Sinyal yang dapat dinyatakan dengan persamaan matematik adalah sinyal deterministik (deterministic signal). Jika seseorang memberikan Anda sebuah persamaan matematik suatu sinyal, Anda bsa menghitung nilai sinyal tersebut untuk sembarang waktu (kapan saja), tapi jika Anda tidak memiliki persamaan matematik-nya, Anda tidak dapat memberikan informasi apapun tentang sinyal tersebut.
Sayangnya, sinyal deterministik tidak selalu cocok untuk pemodelan dalam dunia nyata. Seringkali kita tidak tahu secara pasti bentuk sinyal-nya seperti apa, tetapi kita memiliki informasi perubahan apa yang akan terjadi, dan kemungkinan akan berulang lagi perubahan tersebut. Banyak ilmuwan telah mengembangkan seperangkat algoritma atau persamaan-persamaan matematik yang membantu untuk mencari karakteristik dan memanipulasi sinyal-sinyal ini. Dalam dunia pemrosesan sinyal, dikenal istilah Acak (random) dan Stokastik (stochastic), kedua istilah ini sebenarnya memilki arti matematis yang sama. Istilah sinyal acak kadang digunakan, dan artinya sama dengan sinyal stokastik. Sedangkan istilah sinyal stokastik jarang sekali (hampir tidak pernah) digunakan, walaupun memiliki arti yang sama dengan sinyal acak.
Ada lagi sinyal yang dikelompokkan sebagai deterministik dan acak yang dinamakan sebagai pseudo-random, pseudo-noise atau PN. PN ini merupakan sinyal deterministik yang memiliki sifat-sifat seperti sinyal acak. Seperti sinyal deterministik lainnya, sinyal PN dinyatakan dalam suatu persamaan, atau algoritma, dan dapat dihasilkan persis sama seperti sebelumnya, atau melalui dua perangkat keras yang berbeda. Perbedaan akan muncul jika kita berusaha untuk meramalkan nilai-nilai akan datang dari nilai-nilai sebelumnya, dan kita tidak tahu operasi internal dari pembangkit sinyal tersebut. Jika saya tunjukkan kepada Anda luaran dari pembangkit sinusoidal, dan saya minta Anda meramalkan niai selanjutnya, Anda pasti bisa. JIka Anda sudah terbiasa, tentu Anda akan menemukan sebuah pola yang berulang-ulang, walaupun Anda belum/tidak tahu operasi internalnya. Hal ini karena Anda sudah terbiasa dengan sinyal-sinyal deterministik. Bagaimana jika Anda menjumpai sinyal-sinyal acak atau derau (misalnya gambar statis di TV saat siaran sudah usai, husss pada siaran FM, fluktuasi pada saham, dan lain sebagainya)? Anda akan menemukan kesulitan meramalkan pola-polanya untuk data-data akan datang berdasar data-data masa lalu. Ini adalah sifat dari proses stokastik. Ada algoritma, seringkali algoritma sederhana, yang bisa menghasilkan sinyal-sinyal yang pola-nya tidak menentu. Jika Anda tahu operasi internal suatu pembangkit sinyal, Anda masih bisa meramal masa depan, tetapi jika tidak, hampir tidak mungkin untuk meramalkannya. Pembangkit ini dinamakan sebagai pembangkit PN, atau pembangkit kaotik (chaotic generator).
Menggunakan MATLAB, mudah untuk menghasilkan PN, dan dapat digunakan sebagai model berbagai macam sistem dunia nyata. Apa yang akan kita bicarakan di artikel mendatang (Insya Alloh).
Artikel yang terkait…
- Sinyal Acak: Pendahuluan
- White Uniform Noise
- White Gaussian Noise
- Colored Noise,
- Pink Noise, Blue, Green, Red and Orange Noise,
- Random data signals.
Semoga bermanfaat…