# i

Daftar Isi
PENDAHULUAN ....................................................................................................................................... 1
A. Latar Belakang ................................................................................................................................. 1
B. Tujuan ............................................................................................................................................. 2
BAB II ....................................................................................................................................................... 3
PEMBAHASAN ......................................................................................................................................... 3
A. System Massa Pegas ........................................................................................................................ 3
B. Fast Fourier Transform ..................................................................................................................... 4
C. Simulasi Massa Pegas dengan MatLab .............................................................................................. 8
BAB III .................................................................................................................................................... 18
PENUTUP ............................................................................................................................................... 18
A. Kesimpulan .................................................................................................................................... 18
Daftar Pustaka ....................................................................................................................................... 19

1

BAB I
PENDAHULUAN
A. Latar Belakang
Deret Fourier adalah suatu deret berbentuk sinus dan kosinus yang
dapat memperesentasikan fungsi priodik, dengan Transformasi Fourier sinyal
dalam Domain waktu dapat dipresentasikan dalam Domain Fekuensi. Dalam
Matriks Laboratory (MatLab) telah disediakan fungsi untuk melakukan
Transformasi Fourier tersebut yang dikenal dengan Fast Fourier Transform
(fft.m).
Aplikasi FFT mencakup berbagai bidang diantaranya, pada Teknik
structural Analysis, modulation dan demodulation, Image Processing, Vibration
Analysis dan lain lain.
Pada Tulisan ini akan coba digunakan/ tools suatu fungsi fft yang ada
dalam Matlab untuk suatu studi kasus massa pegas.
͞Jika suatu Massa M1 digantung pada suatu pegas yang memilki
kekakuan (stiffness) ͞k͟ (N/m) dimana kondisinya berada dalam keseimbangan.
Jika ada satu massa yang lain disebut massa kedua M2 dijatuhkan dari
ketinggian tertentu (h) meter dan langsung menempel pada M1 (tanpa
pantulan). Pada kasus ini akan dilihat pengaruh dijatuhkannya masa M2
terhadap keseimbangan system: Pengaruh ketinggian (h), serta kekakuan
(konstanta) pegas. Massa (M1) dan (M2) masing-masing 10 kg dan 20 kg
(konstan)͟
2

B. Tujuan
Tujuan dari pembuatan makalah ini adalah untuk memenuhi tugas mata
kuliah Kapita Selekta dan untuk mengetahui aplikasi dari fast fourier transform
menggunakan Matlab.

3

BAB II
PEMBAHASAN
A. System Massa Pegas
Getaran adalah gerakan bolak-balik dalam suatu interval waktu tertentu.
Getaran berhubungan dengan gerak osilasi benda dan gaya yang berhubungan
dengan gerak tersebut. Semua benda yang mempunyai massa dan elastisitas
mampu bergetar, jadi kebanyakan mesin dan struktur rekayasa (engineering)
mengalami getaran sampai derajat tertentu dan rancangannya biasanya
memerlukan pertimbangan sifat osilasinya.
Ada dua kelompok getaran yang umum yaitu :
(1). Getaran Bebas.
Getaran bebas terjadi jika sistem berosilasi karena bekerjanya gaya yang ada
dalam sistem itu sendiri (inherent), dan jika ada gaya luas yang bekerja. Sistem yang
bergetar bebas akan bergerak pada satu atau lebih frekuensi naturalnya, yang
merupakan sifat sistem dinamika yang dibentuk oleh distribusi massa dan
kekuatannya. Semua sistem yang memiliki massa dan elastisitas dapat mengalami
getaran bebas atau getaran yang terjadi tanpa rangsangan luar.
(2). Getaran Paksa.
Getaran paksa adalah getaran yang terjadi karena rangsangan gaya luar, jika
rangsangan tersebut berosilasi maka sistem dipaksa untuk bergetar pada frekuensi
rangsangan. Jika frekuensi rangsangan sama dengan salah satu frekuensi natural
sistem, maka akan didapat keadaan resonansi dan osilasi besar yang berbahaya
mungkin terjadi. Kerusakan pada struktur besar seperti jembatan, gedung ataupun
4

