu dengan interval
Dengan dimasukkan pada waktu

Dan,
2.3 Flowchart
Dimulai
Digunakan modul numpy

dan matplotlib.pyplot
Dimasukkan nilai amplitudo 𝐴 , frekuensi 𝑓 , fase

awal 𝜃 yang diketahui dan nilai frekuensi sampling 𝑓𝑠
Dilakukan pembangkitan sinyal dengan persamaan: 𝑦 𝐴 𝜋𝑓𝑡 𝜃
Ditampilkan hasil
Diakhiri
Dimulai
Digunakan modul scipy.signal,

numpy, dan matplotlib.pyplot
Dimasukkan nilai amplitudo 𝐴 , frekuensi 𝑓 ,

dan waktu 𝑡 tempuh yang berbeda
Dilakukan pembangkitan sinyal dengan persamaan: 𝑦 𝐴 𝜋𝑓𝑡 𝜃
Ditampilkan hasil
Diakhiri
Dimulai
Digunakan modul numpy

dan matplotlib.pyplot
Dimasukkan nilai frekuensi 𝑓 , kedalaman , jumlah

sampling 𝑛 , dan sampling rate dan nilai waktu
𝑓𝑠
𝑡 dengan interval 𝑓
𝑠
Dilakukan pembangkitan sinyal dengan persamaan: 𝑓𝑠 𝑓𝑖 , dengan 𝑓𝑠

dimasukkan pada waktu 𝑡 dan 𝑦 𝜋𝑓
Ditampilkan hasil
Diakhiri
2.4 Script
import numpy as np
import matplotlib.pyplot as plt
csfont = {'fontname': 'Times New Roman',
'fontsize': 12}
plt.figure(figsize=(7,6))
f = 7
t = np.arange(0, 1, 0.01)
y = np.sin(2*np.pi*f*t)
plt.subplot(311)
plt.plot(t,y, color='purple')
plt.xlabel('Waktu(s)', **csfont)
plt.ylabel('Amplitudo', **csfont)
plt.title('Sinyal Analog', **csfont)
plt.grid(True)
Fs = 50
f = 7
t = np.arange(0, 1, 1/Fs)
plt.subplot(312)
plt.stem(t,y,markerfmt='yo')
plt.title('Sinyal Sampling', **csfont)
plt.grid(True)
Fs = 25
f = 7
plt.subplot(313)
plt.stem(t,y,markerfmt='go')
plt.title('Sinyal Aliasing', **csfont)
plt.grid(True)
plt.tight_layout()
plt.show()

from scipy.signal import square
import numpy as np
'fontsize': 12}
f = 3
i = 4
t = np.linspace(0, 1.0, 500)
y = i*square(2*np.pi*f*t)
plt.subplot(321)
plt.plot(t,y, color='black')
plt.title('(A)', **csfont)
plt.grid(True)
f = 5
i = 4
t = np.linspace(0, 1.0, 500)
plt.subplot(322)
plt.plot(t,y, color='brown')
plt.title('(B)', **csfont)
plt.grid(True)
f = 3
i = 3
t = np.linspace(0, 1.0, 500)

plt.subplot(323)
plt.plot(t,y, color='red')
plt.title('(C)', **csfont)
plt.grid(True)
f = 3
i = 5
t = np.linspace(0, 1.0, 500)
plt.subplot(324)
plt.plot(t,y, color='orange')
plt.title('(D)', **csfont)
plt.grid(True)
f = 3
i = 3
t = np.linspace(0, 2.0, 500)
plt.subplot(325)
plt.plot(t,y, color='purple')
plt.title('(E)', **csfont)
plt.grid(True)
f = 3
i = 3
t = np.linspace(0, 1.5, 500)

plt.subplot(326)
plt.plot(t,y, color='magenta')
plt.title('(F)', **csfont)
plt.grid(True)
plt.tight_layout()
plt.show()
import numpy as np
'fontsize': 12}
Fs = 1000
f = 0.1
h = 50
y = 100+50*np.sin(2*np.pi*f*t)
plt.subplot(211)
plt.plot(t,y, color='orange')
plt.title('Resistivitas', **csfont)
plt.grid(True)
Fs = 2
f = 0.1
h = 50
y = 100+50*np.sin(2*np.pi*f*t)
plt.subplot(212)
plt.stem(t,y, markerfmt='ro')
plt.title('Sampling Resistivitas', **csfont)
plt.grid(True)
plt.tight_layout()
plt.show()
3. HASIL DAN PEMBAHASAN

