General
Pengolahan Sinyal Digital Lanjut (TTH513) di Program Studi S2 Teknik Elektro Fakultas Teknik Elektro masuk pada semester 3 Kurikulum 2020 dan merupakan salah satu mata kuliah wajib diantara mata kuliah wajib lainnya, mata kuliah ini merupakan salah satu mata kuliah yang penting pada kurikulum S2 karena ia menjembatani antara teori pengolahan sinyal digital yang diberikan di tingkat strata S1 pada program studi-program studi teknik elektro pada umumnya dengan aplikasi aktual di lapangan.
Pengolahan sinyal digital lanjut dan aplikasi berbicara tentang sinyal stokastik yang tidak dapat dinyatakan dengan persamaan sederhana. Contoh sinyal seperti ini adalah sinyal suara dan sinyal video. Oleh karena perbedaan sinyal yang diolah inilah maka representasi dari sinyal yang diolah berbeda dengan sinyal determistik. Salah satu cara yang efektif untuk merepresentasikan sinyal ini adalah dengan paramater statistik, antara lagi dengan menggunakan besaran statistik berupa nilai autokorelasi dan fungsi autokorelasi. Dengan prinsip ini, maka pengolahan sinyal lanjut ini adalah tentang bagaimana perubahan fungsi autokorelasi sinyal setelah melewati sistem pengolah sinyal yang bersifat KLTI (Kausal Linear Time Invariant). Terdapat proses AR (Autoregressive), MA (Moving Average), dan ARMA (Autoregressive Moving Average). Persamaan Yule-Walker mengkarakteristikkan hubungan antara fungsi autokorelasi dengan koefisien filter. Penyelesaian persamaan Yule-Walker dapat pula diselesaikan baik secara langsung mau pun secara iterative (Teknik Levinson Durbin). Selanjutnya materi kuliah akan dilanjutkan dengan pemodelan Pade, dan prony. Setelah itu pembahasan penting adalah tentang filter optimal yaitu Filter Wiener dan LMS. Contoh penerapan dalam permasalahan teknik diberikan juga pada mata kuliah ini agar terlihat manfaat dari teknik yang dipelajari pada kehidupan sehari-hari.
- Profil dan Sejarah Mata Kuliah
- Relevansi (Urgensi) Mata Kuliah
Urgensi
mata kuliah Rangkaian Listrik adalah mata kuliah ini merupakan mata
kuliah wajib pada S2 Teknik Elektro. Seperti yang dijelaskan pada profil MK, MK ini menjadi pondasi dari pengetahuan dan aplikasi dari pengolahan sinyal pada kehidupan sehari-hari. Materi pada Mata kuliah ini juga menjadi fondasi dari penelitian S2 atau thesis mahasiswa antara lain terkait dengan teknik ekualisasi kanal, teknik prediksi dengan menggunakan filter LMS atau filter optimal dengan menggunakan filter Wiener.
- Kaitan dengan Mata Kuliah lainnya
Mata kuliah ini memiliki prasyarat yaitu mata kuliah pengolahan sinyal digital atau pengolahan sinyal waktu diskrit pada jenjang pendidikan strata 1. Pengetahuan tentang Aljabar Linier (Pengolahan Vektor dan Matriks) adalah fondasi penting lainnya bagi kelancaran perkuliahan MK ini. Oleh karena itu materi Aljabar Linier yang diajarkan di prodi teknik elektro dan keteknikan lainnya menjadi prasyarat wajib bagi mata kuliah ini. Pada mata kuliah tingkat atas, MK ini memberikan fondasi pada mata kuliah Pengolahan Sinyal Digital Larik. Ia juga memberi landasan ke proses thesis mahasiswa.
- Peta Capaian Pembelajaran (CP)
| PLO | : | Menguasai konsep matematika sesuai dengan bidang kompetensi peminatan |
| CLO1 | : | Mahasiswa memahami komponen sistem linear, representasinya, beserta proses konvolusi antara sinyal dan sistem termasuk dasar-dasar dari pengolahan sinyal dan aljabar linier pendukungnya. |
| CLO2 | : | Mahasiswa memahami representasi sinyal stokastik dan respons sistem terhadap sinyal stokastik: Proses AR, MA, ARMA, serta Persamaan Yule Walker |
| CLO3 | : | Mahasiswa dapat memodelkan sinyal dengan metode Pade dan Prony |
| CLO4 | : | Mahasiswa dapat memahami proses filterisasi dengan menggunakan filter optimal Wiener |
| CLO5 | : | Mahasiswa dapat memahami proses filterisasi dengan menggunakan filter adaptif LMS |
- Pokok Bahasan
Secara garis besar materi dari Pengolahan Sinyal Digital Lanjut dan Aplikasi terdiri dari 14 minggu pertemuan, dengan pokok bahasan per minggunya adalah diantaranya:
- Pokok bahasan 1 : Overview Konsep Sinyal dan Sistem Diskrit, Komponen Sistem KLTI, Struktur FIR dan IIR, Representasi Sistem
- Pokok bahasan 2 : Overview Materi Aljabar Linier, Matriks Khusus, Operasi Matriks
- Pokok bahasan 3 : Representasi sinyal stokastik dengan fungsi autokorelasi
- Pokok bahasan 4 : Proses MA dan susunan Cascade struktur MA
- Pokok bahasan 5 : Proses AR dan Persamaan Yule Walker
- Pokok bahasan 6 : Proses ARMA dan teknik menyelesaikannya
- Pokok bahasan 7 :Penyelesaian persamaan Yule Walker dengan Iterasi Levinson Durbin
- Pokok bahasan 8 : Pemodelan Sinyal dengan Metode Pade
- Pokok bahasan 9 : Pemodelan Sinyal dengan Metode Prony
- Pokok Bahasan 10 : Perbandingan model Pade dan Model Prony
- Pokok bahasan 11 : Desain Filter Optimal dengan Filter Wiener
- Pokok bahasan 12 : Contoh Penerapan Filter Optimal Wiener untuk penyelesaian permasalah ekualisasi kanal
- Pokok bahasan 13 : Desain Filter Adaptive dengan Filter LMS
- Pokok bahasan 14 : Contoh penerapan filter LMS untuk permasalah ekualisasi kanal dan prediksi
- Rencana Pembelajaran Mata Kuliah Berbasis e-Learning
Materi per pokok bahasan diberikan dalam pada setiap bagian E-learning ini. Pada setiap bagian tersebut, terdapat materi perkuliahan / handout, latihan soal, Quiz, dan materi eksternal. Mahasiswa diharapkan dapat mempelajari handout yang diberikan, mengerjakan latihan soal dan mengikuti quiz yang diberikan. Materi eksternal ditambahkan sebagai bahan pengayaan. Semua materi tersebut diharapkan dapat diselesaikan selama satu minggu dalam rentang materi tersebut.
- Best Practice (Tips dan Trick)
Untuk menguasai Rangkaian Listrik dengan mudah, diantaranya:
- Pahami konsep dasar dengan baik dan benar
- Ikuti dengan baik konvensi yang sudah disepakati
- Perbanyak latihan-latihan soal
- Referensi Mata Kuliah
- Monson Hayes, Statistical Digital Signal Processing and Modelling, Wiley, 1996
- Monson Hayes, Digital Signal Processing, Schaum Series, 2nd Edition, Mc Graw Hill, 2011
- Lonnie C Ludeman, Fundamental Digital Signal Processing, John Wiley, Sons, 1986
- Simon Haykin, Adaptive Filter Theory, Pearson, 2013
- Dmitris Manolakis dkk., Statistical and Adaptive Signal Processing, Artech House, 2005