sayap pesawat terbang, merupakan kejadian menakutkan yang disebabkan oleh
resonansi. Jadi perhitungan frekuensi natural merupakan hal yang utama.
Gerak osilasi dapat berulang secara teratur atau dapat juga tidak teratur,
jika gerak itu berulang dalam selang waktu yang sama maka gerak itu disebut gerak
periodik. Waktu pengulangan tersebut disebut perioda osilasi dan kebalikannya
disebut frekuensi. Jika gerak dinyatakan dalam fungsi waktu x (t), maka setiap gerak
periodik harus memenuhi hubungan (t) = x (t + ʏ).
Sebuah alternatif pendekatan untuk mendapatkan persamaan adalah
penggunaan Prinsip D͛Alembert yang menyatakan bahwa sebuah sistem dapat
dibuat dalam keadaan keseimbangan dinamis dengan menambahkan sebuah gaya
fiktif pada gaya-gaya luar yang biasanya dikenal sebagai gaya inersia.
B. Fast Fourier Transform
Fast Fourier Transform adalah suatu algoritma yang digunakan untuk
merepresentasikan sinyal dalam domain waktu diskrit dan domain frekuensi.
Sementara itu, IFFT adalah singkatan dari Inverse Fast Fourier Transform.
Membahas mengenai FFT-IFFT tentunya tidak dapat dilepaskan dari DFT (Discrete
Fourier Transform). DFT merupakan metode transformasi matematis untuk sinyal
waktu diskrit ke dalam domain frekuensi. Secara sederhana dapat dikatakan bahwa
DFT merupakan metode transformasi matematis sinyal waktu diskrit, sementara FFT
adalah algoritma yang digunakan untuk melakukan transformasi tersebut.

Secara matematis, DFT dapat dirumuskan sebagai berikut :
...(1)
5

dimana disebut sebagai twiddle factor, memiliki nilai ,
sehingga
...(2)
Sementara itu, Inverse Discrete Fourier Transform (IDFT) dapat dirumuskan
sebagai berikut :
....(3)
Sehingga persamaan IDFT dapat dituliskan juga sebagai berikut :
...(4)
FFT dipergunakan untuk mengurangi kompleksitas transformasi yang
dilakukan dengan DFT. Sebagai perbandingan, bila kita menggunakan DFT, maka
kompleksitas transformasi kita adalah sebesar O(N2), sementara dengan
menggunakan FFT, selain waktu transformasi yang lebih cepat, kompleksitas
transformasi pun menurun, menjadi O(N log (N)). Untuk jumlah sample yang sedikit
mungkin perbedaan kompleksitastidak begitu terasa, namun lain ceritanya bila kita
mengambil jumlah sample yang sedikit lebih banyak. Misalnya kita hanya
mengambil 2 sample, dengan menggunakan DFT, tingkat kompleksitas transformasi
kita adalah 4, sementara dengan menggunakan FFT kompleksitasnya sebesar 0,602.
Perbedaan yang semakin mencolok tampak bila kita mengambil jumlah sample yang
lebih banyak lagi, misalnya kita ingin meninjau 64 titik sample, maka kompleksitas
6

dengan menggunakan DFT adalah sebesar 4096, sementara dengan menggunakan
FFT kompleksitasnya menjadi 115,6. Perbedaan yang sangat mencolok melihat
perbandingan yang mencapai hampir 40 kali lipatnya. Kompleksitas transformasi ini
terutama menjadi vital saat diimplementasikan pada perangkat riil. Perbandingan
kompleksitas DFT dan FFT dapat dilihat pada gambar berikut

gambar 02. Perbandingan DFT dengan FFT

Secara umum, terdapat dua buah pendekatan yang dijalankan dalam
algoritma FFT. Pendekatan tersebut yaitu Decimation in Time (DIT) serta pendekatan
Decimation in Frequency (DIF). DIT merupakan usulan pendekatan yang
dikemukakan oleh Cooley-Tukey, sementara DFT merupakan usulan pendekatan
algoritma yang dikemukakan oleh Sande-Tukey. Perbedaan utama antara dua
pendekatan ini dapat dilihat pada gambar berikut ini

7

(a)

(b)
gambar 03 (a)algoritma Cooley Tukey(b) algoritma Sande Tukey

Dalam implementasi perangkat, pendekatan DIF lebih disenangi karena data
input dapat langsung dimasukkan sesuai dengan posisi aslinya, natural, sementara
dalam pendekatan DIT data input harus terlebih dahulu diubah secara bit-reversed.