3.1 Hasil
3.1.1 Pengaruh analog, sampling, dan aliasing
Gambar 3.1 (A) Sinyal analog, (B) Sinyal sampling dan (C) Sinyal aliasing dari
pengaruh pemilhan frekuensi sampling
Pada Gambar 3.1 menunjukkan hasil grafik sinyal analog, sampling dan
aliasing dengan nilai amplitudo sebesar 1, nilai frekuensi 6.5 Hz pada waktu 1
detik. Pada sinyal analog menunjukkan gelombang kontinu yang merupakan ciri
khas dari sinyal analog dan berfluktuasi antara nilai positif dan negatif. Pada
grafik sinyal sampling menunjukkan proses sampling yang mengubah sinyal
analog kontinu menjadi sinyal digital dengan cara menangkap amplitudo pada
titik-titik tertentu dalam waktu. Lalu pada grafik sinyal aliasing menunjukkan
sinyal yang sampelnya kurang dari yang dibutuhkan dengan komponen frekuensi
yang tinggi dari sinyal analog asli, tidak dapat ditangkap secara akurat selama
proses sampling, sehingga menghasilkan representasi sinyal yang terdistorsi.
Sinyal asli menunjukkan hasil grafik kontinu dan diteruskan oleh sinyal sampling
yang merupakan representasi dari sinyal kontinu menjadi sinyal diskrit yang
hanya memiliki nilai-nilai pada titik-titik waktu tertentu dan sinyal aliasing
merupakan sinyal hasil dari sinyal-sinyal yang terdistorsi dan merepresentasikan
bentuk sinyal yang berbeda dari sinyal analog maupun digital.
Gambar 3.2 Pembangkit sinyal persegi dengan nilai frekuensi, amplitudo dan
waktu yang berbeda
Grafik sinyal Gambar 3.2 merepresentasikan gelombang sinusoidal dengan
variasi yang berbentuk pola persegi, pada grafik sinyal Gambar 3.2 (A) dan (B)
menunjukkan nilai amplitudo dan waktu yang sama namun nilai frekuensinya
berbeda. Pada Gambar 3.2 (A) memiliki nilai frekuensi 3 dan pada Gambar 3.2
(B) memiliki nilai frekuensi sebesar 5. Lalu pada grafik sinyal Gambar 3.2 (C)
dan (D) menunjukkan nilai frekuensi dan waktu yang sama dengan nilai
amplitudo yang berbeda, dan pada grafik sinyal Gambar 3.2 (E) dan (F)
menunjukkan nilai tempuh waktu yang berbeda dengan nilai amplitudo yang
sama, pada Gambar 3.2 (D) memiliki waktu tempuh 2 detik dengan frekuensi
sebesar 6, sedangkan pada Gambar 3.2 (F) dengan waktu tempuh 1.5 detik
memiliki frekuensi sebesar 5.
3.1.3 Variasi representasi frekuensi sampling
Gambar 3.3 (A) Sinyal Grafik Resistivitas, (B) Dengan Sampling Sinyal 1.5,
(C) Dengan Simpal Sinyal 3
Pada grafik sinyal Gambar 3.5 merepresentasikan nilai resistivitas dan
sampling resistivitas dengan bentuk gelombang sinusoidal. Pada gambar sinyal
resistivitas menggambarkan sinyal analog atau kontinu yang memiliki nilai
amplitudo sebesar 150 dengan waktu 50 detik. Pada grafik Gambar 3.3 (B) dan
(C) memiliki perbedaan pada jumlah frekuensi sampling pada Gambar 3.3 (B)
menggunakan frekuensi sampling sebesar 1.5 dan pada Gambar 3.3 (C)
menggunakan frekuensi sampling sebesar 2.
3.2 Pembahasan
berdasarkan analisis grafik di atas diketahui pengaruh sampling dan aliasing
terhadap pembangkitan sinyal analog. Semakin tinggi nilai sampling rate maka
sinyal digital yang dihasilkan lebih akurat dan dapat merepresentasikan sinyal
aslinya, sedangkan aliasing dapat menghasilkan distorsi atau sinyal yang tidak
diinginkan dan berbeda dari sinyal aslinya. Sinyal dapat berubah berdasarkan
parameter yang digunakannya, dapat dilihat perbedaan signifikan pada perbedaan
frekuensi dan waktu, yang mempengaruhi bentuk gelombang dan jumlah
banyaknya siklus gelombang yang terjadi dalam satu-satuan waktu, semakin besar
nilai frekuensi atau semakin lama waktu yang ditempuh maka semakin banyak
pula jumlah gelombang yang diperoleh. Pada analisis grafik juga menunjukkan
bahwa aliasing menyebabkan distorsi, terutama pada frekuensi tinggi, sementara
sampling memberikan representasi yang lebih akurat dengan resolusi yang lebih
tinggi. Perbandingan antara kedua grafik menegaskan bahwa grafik sampling
lebih mirip dengan sinyal asli, sedangkan grafik aliasing menunjukkan perbedaan
yang signifikan, menandakan bahwa aliasing dapat mengakibatkan kehilangan
informasi dan distorsi pada sinyal.
4. PENUTUP
Praktikum tentang sampling dan aliasing mengindikasikan bahwa ada beberapa
faktor yang mempengaruhi kejadian aliasing. Pertama, frekuensi sampling
memainkan peran krusial, karena aliasing terjadi ketika frekuensi sampling tidak
mencukupi untuk merepresentasikan frekuensi tertinggi dalam sinyal. Selain itu,
bentuk gelombang juga mempengaruhi; aliasing cenderung lebih mungkin terjadi
pada sinyal dengan bentuk gelombang yang kompleks, seperti gelombang sinus
dengan frekuensi tinggi.
DAFTAR PUSTAKA
Dr. Zunan Setiawan, M. I. (2023). BUKU AJAR MULTIMEDIA. Jambi: PT.
Sonpedia Publishing Indonesia.
Perbani, N. M. (2010). Studi Prosedur Dealisasing untuk Deteksi Konstanta Pasut
Dominan. Jurnal Rekayasa, XIV(4), 165-175.
Siska Aulia, S. T. (2013). Analisis Pengolahan Sinyal Radar Frequency
Modulated Continous Wave untuk Deteksi Target. Jurnal Nasional Teknik
Elektro, Vol: 2 No.2, 51-64.

