Moidul 10 SD Modul 16

Modul Pratikum Pengolahan Sinyal Digital
PRAKTIKUM 10
TRASNSFORMASI Z
A. TUJUAN PEMBELAJARAN
Setelah mempelajari materi dalam bab ini mahasiswa diharapkan mampu:
 Memahami sebab mengapa z transform penting dipelajari
 Mampu melakukan tranformasi z dari sinyal diskrit dan melakukan inverse
transformasi z secara matematis dan menggunakan matlab
 Memahami sifat-sifat transformasi z
 Memahami konsep z-plane, pole dan zero
B. DASAR TEORI
Transformasi z banyak digunakan pada DSP karena kegunannya untuk menjelaskan
karakteristik sinyal dan sistem berbasis waktu diskrit. Selain itu transformasi z sering
digunakan untuk mendesain filter digital dan melakukan analisa frekuensi responnya.
Transformasi z dapat dirumuskan sebagai berikut :
Untuk sistem dan sinyal kausal dimana x[n] = 0, n < 0, maka didapat
X[z] = x[0] + x[1]z-1 + x[2]z-2 + x[3]z-3+ x[4]z-4+ ....
Di matlab hal ini dapat dilakukan dengan perintah :
syms(), ztrans(), simplify() dan pretty()
Bila hasil |X[z]|< ∞, maka dikatakan X[z] konvergen.
∞
𝑋𝑧 = 𝑥 𝑛 𝑧 −𝑛 < ∞
𝑛 =−∞
92
ROC (Region of Convergence)

ROC atau daerah konvergensi adalah daerah dimana nilai |X[z]| < ∞. ROC ini
digambarkan dalam bentuk sumbu y adalah sumbu imaginer, sumbu x adalah sumbu
real, dan lingkaran dengan r = 1. Daerah ROC ini banyak digunakan untuk
menggambarkan kestabilan sistem.
Bilaz= Re{z} +j Im{z} = rejw,

Maka :Re{z} = |z| cos ωdanIm{z} = |z| sinω
𝑧 = 𝑅𝑒(𝑧)2 + 𝐼𝑚(𝑧)2
𝐼𝑚(𝑧)
𝜃 = 𝑡𝑎𝑛−1 ( )
𝑅𝑒(𝑧)
Lingkaransaat r =1 disebutsebagai unit cycle
Gambar 10.1 Bidang Z. Tanda x menunjukkan pole

dantanda O menunjukkan zero
Denganmelihatdaerah ROC, user dapatmenganalisaduasifatsistem,

yaitustabil/tidakstabildankausal/non kausal.
 ROC mempunyaisifatstabilbila:
o daerah ROC termasuk unit cycle (r=1)
 ROC mempunyaisifatkausalbila:
o x[n]=0, untuk n < 0
o biladaerah ROC termasuk ∞ (sekuenskanan)
Soal :
1. Bilasuatusinyaly[n]=anu[n], carilah X[z] dangambardaerah ROC
Jawab :
∞ ∞ ∞ ∞
−𝑛 𝑛 −𝑛 𝑛 −𝑛
𝑧
𝑌 𝑧 = 𝑦𝑛𝑧 = 𝑎 𝑢𝑛𝑧 = 𝑎 𝑧 = (𝑎𝑧 −1 )𝑛 =
𝑧−𝑎
𝑛=−∞ 𝑛=−∞ 𝑛 =0 𝑛=0
93
Karenax[n] untuk x<0 = 0, makasistembersifatkausal, makadaerahROCnyaadalah

yang (b)
2. Jikay[n] = - anu[-n-1], carilah Y[z] dan ROC nya

∞ ∞ −1
−𝑛 𝑛 −𝑛
𝑌 𝑧 = 𝑦𝑛𝑧 = −𝑎 𝑢 −𝑛 − 1 𝑧 = −𝑎𝑛 𝑧 −𝑛
𝑛 =−∞ 𝑛=−∞ 𝑛 =−∞
∞
𝑧
=1− 𝑧𝑎−1 𝑛
=
𝑧−𝑎
𝑛 =0
Karena -∞ < t < -1, jelasbahwaROCnyatidakkausal. MakadaerahROCnyaadalah yang

kekiriataugambar (a)
Perhatikanbahwa no 1 dan 2 memilikihasiltransformasi yang samayaitu:

𝑧
𝑌 𝑧 =
𝑧−𝑎
yang membedakan hanya daerah ROC. Sekarang jelasbahwadaerah ROC
sangatpentingdalammenentukan inverse transformasi z.
Kita dapat menggunakan perintah matlab untuk mendapatkan z-plane:

zplane(zeros,poles) atau zplane(num,denum)
Ada tiga macam daerah ROC :
(a) (b) (c)

Gambar 10.2 Tiga Daerah ROC. (a) ROC |z| < a, sekuens sisi kiri, bersifat non
kausal dan tidak stabil (b) ROC |z| > a, sekuens sisi kanan, bersifat stabil dan kausal
(c) ROC a<|z|<b , sekuens dua sisi,
94
Inverse z transform
Inverse z transform digunakan untuk melakukan transformasi dari bentuk X[z] kembali
menjadi x[n].Inversitransformasi z dapatdilakukan dg 3 cara :
1. Integraldenganmenggunakanrumus
2. Pemecahanparsialdilakukanjikapangkatpembagi>pengali
3. Pembagiandilakukanjikapangkatpembagi<= pengali
Di matlab, hal ini dapat dilakukan dengan mudah dengan perintah iztrans(), residuez()
Transformasi z banyak digunakan karena :

 Mampu menjelaskan karakteristik sinyal dan sistem yang berbasis waktu diskrit
 Konsep pole zero banyak dipakai untuk menunjukkan stabilitas dan karakteristik
respon frekuensi
95
C. TUGAS PENDAHULUAN
Selesaikan persamaan z berikut secara manual untuk mendapatkan bentuky[n] nya
a.
1
𝐹 𝑧 =
(1 − 0.3𝑧 −1 )(1 − 0.3𝑧 −1 )2
b.
(𝑧 2 − 1)
𝐻 𝑧 =
(𝑧 − 3)2
c. Untuk |z| > 2
𝑧
𝐺 𝑧 =
𝑧(𝑧 − 1)(𝑧 − 2)2
d. Untuk |z| > 1

𝑧3
𝑆 𝑧 =
(𝑧 − 1)(𝑧 − 0.5)(𝑧 − 0.25)
z 2 (z +1)
e X[z] =
(z -1)(z 2 - z + 0.5)
z 2 (z +1)
f. X[z] =
(z -1)(z 2 - z + 0.5)
D. PERCOBAAN
Percobaan 1. Mengubahx[n] menjadi X[z]
1
Carilah z transform dari : x[n] = u[n]
4n
Denganmatlab, dapatdituliskan :
syms z n
ztrans(1/4^n)
96
Percobaan 2. MengubahX[z] menjadi x[n]

2z
Carilah inverse z – transform dari X[z] =
2z -1
Denganmatlab, dapatdituliskan :
syms z n
iztrans(2*z/(2*z-1))
Percobaan3. Mencari inverse transformasi z denganmetodePartial Fraction

1+ 2z -1 + z -2
Carilahbentukpembagianfraksialdengan X[z] =
1- 2z -1 + 4z-2
Denganmatlabdapatdituliskan
[r,p,k]=residuez([1,2,1],[1,-2,4])
Atau :
A=[1,2,1]
B=[1,-2,4]
[r,p,k]=residuez(A,B)
Percobaan 4. MenggunakanperintahConvdanDconv
Conv digunakanu ntuk mengalikan dua matriks, sedangkanDconv digunakan untuk

melakukan pem bagian panjang polynomial.
Contoh:
-1
1. Bila kita mempunyai persamaa berikut X [ z ]=(1- z )(1-0.5z -1)
Carilah :X[z]
Di matlab ,kita dapat menulis :
A=[1,-1]
B=[1,-0.5]
C= conv(A,B)
97
Didapathasil : C= [1.0000 -1.50000 0.50000]
Yang artinya hasil perkalian adalah : 1-1.5z-1 + 0.5z-2
( )
-1 2
B = 2 * (1- z-1 )
3
2. Bilakita mempunyai persamaa berikut A = 1- z
dan
Carilah : Y[z] = B/A ,
Di matlab ,kitadapatmenulis :
A = [ 1 -2 1];
B = [ 2-6 6 2];
[x,r] = deconv(B,A)
Dengan x adalahhasilpembagiandan r adalahsisapembagian
Percobaan5. PersamaanDiferensialdengan Z
Jikadiketahui : y[n]-0.5y[n-1]=5(0.2)nu[n], y(-1)=1
Cari :y[n]
Jawab :
1 .Dapatkanpersamaan Z denganmenyelesaikansecara manual:
Y[z]-0.5(y[-1]+z-1Y[z])=5z/(z-0.2)
Y[z](1-z-1)=5z/(z-0.2)+0.5
5z
Y[z](1- 0.5z -1 ) = + 0.5
z - 0.2
5.5z + 0.1
Y[z](1- 0.5z -1 ) =
z - 0.2
5.5z + 0.1
Y[z] =
(z - 0.2)(1- 0.5z -1 )
5.5z 2 + 0.1z
Y[z] =
(z - 0.2)(z - 0.5)
2. Gunakan matlab dengan fungsi residuez:
98
r=[8.8333 -3.3333]
p=[0.5 0.2]
k=[]
-3.3333 8.8333
Y[z] = +
(z - 0.2) (z - 0.5)
3. Gunakan matlab dengan fungsi iztrans didapat :
Y[n]=-3.3333(0.2)nu[n]+8.8333(0.5)nu[n]
Percobaan6.MenggambarPole dan Zero dalam z-plane

1-1.618z -1 + z -2
JikadiketahuiX(z) sebagaiberikut : X[z] =
1-1.516z -1 + 0.878z -2
Carilah diagram pole dan zero:
n2=[1 -1.618 1]
d2=[1 -1.5161 0.878]
roots(n2)
roots(d2)
zplane(n2,d2)
Diagram :
TUGAS :
1. Selesaikanpersamaan z berikutuntukmendapatkanbentuky[n] nya
a.
99
1
𝐹 𝑧 =
(1 − 0.3𝑧 −1 )(1 − 0.3𝑧 −1 )2
b.
(𝑧 2 − 1)
𝐻 𝑧 =
(𝑧 − 3)2
c. Untuk |z| > 2
𝑧
𝐺 𝑧 =
𝑧(𝑧 − 1)(𝑧 − 2)2
d. Untuk |z| > 1

𝑧3
𝑆 𝑧 =
(𝑧 − 1)(𝑧 − 0.5)(𝑧 − 0.25)
z 2 (z +1)
e X[z] =
(z -1)(z 2 - z + 0.5)
z 2 (z +1)
f. X[z] =
(z -1)(z 2 - z + 0.5)
Bandingkan dengan hasilsecara manual (dari tugas pendahuluan ) !
2. Gambarlah diagram pole dan zero untuk :
2𝑧( 𝑧 − 5 12 )
𝑋 𝑧 = , 𝑢𝑛𝑡𝑢𝑘 0.3 < 𝑧 < 0.5
(𝑧 − 0.5)(𝑧 − 1 3)
𝑧
𝑋 𝑧 = , 𝑢𝑛𝑡𝑢𝑘 𝑧 > 1
2𝑧 2 − 3𝑧 + 1
3. Selesaikan persamaan beda dibawahy(t):

a. y[n]-3y[n-1]= x[n] dengan x[n]=4u[n], y[-1]=1
b. y[n] – 5y[n-1] + 6y[n-2] = x[n] dengan x[n]=u[n], y[-1]=3,y[-2]=2
4. Carilah bentuk z dari

y(n) = 0.25n + 0.5n
5.
100
y(n) = d[n]+ d[n -1]+ d[n - 2]+ d[n - 3]

