Apa itu transformasi Fourier?

 (quantamagazine.org)
3 poin oleh GN⁺ 2025-09-05 | 1 komentar | Bagikan ke WhatsApp
  • Transformasi Fourier adalah perhitungan matematis yang menguraikan sinyal atau fungsi yang kompleks menjadi penjumlahan komponen frekuensi dasar
  • Telinga juga menerima berbagai gelombang suara lalu memisahkannya ke frekuensi yang berbeda-beda, dan matematikawan Fourier memformalkan hal ini pada abad ke-19 sehingga memicu inovasi matematika
  • Transformasi Fourier digunakan secara luas bukan hanya untuk analisis fungsi tetapi juga dalam kompresi, pemrosesan sinyal, fisika, mekanika kuantum dan banyak bidang lainnya
  • Transformasi ini berperan penting dalam mengompresi dan mengubah berbagai jenis data seperti gambar digital dan audio secara efektif
  • Dengan hadirnya algoritme Fast Fourier Transform (FFT), transformasi Fourier kini digunakan secara luas dalam kehidupan sehari-hari dan di seluruh teknologi TI

Ikhtisar

  • Saat mendengarkan musik, telinga kita menerima sinyal gelombang suara yang kompleks dan berperan menguraikannya berdasarkan frekuensi
  • Transformasi Fourier menyediakan cara untuk menguraikan fungsi yang kompleks menjadi penjumlahan gelombang dasar sehingga fungsi aslinya bisa diperoleh kembali
  • Metode ini ditemukan oleh matematikawan Prancis abad ke-19 Jean-Baptiste Joseph Fourier dan merevolusi analisis fungsi
  • Setelah itu, transformasi Fourier sangat mendorong perkembangan di berbagai bidang seperti analisis fungsi, pemrosesan sinyal, matematika, fisika, dan kini juga digunakan pada kompresi file, penguatan sinyal audio di komputer
  • Profesor Leslie Greengard dari New York University menyebut bahwa analisis Fourier memengaruhi hampir semua bidang matematika dan sains

Semangat dan penemuan Fourier

  • Fourier lahir di Prancis pada 1768 dan sejak kecil menerima pendidikan biara dan matematika
  • Saat bimbang antara agama dan matematika, ia dipenjara pada 1794 karena dianggap memiliki pemikiran kontra-revolusi, lalu kembali ke pendidikan matematika setelah Revolusi Prancis
  • Ia ikut dalam ekspedisi Mesir Napoleon sebagai penasihat ilmiah dan meneliti studi Mesir kuno serta masalah perpindahan panas
  • Ia menegaskan bahwa perpindahan panas pada batang logam dapat dinyatakan sebagai penjumlahan gelombang sederhana, yang memicu kontroversi besar di kalangan matematikawan sezamannya
    • Gagasan bahwa perubahan suhu yang tajam (misalnya batang yang setengah dingin dan setengah panas) pun dapat dijelaskan secara tepat sebagai jumlah tak hingga dari kurva halus merupakan klaim yang revolusioner
  • Pada akhirnya, Fourier memberi pengaruh besar pada dunia matematika dengan membuktikan bahwa fungsi arbitrer pun dapat dinyatakan sebagai penjumlahan getaran yang sangat sederhana
  • Namun, penerapannya terbatas untuk fungsi yang sangat ekstrem kompleksnya (tetap bergerigi meski diperbesar)

Prinsip transformasi Fourier

  • Transformasi Fourier bekerja dengan menguraikan objek yang kompleks menjadi komponen frekuensi yang berbeda-beda, seperti mengidentifikasi unsur aroma atau akor
  • Secara matematis, transformasi ini menerima fungsi sebagai masukan lalu menghitung seberapa besar kontribusi tiap frekuensi terhadap fungsi asli
    • Contoh: jika gelombang sinus berfrekuensi 3 dikalikan ke suatu fungsi tertentu lalu rata-rata grafiknya menjadi tinggi, berarti frekuensi itu banyak terkandung dalam fungsi aslinya
    • Jika pada frekuensi tertentu puncak positif dan negatif saling meniadakan sehingga rata-ratanya mendekati 0, berarti frekuensi itu hampir tidak terkandung
  • Transformasi Fourier mengukur koefisien ini untuk semua frekuensi, dan ketika dijumlahkan kembali, fungsi kompleks asli dapat dipulihkan
  • Sinyal dengan tepi tajam seperti gelombang persegi (misalnya sinyal digital) dapat didekati sebagai penjumlahan frekuensi tak hingga (deret Fourier)
  • Matematikawan awal sulit menerima bahwa jumlah tak hingga dari kurva halus dapat menghasilkan perubahan mendadak, tetapi kini hal itu digunakan sebagai alat penting