Pengertian susunan data masukan natural atau bit-reversed secara lebih
mudah dapat dilihat pada contoh berikut

Input ke - Deretun blt pudu urutun normul Deretun blt-reversed
1 000 (0) 000 (0)
2 001 (1) 100 (4)
3 010 (2) 010 (2)
4 011 (3) 110 (6)
5 100 (4) 001 (1)
6 101 (5) 101 (5)
8

110 (6) 011 (3)
8 111 () 111 ()

Tabel 01. Susunan data masukan

Dalam transformasi sinyal waktu diskrit dengan menggunakan FFT dikenal
istilah butterfly. Butterfly adalah elemen terkecil dari suatu operasi FFT.
C. Simulasi Massa Pegas dengan MatLab

Semua system yang memiliki massa dan elastisitas dapat mengalami getaran
(vibration), dengan atau tanpa ransangan (gaya) dari luar. System tersebut memiliki
frekuansi natural (alamiah).

Gambar 04 . Sistem Massa Pegas

System massa pegas (gambar 4), dari teori getaran persamaan geraknya
dapat ditentukan sebagaimana persamaan berikut:
9

͙(5)

dari persamaan (1) dengan menggunakan fungsi fft yang ada di Matlab.
͞Jika suatu Massa M1 digantung pada suatu pegas yang memilki
kekakuan (stiffness) ͞k͟ (N/m) dimana kondisinya berada dalam keseimbangan.
Jika ada satu massa yang lain disebut massa kedua M2 dijatuhkan dari
ketinggian tertentu (h) meter dan langsung menempel pada M1 (tanpa
pantulan). Pada kasus ini akan dilihat pengaruh dijatuhkannya masa M2
terhadap keseimbangan system: Pengaruh ketinggian (h), serta kekakuan
(konstanta) pegas. Massa (M1) dan (M2) masing-masing 10 kg dan 20 kg
(konstan)͟
Berikut ini adalah listing program yang disusun pada M- File Matlab,
pergerakan system dengan fungsi waktu (t), ditransformasikan dalam domain
frekuensi, dengan fungsi fft. Berikut ini adalah listing program yang dibuat, sbb:
function Y = pfft ( )
t = 0:0.001:0.2;
g = 9.81;
m1=100;
k=6000;
l=0;
in=0;
disp
('========================================================');
disp (' Nama : Amanda Larasati ');
10

disp (' No Reg : 3225083203 ');
disp (' ');
disp
('=======================================================');
disp (' Analisis getaran pada pegas ');
disp (' DENGAN K PEGAS = 6000 & M1 = 10 kg(konstan) ');
disp
('=======================================================');

while(l~=1)
if in==0
M=0;

while ((M<1)|(M>100))
M = input ('masukan massa benda kedua(1-100)(kg) = ');
H=0;

while ((H<0.1)|(H>10))
H = input ('masukan jarak m1 dan m2(0.1-1)(meter) = ');
end
end

end

m2= M*10;
h=H*10;
f = (h*k/((m1+m2)^0.5))/(2*pi);
11

b = sin(2*pi*f*t);
y = ((m2*g)*(1-
(cos(2*pi*f*t)))/k)+(m2*((2*g*h)^0.5)*b)/(k*((m1+m2)^0.5));
subplot(2,1,1);
plot(y(1:200));
xlabel ('waktu (detik)'), grid on
ylabel ('abs. Amplitudo'), grid on
Y = fft(y,400);
MagY = abs(Y);
f = 1000*(0:200)/400;
subplot(2,1,2);
plot(f,MagY(1:201));
xlabel ('frekwensi (Hz)'), grid on
ylabel ('abs. magnitude'),grid on
end

Berikut ini adalah hasil dari Running (simulasi) Program, untuk tiga
kategori ketinggian (h) yakni: 0,2 meter, 0,5 meter, dan 0,7 meter. Untuk setiap
ketinggian (h) diinput masa dua (M2) yakni 20 kg dan 50 kg . Dengan massa dan
nilai kekakuan K = 6000 N/m.

Gambar (5) adalah tampilan untuk ketinggian jatuh (h) = 0,2 meter.,
konstanta pegas 6000 N/m, Massa (M1 ) = 10 kg, dengan input massa dua (M2)=
12

20 kg, terlihat sinyal frekuensi 110 Hz tergambar pada window atas, sementara
pada window bawah terlihat hasil dari transformasi Fourier dimana magnitude
tertinggi pada 110 Hz.