6. y(n) = 0.25n * n
Cari secara manual dan bandingkan hasilnya .
E. LAPORAN RESMI
Percobaan 1 Linear image filtering
1. Load gambar koin yang ada di matlab dengan perintah :imread(`coins.png`);
2. Buat filter rectangular h=ones(m,m)/(m*m). Cobalahuntuk m=3.
Andadapatmenulis h=ones(3,3)/9. Tulisisimatriks h.
3. Lakukan filtering dengan perinta him filter(I,h), dimana I adalah image asal dan
h adalah filter rectangular yang kita buat. Matriks II adalah matriks hasil filter
4. Plot hasilnyadenganperintah :
imshow(I), title(‘Image Asal’);

figure, imshow(II), title(‘hasil filter’);
5. Lakukan hal yang sama untuk m=5,10,20. Apa yang

dapatandasimpulkandariperubahannilai m
101
PRAKTIKUM 11
TRANFORMASI LAPLACE
PERSAMAAN BEDA
 Mahasiswa mengetahui kegunaan transformasi Laplace
 Mahasiswa mampu melakukan transformasi laplacedan melakukan inverse
transformasi Laplace
 Mahasiswa mengetahui sifatdan karakteristik transformasiLaplace
 Mahasiswa mampu menyelesaikan persamaan beda dengan menggunakan
transformasi Laplace
B. DASAR TEORI
Laplace transform adalah rumus matematika yang banyak digunakan untuk

menyelesaikan persamaan differensial. Contoh :tegangan pada induktor besarnya
proporsional terhadap turunan arus yang melewati induktor, gaya yang diterapkan pada
suatu massa abyek, besarnya setara dengan turunan kecepatannya, dan sebagainya.
Laplace banyak digunakan untuk menyelesaik ananali sarangkaian elektronik, fisika,
sinyal processing ,telekomunikasi, dan lain-lain.. Laplace banyak digunakan pada sistem
dan sinyal berbasis waktu kontinu.
Laplace transform di definisikan sebagai

∞
𝐿𝑓 𝑡 =𝐹 𝑠 = 𝑓(𝑡)𝑒 −𝑠𝑡 𝑑𝑡
0
102
dimana s adalah bentuk kompleks dan dinyatakan sebagai s=σ+jω
Inverse transformas iLaplace dapa tditulis :

𝜎 +𝑗∞
1
𝐿−1 𝐹(𝑠) = 𝑓 𝑡 = 𝐹(𝑠)𝑒 −𝑡𝑠 𝑑𝑠
2𝜋𝑗
𝜎 −𝑗∞
Laplace transform hanya valid untuk Region ofConvergence (ROC) pada s

domaindimana :
∞
0
𝑓(𝑡) 𝑒 𝜎𝑡 < ∞,
dimana σ={Re(s)}. Atau dengan kata lain, selama X(s) terbatas(finit), maka ROC valid.
ROC biasa digambarkan sebagaiberikut :
Untuk Re{s} > -a , maka transformasiLaplace dan inversenya :
1
e-at u(t) Û
s+a
Gambar 9. 1 Daerah ROC untuk Re{s}>-a
Untukdaerah Re{s} < -a, maka transformasi Laplace dan inversenya :
1
-e-at u(-t) Û
s+a
103
Kerjakan soal berikut secara manual dengan menggunakan tabel laplace
a. g(t)=7e-4tu(t)+12e-tu(t)+tsin4t
b. g(t)=2t2e3t – 4e2t+3cos4t
c f(t)=2sin2t+3cos2t
d. d(t)=3t4 - 4t3 +2t
D. PERCOBAAN
Percobaan 1. Transformasi Laplace
Anda dapat mengkomputasi Laplace transform dengan menggunakan perintah matlab

yang sudah ada.
Contoh :Selesaikan persamaan berikut :
Jawab :
Matlab melakukan transformasi laplace secara simbolik. Karena itu, anda perlu
mendefinisikan t sebagai symbol.
syms f t
f=5*exp(-2*t);
laplace(f)
104
b)
syms t s
f=-1.25+3.5*t*exp(-2*t)+1.25*exp(-2*t);
F=laplace(f,t,s)
simplify(F)
pretty(ans)
Percobaan2. Inverse Laplace Transform
Perintah kedua yang akan digunakan adalah ilaplace. Seperti juga pada laplace, anda
perlu mendefinisikan symbol t dan s
1) Hitunglah inverse Laplace transform F(s) berikut :
symsF s
F=(s-5)/(s*(s+2)^2);
ilaplace(F)
2) Perhatikan F(s) dibawah:
Syms F s
F=10*(s+2)/(s*(s^2+4*s+5));
ilaplace(F)
Percobaan 3. Menggunakan Pembagian Parsial dengan Perintah Residue
Perintahr esidue dapat digunakan untuk mencari hasil pembagian dua polynomial.
Perhatikan persamaan dibawah :
105
𝐵(𝑠) 𝑅(1) 𝑅(2) 𝑅 𝑛

= + + ⋯.+ + 𝐾(𝑠)
𝐴(𝑠) 𝑠 − 𝑃(1) 𝑠 − 𝑃(2) 𝑠−𝑃 𝑛
DimanaAadalahpembagi (denumerator) dan B adalahpengali (numerator).

Hasilpembagianberupakonstantadinyatakansebagai K,
Sisapembagianatauresidudisebutsebagaihasilbagiantara root (R) dan pole (P).
Contoh :
180𝑠+5400
1. Carir,pdan k daripersamaan𝐻 𝑠 =
𝑠 3 +6𝑠 2 +5𝑠
num = [180 5400]

denum = [1 6 5 0]
[r,p,k]=residue(num,denum)
Hasil : r=[225,-1305,1080] ; p=[-5,-1,0] ; k=[]
225 −1305 1080

Dapat ditulis : H(s) = + +
𝑠+5 𝑠+1 𝑠
num = [180 5400]

denum = [1 11 39 45]
[r,p,k]=residue(num,denum)
180𝑠+5400
2. Carir,p, k dari :𝐻 𝑠 =
𝑠 4 +11𝑠 3 +39𝑠 2 +45𝑠
Hasil : r=[-225,-105,-810,120], p=[-5,-3,-3,0], k=[]
Didapathasil H(s)
−225 105 1080 120

+ + +
𝑠 + 5 𝑠 + 3 (𝑠 + 3)(𝑠 + 3) 𝑠
106
Percobaan 4. Menggunakan perintah poly dan roots
Cariakar dari persamaan berikut y(x) = x2+4x+3
y=[1 4 3]
yroots = roots(y)
Cari polynomial dari [-3 -1]
yroots = [-3 -1];

ynew = poly(yroots);
Ternyata y newdan y sama !
Percobaan 5. Integrasi dan Derivasi
1. Cari turunan dari y=sin5x
syms x;
y=sin(5*x);
diff(y)
syms x;
y=sin(5*x);
diff(y,2)
2. Cari turunan keduadari y=sin5x
Demikian pula seterusnyau ntuk turunan ke3,4,….
1. Cariintegral dari x2
syms x;
y=x*x
int(y)
Jika kita ingin mengetahu inilai integral y terhada p nilai tertentu, misal 0 sampai 10.
syms x; 107
y=x*x
int(y,0,10)
Percobaan 6. Menyelesaikan persamaan diferensial di matlab
d2y dy
2
2  5 y  20
Selesaikanpersamaanberikutdan plot y(t) untukt=0..6 : dt dt
bila y(0) =10, y`(0)=0
y=dsolve('D2y + 2*Dy + 5*y = 24', 'y(0)=10', ‘Dy(0)=0')

ezplot(y, [0 6])
E. LAPORAN RESMI
Kumpulkan hasil percobaan di atas , tambahkan dalam laporan resmi hasil analisa
108
PRAKTIKUM 12
FREKUENSI RESPON
1. Memahami perbedaan fase dan magnitudo pada frekuensi respon
2. Memahami aplikasi dari frekeunsi respon
3. Mengetahui konsep diafram bode
B. DASAR TEORI
Frekuensi respon sistem atau biasa ditulis dalam bentuk adalah metodeyang
dipakai untuk melihat sifat sistem di domain frekuensi. Jika diketahui x(t) adalah sinyal
input, berupa sinusoid, h(t) adalah sistem dan y(t) adalah output.Frekuensi respon
seringkali ditulis sebagai bekerja dalam dua domain, yaitu analog/kontinu dan
digital/diskrit
x(t) h(t) y(t)

x[n] h[n] y[n]
Pada domain analog atau kontinu, jika x(t) adalah sinusoidal, yang ditulis menjadi
bilangan kompleks, 𝑥 𝑡 = 𝐴𝑒 𝑗∅𝑗𝜔𝑡
y(t) = h(t)* x(t)
∞
= ℎ 𝜏 𝐴𝑒 𝑗𝜙 𝑒 𝑗𝜔 𝑡−𝜏
𝑑𝜏
−∞
∞
= ℎ 𝜏 𝐴𝑒 𝑗𝜙 𝑒 𝑗𝜔𝑡 𝑒 −𝑗𝜔𝜏 𝑑𝜏
−∞
109
= ℎ 𝜏 𝑒 −𝑗𝜔𝜏 𝑑𝜏 𝐴𝑒 𝑗𝜙 𝑒 𝑗𝜔𝑡
−∞
= 𝐻(𝑗𝜔)𝐴𝑒 𝑗𝜙 𝑒 𝑗𝜔𝑡
Frekuensi respon sistem dapat dirumuskan sebagai berikut :

∞
𝐻 𝑗𝜔 = ℎ 𝑡 𝑒 𝑗𝜔 𝑑𝑡
𝑡=−∞
Jika ℎ 𝑡 = 2𝑒 −2𝑡 𝑢 𝑡 , maka sistem h(t) yang LTI dapat dicari frekuensi responnya
sebagai berikut :
∞
𝐻 𝑗𝜔 = 2𝑒 −2𝑡 𝑢 𝑡 𝑒 −𝑗𝜔𝑡 𝑑𝑡
𝑡=−∞
∞
𝐻 𝑗𝜔 = 2𝑒 −2𝑡−𝑗𝜔 𝑡 𝑑𝑡
𝑡=0
∞
2𝑒 −2𝑡−𝑗𝜔𝑡 2 2
= =0− =
−2 − 𝑗𝜔 0
−2 − 𝑗𝜔 2 + 𝑗𝜔
Frekuensi respon dinyatakan dalam bentuk fungsi magnitudo (dalam dB) atau
fungsi fase (dalam derajat atau radian) terhadap fungsi frekuensi. Biasanya frekuensi
respon memiliki nilai kompleks, yaitu terdiri atas nilai real dan imaginer.
Pada contoh diatas, jika didapat H(jw) seperti diatas, maka jika kita melakukan
pengeplotan terhadap frekuensi, maka didapat gambar berikut
2
𝐻 𝑗𝜔 =
2 + 𝑗𝜔
2 2
𝐻 𝑗𝜔 = =
2 + 𝑗𝜔 4 + 𝜔2
𝜔
∠𝐻 𝑗𝜔 = 0 − ∠ 2 + 𝑗𝜔 = −𝑡𝑎𝑛−1 ( )
2
110
Pada range frekuensi dari -∞<ω<∞ , magnitudo respon frekuensi dapat ditabelkan
sebagai berikut :
ω |H(jω)| < H(jω)
0 1 0
2 2/√8=0.707 -pi/4
20 2/√404=0.0995 -0.47*pi
∞ 0 -pi/2
Jika kita gambar, akan didapatkan grafik berikut :
Gambar 12.1 Magnitudo |H(jω)|
Gambar 12.2 Phase <H (jω)
Frekuensi respon atau H(jω)biasa digunakan analisa domain frekuensi pada filter
baik digital maupun analog. Pada matlab, pada domain digital dapat digunakan perintah
freqz() seperti dibawah :
[h,w] = freqz(b,a,N)
dinama a dan b adalah koefisien filter pada numerator dan denumerator, sementara n
adalah jumlah titik pada transformasi fft. N ini seharusnya adalah pangkat 2n
𝐵(𝑧) 𝑏 1 + 𝑏 2 𝑧 −1 + 𝑏 3 𝑧 −2 + ⋯ + 𝑏 𝑛𝑏 + 1 𝑧 −𝑛𝑏
𝐻 𝑧 = =
𝐴(𝑧) 𝑎 1 + 𝑎 2 𝑧 −1 + 𝑎 3 𝑧 −2 + ⋯ + 𝑎 𝑛𝑎 + 1 𝑧 −𝑛𝑎
Jika hanya disebut [h,w] = freqz(b,a), maka digunakan 512 titik FFT.
111
Untuk domain analog, digunakan fungsi berikut :

