Analisa Perbandingan Watermarking Image dengan menggunakan Metode Discrete Wavelet Transform TUGAS AKHIR

UNIVERSITAS INDONESIA

Analisa Perbandingan Watermarking Image dengan menggunakan Metode Discrete Wavelet Transform

TUGAS AKHIR

ARIF RAKHMAN HAKIM 0906603272

FAKULTAS TEKNIK PROGRAM TEKNIK ELEKTRO DEPOK JUNI 2012

UNIVERSITAS INDONESIA

Analisa Perbandingan Watermarking Image dengan menggunakan Metode Discrete Wavelet Transform

TUGAS AKHIR

Diajukan sebagai salah satu syarat untuk memperoleh gelar sarjana

ARIF RAKHMAN HAKIM 0906603272

FAKULTAS TEKNIK PROGRAM STUDI TEKNIK ELEKTRO EKSTENSI TEKNIK ELEKTRO DEPOK JUNI 2012 ii

HALAMAN PERNYATAAN ORISINALITAS

Skripsi ini adalah hasil karya saya sendiri, dan semua sumber baik yang dikutip maupun dirujuk telah saya nyatakan dengan benar.

Nama

: Arif Rakhman Hakim

NPM

: 0906603272

Tanda Tangan

:

Tanggal

: 13 Juni 2012

iii

Universitas Indonesia

HALAMAN PENGESAHAN

Skripsi ini diajukan oleh

:

Nama

: Arif Rakhman Hakim

NPM

: 0906603272

Program Studi

: Teknik Elektro

Judul Skripsi

: Analisa Perbandingan Watermarking Image dengan menggunakan Metode Discrete Wavelet Transform

Telah berhasil dipertahankan di hadapan Dewan Penguji dan diterima sebagai bagian persyaratan yang diperlukan untuk memperoleh gelar Sarjana Teknik pada Program Studi Sarjana Teknik Elektro Fakultas Teknik, Universitas Indonesia

DEWAN PENGUJI

Pembimbing

: Prof. Dadang Gunawan

(

)

Penguji I

: .......................................... (

)

Penguji II

: .......................................... (

)

Ditetapkan di

: .....

Tanggal

: .....

iv


KATA PENGANTAR Puji dan syukur penulis panjatkan kepada Allah Yang Maha Kuasa, yang telah memberikan rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan tugas akhir dengan judul “Watermarking pada Citra Digital dengan Metode DWT”. Tugas akhir ini merupakan salah satu syarat untuk memperoleh kelulusan untuk mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam UI pada jenjang pendidikan tingkat Diploma. Dalam proses pembuatan laporan tugas akhir

ini, penulis banyak

mendapat dukungan serta bantuan dari berbagai pihak sehingga penulis dapat menyelesaikan Laporan ini

tepat pada waktunya. Penulis mengucapkan rasa

terima kasih sebesar-besarnya kepada :

1. Papa, mama yang telah mendidik dan membesarkan saya dengan penuh pengorbanan dan kasih sayang serta seluruh keluarga yang saya sayangi yang telah memberi dukungan baik moral dan materiil dalam menyelesaikan Tugas Akhir ini. 2. Bapak Prof.Dr.Ir.Dadang Gunawan M Eng, selaku pembimbing tugas akhir yang banyak memberikan arahan dalam mengerjakan tugas akhir ini. 3. Bapak Filbert, selaku dosen elektro yang telah memberikan awal pengarahan dalam mengerjakan tugas akhir. 4. Rangga GP, selaku partner saya dalam pembuatan tugas akhir ini. 5. Segenap staf, dosen, karyawan di Fakultas Teknik, yang telah memberikan dukungannya dalam menyelesaikan tugas akhir ini. 6. Keluarga besar Teknik 2009, yang tidak bisa saya sebutkan satu persatu, atas segala sumbangsih, perhatian dan dukungannya.

v


Dalam penulisan Laporan tugas akhir ini, penulis menyadari masih jauh dari sempurna. Untuk itu penulis sangat mengharapkan kritik dan saran yang membangun dari semua pihak. Demikianlah Laporan tugas akhir yang penulis buat ini, penulis berharap mudah-mudahan laporan ini dapat bermanfaat bagi semua pihak, dan dapat menjadi referensi bagi rekan-rekan mahasiswa Fakultas Teknik Jurusan Teknik Elektro yang nantinya menyusun Laporan tugas akhir seperti yang penulis lakukan sekarang. Terima kasih.

Depok, 13 Juni 2012

vi


HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS

Sebagai sivitas akademik Universitas Indonesia, saya yang bertanda tangan di bawah ini: Nama NPM Program Studi Departemen Fakultas Jenis karya

: Arif Rakhman Hakim : 0906603272 : Ekstensi Teknik Elektro : Teknik Elektro : Teknik : Skripsi

demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Indonesia Hak Bebas Royalti Noneksklusif (Non-exclusive Royalty Free Right) atas karya ilmiah saya yang berjudul : Watermarking pada Citra Digital dengan Metode DWT

beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Noneksklusif ini Universitas Indonesia berhak menyimpan, mengalihmedia/formatkan, mengelola dalam bentuk pangkalan data (database), merawat, dan memublikasikan tugas akhir saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik Hak Cipta. Demikian pernyataan ini saya buat dengan sebenarnya.

Dibuat di : ……………………. Pada tanggal : ……………………. Yang menyatakan

( Arif Rakhman Hakim)

vii


ABSTRAK

Nama Program Studi Judul

: Arif Rakhman Hakim : Teknik Elektro : Analisa Perbandingan Watermarking Image dengan Menggunakan Metode Discrete Wavelet Transform

Watermarking merupakan teknik penyisipan data atau informasi yang bersifat rahasia ke dalam media data digital lainnya. Watermarking pada citra digital dibutuhkan sebagai perlindungan terhadap kepemilikan citra digital. Pada tugas akhir ini dibuat perancangan simulasi watermarking dengan menggunakan transformasi wavelet diskrit dan hasil percobaan dianalisa dari beberapa parameter. Salah satu parameter yang digunakan yaitu dengan menghitung nilai MSE dan PSNR. Semakin besar nilai PSNR semakin besar tingkat kualitas citra terwatermark. Dari beberapa keluarga wavelet yang diuji, diskrit meyer yang memberikan nilai PSNR yang paling tinggi. Ketahanan dari citra yang disisipi (watermark) tergantung dari kualitas citra yang diuji.

Kata kunci

: watermarking, diskrit wavelet transform

viii


ABSTRACT

Name Program of Study Title

: Arif Rakhman Hakim : Electrical Engineering : Comparative analysis with the Image Watermarking Using the Discrete Wavelet Transform Methods

Watermarking is a technique of embedding the data or information that is confidential to the other digital data media. Digital image watermarking is needed as protection against the ownership of digital images. In this final project design simulated watermarking is made using discrete wavelet transform and the experimental results are analyzed from several parameters. One of the parameters used to calculate the value of MSE and PSNR. The larger value of PSNR means the greater levels of watermarked image quality. From several wavelet families were tested, discrete meyer which gives the highest PSNR value. Resistance of the embeded image (watermark) depends on the quality of the image being tested.

