Discrete Fourier Transform (DFT) dan Fast Fourier Transform (FFT) merupakan dua konsep fundamental dalam pengolahan sinyal digital. Bagi mahasiswa teknik, terutama Teknik Elektro, Teknik Telekomunikasi, Teknik Informatika, dan Teknik Komputer, pemahaman DFT dan FFT bukan sekadar teori, tetapi fondasi penting untuk analisis sistem digital modern.
Artikel ini menyajikan latihan contoh soal DFT dan FFT disertai rumus dan pembahasan lengkap secara sistematis. Penjelasan disusun step by step agar mudah dipahami serta relevan untuk kebutuhan akademik maupun persiapan ujian.
Pengertian DFT dalam Pengolahan Sinyal Digital
Discrete Fourier Transform (DFT) adalah transformasi matematis yang digunakan untuk mengubah sinyal diskrit dari domain waktu ke domain frekuensi. Dalam praktiknya, DFT membantu kita mengetahui komponen frekuensi apa saja yang membentuk suatu sinyal.
baca juga;Contoh Makalah dan Soal Rekonsiliasi Bank Disertai Cara Penyusunan Laporan yang Benar
Baca juga:Latihan Soal Memahami Gambar Cerita: Tips dan Trik Agar Cepat Menjawab
Secara matematis, DFT didefinisikan sebagai:
X[k] = ∑ (n = 0 sampai N-1) x[n] e^(-j 2πkn/N)
Dengan k = 0, 1, 2, …, N-1
Keterangan:
x[n] = sinyal dalam domain waktu
X[k] = spektrum frekuensi
N = jumlah sampel
j = √(-1)
Inverse DFT (IDFT) dirumuskan sebagai:
x[n] = (1/N) ∑ (k = 0 sampai N-1) X[k] e^(j 2πkn/N)
Konsep ini sangat penting dalam bidang Digital Signal Processing karena hampir semua analisis spektrum digital menggunakan prinsip transformasi Fourier diskrit.
Konsep Dasar FFT
Fast Fourier Transform (FFT) bukan transformasi baru, melainkan algoritma efisien untuk menghitung DFT. Kompleksitas komputasi DFT adalah O(N²), sedangkan FFT menurunkannya menjadi O(N log N).
Algoritma FFT paling populer adalah Cooley-Tukey FFT, yang membagi perhitungan menjadi bagian genap dan ganjil.
Secara umum:
X[k] = X_genap[k] + W_N^k X_ganjil[k]
Dengan:
W_N = e^(-j2Ï€/N)
Latihan Soal 1 DFT 4 Titik Lengkap
Diketahui sinyal:
x[n] = {1, 2, 3, 4}
N = 4
Hitung X[k] menggunakan DFT manual.
Langkah 1: Tentukan Faktor Dasar
W_4 = e^(-j2π/4) = e^(-jπ/2)
Nilai penting:
e^(-jπ/2) = -j
e^(-jπ) = -1
e^(-j3Ï€/2) = j
Langkah 2: Hitung X[0]
X[0] = 1 + 2 + 3 + 4 = 10
Langkah 3: Hitung X[1]
X[1] = 1 + 2(-j) + 3(-1) + 4(j)
X[1] = 1 – 2j – 3 + 4j
X[1] = -2 + 2j
Langkah 4: Hitung X[2]
X[2] = 1 – 2 + 3 – 4
X[2] = -2
Langkah 5: Hitung X[3]
X[3] = 1 + 2(j) + 3(-1) + 4(-j)
X[3] = 1 + 2j – 3 – 4j
X[3] = -2 – 2j
Hasil akhir:
X[k] = {10, -2+2j, -2, -2-2j}
Latihan Soal 2 DFT Sinyal Simetris
Diketahui:
x[n] = {1, 0, -1, 0}
N = 4
X[0] = 1 + 0 – 1 + 0 = 0
X[1] = 1 + 0(-j) + (-1)(-1) + 0(j)
X[1] = 2
X[2] = 1 – 0 + (-1) – 0
X[2] = 0
X[3] = 2
Hasil:
X[k] = {0, 2, 0, 2}
Interpretasi: Sinyal memiliki komponen frekuensi dominan pada k=1 dan k=3.
Latihan Soal 3 FFT 8 Titik Metode Radix-2
Diketahui:
x[n] = {1,1,1,1,0,0,0,0}
N = 8
Langkah 1: Pisahkan Genap dan Ganjil
Genap: {1,1,0,0}
Ganjil: {1,1,0,0}
Langkah 2: Hitung DFT masing-masing bagian 4 titik
Misal hasilnya:
X_genap = {2, 1-j, 0, 1+j}
X_ganjil = {2, 1-j, 0, 1+j}
Langkah 3: Gabungkan dengan Faktor Twiddle
W_8 = e^(-j2Ï€/8)
Gunakan rumus:
X[k] = X_genap[k] + W_8^k X_ganjil[k]
X[k+4] = X_genap[k] – W_8^k X_ganjil[k]
Dengan cara ini, kompleksitas jauh lebih kecil dibanding menghitung langsung 8 titik DFT.
Perbandingan DFT dan FFT
DFT:
Kompleksitas O(N²)
Perhitungan langsung
Cocok untuk N kecil
FFT:
Kompleksitas O(N log N)
Menggunakan algoritma pembagian
Cocok untuk N besar
Kesalahan Umum Saat Mengerjakan Soal DFT dan FFT
- Salah menghitung sudut 2Ï€kn/N
- Salah menentukan nilai e^(-jθ)
- Tidak membedakan bagian genap dan ganjil pada FFT
- Lupa faktor 1/N pada IDFT
Strategi Cepat Menyelesaikan Soal
- Hafalkan nilai eksponensial untuk sudut penting
- Gunakan tabel nilai W_N
- Buat matriks DFT untuk N kecil
- Latihan rutin berbagai variasi N
Aplikasi DFT dan FFT dalam Dunia Teknik
DFT dan FFT digunakan dalam berbagai bidang teknik modern, seperti:
Analisis spektrum audio
Kompresi gambar
Sistem komunikasi digital
Radar dan sonar
Sistem kontrol digital
Dalam perangkat lunak seperti MATLAB atau Python (NumPy), FFT digunakan secara luas karena efisiensinya.
Mengapa Mahasiswa Teknik Harus Menguasai DFT dan FFT
DFT dan FFT merupakan fondasi dari analisis sinyal digital. Tanpa memahami konsep ini, mahasiswa akan kesulitan dalam:
Sistem komunikasi
Pengolahan citra digital
Machine learning berbasis sinyal
Sistem embedded
Pemahaman manual sangat penting sebelum menggunakan software, karena membantu memahami interpretasi fisik spektrum frekuensi.
Latihan Tambahan untuk Pendalaman
- Hitung DFT 2 titik dan 8 titik
- Buktikan sifat simetri DFT untuk sinyal real
- Uji Parseval Theorem
- Hitung IDFT dari spektrum tertentu
Kesimpulan
Latihan contoh soal DFT dan FFT disertai rumus dan pembahasan lengkap sangat penting untuk memperkuat pemahaman mahasiswa teknik terhadap transformasi domain waktu ke domain frekuensi. DFT memberikan dasar matematis, sedangkan FFT menyediakan efisiensi komputasi.
Dengan memahami langkah perhitungan manual, mahasiswa tidak hanya mampu menyelesaikan soal ujian, tetapi juga memahami prinsip kerja sistem digital modern. Latihan yang konsisten, pemahaman konsep Euler, serta penguasaan faktor twiddle akan membuat materi ini jauh lebih mudah dikuasai.
penulis;ilham
Post Comment