Dimensi lebih tinggi dan aplikasi dunia nyata

  • Transformasi Fourier juga diterapkan pada gambar, yaitu fungsi dua dimensi, yang dapat dipahami sebagai fungsi 2D yang merepresentasikan kecerahan piksel
  • Hasil transformasi Fourier pada gambar dapat ditafsirkan sebagai pola garis-garis dengan berbagai arah, dan dengan menggabungkan pola-pola ini gambar asli dapat direkonstruksi
  • Kompresi gambar seperti JPEG menghapus informasi frekuensi tinggi (detail kecil) untuk secara drastis mengurangi ukuran, sambil tetap mempertahankan karakteristik utama gambar
  • Pada 1960-an, algoritme Fast Fourier Transform (FFT) yang dirancang oleh James Cooley dan John Tukey secara revolusioner mempercepat perhitungan transformasi Fourier
  • Karena itu, transformasi Fourier menjadi teknologi esensial di berbagai bidang seperti pemrosesan sinyal data, ilmu komputer, pencitraan medis (MRI), astronomi, kompresi audio/video

Pengaruh dalam matematika dan sains modern

  • Transformasi Fourier adalah inti dari fisika (terutama mekanika kuantum) dan menyediakan dasar matematis bagi prinsip ketidakpastian
    • Contoh: semakin sempit posisi partikel diketahui (grafiknya makin runcing), semakin besar ketidakpastian momentumnya setelah transformasi Fourier
  • Cabang ilmu bernama harmonic analysis berkembang dan memainkan peran penting dalam mempelajari gelombang, transformasi balik fungsi, serta berbagai sifat fungsi
  • Dalam matematika, transformasi ini juga sangat terkait dengan teori bilangan, distribusi bilangan prima, dan lainnya
  • Profesor Charles Fefferman menekankan pentingnya hal ini dengan mengatakan bahwa tanpa transformasi Fourier, banyak bagian matematika akan lenyap

Kesimpulan

  • Transformasi Fourier adalah alat inti dalam sains dan teknologi modern, termasuk sinyal, data, gambar, dan fisika
  • Dampaknya sangat luas, dari inovasi matematis hingga teknologi praktis
  • Kini transformasi ini digunakan secara luas dalam komputer, komunikasi, medis, hiburan, dan banyak bidang lainnya