Key words

: watermarking, discrete wavelet transform

ix


DAFTAR ISI

HALAMAN PENGESAHAN .................................................................................. iv KATA PENGANTAR ................................................................................................ v HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI ......................... vii ABSTRAK ................................................................................................................ viii DAFTAR ISI ................................................................................................................ x DAFTAR GAMBAR ................................................................................................ xii DAFTAR TABEL .................................................................................................... xiii DAFTAR LAMPIRAN ............................................................................................xiv BAB I PENDAHULUAN ............................................................................................ 1 1.1.

Latar Belakang ................................................................................................ 1

1.2.

Tujuan Penelitian ............................................................................................ 3

1.3.

Batasan Masalah ............................................................................................. 3

1.4.

Ruang Lingkup ............................................................................................... 4

1.5.

Sistematika Penulisan ..................................................................................... 4

BAB 2 WATERMARKING ....................................................................................... 5 2.1.

Watermarking ................................................................................................. 5

2.1.1.

Sejarah watermarking .............................................................................. 5

2.1.2.

Pengertian Watermarking ........................................................................ 5

2.1.3.

Jenis-jenis watermarking ......................................................................... 6

2.1.4.

Type watermark ...................................................................................... 7

2.1.5.

Kriteria watermarking ............................................................................. 7

2.1.6.

Klasifikasi watermarking ........................................................................ 9

2.1.7.

Aplikasi watermarking .......................................................................... 11

2.1.8.

Digital image watermarking ................................................................. 12

2.2.

Citra digital ................................................................................................... 14

2.3.

Transformasi citra ......................................................................................... 16

2.3.1.

Domain dalam transformasi sinyal ........................................................ 17

2.3.3.

Wavelet .................................................................................................. 21

x


2.3.4.

Transformasi wavelet (wavelete transform) .......................................... 22

2.3.5.

Discrete wavelet transform (DWT) ....................................................... 24

2.4.

MATLAB ..................................................................................................... 29

BAB 3 PERANCANGAN DAN IMPLEMENTASI ............................................... 32 3.1.

Sarana Implementasi ..................................................................................... 32

3.2.

Perangkat Keras ............................................................................................ 32

3.3.

Perangkat Lunak ........................................................................................... 32

3.4.

Algoritma watermarking ............................................................................... 32

3.4.1.

Pembentukan Citra terwatermark .......................................................... 33

3.4.2.

Pengekstrakan Citra Terwatermark ....................................................... 37

BAB 4 HASIL DAN PEMBAHASAN ..................................................................... 40 4.1.

Analisa terhadap citra asli ............................................................................. 40

4.2.

PSNR ............................................................................................................ 46

4.3.

Analisa robustness (ketahanan) citra watermark ......................................... 48

BAB 5 KESIMPULAN dan SARAN ....................................................................... 51 DAFTAR PUSTAKA ................................................................................................ 52

xi


DAFTAR GAMBAR

Gambar 2. 1 Proses Penyisipan Watermark ................................................................ 13 Gambar 2. 2 Proses Ekstraksi Watermark ................................................................... 13 Gambar 2. 3 Contoh Citra Biner 1 Bit ......................................................................... 15 Gambar 2. 4 Contoh Citra Grayscale 4 Bit ................................................................ 15 Gambar 2. 5 Contoh Citra Warna 4 Bit ....................................................................... 16 Gambar 2. 6 Representasi 3 Byte Citra Warna............................................................ 16 Gambar 2. 7 Contoh citra 1 dimensi............................................................................ 18 Gambar 2. 8 Hasil proses transformasi perataan dan pengurangan dari gambar . ...... 19 Gambar 2. 9 Proses perataan dan pengurangan dengan dekomposisi penuh . ............ 20 Gambar 2. 10 Hasil proses dekomposisi penuh........................................................... 20 Gambar 2. 11 Hasil dekomposisi perataan dan pengurangan pada citra 2 dimensi. ... 21 Gambar 2. 12 (a) Gelombang (Wave), (b) Wavelet ..................................................... 21 Gambar 2. 13 Dekomposisi Wavelet Tiga Tingkat ..................................................... 26 Gambar 2. 14 Dekomposisi Wavelet dengan Frekuensi Sinyal Asal f=0 ~ π.............. 27 Gambar 2. 15 Rekonstruksi wavelet tiga tingkat......................................................... 28 Gambar 3. 1 Proses pembentukan citra berwatermark................................................ 33 Gambar 3. 2 Citra Asli RGB ke bentuk grayscale...................................................... 34 Gambar 3. 3 Citra Watermark ..................................................................................... 34 Gambar 3. 4 Transformasi wavelet 2 dimensi 1 level ................................................. 35 Gambar 3. 5 Dekomposisi Citra Asli .......................................................................... 36 Gambar 3. 6 Proses pengekstrakan watermark ........................................................... 37 Gambar 4. 1 Bunga. ..................................................................................................... 41 Gambar 4. 2 Ikan ......................................................................................................... 41 Gambar 4. 3 Rumah ..................................................................................................... 42 Gambar 4. 4 (A) citra bunga (asli) Grayscale (B) citra bunga terwatermark .............. 42 Gambar 4. 5 (A) citra ikan asli (B) citra terwatermark ............................................... 44 Gambar 4. 6 (A) citra rumah asli (B) citra rumah terwatermark ................................. 45 Gambar 4. 7 Gambar terwatermark sebelum dan sesudah diserang noise. ................. 49 Gambar 4. 8 Hasil ekstraksi. ....................................................................................... 50

xii


DAFTAR TABEL

Tabel 3. 1 Spesifikasi Perangkat Keras ....................................................................... 32 Tabel 4. 1 Hasil survei 1 terhadap 10 orang responden. ............................................. 43 Tabel 4. 2 hasil survei 2 terhadap 10 orang responden. .............................................. 44 Tabel 4.3 hasil survei 3 terhadap 10 orang responden ............................................... 45 Tabel 4.4 Tabel nilai PSNR hasil pengujian ............................................................... 47 Tabel 4.5 Tabel pengujian citra sebelum diberi noise “salt&pepper” ....................... 48 Tabel 4.6 Tabel pengujian setelah diberi noise “salt&pepper” ……...……………….49

xiii


DAFTAR LAMPIRAN

Lampiran 1 Gambar penyisipan watermark dengan metode diskrit meyer ................. 55 Lampiran 2 Gambar penyisipan watermark dengan metode daubechies .................... 56 Lampiran 3 Gambar penyisipan watermark dengan metode haar ............................... 59 Lampiran 4 Gambar penyisipan watermark dengan metode symlet ........................... 61 Lampiran 5 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra grayscale .................................................................................................. 63 Lampiran 6 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra grayscale .................................................................................................. 66 Lampiran 7 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra grayscale .................................................................................................. 69 Lampiran 8 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra grayscale .................................................................................................. 72 Lampiran 9 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra grayscale .................................................................................................. 75 Lampiran 10 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra grayscale .................................................................................................. 78 Lampiran 11 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra grayscale .................................................................................................. 81 Lampiran 12 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra grayscale ................................................................................................. 84