Gambar 05. M2= 20 kg h =0,2 m f=110 Hz

Gambar (6) adalah tampilan untuk ketinggian jatuh (h) = 0,5 meter.,
konstanta pegas 6000 N/m, Massa (M1 ) = 10 kg, dengan input massa dua (M2)=
20 kg, terlihat sinyal frekuensi 275 Hz tergambar pada window atas, sementara
13

pada window bawah terlihat hasil dari transformasi Fourier dimana magnitude
tertinggi pada 275 Hz.

Gambar 06 h =0,5 M2=20kg f= 275 Hz

Gambar (7) adalah tampilan untuk ketinggian jatuh (h) = 0,7 meter.,
konstanta pegas 6000 N/m, Massa (M1 ) = 10 kg, dengan input massa dua (M2)=
14

20 kg, terlihat sinyal frekuensi 385 Hz tergambar pada window atas, sementara
pada window bawah terlihat hasil dari transformasi Fourier dimana magnitude
tertinggi pada 385 Hz.

Gambar 07 h =0,7 m M2=20kg f= 385 Hz

Gambar (8) adalah tampilan untuk ketinggian jatuh (h) = 0,2 meter.,
konstanta pegas 6000 N/m, Massa (M1 ) = 10 kg, dengan input massa dua (M2)=
50 kg, terlihat sinyal frekuensi 77,5 Hz tergambar pada window atas, sementara
15

pada window bawah terlihat hasil dari transformasi Fourier dimana magnitude
tertinggi pada 77,5 Hz.

Gambar 08 h =0,2 m M2=50 kg f= 77,5 Hz

Gambar (9) adalah tampilan untuk ketinggian jatuh (h) = 0,5 meter.,
konstanta pegas 6000 N/m, Massa (M1 ) = 10 kg, dengan input massa dua (M2)=
50 kg, terlihat sinyal frekuensi 195 Hz tergambar pada window atas, sementara
16

pada window bawah terlihat hasil dari transformasi Fourier dimana magnitude
tertinggi pada 195 Hz.

Gambar 09. h =0,5 m, M2= 50kg, f= 195 Hz

Gambar (10) adalah tampilan untuk ketinggian jatuh (h) = 0,7 meter.,
konstanta pegas 6000 N/m, Massa (M1 ) = 10 kg, dengan input massa dua (M2)=
50 kg, terlihat sinyal frekuensi 272.5 Hz tergambar pada window atas,
17

sementara pada window bawah terlihat hasil dari transformasi Fourier dimana
magnitude tertinggi pada 272.5 Hz.

Gambar 10. h =0,7 M2=50 kg f= 272.5 Hz

18

BAB III
PENUTUP
A. Kesimpulan
y Semakin tinggi jarak (h), dengan massa dan kekakuan pegas yang sama
akan memberikan sinyal frekuaensi yang semakin besar pula, hal ini
bersesuain dengan teori dasar getaran.
y Semakin tinggi kekakuan, dengan massa dan tinggi jarak pegas yang sama
akan memberikan sinyal frekuensi yang besar juga .
y Transformasi Fourier merupakan suatu alat bantu yang sangat berguna
dan praktis untuk ͞mentransformasikan͟ suatu pergerakan sinyal dari
domain waktu ke Domain Frekuensi hal ini ͚kompatibel͛ dengan fungsi fft
(Matlab).

19

Daftar Pustaka

1. Anonim. Discrete Fourier Transform dan FFT diunduh pada hari Minggu 8
januari 2012 jam 08.00
2. Chan, Yefri. Getaran Mekanik. Jakarta : Universitas Darma Persada
3. Ridwan. Simulasi system Massa Pegas dengan Variasi kekakuan dan Jarak
Massa dengan Matlab (fft). Universitas Gunadarma : Mechanical Engineering
Department

BAB I PENDAHULUAN
A. Latar Belakang Deret Fourier adalah suatu deret berbentuk sinus dan kosinus yang dapat memperesentasikan fungsi priodik, dengan Transformasi Fourier sinyal dalam Domain waktu dapat dipresentasikan dalam Domain Fekuensi. Dalam Matriks Laboratory (MatLab) telah disediakan fungsi untuk melakukan Transformasi Fourier tersebut yang dikenal dengan Fast Fourier Transform (fft.m). Aplikasi FFT mencakup berbagai bidang diantaranya, pada Teknik structural Analysis, modulation dan demodulation, Image Processing, Vibration Analysis dan lain lain. Pada Tulisan ini akan coba digunakan/ tools suatu fungsi fft yang ada dalam Matlab untuk suatu studi kasus massa pegas. Jika suatu Massa M1 digantung pada suatu pegas yang memilki kekakuan (stiffness) k (N/m) dimana kondisinya berada dalam keseimbangan. Jika ada satu massa yang lain disebut massa kedua M2 dijatuhkan dari ketinggian tertentu (h) meter dan langsung menempel pada M1 (tanpa pantulan). Pada kasus ini akan dilihat pengaruh dijatuhkannya masa M2 terhadap keseimbangan system: Pengaruh ketinggian (h), serta kekakuan (konstanta) pegas. Massa (M1) dan (M2) masing-masing 10 kg dan 20 kg (konstan)

