Anda di halaman 1dari 24

KORELASI DAN

AUTOKORELASI
Mata kuliah Analisis Sinyal

Oleh:

KELOMPOK IV
FATMA JAMIL (H22115021)
DEWI AYU SWASTIKA (H22115
NUR AZIZAH DINA WARDANI J (H22115510)
JUMATRIANI (H22115503)
MUTMAINNAH (H22115502)
NUR AISYAH (H221150
FATIMAH (H2211550
Analisis Pembelajaran Analisis sinyal

Mengetahui Gambaran umum Analisis sinyal Mengetahui apa itu Sinyal Mengetahui Gejala fisis sinyal

Mengetahui Sistem linier Mengetahui tentang Fourier sinyal periodik Mengetahui tentang Transformasi Fourier bumi

Mengetahui Teori pencuplikan Mengetahui Convolusi dan deconvolusi Mengetahui korelasi dan
autokorelasii

Mampu menerapkan rumusan matematik untuk


Mengetahui Filter Digital
Finally
pembentukan sinyal, analisis sinyal analog dan dgital
untuk pengolahan dan interpretasi data geofisika dari
berbagai parameter fisis.
Analisis Sinyal

Konvolusi Dan Dekonvolusi


Korelasi Dan
Autokorelasi
Sampling Rate
Sinyal Berfrekuensi Ganda
Fast Fourier Transform
Deret Transformasi Fourier
OUTLINE

PENDAHULUAN
KORELASI
AUTO-KOLERASI
SIFAT-SIFAT FUNGSI AUTO-KOLERASI
CONTOH APLIKASI KOLERASI SILANG DAN AUTO-KOLERASI
CONTOH PERHITUNGAN CROSS KORELASI DAN
AUTOKORELASI
CONTOH PERHITUNGAN CROSS KORELASI DENGAN MATLAB
PENDAHULUAN

Korelasi adalah salah satu analisis dalam statistik yang


dipakai untuk mencari hubungan antara dua variabel yang
bersifat kuantitatif substantif numerik (angka/bilangan).

Autokorelasi merupakan salah satu alat matmatika yang


digunakan dalam signal processing untuk menganalisis fungsi
atau deret nilai, saperti domain waktu signals.

KORELASI DAN AUTOKORELASI DALAM


ANALISIS SINYAL adalah..
KORELASI

KORELASI SILANG
Signal Matching
KORELASI SILANG SEBAGAI
KONVOLUSI
NORMALISASI KORELASI SILANG
AUTOKORELASI
KORELASI SILANG (CROSS-CORELATION)

Fungsi korelasi silang adalah mengukur


similaritas/keselarasan (conformity) dari dua fungsi
setelah
elasi silang diantara menggeser
dua sinyal u(t) dan v(t) salah
adalah satu fungsi dimana

penggeserannya bisa positif (>0) atau negatif (<0).

Konjugasi konpleks,u*(T) tidak ada bedanya jika u(t) adalah nilai rill tapi membuat definisi
bekerja bahakan jika u(t) adalah nilai kompleks.
korelasi vs konvolusi

Tidak seperti konvolusi variable integral T,memiliki penjelasan tanda yang sama
didalam u() dan v() jadi penjelasan memiliki perbedaan konstan bukan jumlah
konstan (I,e,v(t) adalah tidak membalik.
Catatan:
a.penjelasan w(t) biasa disebut tertinggal (=menunda u vs v)
b. beberapa orang menulis u(t) v(t) sebagai gantinya u(t) v(t).
c.beberapa penukaran u dan v dan atau negative t didalam integral.
Pencocokan sinyal
Korelasi silang digunakan untuk menemukan dua
sinyal yang cocok : u(t) is the test waveform

Contoh 1:
V(t) mengandung u(t) dengan penundaan tidak diketahui dan penambahan
kebisingan
Memberikan puncak pada saatlag dimana u(T-t)pencocokan
terbaik v(t) dalam kasus;t=450
Contoh 2:
Y(t) sama sebagi v(t) dengan beberapa kebisingan z(t) = u(t) y(t)tetap bisa
dideteksi dengan waktu yang ditundah (sulit untuk manusia)
contoh 3
p(t) mengandung u(t) q(t) = u(t) p(t) memiliki
puncak negative
KORELASI SILANG SEBAGAI KONVOLUSI
NORMALISASI KORELASI SILANG

Pada pendekatan yang terakhir, hasil korelasi silang


dinormalisasikan dengan suatu harga terentu yang tetap.
Sebagai contoh jika harga korelasi silang maksimal Zmaks.
pada t=t0, maka harga normalisasinya adalah :


AUTO-KORELASI

Autokorelasi = bagian dari korelasi yang dimana berkorelasi


dan bergeser dengan dirinya sendiri.
The auto-correlation function can be used to detect repeats or periodicity in a signal. Here, we
use the auto-correlation to assess the effect of fluctuations (noise) on a periodic signal.
In absence of noise, the auto-correlation function oscillates with a constant amplitude and a
maximum of 1. The period of the auto-correlation correspond to the period of the signal. In
presence of noise, the envelop of the auto-correlation function decreases exponentially. More
important is the noise, faster is this decreasing. Use of the auto-correlation function to
quantify the effect of noise on a periodic signal
This
Thusphenomenon is also called
the speed (half-life) of the "phase diffusion"
decreasing can be used to quantify the
effect of noise.
CONTOH PERHITUNGAN CROSS KORELASI DAN AUTOKORELASI

Cross Correlation

Dalam persoalan seismik seringkali kita dihadapkan pada persoalan untuk membandingkan dua
trace berbeda yang serupa tapi tidak identik (yang satu terlambat dari yang lain). Dalam hal ini
kita harus menentukan pergeseran (waktu) yang harus dilakukan pada salah satu trace agar
sejajar dengan yang lainnya.
CROSS CORRELATION FUNGCTION (C.C.F)

Akan memberikan harga maksimum pada saat kedua trace tersebut dalam keadaan
sejajar satu sama lain.


Perumusan Matematis

Diskrit


Sifat-sifat :
KORELASI SILANG
CONTOH APLIKASI KORELASI SILANG DAN AUTO-KORELASI

Data kegempaan Secara matematis:



=

(t-t0)=Zs,s(0)(14)

Gambar. Applikasi proses korelasi dalam estimasi waktu


tiba
SEISMIK REFLEKSI DENGAN SUMBER VIBROSEIS

Untuk mendapatkan signal akibat pemantulan oleh waktu (t) dan amplitudonya
(A) dilakukan proses korelasi silang diantara sumber, biasanya berupa fungsi
Sweep, dan vibrogram dimana keluarannya disebut KOLEROGRAM.

Gambar IV.5.perbedaan survey seismic pantul dengan sumber vibroseis dan dinamit
Contoh soal menggunakan bantuan program
Matlab

Jika x[n] = [3 11 7 0 1 4 2] dan y[n] adalah isyarat x[n] yang telah bergeser dan tercampur derau
yang dinyatakan dengan y[n] = x[n 2] w[n], dengan w[n] adalah derau Gaussian dengan rerata
nol dan varians 1. Tentukan kros-korelasi antara y[n] dan x[n].

Penyelesaian:
Dengan memperhatikan isyarat y[n] maka dapat diperkirakan bahwa y[n] adalah sangat mirip
dengan x[n-2] dan dengan demikian dapat diperkirakan pula bahwa kros-korelasi akan
memperlihatkan kesamaan tertinggi saat L= 2
Gambar hasil perhitungan menunjukkan bahwa kros-korelasi tertinggi pada saat
l= 2.
THANK YOU