[h,w] = freqs(b,a,N)
h = freqs(b,a,N)
Nila a, bsama seperti pada filter digital dengan freqz(). Untuk n, jika dihilangkan maka
akan dipakai jumlah titik FFT 200 frekuensi point. Sementara persamaan filternya:
𝐵(𝑠) 𝑏 1 𝑠 𝑛 + 𝑏 2 𝑠 𝑛−1 + 𝑏 3 𝑠 𝑛 −2 + ⋯ + 𝑏 𝑛 + 1
𝐻 𝑠 = =
𝐴(𝑠) 𝑎 1 𝑠 𝑚 + 𝑎 2 𝑠 𝑚 −1 + 𝑎 3 𝑠 ,𝑚 −2 + ⋯ + 𝑎(𝑚 + 1)
Setelah mendapatkan nilai [h,w] atau h, maka kita dapat mengeplot magnitudo dengan
perintah abs(h) dan fase degan perintah angle(h).
Diagram Bode
Sering kali sumbu frekuensi ternyata terlalu panjang, untuk memudahkan, maka sering
kali sumbu x dibuat berskala logaritmik atau dalam skala faktor 10 kali. Gambar
2
dibawah menunjukkan hal tersebut dari persamaan 𝐻 𝑗𝜔 =
2+𝑗𝜔
Perhatikan bahwa gambar tampak berbeda daripada gambar 12.1. dan 12.2 karena pada
dua gambar dibawah ini kita hanya mengeplot terhadal sumbu x >= 0. Perhatikan bahwa
untuk fase karena dalam bentuk derajat, maka :
< fase H (jω) = arc tan H (jω) * 180/pi
Gambar 12.3 Plot digram bode magnitudo dan fase untuk H (jω)
112
Desibel biasa digunakan untuk membandingkan dua titik. Rumus yang dipakai
untuk desibel ada dua, yaitu : 10 log (A/B) atau 20 log (A/B). Untuk yang pertama 10
log (A/B) biasa digunakan untuk daya, sementara untuk arus dan tegangan digunakan 10
log (A/B).
Pada diagram logaritmik seperti Bode, biasanya yang dijadikan acuan adalah
titik ketika sumbu y bernilai 0dB. Ketika sumbu y turun sebesar 20dB, maka sebenarnya
output mengecil sebesar 10x lipat untuk rumus 20log(A/B ) dan mengecil sebesar 100x
lipat untuk rumus 10log(A/B ). Jika positif, maka terjadi perbesaran dari nilai semula.
Jadi nila +20dB merupakan perbesar 10 kali atau 100 kali, tergantung rumus desibel
mana yang dugunakan. Perhatikan tabel dibawah untuk 20 log |H(jw)|
Tabel 12.1 Tabel dB untuk 20 log |H(jω)|
|H(jω)| |H(jω)| dalam

dB
1 20log1=0dB
√2 20log√2=3dB
2 20log2=6dB
4 20log4=12dB
5 20log5 = 14dB
10 20log10=20dB
Pada program dibawah ini, akan diperoleh output seperti gambar 12.3. Perhatikan
pemakaian semilog untuk melakuakn plotting grafis.
113
clear all;
clc;
close all;
%untuk H(jw)=2/(s+2)
numTF=[0 2];
denomTF=[1 2];
w=0:0.01:10e2;
Y=freqs(numTF,denomTF,w);
y1=abs(Y);
y2=angle(Y);
subplot(2,1,1)
semilogx(w,20*log10(y1))
grid on
ylabel('Magnitudo (dB)')
title('Diagram Bode ')
subplot(2,1,2)
semilogx(w,y2*(180/pi))
grid on
ylabel('Fase (derajat))')
xlabel('Frekuensi (Rad/s)')
2+𝑗𝜔
Jika𝐻 𝑗𝜔 =
1+𝑗𝜔
a. Carilahmagnitudo filtersecara manual danplothasilnya

b. Carilahfase filtersecara manual danplothasilnya
D. PERCOBAAN
Percobaan1 PlottingFrekuensiRespon
Padatugaspendahuluan, andadimintamelakukan plotting diagramresponfrekuensiuntuk
magnitude danfase. CobagambarH(jw) di matlabdengan diagram plot biasadenganplot(),
dandengan diagram Bodedengan semilogx
Percobaan2Aplikasi Butterworth filter

Padapercobaanini, kitaakanmelakukan filtering terhadapsinyal input wav. Tetapkanfs
8000Hz, filter orde 5, freuensi cutoff (fc) 1000Hz.
Langkahpercobaan :
1. Tahappertamaadalahmembaca file wav terlebihdahulu, dimana input signal adalah
'wubai_solicitude.wav.
114
[x, fs, nbits]=wavread('wubai_solicitude_orig.wav');
2. Buatlah filter butterworthdan plot responfrekuensi filterdengancara:
[b, a]=butter(filterOrder, cutOffFreq/(fs/2), 'low');

[h, w]=freqz(b, a);
subplot(2,2,1); plot(w/pi*fs/2, abs(h), '.-');
xlabel('Freq (Hz)');
title('Freq. response low-pass filter');
grid on
3. Cobalakukan filtering denganperintahdibawah :
y=filter(b, a, x);
Dimana : b adalah numerator filter, a adalahdenumerator filter dan x adalahsinyal

input. Parameter input b dan a sudahdiperolehdariperintahsebelumnya.
4. Simpanhasil output filtering denganwavwrite :
wavwrite(y, fs, nbits,

sprintf('wubai_solicitude_%d.wav', fc));
5. Coba plot sinyal input wav danhasil filtering denganperintahberikut :
time=(1:length(x))/fs;
subplot(2,1,1);
plot(time, x);
subplot(2,1,2);
plot(time, y);
Selainmelakukan plotting pada domain waktu, cobalakukan plotting pada domain

frekuensiterhadapsinyal y
6. Apa efek filtering padas uara yang anda dengar? Berhasilkah filtering yang anda
lakukan?
Sinyal asli x(t)
115
Hasil filter LPF 1000Hz y(t)
7.Mengubahfrekuensi cutoff LPF Butterworth

a. Lakukan hal yang sama untukfrekuensi cutoff(fc) =500,400,300,200 Hz.
b. Plotlahhasilnya (sinyal output bukanresponfrekuensi) dengancaradiatas.
c. Apaefekperubahan fc padasuara yang andadengar
d. Cobaanda gambar hasil responfrekuensi filter
Tugas :
1. Buatlah HPF denganfrekuensi cutoff 2000 Hz. Aplikasikan pada file wav
danamati perbedaannyad engan headphone anda. Apakah anda berhasil
menyaring frekuen sitinggi.
2. Buatlah BPF denganfrekuensianatara 1000 Hz dan 2000Hz. Aplikasikan pada
file wav dan amati perbedaannya
3. Buatlah BSF dengan frekuensiantara 1000 Hz dan 2000Hz. Aplikasikan pada
file wav danamatiperbedaannya
4. Capture gambar filter (1 sampai 3) danhasil output sinyal wav
E. LAPORAN RESMI
1. Buatlah laporan resmi untuk percobaan di atas. Lengkapi dengan capture tiap
proses. Berikan analisa darip ercobaan yang telahdilakukan.
116
PRAKTIKUM 13
FILTER ANALOG
1. Memahami konsep filter
2. Memahami perbedaan filter digital dan analog
3. Memahami desain sederhana filter digital
4. Mampu membedakan beberapa jenis filter analog (Butterworth,Chebyshev, Bessel
dan Ellips ), aplikasinya, beserta kelemahan dan kelebihannya
B. DASAR TEORI
1. Definisi Filter
Filter bertugas menyaring frekuensi untuk mendapatkan frekuensi yang diinginkan.
Filter dapat dibedakan menjadi dua, filter analog dan filter digital. Filter analog adalah
filter yang digunakan oleh sinyal analog pada rangkaian elektronika.
2. Klasifikasi Filter
Filter analog dapat diklasifikasikan menjadi :
A. Berdasarkan komponen elektronik penyusun, analog filter dapat dibagi menjadi :
1. Filter aktif : Komponen elektronika yang digunakan adalah komponen aktif
seperti amplifier dan transistor, dan komponen pasif seperti R,L,C. Disebut aktif
karena membutuhkan sumber daya tambahan. Dengan amplifier (op-amp)
performansi filter dapat ditingkatkan, sayangnya band frekuensinya sempit,
sehingga tidak cocok untuk frekuensi tinggi.
117
2. Filter pasif: komponen elektronika yang digunakan hanya komponen pasif.

Disebut pasif karena tidak membutuhkan sumber daya tambahan.
Pada gambar dibawah ditunjukkan filter pasif RC sederhana. Filter ini mampu
melewatkan frekuensi rendah dan memblok frekuensi tinggi.
Gambar 13.1 Filter pasif LPF analogsederhana
Gambar 13.2 Filter aktif LPF analog dengan konfigurasi Sallen-Key
Perbandingan Vo dan Vi dinyatakan sbb :

1
𝑉0 (𝑗𝜔) 𝑗𝜔𝐶 1
= =
𝑉𝑖 (𝑗𝜔) 𝑅 + 1 1 + 𝑗𝜔𝑅𝐶
𝑗𝜔𝐶
Semakin besar f, maka semakin kecil Vo. Akibatnya f tinggi akan disaring.
118
B. Berdasarkan respon frekuensinya, filter analog dibagi menjadi 4 :
Gambar diatas adalah gambar respon frekuensi suatu filter ideal untul lowpass (LPF),
bandpass (BPF), highpass (HPF) dan bandstop filter (BSF). Pada kenyataannya, filter
tidak dapat tegak lurus seperti gambar diatas.
3. Desain Respon Frekuensi Filter
Parameter desain dapat dijelaskan sebagai berikut:
119
 Passband : batas frekuensi yang akan dilewatkan filter (fp)

 Stopband : batas frekuensi yang akan dilarang filter (fs)
 Transition band : area antara passband dan stopband. Pada daerah ini, sinyal
input akan dilemahkan oleh filter. Semakin kecil dan curam daerah ini, semakin
bagus filter menyaring sinyal input, yang berarti semakin bagus performansinya.
 Passband ripple : dinyatakan dB, menunjukkan besarnya pelemahan pada
passband. Besarnya adalah 20log((1+δ1)/(1-δ1))
 Stopband ripple : dinyatakan dB, menunjukkan pelemahan pada stopband.
δBiasanya diukur dari puncak passband. Besarnya adalah 20log((1+δ1)/δ2)
 Frekuensi cutoff (fc): frekuensi ketika amplitudo melemah sebesar 0.707A0
4. Tipe-Tipe Respon Frekuensi