1

B. 2 . Tujuan Tujuan dari pembuatan makalah ini adalah untuk memenuhi tugas mata kuliah Kapita Selekta dan untuk mengetahui aplikasi dari fast fourier transform menggunakan Matlab.

sementara FFT adalah algoritma yang digunakan untuk melakukan transformasi tersebut. merupakan kejadian menakutkan yang disebabkan oleh resonansi. Gerak osilasi dapat berulang secara teratur atau dapat juga tidak teratur. IFFT adalah singkatan dari Inverse Fast Fourier Transform. Jika gerak dinyatakan dalam fungsi waktu x (t). Membahas mengenai FFT-IFFT tentunya tidak dapat dilepaskan dari DFT (Discrete Fourier Transform).sayap pesawat terbang. Fast Fourier Transform Fast Fourier Transform adalah suatu algoritma yang digunakan untuk merepresentasikan sinyal dalam domain waktu diskrit dan domain frekuensi. jika gerak itu berulang dalam selang waktu yang sama maka gerak itu disebut gerak periodik. DFT merupakan metode transformasi matematis untuk sinyal waktu diskrit ke dalam domain frekuensi. B.(1) 4 . Sebuah alternatif pendekatan untuk mendapatkan persamaan adalah penggunaan Prinsip D Alembert yang menyatakan bahwa sebuah sistem dapat dibuat dalam keadaan keseimbangan dinamis dengan menambahkan sebuah gaya fiktif pada gaya-gaya luar yang biasanya dikenal sebagai gaya inersia. maka setiap gerak periodik harus memenuhi hubungan (t) = x (t + ).. Secara sederhana dapat dikatakan bahwa DFT merupakan metode transformasi matematis sinyal waktu diskrit. Secara matematis. DFT dapat dirumuskan sebagai berikut : .. Waktu pengulangan tersebut disebut perioda osilasi dan kebalikannya disebut frekuensi. Jadi perhitungan frekuensi natural merupakan hal yang utama. Sementara itu.

misalnya kita ingin meninjau 64 titik sample.. kompleksitas transformasi pun menurun. . Perbedaan yang semakin mencolok tampak bila kita mengambil jumlah sample yang lebih banyak lagi. Misalnya kita hanya mengambil 2 sample. bila kita menggunakan DFT.dimana sehingga disebut sebagai twiddle factor..602. Sebagai perbandingan..(2) Sementara itu. sementara dengan menggunakan FFT.. sementara dengan menggunakan FFT kompleksitasnya sebesar 0. Inverse Discrete Fourier Transform (IDFT) dapat dirumuskan sebagai berikut : . maka kompleksitas 5 . selain waktu transformasi yang lebih cepat. maka kompleksitas transformasi kita adalah sebesar O(N2). menjadi O(N log (N)). memiliki nilai ... Untuk jumlah sample yang sedikit mungkin perbedaan kompleksitastidak begitu terasa. namun lain ceritanya bila kita mengambil jumlah sample yang sedikit lebih banyak.. tingkat kompleksitas transformasi kita adalah 4.(4) FFT dipergunakan untuk mengurangi kompleksitas transformasi yang dilakukan dengan DFT. dengan menggunakan DFT.(3) Sehingga persamaan IDFT dapat dituliskan juga sebagai berikut : .

