ANALISIS FOURIER

AZHAR HARAHAP_D41109284 IHSAN AMAR ADYATMASARI_D41109308

Pendahuluan
Deret Fourier merupakan penguraian fungsi periodik menjadi jumlahan fungsi-fungsi berosilasi, yaitu fungsi sinus dan kosinus, ataupun eksponensial kompleks. Joseph Fourier (1768-1830) adalah orang yang memperkenalkan deret fourier. Sedangkan Transformasi Fourier merupakan transformasi integral yang menyatakan kembali sebuah fungsi dalam fungsi sinusoidal, yaitu sebuah fungsi sinusoidal penjumlahan atau integral dikalikan oleh beberapa koefisien (amplitudo).

Pembahasan Analisis dan Sintesis Fourier

Sintesis Fourier merupakan pembentukan sinyal dengan superposisi dari potongan-potongan gelombang sinus sedangkan analisis Fourier merupakan kebalikan sintesis Fourier, yaitu memecah sinyal menjadi komponen-komponen sinusoidal. Analisis Fourier merupakan suatu cara matematis yang digunakan untuk menguraikan sinyal menjadi gelombang sinus dan kosinus. Dari gelombang sinyal suara berdomain waktu (time amplitudo plot), maka tidak akan diperoleh informasi yang cukup karena informasi yang dibutuhkan terkandung di dalam frekuensi, fase, dan amplitudo dari komponen spektral yang membentuk sinyal, yang terdapat dalam gelombang sinyal berdomain frekuensi (frequency amplitudo plot). Untuk dapat mengambil informasi tersebut, diperlukan penghitungan spektrum frekuensi sinyal, mirip dengan yang terjadi pada proses pendengaran manusia dengan

Pembahasan Transformasi Fourier

Transformasi matematis digunakan terhadap suatu sinyal untuk mengetahui informasi lain yang terkandung dalam sinyal tersebut yang tidak dapat terbaca pada sinyal aslinya. Ada banyak metode yang digunakan untuk melakukan tranformasi. Salah satunya adalah Transformasi Fourier.

Transformasi Fourier

Bagaimana transformasi Fourier bekerja? Transformasi Fourier mendekomposisi sinyal ke bentuk fungsi eksponensial dari frekuensi yang berbeda-beda. Caranya adalah dengan didefinisikan ke dalam dua persamaan berikut:

Dalam persamaan tersebut, t adalah waktu dan f adalah frekuensi. x merupakan notasi sinyal dalam ruang waktu dan X adalah notasi untuk sinyal dalam domain frekuensi. Persamaan (1) disebut Transformasi Fourier dari x(t) sedangkan persamaan (2) disebut Invers Transformasi Fourier dari X(f), yakni x(t). Persamaan (1) dapat juga ditulis sebagai : Cos(2ft)+jSin(2ft).........................................(3) Transformasi Fourier dapat menangkap informasi apakah suatu sinyal memiliki frekuensi tertentu ataukah tidak, tapi tidak dapat menangkap dimana frekuensi itu terjadi. Misalnya kita punya dua sinyal yang berbeda. Misalkan pula keduanya mempunyai komponen spectral yang sama. Katakan sinyal pertama mempunyai 4 frekuensi muncul bersamaan, dan yang satu lagi mempunyai 4 frekuensi muncul bergantian. Transformasi Fourier keduanya sama sebagaimana

Transformasi Fourier Pada Citra

Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinus menjadi gambar diskrit melalui proses sampling. Gambar analog dibagi menjadi N baris dan M kolom sehingga menjadi gambar diskrit. Persilangan antara baris dan kolom tertentu disebut dengan piksel. Contohnya adalah gambar/titik diskrit pada baris n dan kolom m disebut dengan piksel[n,m].

Sampling adalah proses untuk menentukan warna pada piksel tertentu pada citra dari sebuah gambar yang kontinus. Pada proses sampling biasanya dicari warna rata-rata dari gambar analog yang kemudian dibulatkan kedalam angka bulat. Proses sampling sering juga disebut proses digitisasi. Ada kalanya, dalam proses sampling, warna rata-rata yang didapat di relasikan ke level warna tertentu. Contohnya apabila dalam citra hanya terdapat 16 level warna abu-abu, maka nilai rata-rata yang didapat dalam proses sampling harus diasosiasikan ke 16 level tersebut. Proses mengasosiasikan warna rata-rata dengan level warna tertentu disebut dengan quantisasi.