Bacaan terkait

1 komentar

 
GN⁺ 2025-09-05
Komentar Hacker News
  • Merekomendasikan video dari kanal Captain Disillusion yang menjelaskan dengan sangat keren bagaimana transformasi Fourier bekerja secara visual, serta bagaimana transformasi itu digunakan dalam efek visual seperti blur dan unblur
    https://youtu.be/xDLxFGXuPEc?feature=shared
    • Suka konten Captain Disillusion, tetapi menjelaskan bahwa episode 'CD / Blur' termasuk yang paling sedikit kandungan informasinya di seri tersebut. Tentu saja video itu dibuat agar menyenangkan dan mudah diakses, tetapi tidak sedalam video Fourier Transform (FT) dari 3Blue1Brown
    • Menganggap adegan penghormatan kepada Carl Sagan di video itu cukup lucu
  • Jika tertarik pada Fourier, kemungkinan juga akan menyukai transformasi Laplace (atau versi diskretnya, z-transform). Pernah benar-benar tenggelam dalam bidang ini dan mempelajarinya secara mendalam, dan sampai sekarang itu masih menjadi salah satu hobi riset yang sangat dinikmati. Aplikasi Fourier, Laplace, dan z-transform digunakan sangat luas di berbagai bidang. Secara pribadi paling sering memakainya dalam pemrosesan sinyal dan elektronika analog
    • Saat belajar elektronika, dulu belum ada sistem aljabar komputer, jadi harus mengubah fungsi alih dari transformasi Laplace ke z-transform dengan tangan. Caranya dengan mengembangkan, mengelompokkan ulang, dan memfaktorkan, sambil menghabiskan banyak kertas line printer serta pensil dan penghapus untuk latihan aljabar dasar yang membosankan. Mahasiswa zaman sekarang benar-benar beruntung
    • Dulu di Amazon sering harus memilih antara produk dengan rating tinggi tetapi jumlah ulasan sedikit, dan produk dengan rating sedikit lebih rendah tetapi ulasannya jauh lebih banyak. Pernah membuat ekstensi browser yang menerapkan Laplace Rule of Succession untuk menghitung skor Laplacian yang mempertimbangkan jumlah ulasan sekaligus rating. Hasilnya, pilihan yang diambil jadi jauh lebih bijak
      https://greasyfork.org/en/scripts/443773-amazon-ranking-laplace
    • Apa yang disebut 'Z-transform' untuk deret diskret pada dasarnya sama dengan fungsi pembangkit atau deret pangkat formal/deret Laurent. Deret diskret itu ditulis sebagai deret pangkat dari z^(-1)
    • Setiap kali memikirkan Laplace Transform, yang selalu terbayang adalah konsep seperti pole dan zero dalam teori kontrol
    • Pada dasarnya, teknik elektro/elektronika memang berpusat pada transformasi semacam ini
  • Di tengah suasana orang-orang yang saling berbagi referensi, diperkenalkan kuliah "Signals and Systems" oleh Dennis Freeman dari MIT, yang menjelaskan dengan sangat intuitif hubungan antara empat jenis transformasi Fourier (FT, DFT, Fourier Series, DTFT)
    https://ocw.mit.edu/courses/6-003-signals-and-systems-fall-2011/resources/lecture-19-relations-among-fourier-representations/
    • Dulu Wavelet transform sangat populer, jadi terasa aneh bahwa sekarang hampir tidak pernah dibicarakan lagi
  • BetterExplained.com juga punya panduan interaktif tentang Fourier transform yang sangat bagus
    https://betterexplained.com/articles/an-interactive-guide-to-the-fourier-transform/
  • Punya teori sendiri tentang mengapa Fourier Transform dan berbagai transformasi lain (fungsi pembangkit, Mellin/Laplace/Legendre/Haar, dan sebagainya) benar-benar berguna. Alasannya karena banyak fungsi di dunia nyata bersifat jarang (sparse) dan cocok untuk compressed sensing FT adalah transformasi 1:1 sehingga secara teoretis tidak ada kehilangan informasi, dan sering kali masalah menjadi jauh lebih sederhana jika dilihat di ruang frekuensi. Alasannya, fungsi yang tampak rumit dari luar sering tersusun dari building block yang lebih sederhana di ruang transformasi Misalnya, sinyal suara kepakan sayap lalat di Paris tampak rumit, tetapi dalam FT akan muncul puncak kuat pada satu frekuensi. Penjumlahan dua gelombang sinus juga tampak rumit dalam bentuk aslinya, tetapi setelah ditransformasikan oleh FT, keduanya terpisah jelas di dua titik Alasan FT (dan DCT, misalnya) dipakai pada JPEG, MP3, dan sebagainya adalah karena kompresi data dimungkinkan dengan membuang komponen frekuensi yang tidak penting bagi indra manusia (pendengaran/penglihatan) Keajaiban FT bukan hanya bahwa ia mentransformasikan ke basis ortogonal, tetapi bahwa sinyal nyata sering bisa dijelaskan dengan cukup akurat hanya oleh sejumlah kecil komponen basis