Ada empat tipe respon frekuensi, yaitu :
 butterworth,
 chebishev (1,2),
 bessel, dan
 elliptical.
Masing-masing memiliki karakteristik tersendiri sesuai kebutuhan pemakai. Misal

apakah filter harus benar-benar selektif, atau filter memiliki stopband yang datar
atau memiliki ripple, atau apakah filter harus memiliki group delay yang datar, dsb.
Dibawah ini ditunjukkan gambar respon frekuensi masing-masing tipe filter.
120
Filter Butterworth memiliki ciri :

 datar pada passband dan stop band, transition band lebar
Filter Chebyshev 1 memiliki ciri :

 ripple pada passbad, datar pada stopband, transition band sempit.
Filter Chebyshev 2 memiliki ciri :

 datar pada passband, ripple pada stopband, transition band sempit
Filter Bessel memiliki ciri :

 passband dan stop band datar, transition band paling lebar
Filter Elliptical memiliki ciri :

 passband dan stopband memiliki ripple, transition band paling sempit
4. Perintah Matlab untuk Desain Filter
1. Filter Butterworth
Perintah matlab yang biasa digunakan adalah :
[b,a]=butter(n,Wn,’s’);
[b,a]=butter(n,Wn,’ftype’,’s’);
[z,p,k]= butter(n,Wn,’s’);
[z,p,k]= butter(n,Wn,’ftype’,’s’);
Parameternya dapat dijelaskan sebagai berikut :
 n menunjukkan orde filter
121
 Wn menunjukkan nilai 0 sampai, dimana Wn adalah fc / 0.5fs . fc ini adalah

frekuensi cutoff, sementara fs adalah frekuensi sampling.
 ftype menunjukkan respon frekuensi filter. Untuk LPF gunakan ftype ‘low’.
Untuk HPF gunakan ftype : ‘high’. Untuk BSF, gunakan ftype ‘stop’. Untuk
BPF, gunakan ftype ‘bandpass’. Jika ftype tidak dsebut berarti digunakan LPF
 Jika digunakan LPF dan HPF analog butterworth, maka dengan cutoff
frekuensi dinyatakan sebagai Wn rad/s. Untuk BPF dan BSF gunakan Wn =
[w1 w2].
 Output [z,p,k] adalah zero(z), pole(p) dan gain(k)yang konstan.
 Output [b,a] adalah koefisien-koefisien filter.
Hasil perintah matlab diatas sebenarnya dapat ditulus dalam persamaan Laplace
dibawah : H(s) adalah transfer function filter dalam domain Laplace. Perhatikan
persamaan ini :
H(s) = B(s)/A(s)
Dimana :
B(s) = b(1)sn + b(2)sn-1+b(3)sn-2+...+b(n+1)
A(s) = a(1)sn + a(2)sn-1+a(3)sn-2+...+a(n+1)
Selain perintah diatas, masih ada beberapa perintah seperti :
[n,Wn]=buttord(Wp,Ws,Rp,Rs,’s’)
Dimana :
 Wp adalah rasio antara frekuensi passband / 0.5fs
 Ws adalah rasio antara frekuensi stopband / 0.5fs
 Rp adalah ripple atau attenuasi pada passband (dB)
 Rs adalah attenuasi pada stopband (dB)
Untuk LPF, dengan menginputkan orde, kita dapat menggunakan perintah :
122
[z,p,k]=buttap(n)
Ini berlaku untuk persamaan :
𝑧(𝑠) 𝑘
𝐻 𝑠 = =
𝑝(𝑠) 𝑠−𝑝 1 𝑠−𝑝 2 … 𝑠−𝑝 𝑛
Filter Chebyshev 1
[z,p,k]=cheby1(n,R,Wp,’s’);
[z,p,k]=cheby1(n,R,Wp,’ftype’,’s’);
[b,a]=cheby1(n,R,Wp,’s’);
[b,a]=cheby1(n,R,Wp,’ftype’,’s’);
[z,p,k]=cheb1ap(n,Rp);

 N digunakan untuk menunjukkan orde chebyshev
 R digunakan untuk menunjukkan ripple passband dalam dB
 ftype digunakan untuk tipe respon frekuensi filter : ’low’ , ’high’ , atau ’stop’.
 Wp adalah nilai normalisasi antara 0 dan 1, yang didapat dari hasil pembagian
frekuensi stopband / 0.5fs
 Rp adalah ripple di passband dalam dB
Persamaan filter nya dapat ditulis :
H(s) = B(s)/A(s)
Dimana :
B(s) = b(1)sn + b(2)sn-1+b(3)sn-2+...+b(n+1)
A(s) = a(1)sn + a(2)sn-1+a(3)sn-2+...+a(n+1)
Filter Chebyshev 2
[z,p,k]=cheby2(n,R,Wst,’s’);
[z,p,k]=cheby2(n,R,Wst,’ftype’,’s’);
[b,a]=cheby2(n,R,Wst,’s’);
[b,a]=cheby2(n,R,Wst,’ftype’,’s’);
123
 n digunakan untuk menunjukkan orde chebyshev

 R digunakan untuk menunjukkanripple pada stopband atau attenuasi pada
stopband (dB)
 Wst adalah nilai normalisasi antara 0 dan 1, yang didapat dari hasil pembagian
frekuensi stopband / 0.5fs
 ftype digunakan untuk tipe respon frekuensi filter : ’low’ , ’high’ , atau ’stop’.
Jika tidak disebutkan ftype, berarti tipe filter LPF
Bila ditulis persamaannya sama dengan pada Chebyshev 1

Sedangkan untuk perintah :
[z,p,k]=cheb2ap(n,Rs);
Dimana Rs menunjukkan ripple pada stopband dalam dB dan n adalah orde filter
Digunakan pada persamaan :
𝑧(𝑠) 𝑘
𝐻 𝑠 = =
𝑝(𝑠) 𝑠−𝑝 1 𝑠−𝑝 2 … 𝑠−𝑝 𝑛
4. Filter Bessel
Untuk membuat LPF bessel, dapat digunakan perintah :
[z,p,k]=besselap(n)
Persamaan filter ditunjukkan oleh
𝑘
H(s) =
𝑠−𝑝 1 ∗ 𝑠−𝑝 2 ∗…(𝑠−𝑝(𝑛))
Dimana :
n adalah orde filter, besarnya lebih kecil dari 25
Selain itu dapat juga menggunakan perintah :
[z,p,k]=besself(n,Wn);
[z,p,k]=besself(n,Wn,’ftype’)
[b,a]=besself(n,Wn);
[b,a]= besself(n,Wn,’ftype’);
Persamaan filter sama dengan chebyshev 1
5. Filter Ellips
Untuk membuat filter ellips di matlab, anda dapat menggunakan
124
[b,a]=ellip (n,Rp,Rs,Wn,’s’);
[b,a]=ellip(n,Rp,Rs,Wn,’ftype’,’s’);
Dimana :
 n adalah orde filter. Orde menjadi 2*n saat filter adalah BSF
 Rp adalah ripple amplitudo pada passband (dB)
 Rs adalah ripple amplitudo pada stop band atau attenuasi pada stopband
(dB)
 Wn adalah hasil pembagian antara frekuensi cutoff dan 0.5fs yang
besarnya antara 0 dan 1
 Ftype yang bisa dipakai adalah ‘high’ dan ‘stop’. Jika tidak
dideklarasikan, berati LPF
Persamaan filternya sama dengan chebyshev 1
Buatlah plot frekuensi respon chebishev 1 untuk filter dengan fs 3000 Hz, orde : 9,
ripplepassband 0.5dB dan cutofffrekuensi 300 Hz
D. PERCOBAAN
1. Membuat Butterworth LPF filter di Matlab.

Tujuan :
Rancanglah suatu butterworth filter LPF dengan parameter samping rate 8000
sample/detik ,orde filter=5, frekuensi cutoff = 1000Hz dengan menggunakan matlab.
Setelahitu, plot magnitude hasil frekuensi respon butterworth |H(jw)|
a. Seperti pa da teori diatas gunakan [b, a]=butter(n, fc/(fs/2), 'low') untuk

mendapatkan filter butterworth LPF
b. Untuk menge plotf rekuensi respon gunakan:
[h, w]=freqz(b, a);

plot(w/pi*fs/2, abs(h), '.-');
title('Magnitude frequency response');
grid on
125
Jawabpertanyaandibawah :
a. Cobatarik garisdari 0.707 darisumbu y dengantitik 1. Frekuensisaat magnitude
melemahsebesar 0.707 disebutfrekuensi cutoff. Berapafrekuensi cutoff?
b. Jelaskan perintahfreqz di matlab. Apa input parameter dan outputnya!
2. Membuat Butterworth LPF filter denganordeberbeda

 Dari percobaan satu, coba ambarkan frekuensi responuntuk orde 1 sampai 8.
 Gunakan for untuk mengumpulkan filter dg orde berbeda
allH=[];
forfilterOrder=1:8;
[b, a]=butter(filterOrder, fc/(fs/2), 'low');
[h, w]=freqz(b, a);
allH=[allH, h];
end
 Setelahitu, plot magnitude hasilfrekuensiresponbutterworth |H(jw)| sepertidiatas.

Janganlupatambahkanketerangan dg perintah legend
legend('order=1', 'order=2', 'order=3', 'order=4',
'order=5', 'order=6', 'order=7', 'order=8');
TUGAS
1. Lakukanhal yang samauntukchebyshev 1 dan 2, Bessel danEllips LPF. Plot
responfrekuensinya |H(jw)|
2. Buatuntukorde1 sampai 8 untuktiap filter yaitu chebyshev1,2, Bessel danElip
126
E. LAPORAN RESMI
E. LAPORAN RESMI
Buatlah laporan resmi untuk percobaan di atas.Lengkapi dengan capture tiap proses.
Berikan analisa dari percobaan yang telahdilakukan.
127
PRAKTIKUM 14
FILTER FIR
( FINITE IMPULSE RESPONSE)
2. Memahami perbedaan filter FIR dan IIR
3. Mengetahui konsep pole dan zero pada persamaan beda
B. DASAR TEORI
Filter dapat dibedakan menjadi dua. Filter yang digunakan untuk system kontinu disebut
sebagai filter analog, sementara filter yang digunakan oleh system diskrit disebut
sebagai filter digital. Biasanya filter digital ini deletakkan sebelum dan sesudah ADC
dan DAC
Sampling
frequency
fS
Analog xn yn
x(t) anti- A D Analog y(t)
aliasing D Digital Filter A smoothing
C C filter
filter
Gambar 14.1 Blok Diagram Filter Digital
128
Alasan pemakaian digital fiter

Digital filter adalah salah satu tool yang paling menarik dari DSP. Hal ini disebabkan
oleh kemampuan digital filter untuk mengurangi error yang disebabkan oleh
karakteristik peralatan analog yang cenderung fluktuatif dengan pertambahan
temperatur, op-amp drift, adanya toleransi pada komponen analog, dan sebagainya.
Selain itu dengan menggunakan digital fiter, kontrol lebih mudah dilakukan karena
berbasis software. Karena itu, maka digital filter menjadi pilihan utama untuk aplikasi
seperti echo cancellation pada modem, noise cancellation dan speech
recognition.Untuk lebih jelasnya perhatikan tabel perbandingan dibawah.
Tabel 14.1 Perbandingan Filter Digital dan Analog
Digital Filter Analog Filter

Akurasi tinggi Kurang akurat – harus ada
toleransi terhadap komponen
Linear fase untuk FIR Non linear phase
Tidak ada drift karena variasi Ada drift karena variasi pada
pada komponen komponen
Flexible, mungkin melakukan Adaptive filtering lebih susah
adaptive filtering
Mudah untuk disimulasi dan Susah untuk disimulasikan
didesain dan didesain
Komputasi cukup dilakukan Komputasi berjalan real time
selama periode sampling-
sehingga tidak real time
Range frekuensi terbatas Dapat bekerja pada range
frekuensi yang ekstrim, dari
frekuensi terendah sampai
tertinggi
Membutuhkan ADC,DAC Tidak butuh ADC dan DAC
Salah satu keuntungan filter digital adalah keakuratan sistem. Coba simak gambar
berikut. Tampak bahwa transition band filter digital lebih sempit dibanding analog, dan
ripple pada passband jauh lebih kecil. Selain itu, stop bandnya juga lebih pendek dan
fasenya linear. Dari sini nampak sekali keunggula dari digital filter dibanding analog
filter.
129
Gambar 14.2 Respon frekuensi sinyal analog dan digital
Digital filter dibedakan menjadi dua, yaitu

 Filter FIR(Finit Impulse Respon)
 Filter IIR. (Infinit Impulse Respon)
Sesuai dengan namanya, digital filter terdiri atas kumpulan impulse respon.Dengan
mengubah amplitudo dari koefisien dan jumlah tap/order fiter, kita dapat mengubah
karakteristik dari digital filter, baik FIR maupun IIR. Bedanya adalah pada pole dan
zero transfer fungsinya atau H(jw). FIR hanya terdiri atas zeros, sementara IIR terdiri
atas pole dan zeros. Perbedaan ini nanti mempengaruhi karakteristik respon frekuensi
kedua jenis filter. Pada bab ini hanya akan dibahas mengenai FIR filter dan ciri-cirinya,
sementara untuk IIR filter akan dibahas pada bab selanjutnya.
FIR atau IIR ?