Analisis Data Geofisika - Sampling Dan Aliasing

Diunggah oleh

Informasi Dokumen

Judul Asli

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

Analisis Data Geofisika - Sampling Dan Aliasing

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN MINGGUAN

PRAKTIKUM ANALISIS DATA GEOFISIKA

LABORATORIUM FISIKA KOMPUTASI DAN PEMODELAN

2.1.2 Pembangkit sinyal persegi

Sampling rate sampling rate

5. Dilakukan pembangkitan sinyal dengan persamaan:

4. Dilakukan pembangkitan sinyal dengan persamaan:

2.2.3 Representasi frekuensi sampling

dan sampling rate ;

4. Dimasukkan nilai waktu dengan interval

5. Dilakukan pembangkitan sinyal dengan persamaan:

Dengan dimasukkan pada waktu

Digunakan modul numpy

Dimasukkan nilai amplitudo 𝐴 , frekuensi 𝑓 , fase

Dilakukan pembangkitan sinyal dengan persamaan: 𝑦 𝐴 𝜋𝑓𝑡 𝜃

2.3.2 Pembangkit sinyal persegi

Digunakan modul scipy.signal,

Dimasukkan nilai amplitudo 𝐴 , frekuensi 𝑓 ,

Dilakukan pembangkitan sinyal dengan persamaan: 𝑦 𝐴 𝜋𝑓𝑡 𝜃

2.3.3 Representasi frekuensi sampling

Digunakan modul numpy

Dimasukkan nilai frekuensi 𝑓 , kedalaman , jumlah

Dilakukan pembangkitan sinyal dengan persamaan: 𝑓𝑠 𝑓𝑖 , dengan 𝑓𝑠

2.4.2 Pembangkit sinyal persegi

t = np.linspace(0, 1.0, 500)

t = np.linspace(0, 1.5, 500)

3. HASIL DAN PEMBAHASAN

3.1.2 Pembangkit sinyal persegi

3.1.3 Variasi representasi frekuensi sampling

Anda mungkin juga menyukai