xiv


BAB 1 PENDAHULUAN

1.1. Latar Belakang Perkembangan teknologi komputer dan internet sejauh ini berkembang begitu pesat dari tahun ke tahun. Perkembangan tekhnologi belakangan ini sudah memasuki tahap digital. komputer dan internet sendiri menjadi user friendly dimana setiap orang dapat dengan mudah mengakses serta dapat memberikan berbagai informasi dalam bentuk media digital. Media digital dapat berupa teks, audio, video dan citra. Internet sendiri adalah sistem distribusi yang sangat baik untuk media digital karena murah dan proses pingiriman datanya bisa dikatakan sangat cepat. Dengan kemudahan mengakses data digital ini seseorang yang tidak berhak atau tidak bertanggung jawab dapat menyalahgunakan atau mengklaim hak cipta orang lain, salah satu contohnya adalah pembajakan di dunia maya. Pembajakan di dunia maya tidak hanya seputar video atau musik saja, tetapi juga terjadi dalam media gambar atau citra. Pembajakan sangat merugikan bagi penciptanya, dilihat dari risikonya oleh karena itu pemilik hak cipta mencari tekhnologi yang dapat melindungi dari hak-hak cipta mereka, untuk itu di perlukan suatu perlindungan hak cipta salah satunya adalah dengan cara teknik watermarking. Watermarking merupakan salah satu cabang dari ilmu steganography. Dimana steganography adalah suatu cabang ilmu yang mempelajari bagaimana teknik menyembunyikan suatu data atau informasi yang bersifat rahasia ke dalam media informasi lainnya. Dalam proses penyembunyian data atau informasi selain steganography terdapat juga cryptography. Kedua cabang ilmu tersebut, memiliki prinsip yang sama yaitu menyembunyikan informasi yang bersifat rahasia. Namun yang membedakan keduanya ialah pada proses penyembunyian data dan hasil akhir dari proses tersebut. Pada cryptography data asli mengalami proses pengacakan dengan menggunakan teknik enkripsi

1


2

tertentu sehingga data asli benar-benar berbeda dengan data yang telah terenkripsi (tetapi dapat dikembalikan kebentuk semula atau gambar aslinya). Sedangkan pada steganography suatu data asli disembunyikan dalam suatu data lain yang akan ditumpangi tanpa mengubah data yang ditumpangi (host) tersebut. Jadi secara visual data asli terlihat sama persis dengan data yang telah diproses secara steganography. Watermarking merupakan teknik penyisipan (embedding) informasi kedalam media data digital seperti citra, audio dan video secara rahasia. Informasi yang akan disisipkan harus dapat diperoleh kembali meskipun data digital telah diproses, disalin, atau didistribusikan. Informasi yang akan disisipkan kedalam data digital dinamakan tanda air digital (digital watermark), sedangkan data digital yang disisipi dinamakan data orisinal (host data ). Untuk data digital yag telah disisipi watermark dinamakan data bertanda air (watermarked data) (1). Watermarking berbeda dengan tanda air pada uang kertas, dimana pada uang kertas tanda air tersebut masih dapat dilihat dengan mata telanjang. Sedangkan watermarking yang diaplikasikan pada media digital dimaksudkan agar watermarking secara visual tidak dapat dirasakan kehadirannya oleh indra manusia tetapi hanya dapat diketahui dengan menggunakan alat pengelola data digital seperti komputer. Dalam pembentukan watermarking, setiap informasi yang disisipkan ke media digital haruslah tidak merusak kualitas media digital tersebut. Sehingga dalam citra digital mata tidak dapat membedakan apakah citra digital tersebut telah disisipkan watermark atau belum. Sama halnya dalam musik atau audio digital, diharapkan telinga manusia tidak mengetahui adanya perubahan yang didengar setelah penyisipan data tersebut. Jadi pada digital watermarking, digital watermark atau informasi yang disisipkan pada media digital haruslah bersifat imperceptible atau tidak terdeteksi oleh panca indera manusia baik secara audio maupun visual. Dan digital watermark tersebut adalah sebuah kode identifikasi


3

yang secara permanen disisipkan kedalam data digital dengan membawa informasi yang berhubungan dengan perlindungan hak cipta dan otentikasi data. Watermarking

dalam

penerapannya terhadap

data digital

dapat

digolongkan menjadi dua bagian yaitu pada domain spasial dan domain transformasi. Watermarking yang bekerja pada domain spasial langsung mengubah nilai pixel pada citra asli. Metode tersebut memiliki kompleksitas komputasi yang rendah namun tidak tahan terhadap serangan. Sedangkan watermarking pada domain transformasi seperti FFT ( Fast Fourier Transform), DCT (Discrete Cosine Transform), Discrete Wavelet Transform (DWT) memiliki lebih banyak keuntungan dan kinerja yang lebih baik daripada teknik yang bekerja pada domain spasial (2). Pada penelitian tugas akhir ini akan dilakukan watermarking pada citra digital. Metode watermarking yang akan digunakan adalah Discrete Wavelet transform (DWT). 1.2. Tujuan Penelitian Tujuan yang ingin dicapai dalam penulisan skripsi ini adalah merancang dan mensimulasi algoritma watermarking dengan menyisipkan watermark kedalam citra host (gambar yang akan disisipkan watermark) dengan menggunakan discrete wavelet transform (DWT), dan mengekstrak kembali watermark yang telah disisipkan. Manfaat dari penelitian ini adalah membantu melindungi hak cipta orang lain dari orang-orang yang tidak bertanggung jawab dalam penyalahgunaan menggunakan data digital terutama pada data gambar atau citra. 1.3. Batasan Masalah Pada

penelitian

tugas

akhir

ini,

dibuat

“analisa

perbandingan

watermarking image menggunakan discrete wavelet transform” dengan batasan masalah bagaimana menjalankan proses watermarking dengan menyisipkan gambar watermark ke dalam citra digital dengan menggunakan berbagai macam keluarga

wavelet dan membandingkan hasil gambar terwatermark yang


4

diperoleh .Bahasa pemprogram yang digunakan adalah bahasa program matlab dari matchwork inc. 1.4. Ruang Lingkup Dalam penelitian ini, ruang lingkup aplikasi watermarking menggunakan teknik discrete wavelet transform adalah sebagai berikut : 1. Input berupa file citra digital berwarna atau citra grayscale 2. File watermark berupa citra .png 3. Transformasi file citra digital menggunakan transformasi wavelet discrete (DWT). 4. Output berupa file citra digital yang telah ter-watermark dan file watermark hasil ekstraksi. 5. Implementasi menggunakan bahasa pemrograman MATLAB 2009b. 1.5. Sistematika Penulisan BAB I PENDAHULUAN Bab ini menerangkan latar belakang masalah, tujuan penelitian, batasan masalah, ruang lingkup, sistematika penulisan. BAB II WATERMARKING Bab

ini

menerangkan

tentang

pengertian

watermarking,

dan

pembahasannya. BAB III PERANCANGAN SIMULASI Bab ini mengenai proses perancangan simulasi algoritma wavelet menggunakan program MATLAB. BAB IV HASIL DAN PEMBAHASAN Bab

ini mengenai hasil dan pembahasan dari proses pembentukan citra

terwatermark BAB V KESIMPULAN Bab ini berisi kesimpulan dari hasil citra terwatermark yang dibuat