Ketika kita akan mendesain filter, perlu diperhatikan karakteristik respon yang
bagaimana yang kita inginkan. Apakah linear/unlinear, kompleksitas, komputasi, band
transis yang curam/landai, dan lain-lain
Keuntungan Filter FIR adalah:
 Filter FIR memiliki fase yang linear. Fase yang linear ini ditunjukkan oleh fase
respon yang berupa garis lurus yang linear. Akibatnya semua frekuensi yang berbeda
akan mengalami delay yang sama. Akibatnya distorsi tidak terjadi.
 Filter FIR lebih sederhana dalam desain karena tidak membutuhkan feedback seperti
pada IIR.
Kelemahan dari FIR adalah :
130
 Tingginya order yang dibutuhkan dibandingkan dengan IIR.

 Desain filter FIR membutuhkan band transisi yang curam, sehingga membutuhkan
lebih banyak operasi matematis dan komponen hardware yang lebih banyak seperti
komponen penambahan (adders), pengali(muliplier) dan delay dibanding filter IIR
FIR Filter
Jika diketahui suatu sistem dengan input x[n] dan output y[n], sedang filter ditulis
sebagai h[n] sebagai berikut :
x[n] Filter h[n]

y[n]
Gambar 14.2 Proses digital filtering, input,sistem dan output. y[n]=x[n]*h[n]
Jika dituliskan
y[n] = x[n] * h[n]
𝑀
𝑦[𝑛] = ℎ[𝑘] 𝑥[𝑛 − 𝑘]

𝑘 =0
Jikah[k] analog denganbk, maka h[0]=b0, h[1]=b1,h[2]=b2,…h[M]=bM.M

disinimenunjukkanordedari FIR filter.Makadapatdituliskan
𝑀
𝑦[𝑛] = 𝑏𝑘 𝑥[𝑛 − 𝑘]
𝑘=0
Jikax[n] adalah unit impulse δ, maka :

𝑀
𝑦[𝑛] = 𝑏𝑘 𝛿[𝑛 − 𝑘]
𝑘 =0
y[n] = b[0] δ[0] + b[1]δ[n-1] + b[2]δ[n-2] + b[3]δ[n-3] + … + b[M]δ[n-M]
131
Jika M=3 danbk={3,-1,2,1} makakitadapatkanpersamaan FIR sebagaiberikut :

3
𝑦= 𝑏𝑘 𝛿[𝑛 − 𝑘]
𝑘=0
y[n] = 3 δ[0] - δ[n-1] + 2δ[n-2] + δ[n-3]

Domain Frekuensi
Bilaℎ[𝑛] ⇔ 𝐻[𝑧], maka transformasi Zdapatditulis :
𝑀
𝐻[𝑧] = ℎ 𝑛 𝑧 −𝑛
𝑛 =0
𝑀
𝐻[𝑧] = 𝑏𝑘 𝑧 −𝑘
𝑘=0
Frekuensirespon :
𝑀
𝑗𝜔
𝐻[𝑒 ] = 𝑏𝑘 𝑒 −𝑗𝜔𝑘
𝑘=0
Proses Filtering
Ketika suatu input x[n] dilewatkan sistem h[n] akan terjadi proses konvolusi di time
domain, dan proses perkalian di frekuensi domain. Sinyal input berupa sinyal sinusoidal
dengan noise Noise ini ditunjukkan oleh bentuk sinyal sinusoidal yang tidak mulus.
Sementara di domain frekusensi tampak ada 4 buah spektrum frekuensi yang berbeda.
Jelas bahwa hanya satu spektrum yang berisi informasi, sementara tiga spektrum
lainnya adalah noise. Filter sederhana dapat digambarkan berupa sinyal sinc di domain
waktu, dan sinyal kotak di domain waktu, seperti pada gambar (b). Filter ini diharapkan
mampu menyaring frekuensi tinggi dan hanya elewatkan frekuensi rendah. Pada gambar
(c) tampak gambar output filtering, yaitu gambar sinusoid yang sempurna karena noise
yang tersaring oleh filter. Pada frekuensi domain, hanya ada satu spektrum frekuensi,
yaitu frekuensi dari sinyal sinus saja.
132
(a)
(b)
(c)
Gambar 14.3 (a) Sinyal input dengan noise di time domain dan frekuensi domain. (b) Filter respon pada
time domain berupa gelombang sinc dan respon frekuensi LPF (c) Sinyal output pada time domain.
Desain filter
Pada dasarnya tahap-tahap desain filter analog dan digital hampir mirip, yaitu :
1. Menetukan bagaimana respon frekuensi yang diinginkan, apakah LPF, HPF,
BPF,BSF?
2. Menentukan order dari filter. Semakin besar orde filter => semakin banyak
tap filter yang dibutuhkan => semakin kompleks komputasinya => semakin
curam transition bandwith => semakin akurat filter. Untuk FIR
memnutuhkan sedikitnya 20 tap filter
3. Menentukan frekuensi sampling (fs) frekuensi passband (wp), frekuensi
stopband (ws), attenuasi pada passband(Amax), attenuasi pada stopband (Amin)
4. Menentukan metode yang akan dipakai untuk mendesain filter apakah
windowing, frekuensi sampling atau Parks Mc Cleland
5. Menghitung koefisien filter yang dibutuhkan
133
Gambar 14.4 Parameter Filter

Metode Desain Filter FIR
Untuk mendesain filter FIR, ada tiga metode yang dapat digunakan, yaitu :
1. Windowing
2. Parks Mc Cleland
3. Frekeunsi Sampling
Desain dengan Metode Windowing / Windowed-Sinc Filter FIR

Desain filter dengan windowing ini adalah yang paling sederhana dibanding dua metode
yang lain. Jika filter LPF FIR pada gambar (A) ditransformasi dalam time domain, akan
didapatkan gambar (B), yang merupakan fungsi sinc yang memiliki respon frekuensi
yang panjangnya antara -∞ < t < ∞. Untuk merancang filter LPF dari fungsi sinc ini
akan dibutuhkan jumlah tap yang tak terbatas/infinit. Ini jelas tidak memungkinkan
untuk diaplikasikan pada filter.
Langkah pertama yang harus dibutuhkan adalah memotong jumlah tap sebesar N seperti
pada gambar C. Gambar impulse respon yang terpotong ini mengakibatkan karakteristik
ripple pada stop band. Ini jelas buruk karena filter yang bagus tidak boleh memiliki
ripple pada stop bandnya. Metode windowing atau windowed sinc dapat digunakan
untuk membatasi jumlah tap, dengan cara memotong fungsi sinc,. Window dapat
digunakan untuk memotong sinyal sinc seperti gambar D. Output hasil pemotongan
window dapat dilihat pada gambar E.
134
Gambar 14.5Tahap-tahap desain filter dengan windowing
Perhatikan rumus perkalian berikut :

h[n]=hd[n].W[n]
dimana : h[n] adalah filter yang dicari
hd[n] adalah filter ideal yang berupa filter rectangular
W[n] adalah window yang digunakan
Pada frekuensi domain, terjadi konvolusi antara H(ejw)=Hd(ejw)*W(ejw)

𝜋
1
𝐻 𝑒 𝑗𝑤 = 𝐻𝑑 𝑒 𝑗𝑤 . 𝑊(𝑒 𝑗 (𝑤 −𝜙 ) )𝑑𝜙
2𝜋
𝜙 =−𝜋
dimana : W(ejw) berupa impulse pulse yang sangat tipis

Hd(ejw) adalah filter rectangular yang lebih lebar
Ada beberapa jenis window yang dapapt dgunakan. Window yang banyak dipakai
adalah Rectangular, Hanning, Hann, Hamming, Blackman, dan Bartlet. Bentuk tiap-tiap
window ini dapat dilihat pada Gambar 14.5. Window yang paling lebar adalah
135
rectangular, sementara yang paling sempit adalah Blackman. Masing-masing window

ini memiliki karakteristik yang berbeda dalam hal peak side lobe, yaitu side lobe yang
paling tinggi; lebar dari mainlobe, peak approximation error, yaitu
Gambar 14.6 Jenis-jenis window
Gambar 14.7 Frekuensi respon Window
Suatu window yang baik adalah yang mainlobe widthnya kecil karena ini berarti
transition width juga akan mengecil. Peak side lobe level yang kecil juga mempengaruhi
kinerja window. Untuk mendapatkan main lobe width yang kecil, kita dapat menaikkan
jumlah orde filter, namun sayangnya kenaikan jumlah filter diikuti pula dengan
kenaikan jumlah ripple dengan lebar ripple semakin mengecil. Fenomena ini disebut
sebagai Gibbs Effect. Pertanyaan utama dari metode windowing adalah bagaimana kita
dapat mengontrol Gibbs Effect, dengan mendesain window yang paling sesuai.
136
Gambar 14.8 Gibbs Effect
Pada tabel dibawah kita dapat melihat bahwa main lobe terbaik dimiliki oleh
rectangular, namun peak sidelobenya paling besar. Sementara jika kita menginginkan
peak side lobe yang terendah, kita dapat menggunakan Blackman, namun mainlobenya
paling lebar.
Tabel 14.2 Karakteristik Window
Tipe window Peak side lobe Lebar mainlobe Peak Approximation

amplitude dB rata-rata Error (20logδ) dB
Rectangular -13 (4*π)/(M+1) -21

Bartlett -25 8*π/M -25
Hanning -31 8*π/M -44
HAmming -41 8*π/M -53
Blackman -57 12*π/M -74
Tabel14.3MetodeDesainFilter FIR di Matlab

Metode Filter Deskripsi Perintah matlab
Windowing Menggunakan window dengan fir1, fir2,kaiserord
cara memotong hasil transformasi
Fourier untuk mendapatkan filter
yang diinginkan
Park Mc Cleland Equiripple atau pendekatan least firls,firpm,firpmord
squares pada subband frekuensi
Constrained Least Minimasi squared integral error fircls, fircls1
Squares selama seluruh range frekuensi
dengan konstrain error yang
maksimum
Arbitrary Arbitrary respon, termasuk fase cfirpm
137
Response non linear dan complex filter

Raised Cosine Respon Low Pass dengan transisi firrcos
sinusoid yang halus
Tabel 14.4Tipe Window danPerintahnya di Matlab

WIndow Keterangan Perintah Matlab
bartlett Bartlett window w=bartlett(L)
barthannwin Modifikasi Bartlett w = barthannwin(L)
Hanning window
blackman Blackman window w = blackman(N)
w = blackman(N,SFLAG)
blackmanharris Minimum 4 term w = blackmanharris(N)
Blackman Harris window w = blackmanharris(N,SFLAG)
bohmanwin Bohman window w=bohmanwin(L)
chebwin Chebyshev window w=chebwin(L,r)
flattopwin Flat Top window w = flattopwin(L)
w = flattopwin(L,sflag)
gausswin Gaussian window w=gausswin(N)
w=gausswin(N,Alpha)
hamming Hamming window w = hamming(L)
w = hamming(L,'sflag')
hann Hann window w = hann(L)
w = hann(L,'sflag')
kaiser Kaiser window w = kaiser(L,beta)
nuttalwin Nuttal defined 4 term w = nuttallwin(N)
Blackam Harris w = nuttalwin(N,SFLAG)
parzenwin Parzen window w=parzenwin(L)
rectwin Rectangular window w=rectwin(L)
triang Trangular window w=triang(L)
tukeywin Tukey window w = tukeywin(L,r)
138
Perintah – perintah windowing Fungsi Parameter input

