7/31/2019 analisis fourier 09284 09308
1/22
AZHAR HARAHAP_D41109284
IHSAN AMAR
ADYATMASARI_D41109308
7/31/2019 analisis fourier 09284 09308
2/22
Pendahuluan
Deret Fourier merupakan penguraian fungsiperiodik menjadi jumlahan fungsi-fungsiberosilasi, yaitu fungsi sinus dan kosinus,ataupun eksponensial kompleks. Joseph
Fourier (1768-1830) adalah orang yangmemperkenalkan deret fourier. SedangkanTransformasi Fourier merupakan transformasiintegral yang menyatakan kembali sebuah
fungsi dalam fungsi sinusoidal, yaitu sebuahfungsi sinusoidal penjumlahan atau integraldikalikan oleh beberapa koefisien (amplitudo).
7/31/2019 analisis fourier 09284 09308
3/22
7/31/2019 analisis fourier 09284 09308
4/22
Pembahasan Analisis dan SintesisFourier
7/31/2019 analisis fourier 09284 09308
5/22
Sintesis Fourier merupakan pembentukan sinyal dengan
superposisi dari potongan-potongan gelombang sinussedangkan analisis Fourier merupakan kebalikan
sintesis Fourier, yaitu memecah sinyal menjadikomponen-komponen sinusoidal.
Analisis Fourier merupakan suatu cara matematis yangdigunakan untuk menguraikan sinyal menjadigelombang sinus dan kosinus. Dari gelombang sinyalsuara berdomain waktu (time
amplitudo plot), maka
tidak akan diperoleh informasi yang cukup karenainformasi yang dibutuhkan terkandung di dalamfrekuensi, fase, dan amplitudo dari komponen spektral
yang membentuk sinyal, yang terdapat dalamgelombang sinyal berdomain frekuensi (frequency amplitudo plot).
Untuk dapat mengambil informasi tersebut, diperlukanpenghitungan spektrum frekuensi sinyal, mirip dengan
yang terjadi pada proses pendengaran manusia dengan
7/31/2019 analisis fourier 09284 09308
6/22
7/31/2019 analisis fourier 09284 09308
7/22
Pembahasan TransformasiFourier Transformasi matematis digunakan
terhadap suatu sinyal untukmengetahui informasi lain yang
terkandung dalam sinyal tersebutyang tidak dapat terbaca pada sinyalaslinya. Ada banyak metode yang
digunakan untuk melakukantranformasi. Salah satunya adalahTransformasi Fourier.
7/31/2019 analisis fourier 09284 09308
8/22
Transformasi Fourier
Bagaimana transformasi Fourierbekerja? Transformasi Fouriermendekomposisi sinyal ke bentuk
fungsi eksponensial dari frekuensiyang berbeda-beda. Caranya adalahdengan didefinisikan ke dalam dua
persamaan berikut:
7/31/2019 analisis fourier 09284 09308
9/22
Dalam persamaan tersebut, t adalah waktu dan f adalahfrekuensi. x merupakan notasi sinyal dalam ruang waktudan X adalah notasi untuk sinyal dalam domain
frekuensi. Persamaan (1) disebut Transformasi Fourierdari x(t) sedangkan persamaan (2) disebut InversTransformasi 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 ataukahtidak, tapi tidak dapat menangkap dimana frekuensi ituterjadi. Misalnya kita punya dua sinyal yang berbeda.Misalkan pula keduanya mempunyai komponen spectralyang sama. Katakan sinyal pertama mempunyai 4frekuensi muncul bersamaan, dan yang satu lagimempunyai 4 frekuensi muncul bergantian.
Transformasi Fourier keduanya sama sebagaimana
7/31/2019 analisis fourier 09284 09308
10/22
7/31/2019 analisis fourier 09284 09308
11/22
Transformasi Fourier Pada Citra
Citra adalah gambar dua dimensi yangdihasilkan dari gambar analog duadimensi yang kontinus menjadi gambar
diskrit melalui proses sampling. Gambaranalog dibagi menjadi N baris dan Mkolom sehingga menjadi gambar diskrit.Persilangan antara baris dan kolom
tertentu disebut dengan piksel.Contohnya adalah gambar/titik diskritpada baris n dan kolom m disebut
dengan piksel[n,m].
7/31/2019 analisis fourier 09284 09308
12/22
Sampling adalah proses untuk menentukanwarna pada piksel tertentu pada citra dari
sebuah gambar yang kontinus. Pada prosessampling biasanya dicari warna rata-rata darigambar analog yang kemudian dibulatkankedalam angka bulat. Proses sampling seringjuga disebut proses digitisasi. Ada kalanya,dalam proses sampling, warna rata-rata yangdidapat di relasikan ke level warna tertentu.Contohnya apabila dalam citra hanyaterdapat 16 level warna abu-abu, maka nilai
rata-rata yang didapat dalam prosessampling harus diasosiasikan ke 16 leveltersebut. Proses mengasosiasikan warnarata-rata dengan level warna tertentu disebut
dengan quantisasi.