    • Dalam konteks ini, Taylor Series juga berguna untuk mendekati dinamika dunia nyata sebagai gabungan "terutama efek linear + non-linear". Gaya hambat adalah contohnya; jika memakai deret Taylor, ia bisa dipisahkan menjadi viskositas (suku linear) dan perpindahan volume (suku kuadratik). Di udara nyata, koefisien suku linearnya sangat kecil, tetapi pendekatan ini membantu memahami strukturnya
    • Salah satu alasan FT menjadi sangat dominan adalah karena sinus, cosinus, dan eksponensial kompleks merupakan eigenfunction dari operator diferensial. Karena banyak sistem nyata dideskripsikan oleh persamaan diferensial, FT menjadi alat analisis dasar. Secara khusus, alasan sinyal dunia nyata sering tampak sparse di ruang FT adalah karena sebagian besar sistem nyata memiliki gerakan periodik (motor atau kepakan sayap lalat, misalnya), sehingga pemisahan komponennya sangat efisien dalam FT. Semua sinyal memiliki struktur yang dapat diuraikan menjadi harmonik dari frekuensi dasar
    • Pada akhirnya, yang penting adalah fakta bahwa 'sinyal yang dikenali manusia lebih sparse'. Timbre biola yang nyata sebenarnya jauh dari gelombang sinus, tetapi otak memersepsikannya sebagai satu warna bunyi ideal. Artinya, model persepsi kita sendiri memang sangat terkompresi
  • Saat mencoba benar-benar "merasakan" Fourier Transform, bagian yang terasa sulit adalah bahwa untuk menghitung osilasi sinyal secara nyata, kita harus menunggu selama suatu interval waktu, dan proses transformasinya melibatkan integral. Secara visual, kita diperlihatkan seluruh sinyal sekaligus, tetapi dalam kehidupan nyata sinyal masuk secara bertahap, jadi tidak sesederhana itu. Ingin membaca lebih dalam tentang kasus seperti ini
    • Untuk kasus seperti ini, diperlukan konsep time-frequency analysis, dan alat kuncinya adalah Short-Time Fourier Transform (STFT). Spektrogram musik dan berbagai visualisasi dibangun di atas konsep ini
    • Untuk sinyal streaming, digunakan sliding window FFT. Ukuran jendela membatasi pita frekuensi minimum/maksimum yang bisa dideteksi. Kuantisasi waktu pada data digital juga membatasi pita frekuensi tinggi, dan ketebalan jendela tak terelakkan menimbulkan latency, yang penting dalam pemfilteran suara real-time
    • Secara intuitif, ini mirip dengan melakukan konvolusi dengan jendela waktu. Ukuran jendela menentukan pita frekuensi yang bisa dideteksi
    • Biasanya FFT dijalankan pada potongan pendek seperti 512 sampel. Atau memakai 1024 sampel yang saling tumpang tindih sambil maju 512 sampel setiap langkah; makin banyak sampel, makin tinggi ketelitiannya
  • Tulisan ini benar-benar membuat saya tercerahkan tentang Fourier Transform. Untuk pertama kalinya saya memahami prinsip bitmap terkompresi pada gambar, dan sekarang saya ingin mencoba sendiri eksperimen kompresi atau memecah sinyal kontinu menjadi komponen-komponen pembentuknya Saya juga ingin mencoba menerapkannya pada colour quantisation, misalnya mencari komponen RGB utama/rata-rata lalu melakukan reduksi warna dengan menyisakan hanya komponen yang lebih sparse, alih-alih menyebarkan error seperti pada dithering tradisional. Mungkin saja tidak berhasil, tetapi saya menantikan proses belajar lewat mencobanya
  • Ini mungkin sumber yang baik bagi orang yang baru mulai mengenal Fourier Transform, tetapi juga bisa membuatnya terasa jauh lebih arbitrer dan acak daripada kenyataannya. Bahkan bisa menimbulkan ilusi bahwa seseorang sudah memahami keseluruhannya, lalu justru melewatkan hal-hal yang lebih indah Semoga tidak sampai melewatkan bunga dari Fourier Analysis, yang mungkin merupakan salah satu hal terindah dalam hidup, hanya karena mengira kita sudah memilikinya
    https://news.ycombinator.com/item?id=45134843 pertanyaan ini bisa menjadi petunjuk tentang keindahan yang tersembunyi
  • Jika ingin mengalami Fourier Transform secara visual dengan lebih mendalam, penjelasan explorable ini sangat bermanfaat
    https://injuly.in/blog/fourier-series/index.html, https://www.jezzamon.com/fourier/
  • Kagum pada cerita bahwa Fourier pernah berargumen bahwa distribusi panas melalui batang bisa dinyatakan sebagai penjumlahan bentuk gelombang sederhana. Rasanya seperti, 'Bagaimana mungkin dia bisa memikirkan itu?' Memang ada orang-orang yang terlahir berbeda
    • Fourier tampaknya benar-benar akrab dengan berbagai isu matematika seperti persamaan diferensial, pengembangan deret, dan masa awal yang kacau dari kalkulus. Selama 200 tahun, frontier matematika yang baru dan keren juga sudah banyak berubah