Di Matlab
w=sigwin.window Signal processing window: lihat listing window yang
window object didukung matlab pada tabel 14.3
w=window(fhandle,n) Membentuk fungsi fhandle: jenis window yangdiawali @
w=window(fhandle,n,winopt) window sesuai jenis n : orde window
window (fhandle) winopt : opsi window
dan panjangnya (n)
wintool Membuka tool obj : sigwin object yang hendak
wintool(obj1,obj2,...) desain dan analisa divisualisasi. Sigwin sendiri adalah
window signal processing windows.
wvtool(Vec) Membuka tool Vec: window vektor dalam bentuk kolom
wvtool(obj1,obj2,..objN) visualisasi window atau baris
H = wvtool(...) dalam time domain Obj : signal processing window object
dan frekuensi
domain
Tabel 14.5Perintah-Perintah Windowing di Matlab
1. Apaguna windowing ?Sebutkan jenis window yang dapatdigunakan di
matlab!Bagaimanakitamemilihjenis window yang akandigunakan ?
2. Jelaskan beberapa perintah matlab berikut. Apa fungsinya, apa input
parameternya dan outputnya. Berikan jug acontoh pemakaiannya di matlab
 fir1()
 fir2()
 filter()
 sigwin.blackman()
 wvtool()
 window()
 freqz()
 remez()
D. PERCOBAAN
Percobaan 1 Membuat window di matlab

Kita akan mencoba membuat window hamming, hanning, Bartlett, blackman, dan
rectangular dengan tap L=64. Plot gambar time domain danfrekuensi domain.
139
L=64;
wvtool(hamming(L),hanning(L),bartlett(L),blackman(L), rectwin(L))
1. Kliklah pada frekuensi domain wvtooluntuk kelima window saat, Normalized

Frequency 0. Lihat magnitudenya. Catat nilainya
2. Cobalakukan zoom in. Klikpada side lobe yang paling tinggi, yaitu peaknya
untuk kelima window. Lihat magnitudonya. Catat hasilnya.
3. Kurangkanhasil magnitude langkah 1 dan 2. Inilah yang disebut peak side lobe
amplitude. BAndingkan dengnanilai yang di tabel. Apakahs esuai untu kkelima
window?
4. Gunakan perintahwintoolu ntuk meliha tmainlobe width dengan L adalah order
window. Contoh: wintool(sigwin.hamming(L)). Lakukanuntuk kelima window.
Catat leakage factor, relative sidelobe attenuation danmainlobe width.
Jikakitainginsuatu window yang baik, apakriterianyaberdasarkan 3 parameter
diatas ?
5. Apa yang disebut sebagai leakage factor, mainlobe width dan relative sidelobe
attenuation? Pada dasarnya relative sidelobe attenuation samadengan peak
sidelobe amplitude. Bandingkan hasil pengukuran lewat wvtool dan wintoo
ldengan tabel.
Percobaan 2. Desain filter FIR dengan windowing

Kita akanm encobamendesain LPF FIR filter denganorde 64, frekuensi sampling 8 KHz
dan cutoff frekuensi 1 kHz, menggunakanHanning Window
1. Masukkan parameter-parameter yang dibutuhkan
2. Buatlah filter FIR denganperintah fir1. Parameter input adalahorde (n),
Wnfrekuensi cutoff dan window. Outputnyaadalahkoefisien filter. Catatnilai
bcukup 10 buahsajadari 64 nilai b
Fn = 0.5*fs % Fn = frekuensi nyquist = 0.5*frekeunsi sampling

Wn = fc/Fn; % Wn = frekuensi cufoff / frekeunsi nyquist
b = fir1(n,Wn,hanning(n+1))
140
3. Gambar frekuens irespon filter denganperintahfreqz
[H,w]=freqz(b,1,512];
4. Plot gambar diatas dengan :

plot(w*Fn/pi,abs(H));grid %plot magnitude response
title(‘FIR filter: window method’) %tambahkan title
xlabel(‘Frequency (Hz)’) %label horizontal axis
ylabel(‘Magnitude’) %label vertical axis
Percobaan3 Desain Filter LPF denganmenggunakan inputresponfrekuensi filter

Desainlah sebuah LPF denganorde 30 dengan frekuensi sampling 1000Hz. Gambar
frekuensirespn filter ideal dan hasildesain.
1. Masukkan parameter yang dibutuhkanyaitufsdan fn. Fnadalahfs/2

2. Ubahgambarfilter LPF diatasmenjadi vector fdenganperintah :f=[0 400 400
500]/fn
3. Buat vector m yang menunujukkanamplitudo filterdengan : m=[1 1 0 0]
4. BUatlah filter FIR LPF di matlabdenganperintah fir2 dengan : h=fir2(30,f,m)
5. Gambar frekuensi responnya ideal filter dan hasil desain dengan perintah berikut
[H,w]=freqz(h,1,256);
plot(f*Fn, m, ‘o’,Fn*w/pi, abs(H), ‘Line Width’,3); grid
legend(‘ideal’,’desain’)
xlabel(‘Frekuensi(Hz)’)
ylabel(‘MAgnitudo’)
title(‘FIR filter’)
:
141
Percobaan 4. Membuat Window Hamming

Jika hamming window dapatditulissebagai :
Cobalahuntukmembuat window inidengan matlab dan bandingkandengan hasil perintah

windowing hamming di matlab.
N=40;
for n=0:N
ham(n+1)=0.54-0.46*cos((2*pi*n)/N);
index(n+1)=n;
end
subplot(2,1,1); stem(index,ham,’filled’)
subplot(2,1,2);stem(index,hamming(41),’filled’)
TUGAS
1. Buatlahbandstop FIR filter dengankriteriaberikut :orde 20, frekuensi sampling
16kHz, frekuensicutoffnyaadalah 1.2 KHz dan 2.1 KHz. Gunakan window
Hann.
2. Gambarfrekuensirespon filter
3. Buatlah sinyal simus dengan frekuensiberbeda, yaituf1=1.8kHz, f2=600Hz
danf3=2.4kHz. Tambahkan sinyal sinus tersebutmenjadisatu x=x1+x2+x3. Plot
sinyal sinus dalam time domain danfrekuensi domain
4. Lakukan filtering terhadap sinyal sinus dengan filter yang kitabuat.
Gunakanperintahfilter()
5. Plot hasil output dalam time domain danfrekuensi domain.
E. LAPORAN RESMI
Kerjakan setiap percobaan dan tugas diatas dan pahami setiap perintahmatlab yang anda
gunakan.Berikan analisa yang dapa tanda berikan di laporan
142
PRAKTIKUM 15
FILTER INFINITE IMPULSE
RESPON ( IIR)
2. Memahami perbedaan filter FIR dan IIR
3. Mengetahui konsep pole dan zero pada persamaan beda
B. DASAR TEORI
IIR atau infinite impulse response filter banyak diaplikasikan pada kebanyakan filter
digital. Seperti pada FIR, IIR diaplikasikan pada sistem diskrit. Biasanya filter IIR ini
diletakkan antara blok ADC dan DAC.
Filter IIR banyak digunakan ketika user menginginkan filter yang memiliki
kecepatan tinggi dan respon fase yang tidak linear. Keuntungan IIR dibanding dengan
FIR adalah lebh rendahnya komputasi dan koefisien yang dibutuhkan karena
penggunaan feedback. Namun kelemahan dari IIR adalah ketidak stabilan jika
koefisien-koefisiennya berubah.
Persamaan IIR
𝑁−1 𝑀
𝑦 𝑛 =− 𝑎𝑓 𝑦 𝑛 − 𝑓 + 𝑏𝑘 𝑥[𝑛 − 𝑘]
𝑓=1 𝑘 =0
143
dimana x[n] adalah input filter, bkdanafadalahkoefisien filter, sedang y[n] adalah output
filter. DimanaMadalahordedarikoefisieninput feed forward x[n] danN
adalahordedarikoefisien output feedback y[n]
TransformasiZ :
𝑏0 + 𝑏1 𝑧 −1 + 𝑏2 𝑧 −2 + ⋯ + 𝑏𝑀 𝑧 −𝑀
𝐻 𝑧 =
𝑎0 + 𝑎1 𝑧 −1 + 𝑎2 𝑧 −2 + ⋯ + 𝑎𝑁 𝑧 −𝑁
𝑀 −𝑘
𝑘 =0 𝑏𝑘 𝑧
𝐻 𝑧 = 𝑁 −𝑓
𝑘 =0 𝑎𝑓 𝑧
UntukmenunjukkansifatdariimpulsrespondarisistemIIR ,ditunjukkanpersamaandibawah
:
y[n]=a1 y[n-1]+b0 x[n]
Parameter Desain Filter
Gambar 15.1 Parameter Desain Filter BPF
Parameter yang perludiperhitungkanadalah

 Frekuensi sampling fs
 Orde n
 Normalisasifrekuensipassband :Wp=[Wp1 Wp2]/(fs/2) = [0.03 0.07]
144
 Normalisasifrekuensistopband :Ws=[Ws1 Ws2]/(fs/2) = [0.02 0.08]

 Ripple passband / attenuasipassband Amax = 0.5dB
 Ripple stopband / attenuasistopband Amin = 20dB
Desain filter IIR terdiriatas 3 langkah

1. Membuat filter analog sesuaidengan parameter desain filter yang diinginkan
(Wp,Ws,Wc,Amin,Amax,n,dan lain-lain)
2. Mengubah domain filter dari analog menjadi digital
3. Mendiskritasi filter
Perintah matlab
Tahap Filter Analog buttap,cheb1ap,besselap,ellipap,cheb2ap
butter, cheby1, ellip dan besself.
buttord, cheb1ord, cheb2ord, ellipord.
Tahap Transformasi lp2lp, lp2hp, lp2bp, lp2bs
Frekuensi
Tahap Diskretisasi bilinear, impinvar
Tahap-tahapmembuat filter IIR BSFdengankriteria :

