371300004
371300007
371300011
371300016
371300021
371300029
371300030
FUADUR ZAKKI
KURNIAWAN
371300044
KHAIRUL YADI
371300051
371300049
MAULIDAH AISYAH
FIKRIZAN ANDRADIT
SIGNAL FILTER
Overview
Pendahuluan
Teori
Low Pass Filter
High Pass Filter
Band Pass Filter
Bandstop Filter
Data dan Pembahasan
Perbandingan Data
Pembahasan
Kesimpulan
Sinyal
Filter
Windo
w
Hasil
Pendahuluan
Adanya noise pada sinyal membuat data harus di filter
Tujuan:
Filters
Low Pass | High Pass | Band Pass |
Band Stop
Hasil Programming
Hasil Programming
Hasil Programming
Hasil Programming
Magnitude
Dalam grafik hasil filter dan window grafiknya merupakan fungsi waktu terhadap
magnitude. Magnitudo gelombangadalah sebuah besaran yang menyatakan
besarnya energi gelombang yang dipancarkan oleh sumber gelombang. Besaran ini
akan berharga sma, meskipun dihitung dari tempat yang berbeda. Skala yang kerap
digunakan untuk menyatakan magnitudo khususnya untuk gempa ini adalah
Skala Richter(Richter Scale). Secara umum, magnitudo dapat dihitung menggunakan
formula berikut:
Dimana:
M = magnitudo, adalah amplitudo gerakan tanah (dalammikrometer)
T =periode gelombang
= jarakpusat gelombang gempaatau episenter
H = kedalaman gempa
Cs dan Cr
= faktor koreksi yang bergantung pada kondisi lokal & regional daerahnya
Data
Flow Chart
Window Barlet
Hamming Window
Hanning Window
Rectangular Window
Hamming Window
Bandpass Filter
Butterworth
Hamming Window
Hamming Window
Perbandingan Data
clear all;
fb=10;
fa=40;
fp=54;
omegal=(fb/fp)*2*pi; %digital cut of
frequency
omegau=(fa/fp)*2*pi; %digital cut of
frequency
N=49; %koefisien filter
m=(N-1)/2; %delay
nn=0:2*m+10; %titik plotting
h=((sin(nn-m)*omegau)/((nn-m)*pi))-(sin(nnm)*omegal/(nn-m)*pi);%delayed ideal filter
n=0:150;
T=0.2;
x=1+cos(n*T)+cos(5*n*T);
t=0:0.1:30;
x=1+cos(t)+cos(5*t);
subplot(2,1,1)
plot(t,x)
xlabel('Time (dt)')
ylabel('Amplitude x(t)')
h=((sin(nn-m)*omegau)/((nn-m)*pi))-(sin(nnm)*omegal/(nn-m)*pi);
w=[hamming(N)' zeros(1,length(nn)-N)];
%window
hd=h.*w;
y=filter(hd,1,x);
subplot(2,1,2)
plot(t,y)
xlabel('Time (dt)')
ylabel('Amplitude y(t)')
Lowpass
Filter
Bandpass
Filter
Highpass
Filter
Bandstop
Filter
Pembahasan
Pembahasan
Low pass filter bertujuan untuk meloloskan frekuensi kecil. High pass filter bertujuan untuk
meloloskan frekuensi besar. Band filter meloloskan frekuensi ditengah-tengah tidak besar dan
tidak kecil dalam suatu range tertentu. Sedangan bandstop filter meloloskan filter kebalikan
dari band filter yaitu frekuensi tinggi dan frekuensi rendah yang dapat diloloskan
Hasil wavelet dengan metode butterword hasil wavelet memiliki respon yang memberikan efek
data sangat maksimal. Sedangkan dengan menggunakan window menghasilkan data yang
lebih mudah diolah serta untuk menentukan atenuasi stop band
Hal tersebut dikarenakan window itu sendiri berfungsi untuk memaksimalkan spectrum dari
hasil filter dengan cara mengecilkan filter sehingga cuplikan sinyal yang masuk lebih optimal.
Selain itu dengan menggunakan window menghasilkan data yang lebih mudah diolah serta
untuk menentukan atenuasi stop band (hamming, hanning, rectangular, bartler, dan
blackman).
Hasil Low pass Filter menunjukkan grafik yang mirip dengan grafik awal karena frekuensi
rendah berada pada amplitudo yang besar.
Hasil signal low pass filter mirip dengan bandstop, sedangkan hasil signal highpass filter mirip
dengan bandpass filter. Alasan karena hasil low pass mirip dengan yang lain karena filter yang
digunakan menangkap range frekuensi yang hampir sama
Kesimpulan
Terdapat 4 filter utama: low pass filter, high pass filter, band
pass filter, bandstop filter
Low pass filter bertujuan untuk meloloskan frekuensi kecil
High pass filter bertujuan untuk meloloskan frekuensi besar
Band pass filter bertujuan untuk meloloskan frekuensi tengah
dengan range tertentu
Band stop filter bertujuan untuk melooskan frekuensi kebalikan
dari band pass filter
Window bertujuan untuk menentukan nilai transtition frekuensi
Cara Kerja
Cara Kerja
Dalam kesempatan ini praktikan menggunakan matlab r2013b
Setting Filter
Lakukan Filtering
Thank You