BAB 2 WATERMARKING

2.1. Watermarking 2.1.1. Sejarah watermarking Sejarah dimulainya watermarking sudah ada sejak 700 tahun yang lalu. Pada sekitar akhir abad ke 13, pabrik kertas di fabriano (italia), membuat kertas yang diberi watermark atau tanda air dengan cara menekan bentuk cetakan gambar atau tulisan pada kertas yang baru setengah jadi. Ketika kertas dikeringkan, terbentuklah suatu kertas yang ber-watermark. Kertas ini biasanya digunakan oleh seniman dan sastrawan untuk menulis karya mereka. Kertas yang sudah di bubuhi watermark tersebut sekaligus dijadikan identifikasi bahwa karya seni diatasnya adalah milik mereka. Perkembangan watermarking selanjutnya adalah watermarking pada media digital. Watermarking pada media digital ini mulai dikembangkan pada tahun 1990 di Jepang dan tahun 1993 di Swiss (3). 2.1.2. Pengertian Watermarking Watermarking atau tanda air dapat diartikan sebagai suatu teknik penyisipan dan atau penyembunyian informasi yang bersifat rahasia pada suatu data lainnya untuk "ditumpangi" (kadang disebut dengan host data), tetapi orang lain tidak menyadari adanya kehadiran data tambahan pada data host-nya (Istilah host digunakan untuk data atau sinyal digital yang disisipi), sehingga seolah-olah tidak ada perbedaan berarti antara data host sebelum dan sesudah proses watermarking (4). Disamping itu data yang sudah diberi watermark harus tahan (robust) terhadap segala perubahan baik secara sengaja maupun tidak, yang bertujuan untuk menghilangkan data watermark yang terdapat di data utamanya. Watermark juga harus tahan terhadap berbagai jenis pengolahan atau proses digital yang tidak merusak kualitas data yang diberi watermark

5


6

Watermarking dapat juga dipandang sebagai kelanjutan cryptography, namun watermarking berbeda dengan cryptography, letak perbedaannya adalah hasil keluarannya. Hasil dari cryptography biasanya berupa data yang berbeda dari bentuk aslinya dan biasanya datanya seolah-olah berantakan (tetapi dapat dikembalikan ke bentuk semula), sedangkan hasil keluaran dari watermarking ini memiliki bentuk persepsi yang hampir sama dengan bentuk aslinya, tentunya oleh persepsi indera manusia, tetapi tidak oleh komputer atau perangkat pengolah digital lainnya (4). Watermarking

pada

data

digital

merupakan

teknologi

untuk

memberikan perlindungan dan membuktikan hak kepemilikan ataupun keaslian atas karya digital, mendeteksi copy yang sah, mengatur penggunaan data yang sah dan menganalisis penyebaran data melalui jaringan dan server. Watermarking berkembang seiring dengan perkembangan jaman dengan munculnya watermarking pada media digital atau disebut dengan digital watermarking. Salah satu prinsip dalam digital watermarking adalah informasi yang disisipkan pada media digital tidak boleh mempengaruhi kualitas media digital tersebut. Jadi pada citra digital, mata manusia tidak dapat membedakan apakah citra tersebut disisipi watermark atau tidak. Oleh karena itu pada digital watermarking terdapat persyaratan bahwa digital watermark yang disisipkan dalam citra digital haruslah imperceptible atau tidak terdeteksi oleh sistem penglihatan manusia (Human Visual System) atau sistem pendengaran manusia (Human Auditory System). Digital watermarking sendiri adalah sebuah kode identifikasi yang secara permanen disisipkan kedalam data digital dengan membawa informasi yang berhubungan dengan perlindungan hak cipta dan otentikasi data. 2.1.3. Jenis-jenis watermarking Pada digital watermarking terdapat empat jenis berdasarkan media digital yang disisipi, yaitu (5):


7

1. Text watermarking Watermark disisipkan pada media digital seperti dokumen atau teks. 2. Image watermarking Watermark disisipkan pada citra digital. 3. Audio watermarking Watermark disisipkan pada file audio digital, seperti mp3, mpeg, dan sebagainya. 4. Video watermarking Watermark disisipkan pada gambar bergerak atau disebut dengan video digital. 2.1.4. Type watermark Pada dasarnya terdapat dua jenis type watermark yaitu (6): a. Visible Dikatakan visible karena jenis watermark dapat dilihat oleh panca indra manusia (mata telanjang). Sifat watermark ini sangat kuat bahkan sangat sulit dihapus keberadaannya walaupun tidak menjadi bagian dari image. Sebagai contohnya adalah logo transparan dari stasiun televisi yang ada pada sudut kanan atau kiri atas televisi. b. Invisible Dikatakan Invisible karena watermark jenis ini tidak dapat dilihat oleh panca indera, yang bertujuan memberikan informasi yang bersifat rahasia dan untuk melindungi hak cipta orang lain dari orang yang tidak bertanggung jawab. Jenis watermark ini dapat dilihat melalui proses komputasi, dengan cara mengekstrak gambar yang terwatermark. 2.1.5. Kriteria watermarking Penyisipan data rahasia pada citra digital akan mengubah kualitas citra tersebut, sehingga ada hal-hal yang perlu diperhatikan dalam penerapan metode watermarking. Sebuah teknik watermarking yang baik juga harus memenuhi persyaratan di antaranya adalah sebagai berikut (6):


8

1. Fidelity , yaitu mutu citra penampung tidak jauh berubah setelah penambahan data rahasia, dengan perkataan lain citra hasil watermarking masih terlihat dengan baik. Pengamat tidak mengetahui kalau pada citra tersebut sudah tersisipi data rahasia. Untuk data penampung yang berkualitas tinggi, maka Fidelity dituntut setinggi mungkin sehingga tidak merusak data aslinya. 2. Robustness, yaitu data yang disembunyikan harus tahan terhadap manipulasi yang dilakukan pada citra penampung (seperti pengubahan kontras, penajaman, pemampatan, rotasi, perbesaran gambar, enkripsi, dan sebagainya ). Bila pada citra dilakukan operasi pengolahan citra, maka data yang disembunyikan tidak rusak (watermark masih bisa terdeteksi). Namun kadang-kadang sebuah watermark hanya tahan terhadap sebuah proses tertentu tapi rentan terhadap proses yang lain. 3. Tamper resistence, yaitu ketahanan system watermarking terhadap kemungkinan

adanya

serangan

atau

usaha

untuk

mengubah,

menghilangkan, bahkan untuk memberikan watermark palsu terhadap data penampung. Serangan yang sering terjadi pada watermark diantaranya : a. Active attacks, merupakan serangan untuk menghilangkan watermark yang ada dalam data penampung. b. Passive attacks, merupakan serangan yang bertujuan hanya untuk mengetahui apa isi watermark tersebut saat di sisipi pesan dalam data penampung. c. Collusion attacks, merupakan serangan untuk menghasilkan sebuah duplikasi dari data penampung yang tidak memiliki watermark. d. Forgery attacks, merupakan serangan yang tidak hanya bertujuan untuk membaca atau menghilangkan watermark yang ada, tetapi juga menanamkan suatu watermark yang baru kedalam data penampung. 4. Imperceptibility, yaitu keberadaan watermark tidak dapat di persepsi oleh indra visual. Hal ini bertujuan untuk menghindari gangguan pengamatan visual.


