PENGOLAHAN SINYAL GEOFISIKA (GFS64034) 18/03/2019 Dr. La Hamimu, S.Si., M.T Al Rubaiyn, S.T., M.T. Jurusan Teknik Geofisika Fakultas llmu dan Teknologi Kebumian Universitas Halu OleoTransformasi Fourier Diskrit DFT N, dimana N adalah bilangan bulat positif Pada dasamya bilangan bulat N. dapat dipilih menjadi sangat besar. Sebagai contoh N 22° = 1024. Transformasi Fourier Diskrit x, untuk sejumlah N tik data dari sinyal x(n] didefinisikan: yet =Vae i” ok =0,1,2,...N-1 (5.1) 0 Dimana j adalah bilangan imajiner. Indeks n pada persamaan di atas menyatakan varaiabel waktu tdalam bentuk diskrit, dan pasangan transformasi frekuensif dinyatakan dengan indeks kTransformasi Fourier Diskrit DFT Sl) Pada umumnya nilai-nilai pers. (6.1) merupakan bilangan kompleks, sehingga X,, dapat dinyatakan dalam bentuk koordinat polar atau kartesian. v Bentuk Polar X,) R= 012,.N-1 (62) v Bentuk Kartesian: %.= a Dimana |X,| adalah magnitude atau nilai mutlak dari <8 be lespLy Ret jh; 4e=012.N-A adalah besamya sudut X,. R, adalah bilangan rill dari X;, dan fj, adalah bilangan imajiner yang mempunyai bentuk By=240)+3 afrfeos 2 Satna (64) 1 Penjumlahan pada pers. (5.1) mempunyai nilai berhingga, maka DFT xX, selalu dapat ditentukan. Penentuan nilai-nilai X,, dapat dihitung dengan menggunakan penjulahan pers. (5.1) melalui impleme ntasi Bahasa pemograman MATLABTransformasi Fourier Diskrit INVERS DFT G1 Jika X,merupakan hasil DFT dengan jumiah titk data N dari x{n), maka x[n] dapat dicari dari x, dengan menerapkan Invers Dicrete Fourier Transform (IDFT) yaitu stn L5 x, 0% = N-1 (5) Karena penjumlahan pada pers. (5.5) juga merupakan penjumlahan berhingga, maka invers OFT (IDFT) dapat dihitung dengan melakukan evaluasi penjumlahan dalam pers. (5.5)Transformasi Fourier Diskrit ILUSTRASI DFT & IDFT <2 Buatlah algoritma Disrete Fourier Transform (DFT) dan Inverse Disrete Fourier Transform (|DFT) dengan implementasi Bahasa pemrograman MATLABTransformasi Fourier Diskrit llustrasi Diketahui suatu fungsift) dalam bentuk diskrit ffn] sebagaimana ditampilkan pada Gambar 5.1 fit) Hasil DFT fungsit(t) di samping seb agaimana ditampilkan pada Tabel ‘1. Tabel 1. Hasi| DFT fungsi it) 2 FW 1 0 12 t 1 0 0 1 =] 3 465 6 7 2 2-3 Gambar 5.1. Fungsi Periodik Diksrit 3 o 4 ° DFT dengan T=1 dari fungsif(n) di atas adalah a 6 1 7 8 2+3j FA =Y SMe?" => per" * 7 ° m= =)Transformasi Fourier Diskrit llustrasi © Terlihat bahwa hasil dari DFT adalah bilangan komplek, yang terdiri dari unsur real dan imaginer. Sehingga dapat dipisahkan dalam unsur real dan imaginer sebagai berikut Tabel 2. Komponen Rill dan Ploting komponen real dan imginer untuk data disaping seba- Imginer dari fungsi f(k) gaimana ditujukan pada Gamber berikut: Bagian Real Bagianimaginer Gambar 5.2. Contoh DFT real dan imaginerAnalisis Fourier Data Diskrit Analisis Fourier banyak diaplikasikan untuk mendapatkan fungsi frekuensi yang periodik maupun non- periodik. Untuk fungsi periodik, nilai-nilai frekuensi ditentukan oleh koefisien suku-suku dalam deret Fourier, sedangkan untuk fungsi non-periodic nilai-nilai frekuensi ditentukan dari transform Fourier. Dengan analogi yang sama, nilai-ilai frekuensi dari sederetan titik data dapat ditentukan dengan anali sis Fourier yang dikenal dengan istilah Discrete Fourier Transform (DFT) Data yang diperoleh dapat berasal dari banyak sumber. Sebagai contoh, gaya radial yang bekerja pada titi-ttk diskrit disekitar silinder merupakan sederetan data yang pasti bersifat periodic. Pada umumnya bentuk data yang sering dijumpai adalah berupa deret waktu (time series) dimana nilai dari beberapa kuantitas diberikan oleh interval waktu yang sama. Oleh karena itu, analisis yang dikem bangkan dalam proses ini dinyatakan dalam variabel t yang merupakan symbol untuk representasi waktuoa Analsis Fourier Data Diskrit