Ciri khas spektrum: Perbedaan antara revisi
Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 22800351; atribusi sumber disertakan. |
Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi |
||
| Baris 1: | Baris 1: | ||
'''Ciri khas spektrum''' atau '''''spectral signature''''' adalah hal-hal khusus atau ciri yang dapat ditarik dari suatu pembacaan [[spektrum]]. Umumnya yang dilihat adalah puncak-puncak yang muncul, jarak antaranya dan juga letak dari daerah-daerah ''plateau'' atau isyarat latar belakang yang ada. Untuk suatu isyarat yang berubah terhadap waktu, ciri khas spektrum dapat diperoleh dengan terlebih dahulu melakukan [[transformasi Fourier]] terhadap isyarat yang dimaksud dan kemudian melakukan analisis lebih lanjut. Untuk data yang berbentuk diskrit digunakan [[transformasi Fourier diskrit]]. Ciri khas spektrum dapat digunakan untuk menentukan apakah suatu sistem berada dalam keadaan periodik, semi-periodik atau ''chaos'' | '''Ciri khas spektrum''' atau '''''spectral signature''''' adalah hal-hal khusus atau ciri yang dapat ditarik dari suatu pembacaan [[spektrum]]. Umumnya yang dilihat adalah puncak-puncak yang muncul, jarak antaranya dan juga letak dari daerah-daerah ''plateau'' atau isyarat latar belakang yang ada. Untuk suatu isyarat yang berubah terhadap waktu, ciri khas spektrum dapat diperoleh dengan terlebih dahulu melakukan [[transformasi Fourier]] terhadap isyarat yang dimaksud dan kemudian melakukan analisis lebih lanjut. Untuk data yang berbentuk diskrit digunakan [[transformasi Fourier diskrit]]. Ciri khas spektrum dapat digunakan untuk menentukan apakah suatu sistem berada dalam keadaan periodik, semi-periodik atau ''chaos''<ref>Nicholas B. Tufillaro, ''Spectral Signatures'', [http://cnls.lanl.gov/~nbt/Book/node92.html#SECTION00483400000000000000 Node92], Mon Mar 3 01:58:02 PST 1997</ref> | ||
== Klasifikasi sistem dinamik == | == Klasifikasi sistem dinamik == | ||
Untuk suatu sistem yang bergantung terhadap waktu, misalnya saja posisinya, dapat dilakukan [[analisis Fourier]] untuk memperoleh "sidik jari" dari sistem yang bersangkutan dalam menentukan sifat dari sistem: periodik ('''kasus 1'''), kuasi-periodik ('''kasus 2''') atau chaos ('''kasus 3'''). Di luar daripada itu, apabila tidak terdapat periode yang tidak tetap akan tetapi kelipatan dari suatu periode dasar, yang umumnya bergantung dari periode asupan [[energi dalam]] sistem, ciri khas spetrumnya masih dapat dilihat. Lain halnya dengan sistem yang bener-benar chaos, ciri tersebut akan sama sekali hilang. Pada contoh di bawah ini ketiga sinyal masukan terlihat berbeda karena posisi sampling dari sample secara acak diambil (bolah jadi sinyal terlihat sama atau berbeda). Dari bentuk sinyal analisis tidak dapat langsung dilakukan, untuk itu diperlukan, misalnya TFC, agar ciri khas spektrum-nya dapat muncul. | Untuk suatu sistem yang bergantung terhadap waktu, misalnya saja posisinya, dapat dilakukan [[analisis Fourier]] untuk memperoleh "sidik jari" dari sistem yang bersangkutan dalam menentukan sifat dari sistem: periodik ('''kasus 1'''), kuasi-periodik ('''kasus 2''') atau chaos ('''kasus 3'''). Di luar daripada itu, apabila tidak terdapat periode yang tidak tetap akan tetapi kelipatan dari suatu periode dasar, yang umumnya bergantung dari periode asupan [[energi dalam]] sistem, ciri khas spetrumnya masih dapat dilihat. Lain halnya dengan sistem yang bener-benar chaos, ciri tersebut akan sama sekali hilang. Pada contoh di bawah ini ketiga sinyal masukan terlihat berbeda karena posisi sampling dari sample secara acak diambil (bolah jadi sinyal terlihat sama atau berbeda). Dari bentuk sinyal analisis tidak dapat langsung dilakukan, untuk itu diperlukan, misalnya TFC, agar ciri khas spektrum-nya dapat muncul. | ||
{| class="wikitable" | |||