9

5. Non-invertibility, secara komputasi sangat sukar menemukan watermark bila diketahui hanya citra berwatermark saja. 6. Key uniqueness, yaitu kunci yang berbeda menghasilkan watermark yang berbeda. Ini berarti penggunaan kunci yang salah dapat menyebabkan hasil ekstraksi atau deteksi watermark yang salah pula. 7. Recovery, yaitu data yang disembunyikan harus dapat diungkapkan kembali. Karena tujuan dari watermarking adalah penyembunyian data, maka sewaktu-waktu data rahasia dalam citra penampung harus dapat diambil kembali untuk dapat bisa digunakan lebih lanjut. 2.1.6. Klasifikasi watermarking Klasifikasi teknik watermarking digital pada saat ini cukup banyak. Ada beberapa teknik watermarking berdasarkan domain kerjanya, yaitu (4): 1. Teknik watermarking yang bekerja pada domain spasial (spatial domain watermarking). Teknik ini bekerja dengan cara menyisipkan watermark secara langsung kedalam domain spasial dari suatu citra. Istilah domain spasial sendiri mengacu pada piksel-piksel penyusun sebuah citra. Teknik watermarking jenis ini beroperasi secara langsung pada piksel-piksel tersebut. Beberapa contoh teknik yang bekerja pada domain spasial adalah teknik penyisipan pada Least Significant Bit (LSB) oleh Johnson and Jajodia (1998), metode patchwork yang diperkenalkan oleh Bender et al (1996), Teknik adaptive spatial-domain watermarking diusulkan oleh Lee dan Lee (1999). 2. Teknik watermarking yang bekerja pada domain transform (transform domain watermarking). Pada transform domain watermarking (sering juga disebut dengan frequency domanin watermarking) ini penyisipan watermark dilakukan pada koefisien frekuensi hasil transformasi citra asalnya. Ada beberapa transformasi yang umum digunakan oleh para peneliti, yaitu: discrete


10

cosine transform (DCT), discrete fourier transform (DFT), discrete wavelet transform (DWT) maupun discrete laguerre transform (DLT). Berikut ini beberapa contoh algoritma watermarking digital pada domain frekuensi : Koch dan Zhao (1995) memperkenalkan teknik randomly sequenced pulse position modulated code (RSPPMC) yang bekerja pada domain DCT. Kemudian Cox et al (1997) mengusulkan teknik watermarking digital yang dianalogikan dengan teknik spread spectrum communication. Teknik yang hampir serupa dengan proposal Cox et al (1997) diperkenalkan oleh Fotopoulos et al (2000), letak perbedaanya adalah dalam penggunaan blok DCT tempat penanaman watermark. Teknik lain yang memanfaatkan DCT adalah yang diusulkan oleh Barni et al (1998), ia memanfaatkan pseudo-random number sequence sebagai watermark yang disisipkan ke dalam vektor koefisien DCT citra yang disusun secara zig-zag seperti dalam algortima JPEG (Wallace, 1991). Pemanfaatan domain DLT dalam watermarking digital dapat ditemui di (Gilani dan Skodras, 2000). Teknik yang berbasiskan wavelet ternyata juga tidak kalah populer digunakan dalam watermarking digital, seperti penggunaan wavelet pada watermarking video yang diusulkan oleh Swanson et al (1997). Salah satu alasan pemanfaatan wavelet dalam watermarking adalah kemampuan watermark untuk bertahan dalam berbagai skala resolusi citra (Swanson et al, 1997). 3. Teknik watermarking yang bekerja pada kedua domain diatas (hybrid techniques watermarking). Teknik watermarking jenis ini bekerja dengan menggabungkan kedua teknik diatas. Pada teknik ini biasanya penanaman watermark dilakukan pada domain frekuensi beberapa bagian citra yang dipilih berdasarkan karakteristik spasial citra tersebut.


11

2.1.7. Aplikasi watermarking Watermarking sebagai teknik penyembunyian/penyisipan data pada data digital lain dapat dimanfaatkan untuk berbagai tujuan, seperti (4) (6) (7): 1. Tamper-proofing atau otentikasi, yaitu : watermarking digunakan sebagai alat untuk mengidentifikasi atau alat indikator yang menunjukan data digital (host) telah mengalami perubahan dari aslinya (tamper proofing). Jika watermark yang diekstraksi tidak tepat sama dengan watermark asli, maka disimpulkan citra yang beredar sudah tidak otentik lagi. Keotentikan dari suatu citra digital juga dapat ditunjukan karena hanya pemilik yang mengetahui kunci dari suatu citra digital yang asli, sehingga kunci yang salah akan menghasilkan kunci yang salah pula. 2. Annotation/Caption, yaitu: watermarking hanya digunakan sebagai keterangan tentang data digital itu sendiri. 3. Feature Location, yaitu : metode watermarking digunakan sebagai alat untuk mengidentifikasi isi dari data digital pada lokasi-lokasi tertentu, seperti contohnya penamaan objek tertentu dari beberapa objek yang lain pada suatu citra digital. 4. Copyright-Labelling atau owner identification, yaitu :watermarking dapat digunakan sebagai metode untuk penyembunyian atau penyisipan informasi label hak cipta pada data digital sebagai bukti otentik kepemilikan karya digital tersebut. Informasi tersebut bisa berupa identitas diri (nama, alamat, dan sebagainya), atau gambar yang menspesifikasikan pemilik. Klaim pemilik lain yang mengaku sebagai pemilik citra tersebut dapat dibantah dengan membandingkan watermark yang di ekstrak dengan pemilik citra. 5. Medical record, yaitu : watermark digunakan dalam catatan medis seperti penyisipan watermark dalam photo sinar-X berupa ID pasien dengan maksud untuk memudahkan identifikasi pasien atau untuk hasil diagnosis penyakit sang pasien tersebut (5).


12

6. Covert communication, yaitu : watermarking digunakan sebagai media untuk mengirimkan pesan-pesan rahasia kepada orang yang dituju tanpa bias diketahui oleh pihak yang tidak diinginkan. Penerapan watermarking sebagai media komunikasi lebih dikenal sebagai data hiding (5). 7. Fingerprinting ( traitor-tracing), yaitu : watermarking dapat digunakan sebagai metode untuk penyebaran citra digital yang sudah diberi tanda watermark yang berbeda-beda untuk setiap distributor, seolah-olah cetak jari distributor terekam dalam citra. Karena watermark tersebut juga bisa berlaku sebagai copyright, maka setiap distributor terikat aturan bahwa dia tidak boleh menggandakan citra digital tersebut dan menjualnya kepihak lain. Misalkan sang pemilik citra asli menemukan citra berwatermark karyanya beredar secara illegal di tangan pihak lain, maka sang pemilik citra

bisa

mengetahui

pihak

distributor

mana

yang

melakukan

penggandaan citra tersebut dengan mengekstraksi watermark dalam citra illegal tersebut (5). 2.1.8. Digital image watermarking Dikembangkannya teknik penyembunyian data pada citra digital di dorong oleh kebutuhan terhadap perlindungan kepemilikan hak cipta citra digital. Pada watermarking proses penyisipan watermark kedalam citra host atau citra digital disebut encoding. Encoding menerima masukan berupa citra, watermark. Setelah proses encoding didapatkanlah citra yang berwatermark. Perbedaan

antara citra asli dan citra berwatermark hampir

tidak dapat terlihat oleh mata telanjang. Gambar 2.1 adalah suatu blok diagram dari proses penyisipan watermark pada citra digital.