Pada konsep pengolahan citra, kita harus mengubah suatu citra dari satu domain ke domain lainnya. Perubahan ini bertujuan untuk mempermudah pengkodean. Proses perubahan ini dinamakan transformasi. Salah satu kegunaan transformasi adalah untuk proses kompresi citra, tetapi tidak semua transformasi cocok digunakan. Transformasi Fourier merupakan representasi dari sebuah citra sebagai penjumlahan eksponensial kompleks dari beragam magnitude, frekuensi dan fasa.Transformasi Fourier akan menghasilkan Fourier Spectrum. Fourier Spektrum dapat memberikan informasi tentang tinggi rendah frekuensi citra. Jika kita ingin melakukan filtering terhadap citra pada domain frekuensi Fourier, maka yang kita dapat menggunakan lowpass filtering maupun highpass filtering. Tujuan transformasi Fourier adalah mengetahui frekuensi citra, bukan untuk kompresi, sehingga hasil FT tidak akan mendukung kompresi (tidak bersifat compact

DFT (Discret Fourier Transform)

DFT bermanfaat sebagai metode numerik untuk menghitung transformasi Fourier dari suatu fungsi kontinu. Tiap-tiap barisan N titik ini dapat digambarkan secara tersusun mengelilingi sebuah lingkaran. Analisis frekuensi sinyal diskret merupakan yang paling cocok dilakukan dalam pengolahan sinyal digital. Untuk melakukan analisis frekuensi pada suatu sinyal waktu maka diperlukan konversi dari deret domain waktu ke deret domain frekuensi Untuk mentransformasikan suatu deret dalam domain waktu x(n) dengan panjang LN menjadi suatu barisan dengan cuplikan-cuplikan frekuensi x(n) dengan panjang N maka diperlukan himpuanan N sinyal diskret. Hal ini

FFT (Fast-Fourier Transform)

Fast Fourier Transform (FFT) adalah suatu algoritma untuk menghitung Discrete Fourier Transform (DFT) yang digunakan untuk menghitung spektrum frekuensi sinyal yang telah dicuplik komputer dan FFT merupakan prosedur penghitungan DFT yang efisien sehingga akan mempercepat proses penghitungan DFT yang secara substansial dapat lebih menghemat waktu dari pada metoda yang konvensional. Metode FFT yang digunakan adalah algoritma FFT radiks dua dengan decimation in time. Pengujian dilakukan dengan variasi sinyal berupa sinus, segitiga dan kotak dengan variasi frekuensi dan jumlah cuplikan. Sedangkan frekuensi cuplikan telah ditentukan sebelumnya sebesar 8000Hz. Pada OFDM, bandwidth dibagi-bagi menjadi sejumlah band yang lebih kecil, yang secara matematis saling

Pengembangan

Tranformasi wavelet merupakan perbaikan dari transformasi Fourier. Transformasi Fourier hanya dapat menangkap informasi apakah suatu sinyal memiliki frekuensi tertentu ataukah tidak, tapi tidak dapat menangkap dimana frekuensi itu terjadi. Jika Transformasi Fourier hanya memberikan informasi tentang frekuensi suatu sinyal, maka transformasi wavelet memberikan informasi tentang kombinasi

Aplikasi
Aplikasi dari deret fourier sangat beragam diberbagai bidang yaitu matmatika,fisika, analisis vibrasi, optik, teknik elektro, akustik,pengolahan citra dll.salah satu aplikasi dari deret fourier yaitu untuk mengubah sinyal dari domain waktu ke frekuensi atau sebaliknya. Maksudnya diubah ke domain frekuensi adalah jadi kita bisa melihat suatu sinyal itu memiliki frekuensi berapa hertz.

Aplikasi dari Transformasi Fourier di bidang telekomunikasi dan pemrosesan sinyal yakni filtering, korelasi, musik pengolahan, pengkodean sinyal, sintesis sinyal, fitur ekstraksi untuk identifikasi pola seperti pada pembicaraan atau pengenalan gambar analisis, spektral dan pengolahan sinyal radar. Transformasi Fourier dari sinyal cocok untuk interpretasi mudah dan manipulasi, dan menyebabkan konsep analisis frekuensi dan sintesis. Lebih jauh lagi, bahkan beberapa sistem biologi, seperti sistem pendengaran manusia, melakukan beberapa bentuk analisis frekuensi sinyal masukan.

Kesimpulan

Transformasi merupakan suatu langkah yang harus dilakukan untuk mengubah penyajian suatu sinyal dari suatu domain ke domain yang lain. Dalam hal ini Transformasi Fourier mengubah sinyal dari domain waktu ke domain frekuensi. Analisis Fourier merupakan metode yang sangat efisien untuk untuk analisis dan sintesis sinyal. metode ini sangat erat cocok untuk digunakan pada komputer digital atau untuk implementasi di hardware digital.

Transformasi Fourier masih menjadi transformasi yang paling popular dalam pemrosesan sinyal digital (PSD). Namun transformasi Fourier hanya memberikan informasi frekuensi, tanpa memberikan informasi waktu (kita tidak dapat tahu di mana frekuensi itu terjadi) dari suatu sinyal. Sehingga transformasi Fourier hanya cocok untuk sinyal stasioner (sinyal yang informasi frekuensinya tidak berubah menurut waktu).

TERIMA KASIH