Suatu fungsi y(¢) bersifat periodic, jika untuk sebarang nilai waktu £ y(t) y(t+T) dimana T merupakan periodawaktu yang biasanya diukur dalam sekon, Kebalikan dari perioda yang sama dengan frekuensi yang dianyatakan dengan f(f = *) dan diukur dalam cyles/second, Dalam SI cyles/secondsama dengan Hertz(Hz). Berikut merupakan ilustrasi cara mengepaskan sekumpulan fungsi trigonometri yang berhingga untuk nntitik data (ty,.,) dimana r=0, 1, 2, ..., n-1. Titik data tersebut dianggap mempunyai jarak yang sama dan jumlah tik data (n) adalah bilangan genap Pada umumnya date-data ini dapat berupa bilangan kompleks, tetapi untuk lebih praktisnya data tersebut dianggap sebagai data ril. Selanjutnya akan diterapkan konsep DFT dengan asumsi bahwa nilai-nilai data bersifat periodik dengan perioda T yang sama dengan interval dataAnalisis Fourier Data Diskrit J Misalkan hubungan antara y,dan %; dinyatakan oleh sekumpulan fungsi sinus dan cosinus yang berhingga, yaitu (68) Dimana r=0, 1, 2, ..., n-1, m=n2 dan T adalah interval data. Koifisien-koifisien Ag, Am, Ax, dan By (dimana k=1,2,....m-1)harus dicari Karena terdapat n nilai data dan n koefisien yang tidak diketahui, maka pers. (56) dapat diselesaikan dengan solusi yang eksakAnalisis Fourier Data Diskrit Masing-masing suku sinus dan cosinus pada pers. (5.6) merupakan resentasi putaran sempuma seba nyak k dalam interval data T. Dengan demikian periode dari setiap suku sinus adalah 7/k, dimana k=1,2, ..., m-1, dan periode setiap suku cosinus adalah T/k, dimana k=1,2,....,m. Frekuensi yang terkait dengan perioda ini adalah f — k/T. Dengan demkian frekuensi yang muncul pa da persamaan 5.8 adalh 1/T, 2/7, ...m/T. Jika Af adalah pertambahan frekuensi dan fina merupakan f rekuensi maximu, maka: Af.=1/T (67) Sux =m Af =(n/2)Af =n! (27) (68) Nilai-nitai data ini mempunyai T yang sama dan ¢, dapat dinayatakan denhan ungakapan yaitu: t,=rT/n=0,1,2,...2-1 69)Analisis Fourier Data Diskrit 1 Jika At merupakan sampling interval (jarak antara ¢,-dengan t,..,) maka At=T/n (6.10) Sedangkan frekuensi maksimum fax dapat dinyatakan dengan ungkapan: Sox =1/T, =n! (2T) (6.11) Dalam hal ini T=Ton/2. Dengan mensibtitusikan T=Tyn/2 kedalam persamaan 5.11 akan diperoleh At =T)/2. Ungkapan ini menyatakan bahwa pada komponen frekuensi maksimum dalam DFT terdapat dua sampel data per cycle. Frekuensi maksimum (/nax) disebut dengan frekuensi Nyquist dan sampling rate yang berkaitan denga frekuensiin disebut Nyquist sampling rateAnalisis Fourier Data Diskrit J Suatu fungsi harmonik dengan frekuensi yang secara eksak sama dengan frekuensi Nyquist tidak dapat dideteksi secara sempurna karena pada frekuensi ini DFT mempunyai suku cosinus, tetapi tidak mempunyai keterkaitan dengan suku sinus. Hasil ini akan menimbulkan implikasi penting ketika data yang di-sampling berasal dari fungsi atau sinyal bervariasi secara simultan 1 Ini berali harus terdapat lebih dari dua sampel data per putaran pada frekuensi tinggi yang muncul dalam fungsi atau sinyal tersebut. Jika dalam sinyal tersebut terdapat terdapat frekuensi yang lebih tinggi dari dari frekuensi Nyquist (karena pengaruh periode alamiah dari DFTnya sendiri) maka freku- ensi- frekuensi tersebut akan muncul sebagai Komponen frekuensi dalam DFT pada frekuensi paling rendah. Fenomena ini disebut dengan istilah aliasing.Analisis Fourier Data Diskrit Sebagai contoh, jika data disampling pada interval 0.005 s, yaity 200 sampel/s, maka frekuensi Nyquis (nox) adalah 100 Hz. Frekuensi 125 Hz dalam sinyal akan muncul sebagai komponen frekuensi pada 75 Hz, dan frekuensi 226 Hz akan muncul menjadi 25 Hz. Frekuensi aliasing ini seharusnya dihilangkan karena frekuensi ini akan menimbulkan kesulitan dalam mencari hubungan komponen frekuensi dalam DFT dengan sebab-sebab fisik dari sinyalnya; : Terima Kasih en 24