13

Citra berwatermark

Encoding

Citra asli

watermark

Gambar 2. 1 Proses Penyisipan Watermark Pada proses watermarking, selain encoding juga terdapat istilah decoding. Decoding itu sendiri adalah proses ekstraksi dari citra yang berwatermark yang bertujuan untuk mendapatkan kembali citra digital asli dan watermark yang sebelumnya disisipi pada citra yang berwatermark. Pada dasarnya proses ekstraksi adalah membandingkan citra digital asli dengan citra berwatermark untuk mendapatkan watermark yang disisipkan. Sedangkan untuk ketahanan terhadap proses-proses pengolahan lainnya, itu tergantung terhadap metodemetode yang digunakan dalam pembentukan watermarking. Gambar 2.2 dibawah adalah gambar atau algoritma ekstraksi pada gambar yang berwatermark. Watermark

asli

decoding

Citra

Watermark yang terekstraksi

Citra yg diuji

compare

keputusan

Gambar 2. 2 Proses Ekstraksi Watermark


14

2.2. Citra digital Secara umum, pengolahan citra digital menunjuk pada pemrosesan gambar 2 dimensi menggunakan computer. Dalam konteks yang lebih luas, pengolahan citra digital mengacu pada pemrosesan setiap data dua dimensi. Citra digital merupakan sebuah larik (array) yang berisi nilai-nilai real maupun kompleks yang direpresentasikan dengan deretan bit tertentu. Citra digital dapat didefinisikan secara matematis sebagai fungsi intensitas dalam 2 variable x dan y, yang dapat dituliskan f(x,y), dimana (x,y) merepresentasikan koordinat spasial pada bidang 2 dimensi dan f(x,y) merupakan intensitas cahaya pada kordinat tersebut (8). Citra digital merupakan representasi citra asal yang bersifat kontinu. Untuk mengubah citra yang bersifat kontinu diperlukan sebuah cara untuk mengubahnya dalam bentuk data digital. Komputer menggunakan sistem bilangan biner untuk memecahkan masalah ini (3). Dengan menggunakan sistem bilangan biner ini, citra dapat diproses dalam komputer dengan sebelumnya mengekstrak informasi citra analog asli dan mengirimnya ke komputer dalam bentuk biner. Proses ini disebut dengan digitalisasi (3). Dalam citra digital terdapat tiga jenis citra yang sering digunakan, yaitu : 1. Citra biner (monochrome) Citra biner adalah citra digital yang hanya memiliki dua kemungkinan nilai pixel yaitu hitam dan putih. Dimana gradasi warna hitam = 0, dan putih = 1. Pada standar citra untuk ditampilkan dilayar komputer, nilai biner ini berhubungan dengan ada tidaknya cahaya yang ditembakan oleh electron gun yang terdapat didalam monitor komputer. Angka 0 menyatakan

tidak

ada

cahaya,

dengan

demikian

warna

yang

direpresentasikan adalah hitam. Untuk angka 1 terdapat cahaya, sehingga warna yang direpresentasikan adalah putih. Standar tersebut disebut sebagai standar citra cahaya, sedangkan standar citra tinta/cat adalah berkebalikan, karena biner tersebut menyatakan ada tidaknya tinta. Gambar 2.3 memperlihatkan contoh dari citra biner.


15

Gambar 2. 3 Contoh Citra Biner 1 Bit

2. Citra grayscale (skala keabuan) Pada citra ini warna tergantung pada jumlah bit yang disediakan oleh memori untuk menampung kebutuhan warna ini. Misalnya 2 bit (22) mewakili 4 warna, 3 bit (23) mewakili 8 warna, dan seterusnya sampai maksimal 8 bit (28) yang mewakili 256 warna. Semakin besar jumlah bit warna yang disediakan memori, maka semakin halus gradiasi warna yang terbentuk (8). Gambar 2.4 memperlihatkan contoh citra grayscale.

Gambar 2. 4 Contoh Citra Grayscale 4 Bit 3. Citra warna (true color) Setiap pixel pada citra warna mewakili warna yang merupakan kombinasi dari 3 warna dasar (RGB = red, green, blue). Setiap warna dasar menggunakan penyimpanan 8 bit = 1 byte, yang berarti warna mempunyai gradiasi sebanyak 256 warna. Berarti setiap pixel mempunyai kombinasi warna sebanyak 28.28.28 = 16 juta warna lebih (8). Itulah sebabnya mengapa disebut citra true color karena mempunyai jumlah warna yang cukup besar sehingga bisa dikatakan hampir mencakup semua warna di alam. Dalam citra warna (true color) penyimpanan didalam memori berbeda dengan penyimpanan pada grayscale. Setiap pixel dari citra grayscale 256 gradiasi warna diwakili oleh 1 byte, sedangkan pada 1 pixel citra true color

diwakili

oleh

3

byte,

dimana

masing-masing

data

byte

mempresentasikan warna merah ( red ), hijau ( green ), dan biru ( blue ).


16

Gambar 2.5 memperlihatkan contoh citra warna 4 bit dan gambar 2.6 mempresentasikan 3 byte citra warna (true color).

Gambar 2. 5 Contoh Citra Warna 4 Bit

Gambar 2. 6 Representasi 3 Byte Citra Warna

Contoh dari citra true color adalah citra bitmap 24 bit. Citra bitmap sering disebut juga dengan citra raster. Citra bitmap menyimpan data kode citra secara digital dan lengkap (cara penyimpanannya adalah per piksel). Citra bitmap dipresentasikan dalam bentuk matriks atau dipetakan dengan menggunakan bilangan biner atau sistem bilangan lain. Citra ini memiliki kelebihan mudah untuk memanipulasi warna, tetapi untuk mengubah objek lebih sulit. Tampilan bitmap mampu menunjukan gradasi bayangan dan warna dari sebuah gambar. Oleh karena itu bitmap merupakan media elektronik yang paling tepat untuk gambar-gambar dengan perpaduan gradasi warna yang rumit, seperti foto dan lukisan digital. Citra bitmap biasanya diperoleh dengan cara scanner, kamera digital, video capture, dan lain-lain (8). 2.3. Transformasi citra Secara harfiah, transformasi citra dapat diartikan sebagai perubahan bentuk suatu citra. Perubahan bentuk tersebut dapat berupa perubahan


17

geomatri pixel seperti perputaran (rotasi), pergeseran (translasi), penskalaan, dan lain sebagainya atau dapat juga berupa perubahan ruang (domain) citra ke domain lainnya, seperti transformasi fourier yang mengubah suatu citra dari domain spasial menjadi domain frekuensi (1) Transformasi citra merupakan pokok bahasan yang sangat penting dalam pengolahan citra. Citra hasil proses transformasi dapat dianalisis kembali, diinterprestasikan, dan dijadikan acuan untuk melakukan pemrosesan selanjutnya.