1. Membuat filter analog LPF denganWc = 1 rad/s
Untuklangkah 1, membuat LPF filter analog, denganspeksifikasitertentu,
dapatdigunakanfungsi :butter, cheby1, ellipdanbesself.
Selainitujikaandainginmenentukanorde filter, dapatdipakaifungsiberikut
:buttap,cheb1ap,besselap,ellipap,cheb2ap
Sedangjikakitamenginginkanorde minimum, dapatdigunakanfungsi
buttord, cheb1ord, cheb2ord, ellipord.
Untuklebihjelasnyalihatlahbab filter analog.
Padalangkahinidibuat filter LPF butterworthdengan
2. Transformasi respon frekuensi
Responfrekuensi filter darilangkah 1, yaitu low pass denganw c = 1 rad/s dikonversi
menjadi lowpass,bandpass,bandstop dan highpass filter denganW c yang berbeda.
145
Gunakan fungsi lp2bp untuk mentransformasi LPF ke filter analog BPF. Sebelumnya
konversi dulu ke bentuk state-space sehingga kita dapat menggunakanfungsi lp2bp.
[A B C D] = zp2ss(z,p,k)
[AtBt CtDt] = lp2bp(A,B,C,D,W0,BW)
Terakhir, hitungfrekuensiresponfilter dan plot magnitudonya
[b,a]=ss2tf(At,Bt,Ct,Dt);
w=linspace(0.01,1,500)*2*pi
h=freqs(b,a,w]
3. Diskritisasi
Tahap ini pada dasarnya adalah cara untuk mengubah dari respon frekuensi filter
analog menjad irespon frekuensi digital. Ada dua metod eseperti dibawah :
a. Impulse Invarian
Fungsi impvar digunakan untuk mengubah impulse respon filter analog menjadi
impulse responfilter digital analog dengan melakukan penyamplingansebesarfs.
Dengan impulse invariant sejumlahfrekuensi yang lebihtinggidarifs/2 akan
dialiaskanke frekuensi yang lebihrendah. Karena alasan ini, impulse invariance
hanya cocokuntuk LPF dan BPF, namun tidakcocok untuk HPF dan BSF
[bz1 az1]= impinvar(b,a,fs);
b. Transformasi bilinear
Metodeini adalah mapping non lineardari domain s kontinu, ke domain z diskrit,
denganrumus z=(k+s)/(k-s). Fungsi transfer H(s) dari analog filter yang ideal
dimappingke filter diskritH(z). Secara default, konstanta k
disetsebandingdengandua kali frekuensi sampling. Daerah ujungdari filter
akanberubahkarenasifattransformasi yang tidak linear
[bz2 az2] = bilinear(b,a,fs)
Desain sebuah filter butterworth BPF yang melewatkanfrekuensi 262.62 Hz

dengankriteriaberikut :
 Orde : 5
 Fs = 10.000 Hz
 Normalisasi frekuensipassbandWp = [150 350] / (fs/2) = [0.03 0.07]
146
 NormalisasifrekuensistopbandWs = [100 400] / (fs/2) = [0.03 0.07]

 Passband ripple = 0.5dB
 Stopbandattenuasi = 20dB
Jawab :
1. Membuatprototipe LPF analog butterworthdenganorde 5
[z,p,k]=buttap(5)
2. TransformasiFrekuensi
[A B C D] = zp2ss(z,p,k);
Sekarang, hitungbandwith (BW) danfrekuensipusat W0 . Bandwidth
adalahjarakantara Wp1dan Wp2)
U1 = Wp1 * 2 * pi = 0.03*2*pi;
U2 = Wp2 * 2 * pi = 0.07*2*pi;
BW= U2 - U1
W0 = sqrt(U1*U2)
Ubahdari LPF denganWc = 1 rad/s menjadi BPF
[At Bt Ct Dt] = lp2bp(A,B,C,D,Wo,BW);
Hitungfrekuensi respond dan plot filter yang andabuat :
[b,a]=ss2tf(At,Bt,Ct,Dt);
w=linspace(0.01,1,500)*2*pi
h=freqs(b,a,w)
semilogy(w/2/pi, abs(h))
grid on
xlabel(‘Normalized Frequency’);
3. Diskritisasi
[bz1 az1] = impinvar(b,a,fs);
Keuntungan IIR filter :

 Filter IIR cenderung memiliki orde yang lebihrendahdibanding FIR
(sampai 1/10 dariorde FIR, yaituantara 4 sampai 20)
 Biaya komputasi (computation cost) yang lebihrendah, sehinggalebih
sederhana dibandingkan filter IIR
147
Kelemahan filter IIR:

 Mungkintidakstabil
 Susah untukmengontrolfase (karenatidak linear)
1. Coba jalankan simulink, denganperintahsimulink. Buat konfigurasisederhana

dengan satu source yaitusinusoiddansatu sink yaituspectrumscope. Bangkitkan
gelombang sinus denganfrekuensitertentudanlihatoutputnya di spectrumscope
2. Apa beda filter IIR dan FIR dari segipersamaan, polezero, jumlahorde,
kekompleksan, phaserespon, kestabilan
D. PERCOBAAN
Percobaan 1 Membuat filter BSF IIR denganfdatooldansimulink

Padapercobaan ini kita akan membuat filter BSF IIR
1. Coba buk simulink, buat gelombang sinus denganfrekuensi220Hz,300Hz dan
440Hz. Tambahkanrandomnoise,fftscope
>>simulink
SimulinkLibrary Browser akan munculsepertidibawah :
148
Gambar 15.2 SimulinkLibrary Browser
KlikFile, New, Model. Sekarang, mari kita isi window simulink dengan tool-tool
yang sudah dimilikimatlab.Padawindowsebelah kanan, liha tpada kolom
Simulink, klikSources. PilihSineWave, kemudian drag and
droppadawindowsimulink:
Gambar15.3 Drag and Drop Simulink Toolbox
149
2. Susun seperti diagram dibawah.Siapkan 3 buahSineWave, 1 buahRandom

Source, 4 buahGain, 1 buahSum, dan 2 buahSpectrumScope. Untukm
encaritiaptoolbox, anda dapatmengetikkannamanyapadagambarteropong di
SimulinkLibrary Browser. Drag dan drop. Setelah itu hubungkan tiaptoolbox
seperti diagram dibawah. Ubah parameter gainuntuk RandomSourcesmenjadi
0.1. UbahjugaSumsehinggamampumenerima 4 input.Simpanmodelsimulink
anda denganekstensi mdl.
Sine Wave Gain
1
Digital
Filter
Sine Wave1 Gain2
Filter1
Sine Wave2 Gain1
B-FFT
0.1 Spectrum
Scope
Random Gain3
Source
B-FFT
Spectrum
Scope1
Gambar 15.4 New SimulinkModel
150
Gambar 15.5 Setting Source Sinusoid

3. Lakukan settinguntukfrekuensigelombang sinus>MAsukkanampltudo 1, Bias 0,
Frequency = 2*pi*220. Sampletime = 1/8192
4. Buatlah IIR BSF untukmenyaringfrekuensi 300Hz agar tidakdilewatkan.
Gunakan fdatool.Ketikfdatool di commandwindowmatlab
>>fdatool
Masukkan kriteria :ResponseType : Bandstop; Design Method : IIR butterworth
Filter Order : 10
FrequencySpesifications :Unit : Hz , Fs : 8192
151
Gambar 15.6Window FDATool
5. Lakukan setting pada windowsimulinkpadaConfiguration Parameters. Isi Start

time dengan 0.0 dan Stop Timedengan 3s. PadaSolver Options, pilihType
:Fixed-Step, Solver : discrete. Untuk parameter-parameter lain,
biarkansepertisemula.
Gambar 15.7 Configurations Parameters Window
6. Jalankan simulasi selama 3 detikdenganmengklik start. Lihathasiloutpt
Percobaan 2. Membuat BPF IIR filter
152
1. Buat sinyal input dengandurasi 3 detik yang terdiriatasjumlah 3 buahsinyal sinus

dengan amplitudo yang samadenganfrekuensi sampling (fs) 8192 Hz. a. Sinyal
sinus 1, f1=220Hz untuk 0<t1<3
b Sinyal sinus 2, f2=220Hz untuk1 <t2<3
c. Sinyal sinus 3, f3=440Hz untuk 2 <t3< 3
Perhatikan untuk sinyal x2, untukdurasisebelumnya, yaitu 0<t2<1, amplitudo
sinyal adalah nol. Untuk itu tambahkannilai 0 denganperintah
xx2=x2[zeros(1.fs).x2]. Lakukan hal yang samauntuk x3
sehinggadidapatsinyalxx3
2. Tambahkan noisedenganperintah n=randn(size(3fs))
3. Tambahkan 4 sinyaltadi : y=x1+xx2+xx3+n.
4. Tampilkan domainfrekuensinyadenganperintah:
N=pow2(nextpow2(length(y)));
y2=abs(fft(y,N));
yy2=fftshift(y2);
//sumbu x
f2=[-N/2:N/2-1]/N
//plotsumbu x dan y
plot (f2,yy2)
5. Ciptakan filter BPF IIR untukmelewatkanfrekuensi 300Hz saja,

denganmengikutilangkah1,2,3 pada dasar teori.
6. Mulailah merancang LPF dengan wc=1 rad/s, untukbutterworth filter
denganmenentukanordeantara 4 sampai 20. Ambilorde n=8,
denganperintahbuttap.
7. Jika sudah ubah kebentuk statespace.
8. Desain BPF anda dengan menentukandulu Wp1, Wp2 untukmencarinilai U1 dan
U2. Setelah itu carilahWodan BW sepertimetode di dasar teori. Bila nilai ini
sudah di dapat, maka kitadapatmelakukantransformasi dari lowpassdenganWc =
1 rad/s ke BPF.
153
9. Mulailah mengetes filter anda. Konvolusikansinyal y dengan filter

untukmendapatkan output yang diinginkan
10. Lihat hasiloutputnyadenganmelihathasilfft dari hasilkonvolusi.Kerjakanseperti
no 4 untukmencari spektrum frekuensinya
E. LAPORAN RESMI
1. Buatlahlaporanresmiuntukpercobaan di atas. Lengkapidengan capture tiap
proses. Berikananalisadaripercobaan yang telahdilakukan.
154
PRAKTIKUM 16
PEMROSESAN CITRA
1. Memahami konsep filter
2. Mengetahu efek filter pada domain spasial dan frekuensi respon
3. Memahami penerapan FFT pada image processing
B. DASAR TEORI
Image adalah matrix duadimensi yang nilaimatriksnyamenunjukkanintensitas image

tersebut. Ada duajenis image yaitu :
 Hitamputih
o yangnilaimatriksnya 0 dan 1
 Grayscale
o yangnilainyaantara 0 dan 255
 Warna
o yangbiasanyadibagimenjadi 3 matriks. Tiapmatriksterdiriataswarna yang
berbeda, yaituRGBataured,green,blue
(a) (b) (c)
155
Gambar 16.1 (a) Gambar berwarna (b) Gambar grayscale (c) Gambar BW
(a) (b) (c)

Gambar 16.2 (a) Matriks gambar berwarna (RGB)
(b) Matriks gambar grayscale (c) Matriks gambar BW
Transformasi Fourier untuk Image

Pada dasarnya transformasi adalah mengubah cara pandang terhadap objek. Ada
beragam cara melakukan transformasi, yaitu Fourier, Discrete Cosine Transform (DCT),
Wavelet dan sebagaimnya.
Transformasi Fourier melakukan dekompos image menjadi komponen-
komponen real dan imajiner yang menunjukkan representasi image pada frekuensi
domain. Jika input sinyal adalah image, maka jumlah frekuensi pada frekuensi domain
sama dengan jumlah piksel pada spasial domain. Inverse transform akan
mengembalikan lagi image ke bentuk daomain spasial. FFT dan inverse dari image 2D
dapat dinyatakan sebagai berikut :
𝑴−𝟏 𝑵−𝟏
𝒙∗𝒎 𝒚∗𝒏
𝑭 𝒙, 𝒚 = 𝒇(𝒎, 𝒏)𝒆−𝒋𝟐𝝅( 𝑴
+
𝑵
)
𝒎=𝟎 𝒏=𝟎
𝑴−𝟏 𝑵−𝟏
𝟏 𝒙∗𝒎 𝒚∗𝒏
𝒇 𝒎, 𝒏 = 𝑭(𝒙, 𝒚)𝒆−𝒋𝟐𝝅( 𝑴
+
𝑵
)
𝑴𝑵
𝒎=𝟎 𝒏=𝟎
Selanjutnya,
F(x,y)=R(x,y)+jIm(x,y)
Amplitudo : 𝐹 𝑥, 𝑦 = 𝑅(𝑥, 𝑦)2 + 𝐼𝑚(𝑥, 𝑦)2
𝐼𝑚 (𝑥,𝑦)
Phase :< 𝐹 = 𝑡𝑎𝑛−1
𝑅(𝑥,𝑦)
Ide awal dari transformasi fourier adalah bagaimana mengubah sinyal yang kompleks
menjadi kumpulan sinya sinusoidal. Bila konsep ini diterapkan pada image,
pertanyaannya adalaha bagaimana mentranslasi image sebagai kumpulan data frekuensi.
156
(a) (b)
Gambar 16.3. (a) Gambarasal (b) HasilTransformasi Fourier
Image dapatdirepresentasikanmenjadiduabagian,
frekuensitinggidanfrekuensirendah.Sebagianbesar image
terdiriatasfrekuensirendah.Frekuensirendahmeliputi area yang
memilikiperubahanintensitas yang rendah.Sisanya, yaitusebagiankecildari image
terdiriatasfrekuensitinggi. Frekuensitinggiterdiriatas area pinggir yang menjadibatas
(edge) dan area yang memiliki detail tinggiatau yang
memilikiperubahanintensitastinggi.
Gambar 16.3 (a) Image dg f tinggi (b) Image dg f tinggi (c) Image Asal
Filtering
Tujuan dari filtering adalah memodifikasi image untuk menghilangkan noise,
mengurangi dan menambahkan komponen tertentu. Filtering dapat dilakukan pada
space domain atau domain frekuensi dengan Fourier. Untuk filtering pada space
domain, digunakan konvolusi; sementara untuk domain frekuensi digunakan perkalian.
Image filtering adalah bagaimana memodifikasi image dengan menggeser
piksel-piksel yang menyusun image tersebut. Image filter yang paling sederha adalah
linear filter. Linear filtering diaplikasikan untuk menebalkan (sharpening) pinggiran
obyek, mengurangi random noise, mengkoreksi pencahayaan yang tidak seimbang.
Filtering pada Space Domain