6. Perbandingan DFT dengan FFT Secara umum. Perbandingan kompleksitas DFT dan FFT dapat dilihat pada gambar berikut gambar 02. Pendekatan tersebut yaitu Decimation in Time (DIT) serta pendekatan Decimation in Frequency (DIF). Perbedaan yang sangat mencolok melihat perbandingan yang mencapai hampir 40 kali lipatnya. terdapat dua buah pendekatan yang dijalankan dalam algoritma FFT.dengan menggunakan DFT adalah sebesar 4096. Perbedaan utama antara dua pendekatan ini dapat dilihat pada gambar berikut ini 6 . sementara dengan menggunakan FFT kompleksitasnya menjadi 115. sementara DFT merupakan usulan pendekatan algoritma yang dikemukakan oleh Sande-Tukey. DIT merupakan usulan pendekatan yang dikemukakan oleh Cooley-Tukey. Kompleksitas transformasi ini terutama menjadi vital saat diimplementasikan pada perangkat riil.

natural. Pengertian susunan data masukan natural atau bit-reversed secara lebih mudah dapat dilihat pada contoh berikut . sementara dalam pendekatan DIT data input harus terlebih dahulu diubah secara bit-reversed.(a) (b) gambar 03 (a)algoritma Cooley Tukey(b) algoritma Sande Tukey Dalam implementasi perangkat. pendekatan DIF lebih disenangi karena data input dapat langsung dimasukkan sesuai dengan posisi aslinya.QSXWNH       'HUHWDQELWSDGDXUXWDQQRUPDO  .

 .

 .

 .

 .

 .

'HUHWDQELWUHYHUVHG  .

 .

 .

 .

 .

 .

7 .

   .

 .

 .

 .

dari teori getaran persamaan geraknya dapat ditentukan sebagaimana persamaan berikut: 8 . Tabel 01. Simulasi Massa Pegas dengan MatLab Semua system yang memiliki massa dan elastisitas dapat mengalami getaran (vibration). dengan atau tanpa ransangan (gaya) dari luar. System tersebut memiliki frekuansi natural (alamiah). C. Susunan data masukan Dalam transformasi sinyal waktu diskrit dengan menggunakan FFT dikenal istilah butterfly. Butterfly adalah elemen terkecil dari suatu operasi FFT. Gambar 04 . Sistem Massa Pegas System massa pegas (gambar 4).

disp (' Nama : Amanda Larasati '). k=6000. disp ('========================================================'). dengan fungsi fft.81. m1=100. serta kekakuan (konstanta) pegas. 9 . Massa (M1) dan (M2) masing-masing 10 kg dan 20 kg (konstan) Berikut ini adalah listing program yang disusun pada M. Jika suatu Massa M1 digantung pada suatu pegas yang memilki kekakuan (stiffness) k (N/m) dimana kondisinya berada dalam keseimbangan. Jika ada satu massa yang lain disebut massa kedua M2 dijatuhkan dari ketinggian tertentu (h) meter dan langsung menempel pada M1 (tanpa pantulan). ditransformasikan dalam domain frekuensi.File Matlab. Berikut ini adalah listing program yang dibuat.(5) dari persamaan (1) dengan menggunakan fungsi fft yang ada di Matlab. pergerakan system dengan fungsi waktu (t). in=0. g = 9.001:0.2. l=0. sbb: function Y = pfft ( ) t = 0:0. Pada kasus ini akan dilihat pengaruh dijatuhkannya masa M2 terhadap keseimbangan system: Pengaruh ketinggian (h).

while(l~=1) if in==0 M=0.1-1)(meter) = ').disp (' disp (' disp '). disp (' disp (' disp ('======================================================='). DENGAN K PEGAS = 6000 & M1 = 10 kg(konstan) '). ('======================================================='). No Reg : 3225083203 '). f = (h*k/((m1+m2)^0.1)|(H>10)) H = input ('masukan jarak m1 dan m2(0. Analisis getaran pada pegas '). H=0. end end end m2= M*10.5))/(2*pi). h=H*10. while ((H<0. 10 . while ((M<1)|(M>100)) M = input ('masukan massa benda kedua(1-100)(kg) = ').

untuk tiga kategori ketinggian (h) yakni: 0.2 meter. Gambar (5) adalah tampilan untuk ketinggian jatuh (h) = 0. magnitude'). dan 0.1.2). grid on ylabel ('abs.7 meter. subplot(2.5)*b)/(k*((m1+m2)^0.grid on end Berikut ini adalah hasil dari Running (simulasi) Program. 0.b = sin(2*pi*f*t).400). grid on ylabel ('abs.MagY(1:201)). Dengan massa dan nilai kekakuan K = 6000 N/m.5 meter.2 meter. plot(y(1:200)). konstanta pegas 6000 N/m. Amplitudo').. plot(f.1.5)). MagY = abs(Y). dengan input massa dua (M2)= 11 . grid on Y = fft(y. Untuk setiap ketinggian (h) diinput masa dua (M2) yakni 20 kg dan 50 kg . xlabel ('frekwensi (Hz)'). Massa (M1 ) = 10 kg.1). f = 1000*(0:200)/400. xlabel ('waktu (detik)'). subplot(2. y = ((m2*g)*(1(cos(2*pi*f*t)))/k)+(m2*((2*g*h)^0.