Tujuan

diterapkannya

transformasi

citra

adalah

untuk

memperoleh informasi (feature extraction) yang lebih jelas yang terkandung dalam suatu citra (1) Melalui proses transformasi, suatu citra dapat dinyatakan sebagai kombinasi linear dari sinyal dasar (basic signals) yang sering disebut dengan fungsi basis (basis fuction). Suatu citra yang telah mengalami transformasi dapat diperoleh kembali dengan menggunakan transformasi balik (invers transformation).

Pada

transformasi

citra

terdapat

berbagai

macam

transformasi diantaranya, fast fourier transform, discrete cosine transform, wavelet discrete transform dll (1) 2.3.1. Domain dalam transformasi sinyal Bentuk mentah dari penggambaran waktu dan amplitudo disebut dengan sinyal (9). Penggambaran dengan waktu dan amplitudo yang dikategorikan dalam domain waktu sering kali perlu ditransformasikan dalam domain lain untuk analisis dan pemrosesan sinyal. Domain lain selain domain waktu misalnya domain frekuensi, domain waktu-frekuensi, dsb. Dengan adanya transformasi sinyal ini maka informasi yang kemungkinan masih tersimpan di dalam sinyal asal dapat diidentifikasi. Informasi di dalam sinyal ini dapat ditampilkan melalui transformasi dengan cara mendapatkan spektrumnya. Spektrum yang bisa diperoleh dari sebuah sinyal dapat berupa frekuensi atau waktu tergantung dari jenis transformasi yang digunakan.


18

Sinyal sendiri dibagi menjadi dua jenis, yaitu sinyal tidak bergerak (stationary signals) dan sinyal bergerak (non-stationary signals). Citra dan suara merupakan salah satu contoh dari sinyal yang dapat bergerak. Contoh lain dari jenis sinyal bergerak adalah sinyal dalam bidang biologi seperti electrocardiogram, electromyography, dsb. Untuk mendapatkan informasi dari sinyal tidak bergerak, khususnya sinyal dengan representasi frekuensi, dapat digunakan transformasi Fourier. Karena sinyal ini tidak bergerak, maka hanya perlu untuk mendapatkan spektrum frekuensi sebuah sinyal saja agar informasi dari sinyal tersebut bisa ditampilkan. Berbeda dengan sinyal tidak bergerak, untuk menampilkan informasi dari sinyal bergerak perlu sebuah transformasi yang bisa mendapatkan spektrum frekuensi dengan keterangan waktunya. Dalam transformasi Fourier, spektrum frekuensi dari sebuah sinyal bisa didapatkan, namun transformasi ini tidak dapat memberi tahu kapan terjadinya frekuensi sinyal tersebut. Sehingga transformasi Fourier hanya cocok untuk jenis sinyal tidak bergerak. Untuk itulah diperlukan transformasi lain untuk menampilkan informasi dari jenis sinyal bergerak ini, transformasi Wavelet adalah salah satunya. Transformasi ini bisa mendapatkan spektrum frekuensi dan waktu secara bersamaan. Sehingga sinyal bergerak khususnya sinyal dengan representasi waktu-frekuensi bisa diproses menggunakan transformasi ini.

2.3.2. Dekomposisi Averages dan Differences Dekomposisi perataan (averages) dan pengurangan (differences) memegang peranan penting untuk memahami transformasi wavelet. Gambar berikut adalah contoh dekomposisi perataan dan pengurangan pada citra 1 dimensi dengan dimensi 8.

37

35

28

28

58

18

21

15

Gambar 2. 7 Contoh citra 1 dimensi


19

Perataan dilakukan dengan menghitung nilai rata-rata 2 pasang data dengan rumus :

…………………………………… (2.1)

Sedangkan pengurangan dilakukan dengan rumus :

……………………………………. (2.2)

Hasil proses perataan untuk citra diatas adalah :

Sedangkan hasil proses pengurangannya adalah :

Sehingga hasil proses dekomposisi perataan dan pengurangan terhadap citra asli di atas adalah :

36 28 38 18 1 0 20 3 Gambar 2. 8 Hasil proses transformasi perataan dan pengurangan dari gambar (sebelumnya).

Proses dekomposisi yang dilakukan diatas hanya 1 kali ( 1 level) saja. Gambar dibawah menunjukan proses transformasi penuh dan berhenti setelah tersisa 1 pixel saja.


20

37

35

28

28

58

18

21

15

1

0

20

3

36

28

38

18

32

28

4

10

30

2

Gambar 2. 9 Proses perataan dan pengurangan dengan dekomposisi penuh (3 level).

Pada setiap level, proses dekomposisi hanya dilakukan pada bagian hasil proses perataan dan hasil proses dekomposisi adalah gabungan dari proses perataan dengan seluruh hasil proses pengurangan. Citra hasil dekomposisi penuh diatas adalah :

30

2

4

10

1

0

20

3

Gambar 2. 10 Hasil proses dekomposisi penuh

Pada citra berukuran 2n maka dibutuhkan sebanyak n level untuk melakukan dekomposisi penuh sehingga dapat dikatan kompleksitas dekomposisi perataan dan pengurangan adalah 0 (n). Untuk citra 2 dimensi, dekomposisi perataan dan pengurangan sama dengan proses pada citra 1 dimensi diatas. Hanya saja proses dekomposisi dilakukan dalam 2 tahap, yaitu tahap pertama proses dekomposisi dilakukan pada seluruh baris, kemudian tahap kedua pada citra hasil tahap pertama dilakukan proses dekomposisi dalam arah kolom. Gambar berikut adalah contoh hasil dekomposisi 2 dimensi.


21

10

10

20

20

10

20

0

0

10

20

0

0

10

10

20

20

10

20

0

0

50

30

0

0

50

50

30

30

50

30

0

0

0

0

0

0

50

50

30

30

50

30

0

0

0

0

0

0

(a)

(b)

(c)

Gambar 2. 11 Hasil dekomposisi perataan dan pengurangan pada citra 2 dimensi. (a) citra asli (b) hasil dekomposisi dalam arah baris (c) hasil dekomposisi dalam arah kolom (citra hasil dekomposisi) 2.3.3. Wavelet Gelombang (wave) adalah sebuah fungsi yang bergerak naik turun ruang dan waktu secara periodik. Sedangkan wavelet merupakan gelombang yang dibatasi atau terlokalisasi atau dapat dikatakan sebagai gelombang pendek. Wavelet ini menkonsentrasikan energinya dalam ruang dan waktu sehingga cocok untuk menganalisis sinyal yang sifatnya sementara saja. Gambar 2.7 dibawah adalah perbedaan gelombang (wave) dan wavelet.