|+'''Sinyal dengan frekuensi masukan 10 Hz untuk kasus [[resonansi stokastik]]''' | |||
|- | |||
! | |||
! Sinyal masukan | |||
! [[transformasi Fourier cepat|TFC]] | |||
|- | |||
! Kasus 1 (periodik) | |||
| | |||
| | |||
|- | |||
! Kasus 2 (semi-periodik) | |||
| | |||
| | |||
|- | |||
! Kasus 3 (chaos) | |||
| | |||
| | |||
|- | |||
|} | |||
Perhatikan bahwa "sidik jari" dengan nilai kelipatan ganjil dari 5 Hz (setengah dari frekuensi masukan) tampak pada kasus 1, berangsur hilang pada kasus 2 dan hilang sama sekali pada kasus 3. Kaitan antara frekuensi sinyal masukan dan letak puncak-puncak ciri khas spektrum adalah akibat basis [[deret Fourier]] yang digunakan. | Perhatikan bahwa "sidik jari" dengan nilai kelipatan ganjil dari 5 Hz (setengah dari frekuensi masukan) tampak pada kasus 1, berangsur hilang pada kasus 2 dan hilang sama sekali pada kasus 3. Kaitan antara frekuensi sinyal masukan dan letak puncak-puncak ciri khas spektrum adalah akibat basis [[deret Fourier]] yang digunakan. | ||
== | == Referensi == | ||
<references /> | |||
== Sumber dan atribusi == | == Sumber dan atribusi == | ||
Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Ciri+khas+spektrum&oldid=22800351 Wikipedia bahasa Indonesia], revisi 22800351 (2023-01-28T11:43:02Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku. | Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Ciri+khas+spektrum&oldid=22800351 Wikipedia bahasa Indonesia], revisi 22800351 (2023-01-28T11:43:02Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku. | ||
<!-- WIKI_UNISSULA_PRESENTATION_V4 --> | |||
Revisi terkini sejak 26 Agustus 2026 03.58
Ciri khas spektrum atau spectral signature adalah hal-hal khusus atau ciri yang dapat ditarik dari suatu pembacaan spektrum. Umumnya yang dilihat adalah puncak-puncak yang muncul, jarak antaranya dan juga letak dari daerah-daerah plateau atau isyarat latar belakang yang ada. Untuk suatu isyarat yang berubah terhadap waktu, ciri khas spektrum dapat diperoleh dengan terlebih dahulu melakukan transformasi Fourier terhadap isyarat yang dimaksud dan kemudian melakukan analisis lebih lanjut. Untuk data yang berbentuk diskrit digunakan transformasi Fourier diskrit. Ciri khas spektrum dapat digunakan untuk menentukan apakah suatu sistem berada dalam keadaan periodik, semi-periodik atau chaos[1]
Klasifikasi sistem dinamik
Untuk suatu sistem yang bergantung terhadap waktu, misalnya saja posisinya, dapat dilakukan analisis Fourier untuk memperoleh "sidik jari" dari sistem yang bersangkutan dalam menentukan sifat dari sistem: periodik (kasus 1), kuasi-periodik (kasus 2) atau chaos (kasus 3). Di luar daripada itu, apabila tidak terdapat periode yang tidak tetap akan tetapi kelipatan dari suatu periode dasar, yang umumnya bergantung dari periode asupan energi dalam sistem, ciri khas spetrumnya masih dapat dilihat. Lain halnya dengan sistem yang bener-benar chaos, ciri tersebut akan sama sekali hilang. Pada contoh di bawah ini ketiga sinyal masukan terlihat berbeda karena posisi sampling dari sample secara acak diambil (bolah jadi sinyal terlihat sama atau berbeda). Dari bentuk sinyal analisis tidak dapat langsung dilakukan, untuk itu diperlukan, misalnya TFC, agar ciri khas spektrum-nya dapat muncul.
| Sinyal masukan | TFC | |
|---|---|---|
| Kasus 1 (periodik) | ||
| Kasus 2 (semi-periodik) | ||
| Kasus 3 (chaos) |
Perhatikan bahwa "sidik jari" dengan nilai kelipatan ganjil dari 5 Hz (setengah dari frekuensi masukan) tampak pada kasus 1, berangsur hilang pada kasus 2 dan hilang sama sekali pada kasus 3. Kaitan antara frekuensi sinyal masukan dan letak puncak-puncak ciri khas spektrum adalah akibat basis deret Fourier yang digunakan.
Referensi
Sumber dan atribusi
Konten artikel ini diadaptasi dari Wikipedia bahasa Indonesia, revisi 22800351 (2023-01-28T11:43:02Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.