7/31/2019 analisis fourier 09284 09308
13/22
7/31/2019 analisis fourier 09284 09308
14/22
7/31/2019 analisis fourier 09284 09308
15/22
DFT (Discret Fourier Transform)
DFT bermanfaat sebagai metode numerik untukmenghitung transformasi Fourier dari suatu fungsikontinu. Tiap-tiap barisan N titik ini dapat digambarkansecara tersusun mengelilingi sebuah lingkaran. Analisisfrekuensi sinyal diskret merupakan yang paling cocokdilakukan dalam pengolahan sinyal digital. Untukmelakukan analisis frekuensi pada suatu sinyal waktumaka diperlukan konversi dari deret domain waktu kederet domain frekuensi
Untuk mentransformasikan suatu deret dalam domainwaktu x(n) dengan panjang LN menjadi suatu barisandengan cuplikan-cuplikan frekuensi x(n) dengan panjang
N maka diperlukan himpuanan N sinyal diskret. Hal ini
7/31/2019 analisis fourier 09284 09308
16/22
FFT (Fast-Fourier Transform)
Fast Fourier Transform (FFT) adalah suatu algoritmauntuk menghitung Discrete Fourier Transform (DFT)yang digunakan untuk menghitung spektrum frekuensisinyal yang telah dicuplik komputer dan FFT merupakanprosedur penghitungan DFT yang efisien sehingga
akan mempercepat proses penghitungan DFT yangsecara substansial dapat lebih menghemat waktu daripada metoda yang konvensional. Metode FFT yangdigunakan adalah algoritma FFT radiks dua dengandecimation in time. Pengujian dilakukan dengan variasisinyal berupa sinus, segitiga dan kotak dengan variasifrekuensi dan jumlah cuplikan. Sedangkan frekuensicuplikan telah ditentukan sebelumnya sebesar 8000Hz.
Pada OFDM, bandwidth dibagi-bagi menjadi sejumlah
band yang lebih kecil, yang secara matematis saling
7/31/2019 analisis fourier 09284 09308
17/22
Pengembangan
Tranformasi wavelet merupakanperbaikan dari transformasi Fourier.Transformasi Fourier hanya dapat
menangkap informasi apakah suatusinyal memiliki frekuensi tertentuataukah tidak, tapi tidak dapatmenangkap dimana frekuensi itu terjadi.
Jika Transformasi Fourier hanyamemberikan informasi tentang frekuensisuatu sinyal, maka transformasi wavelet
memberikan informasitentang kombinasi
7/31/2019 analisis fourier 09284 09308
18/22
Aplikasi
Aplikasi dari deret fourier sangatberagam diberbagai bidang yaitumatmatika,fisika, analisis vibrasi, optik,
teknik elektro, akustik,pengolahan citradll.salah satu aplikasi dari deret fourieryaitu untuk mengubah sinyal dari domainwaktu ke frekuensi atau
sebaliknya. Maksudnya diubah kedomain frekuensi adalah jadi kita bisamelihat suatu sinyal itu memiliki
frekuensi berapa hertz.
7/31/2019 analisis fourier 09284 09308
19/22
Aplikasi dari Transformasi Fourier di bidangtelekomunikasi dan pemrosesan sinyal yakni
filtering, korelasi, musik pengolahan,pengkodean sinyal, sintesis sinyal, fiturekstraksi untuk identifikasi pola seperti padapembicaraan atau pengenalan gambar
analisis, spektral dan pengolahan sinyalradar. Transformasi Fourier dari sinyal cocok untuk
interpretasi mudah dan manipulasi, danmenyebabkan konsep analisis frekuensi dansintesis. Lebih jauh lagi, bahkan beberapasistem biologi, seperti sistem pendengaranmanusia, melakukan beberapa bentukanalisis frekuensi sinyal masukan.
7/31/2019 analisis fourier 09284 09308
20/22
Kesimpulan
Transformasi merupakan suatu langkahyang harus dilakukan untuk mengubahpenyajian suatu sinyal dari suatu domainke domain yang lain. Dalam hal ini
Transformasi Fourier mengubah sinyaldari domain waktu ke domain frekuensi.
Analisis Fourier merupakan metode yang
sangat efisien untuk untuk analisis dansintesis sinyal. metode ini sangat eratcocok untuk digunakan pada komputerdigital atau untuk implementasi di
hardware digital.
7/31/2019 analisis fourier 09284 09308
21/22
Transformasi Fourier masih menjadi
transformasi yang paling popular dalampemrosesan sinyal digital (PSD). Namuntransformasi Fourier hanya memberikan
informasi frekuensi, tanpa memberikaninformasi waktu (kita tidak dapat tahu dimana frekuensi itu terjadi) dari suatusinyal. Sehingga transformasi Fourierhanya cocok untuk sinyal stasioner (sinyal
yang informasi frekuensinyatidak berubahmenurut waktu).
7/31/2019 analisis fourier 09284 09308
22/22
TERIMA KASIH