Cara melakukan linear filtering pada space domain adalah dengan
mengkonvolusikan image asal dengan kernel filter yang sesuai. Masalah yang sering
dihadapi pada konvolusi image adalah jumlah kalkukasi yang besar, sehingga eksekusi
157
berjalan lambat. Linear filtering dapat diterapkan untuk menggeser, melakukan blurring,
menebalkan/menjelaskan gambar(sharpening), dan lain-lain. Perhatikan contoh dibawah
:
Gambar 16.1 (a) Gambaraslix[n] (b) Filter h[n] (c) Matrix filter h[n]
(d) Output filter tidakberubahketikadilewatkan filter h[n]
(d) Output filter bergeserketikadilewatkan filter h[n]
(d) Output filter menjadi blur ketikadilewatkan filter h[n]
Filtering pada Domain Frekuensi

Filtering di matlab dilakuakan dengan menggunakan digital filter FIR. Alasannya
adalah kemudahan dalam aplikasi FIR yang merupakan koefisien matriks. Selain itu
juga karena FIR memiliki fase yang linear sehingga lebih tahan terhadap distorsi.
Seperti juga pada signal processing, respon frekuensi filter untuk image terdiri
atas menjadi LPF, HPF, BPF, BSF dan threshold filter. Sedangkan tipe window untuk
image adalah butterworth, blackman, ideal dan gaussian. Selain itu juga, hasil
158
transformasi FFT akan mengalami zero padding agar panjang transform adalah
kelipatan 2n.
Dalam melakukan filtering, langkah-langkah ayng harus dilakukan adalah :
a. Lakukan zero padding denganfungsiPQ=paddedsize(size(f));
b. Melakukantransformasi DFTdenganperintahfft2()
F=fft2(f, PQ(1), PQ(2));
c. Buat filter H senganukuranPQ(1) dan PQ(2)
d. Kalikanhasiltransformadenganfilter :
G=H.*F;
e. Ubahkembalikebentuk space domain, kemudiancaribagian real dari G
g=real(ifft2(G));
f. Kropbagianatas, dankiriuntukkembalikeukuransemula
g=g(1:size(f, 1), 1:size(f, 2));
Gambar 16.4 LPF sederhana 1D (b) LPF 2D
Gambar 16.5 (a) Image asal(b) Hasil LPF Gaussian (c) Hasil HPF Gaussian
159
Gambar 16.6 (a) HasilFFT Gaussian LPF (b)Hasil FFT Gaussian HPF
Cobacarihasil FFT 2D dari image yang anda punyadenganmatlab
D. PERCOBAAN
Percobaan 1. Linear Filtering padaImage

Padapercobaaninikitaakanmelakukan linear filtering pada image yang bernama
coins.png.
1. Coba loading dulugambar coins.png di matlab. File inisudahada di
direktorimatlab, namunmatlabperlumembaca file image
initerlebuhdulusebelumdifilter. Ketikkanperintahimread (‘coins.png’). Apa yang
dikerjakanperintahimread?
2. Buatlah filter darimatriks 5*5 yang nilainya 1/25. Gunakanperintah ones
untukmembuatmatrikstersebut. Ketikkanperintahones(5,5)/25.
3. Lakukanspasial filtering denganperintahimfilter(I,h). Dimana I adalah input
image file coins.png, sedang h adalah filter yang kitabuat.Cek di matlab help,
apamaksudperintahimfilter. Metodeapakah yang digunakanunutkpemfilteran.
4. Tampilkan image asaldenganperintahimshow(I), title(‘Image Asal’);
5. Tampilkanhasil filterdenganperintahfigure, imshow(I2), title(‘Hasil
Filter’);dimana I2 adalahhasil filter.
6. Bandingkanhasilnyaantara image asaldanterfilter. Apa yang dapatandasimpulkan
160
?
7. Lakukanhal yang samauntuk filter denganukuran 3*3, 10*10 dan 20*20.
Perhatikan, kalikanmatriks ones dengan 1/9, 1/100 atau 1/400 untuktiap filter.
8. Bandingkanhasil filter untuk 4 ukurang yang berbeda. Apa yang
dapatandasimpulkan?
Percobaan 2.Mencarihasiltranslasi fft2 darimatriks

1. Buat image berupakotakputihdanlatarbelakanghitam
f=zeros(30,30); f(5:24,13:17)=1;
imshow(f,'InitialMagnification','fit')
2. Carihasiltransformasifouriernyadenganperintahfft2(f). Karenaadabagian real dan

imaginer, janganlupauntukmenghitungmagnitudonyadenganperintahabs()
F=fft2(f); F2=abs(F); figure,

imshow(F2,[],'InitialMagnification','fit')
3. Untukmendapatkanhasil yang lebihbaik, lakukan zero padding

denganmenambahkanmatriksnol 2Dsebesar 2 pangkat n
F=fft2(f, 256,256);
F2=abs(F); figure,
imshow(F2, [])
4. Frekuensinoldiletakkanpadabagianataskiri. Karenaitu agar berpindahkepusat,

lakukanfftshift(). Fungsiinisamadengan circular shift padafft() yang
kitapelajarisebelumnya.
F2=fftshift(F);
F2=abs(F2);
figure,imshow(F2,[])
5. Untukmemperjelasgambar, dapatdigunakanfngsi log
F2=log(1+F2);
figure,imshow(F2,[])
161
Tugas :
1. Buat GUIDE untukpercobaan 1
2. BuatlahGUIDEuntukpercobaan2.
Ubahinputnyamenjadigambarbiasadalamgrayscale
E. LAPORAN RESMI
Buatlahlaporanresmiuntukpercobaan di atas.Lengkapidengan capture tiap proses.

Berikananalisadaripercobaan yang telahdilakukan.
162
DAFTAR PUSTAKA
1. Agfianto Eko Putra, ‘Nyquist –Efek Alliasing’, Catatn Kuliah
2. Proakis, John G. dan Manolakis, Dimitris G., 1992, Digital Signal Processing:
Principles, Algorithms, and Applications,, Macmillan Publishing
3. Ingle, Vinay K. dan Proakis, John G., 1997, Digital Signal Processing Using
MATLAB v.4, PWS Publishing Company, Boston, Massachusset, USA.
4. Diktat Matlab & Simulink With Application,Jurusan Teknik Elektro Universitas
Komputer Indonesia.
5. Wahjoe Tjatur, Miftahul Huda, Achmad Basuki, 2004, Pengolahan Sonyal
Digital, PENS-ITS Surabaya.
6. http://www.academia.edu/3690583/Sinyal-digital-dan-sinyal-analog
163

Moidul 10 SD Modul 16

Diunggah oleh

Hak Cipta:

Format Tersedia

Moidul 10 SD Modul 16

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

Moidul 10 SD Modul 16

Diunggah oleh

Hak Cipta:

Format Tersedia

Modul Pratikum Pengolahan Sinyal Digital

ROC (Region of Convergence)

Bilaz= Re{z} +j Im{z} = rejw,

Gambar 10.1 Bidang Z. Tanda x menunjukkan pole

Denganmelihatdaerah ROC, user dapatmenganalisaduasifatsistem,

Karenax[n] untuk x<0 = 0, makasistembersifatkausal, makadaerahROCnyaadalah

2. Jikay[n] = - anu[-n-1], carilah Y[z] dan ROC nya

Karena -∞ < t < -1, jelasbahwaROCnyatidakkausal. MakadaerahROCnyaadalah yang

Perhatikanbahwa no 1 dan 2 memilikihasiltransformasi yang samayaitu:

Kita dapat menggunakan perintah matlab untuk mendapatkan z-plane:

(a) (b) (c)

Transformasi z banyak digunakan karena :

d. Untuk |z| > 1

Percobaan 2. MengubahX[z] menjadi x[n]

Percobaan3. Mencari inverse transformasi z denganmetodePartial Fraction

Conv digunakanu ntuk mengalikan dua matriks, sedangkanDconv digunakan untuk

Didapathasil : C= [1.0000 -1.50000 0.50000]

Yang artinya hasil perkalian adalah : 1-1.5z-1 + 0.5z-2

Carilah : Y[z] = B/A ,

Dengan x adalahhasilpembagiandan r adalahsisapembagian

2. Gunakan matlab dengan fungsi residuez:

Percobaan6.MenggambarPole dan Zero dalam z-plane

d. Untuk |z| > 1

2. Gambarlah diagram pole dan zero untuk :

3. Selesaikan persamaan beda dibawahy(t):

4. Carilah bentuk z dari

y(n) = d[n]+ d[n -1]+ d[n - 2]+ d[n - 3]

Cari secara manual dan bandingkan hasilnya .

imshow(I), title(‘Image Asal’);

5. Lakukan hal yang sama untuk m=5,10,20. Apa yang

Laplace transform adalah rumus matematika yang banyak digunakan untuk

Laplace transform di definisikan sebagai

dimana s adalah bentuk kompleks dan dinyatakan sebagai s=σ+jω

Inverse transformas iLaplace dapa tditulis :

Laplace transform hanya valid untuk Region ofConvergence (ROC) pada s

Untuk Re{s} > -a , maka transformasiLaplace dan inversenya :

Gambar 9. 1 Daerah ROC untuk Re{s}>-a

Untukdaerah Re{s} < -a, maka transformasi Laplace dan inversenya :

d. d(t)=3t4 - 4t3 +2t

Anda dapat mengkomputasi Laplace transform dengan menggunakan perintah matlab

Contoh :Selesaikan persamaan berikut :

Percobaan2. Inverse Laplace Transform

1) Hitunglah inverse Laplace transform F(s) berikut :

2) Perhatikan F(s) dibawah:

Percobaan 3. Menggunakan Pembagian Parsial dengan Perintah Residue

𝐵(𝑠) 𝑅(1) 𝑅(2) 𝑅 𝑛

DimanaAadalahpembagi (denumerator) dan B adalahpengali (numerator).

num = [180 5400]

Hasil : r=[225,-1305,1080] ; p=[-5,-1,0] ; k=[]

225 −1305 1080

num = [180 5400]

Hasil : r=[-225,-105,-810,120], p=[-5,-3,-3,0], k=[]

−225 105 1080 120

Percobaan 4. Menggunakan perintah poly dan roots

Cariakar dari persamaan berikut y(x) = x2+4x+3

Cari polynomial dari [-3 -1]

yroots = [-3 -1];

Ternyata y newdan y sama !

Percobaan 5. Integrasi dan Derivasi

y=dsolve('D2y + 2Dy + 5y = 24', 'y(0)=10', ‘Dy(0)=0')