. konstanta pegas 6000 N/m.20 kg. sementara 12 . terlihat sinyal frekuensi 275 Hz tergambar pada window atas. sementara pada window bawah terlihat hasil dari transformasi Fourier dimana magnitude tertinggi pada 110 Hz. dengan input massa dua (M2)= 20 kg. terlihat sinyal frekuensi 110 Hz tergambar pada window atas. Gambar 05. M2= 20 kg h =0.2 m f=110 Hz Gambar (6) adalah tampilan untuk ketinggian jatuh (h) = 0.5 meter. Massa (M1 ) = 10 kg.

7 meter. Massa (M1 ) = 10 kg. dengan input massa dua (M2)= 13 .5 M2=20kg f= 275 Hz Gambar (7) adalah tampilan untuk ketinggian jatuh (h) = 0. konstanta pegas 6000 N/m. Gambar 06 h =0..pada window bawah terlihat hasil dari transformasi Fourier dimana magnitude tertinggi pada 275 Hz.

. terlihat sinyal frekuensi 77. sementara 14 . dengan input massa dua (M2)= 50 kg. sementara pada window bawah terlihat hasil dari transformasi Fourier dimana magnitude tertinggi pada 385 Hz. Massa (M1 ) = 10 kg.7 m M2=20kg f= 385 Hz Gambar (8) adalah tampilan untuk ketinggian jatuh (h) = 0. Gambar 07 h =0. konstanta pegas 6000 N/m.2 meter.20 kg. terlihat sinyal frekuensi 385 Hz tergambar pada window atas.5 Hz tergambar pada window atas.

5 Hz Gambar (9) adalah tampilan untuk ketinggian jatuh (h) = 0. Massa (M1 ) = 10 kg. Gambar 08 h =0.pada window bawah terlihat hasil dari transformasi Fourier dimana magnitude tertinggi pada 77..5 Hz. konstanta pegas 6000 N/m. dengan input massa dua (M2)= 50 kg.2 m M2=50 kg f= 77. terlihat sinyal frekuensi 195 Hz tergambar pada window atas. sementara 15 .5 meter.

terlihat sinyal frekuensi 272. Gambar 09.5 Hz tergambar pada window atas. Massa (M1 ) = 10 kg. konstanta pegas 6000 N/m.5 m. M2= 50kg. dengan input massa dua (M2)= 50 kg. f= 195 Hz Gambar (10) adalah tampilan untuk ketinggian jatuh (h) = 0.pada window bawah terlihat hasil dari transformasi Fourier dimana magnitude tertinggi pada 195 Hz. 16 ..7 meter. h =0.

sementara pada window bawah terlihat hasil dari transformasi Fourier dimana magnitude tertinggi pada 272.7 M2=50 kg f= 272. Gambar 10.5 Hz. h =0.5 Hz 17 .

y Transformasi Fourier merupakan suatu alat bantu yang sangat berguna dan praktis untuk mentransformasikan suatu pergerakan sinyal dari domain waktu ke Domain Frekuensi hal ini kompatibel dengan fungsi fft (Matlab). dengan massa dan kekakuan pegas yang sama akan memberikan sinyal frekuaensi yang semakin besar pula. y Semakin tinggi kekakuan.BAB III PENUTUP A. hal ini bersesuain dengan teori dasar getaran. dengan massa dan tinggi jarak pegas yang sama akan memberikan sinyal frekuensi yang besar juga . Kesimpulan y Semakin tinggi jarak (h). 18 .

Universitas Gunadarma : Mechanical Engineering Department 19 .Daftar Pustaka 1. Jakarta : Universitas Darma Persada 3. Simulasi system Massa Pegas dengan Variasi kekakuan dan Jarak Massa dengan Matlab (fft). Discrete Fourier Transform dan FFT diunduh pada hari Minggu 8 januari 2012 jam 08. Getaran Mekanik.00 2. Chan. Anonim. Ridwan. Yefri.

Sign up to vote on this title