Gambar 2. 12 (a) Gelombang (Wave), (b) Wavelet

Wavelet pertama kali digunakan dalam analisis dan pemrosesan digital dari sinyal gempa bumi, yang tercantum dalam literatur oleh A. Grossman dan J. Morlet. Penggunaan wavelet pada saat ini sudah semakin berkembang dengan munculnya area sains terpisah yang berhubungan dengan analisis wavelet dan teori transformasi wavelet. Dengan munculnya area sains ini wavelet mulai digunakan secara luas dalam filtrasi dan pemrosesan data, pengenalan citra,


22

sintesis dan pemrosesan berbagai variasi sinyal, kompresi dan pemrosesan citra, dll (9). 2.3.4. Transformasi wavelet (wavelete transform) Transformasi wavelet adalah sebuah transformasi matematika yang digunakan untuk menganalisis sinyal bergerak. Sinyal bergerak ini dianalisis untuk didapatkan informasi spektrum frekuensi dan waktunya secara bersamaan. Salah satu seri pengembangan transformasi wavelet adalah Discrete Wavelet transform (DWT) (3) (9). Transformasi sinyal merupakan bentuk lain dari penggambaran sinyal yang tidak mengubah isi informasi dalam sinyal tersebut. Transformasi wavelet (wavelet transform) menyediakan penggambaran frekuensi waktu dari sinyal. Pada awalnya, transformasi wavelet digunakan untuk menganalisis sinyal bergerak ( non-stationary signals). Sinyal bergerak ini dianalisis dalam transformasi wavelet dengan menggunakan teknik multi-resolution analysis. Secara umum teknik multi-resolution analysis adalah teknik yang digunakan untuk menganalisis frekuensi dengan cara frekuensi yang berbeda dianalisis menggunakan resolusi yang berbeda. Resolusi dari sinyal merupakan ukuran jumlah informasi di dalam sinyal yang dapat berubah melalui operasi filterisasi (10). Transformasi wavelet merupakan perbaikan dari transformasi Fourier. Pada transformasi Fourier hanya dapat menentukan frekuensi yang muncul pada suatu sinyal, namun tidak dapat menentukan kapan (dimana) frekuensi itu muncul (11). Dengan kata lain, transformasi Fourier tidak memberikan informasi tentang domain waktu (time domain). Kelemahan lain dari transformasi Fourier adalah perubahan sedikit terhadap sinyal pada posisi tertentu akan berdampak atau mempengaruhi sinyal pada posisi lainnya. Hal ini disebabkan karena transformasi Fourier berbasis sin-cos yang bersifat periodik dan kontinu (11)


23

Transformasi wavelet selain mampu memberikan informasi frekuensi yang muncul, juga dapat memberikan informasi tentang skala atau waktu. Wavelet dapat digunakan untuk menganalisa suatu bentuk gelombang (sinyal) sebagai kombinasi dari waktu (skala) dan frekuensi. Selain itu perubahan sinyal pada suatu posisi tertentu tidak akan berdampak banyak terhadap sinyal pada posisi-posisi yang lainnya. Dengan wavelet suatu sinyal dapat disimpan lebih efisien dibandingkan dengan Fourier dan lebih baik dalam hal melakukan aproksimasi terhadap real-word signal. Transformasi wavelet memiliki dua seri dalam pengembangannya yaitu Continous Wavelet transform (CWT) dan Discrete Wavelet transform (DWT). Semua fungsi yang digunakan dalam transformasi CWT dan DWT diturunkan dari mother wavelet melalui translasi atau pergeseran dan penskalaan atau kompresi. Mother wavelet merupakan fungsi dasar yang digunakan dalam transformasi wavelet (9). Karena mother wavelet menghasilkan semua fungsi wavelet yang digunakan dalam transformasi melalui translasi dan penskalaan, maka mother wavelet juga akan menentukan karakteristik dari transformasi wavelet yang dihasilkan. Oleh karena itu, perlu pencatatan secara teliti terhadap penerapan wavelet dan pemilihan yang tepat terhadap mother wavelet harus dilakukan agar dapat menggunakan transformasi wavelet secara efisien. Seri pengembangan Continuous Wavelet transform (CWT) dipaparkan pada persamaan (2.1) (9):

.......................................(2.1)

x(t) merupakan sinyal yang akan dianalisis, ψ(t) adalah mother wavelet atau fungsi dasar yang dipilih. τ merupakan parameter translasi yang berhubungan dengan informasi waktu pada transformasi wavelet. Parameter skala s didefinisikan sebagai (1/frekuensi) dan berhubungan dengan informasi


24

frekuensi. Dengan adanya penskalaan ini sinyal dapat diperbesar atau dikompresi. Penskalaan besar (frekuensi rendah) menyebabkan sinyal diperbesar dan dapat memberikan informasi detil yang tersembunyi di sinyal, sedangkan penskalaan kecil (frekuensi tinggi) menyebabakan kompresi sinyal dan memberikan informasi global dari sinyal. Seri pengembangan kedua dari transformasi wavelet adalah Discrete Wavelet transform (DWT). Seri pengembangan ini merupakan seri CWT yang didiskritkan. Dengan pendiskritan CWT ini maka perhitungan dalam CWT dapat dibantu dengan menggunakan komputer. 2.3.5. Discrete wavelet transform (DWT) Dasar dari DWT dimulai pada tahun 1976 dimana teknik untuk mendekomposisi sinyal waktu discrete ditemukan (9). Di dalam CWT, sinyal dianalisis menggunakan seperangkat fungsi dasar yang saling berhubungan dengan penskalaan dan transisi sederhana. Sedangkan di dalam DWT, penggambaran sebuah skala waktu sinyal digital didapatkan dengan menggunakan teknik filterisasi digital. Secara garis besar proses dalam teknik ini adalah dengan melewatkan sinyal yang akan dianalisis pada filter dengan frekuensi dan skala yang berbeda. Filterisasi sendiri merupakan sebuah fungsi yang digunakan dalam pemrosesan sinyal. Wavelet dapat direalisasikan menggunakan iterasi filter dengan penskalaan. Resolusi dari sinyal, yang merupakan rata-rata dari jumlah detil informasi dalam sinyal, ditentukan melalui filterasi ini dan skalanya didapatkan dengan upsampling dan downsampling (subsampling). Sebuah sinyal harus dilewatkan dalam dua filterisasi DWT yaitu highpass filter dan lowpass filter agar frekuensi dari sinyal tersebut dapat dianalisis. Analisis sinyal dilakukan terhadap hasil filterisasi highpass filter dan lowpass filter di mana highpass filter digunakan untuk menganalisis frekuensi tinggi dan lowpass filter digunakan untuk menganalisis frekuensi rendah. Analisis terhadap frekuensi dilakukan dengan cara menggunakan


25

resolusi yang dihasilkan setelah sinyal melewati filterisasi. Analisis frekuensi yang berbeda dengan menggunakan resolusi yang berbeda inilah yang disebut dengan multi-resolution analysis, seperti yang telah disinggung pada bagian Transformasi wavelet. (2) Pembagian sinyal menjadi frekuensi tinggi dan frekuensi rendah dalam proses filterisasi highpass filter dan lowpass filter disebut sebagai dekomposisi (12). Proses dekomposisi dimulai dengan melewatkan sinyal asal melewati highpass filter dan lowpass filter. Misalkan sinyal asal ini memiliki rentang frekuensi dari 0 sampai dengan π rad/s. Dalam melewati highpass filter dan lowpass filter ini, rentang frekuensi di-subsample menjadi dua, sehingga rentang frekuensi tertinggi pada masing-masing subsample menjadi π/2 rad/s. Setelah filterisasi, setengah dari sample atau salah satu subsample dapat dieliminasi berdasarkan aturan Nyquist (9). Sehingga sinyal dapat selalu di-subsample oleh 2 (

↓2

) dengan cara mengabaikan setiap sample yang

kedua. Proses dekomposisi ini dapat melalui satu atau lebih tingkatan. Dekomposisi satu tingkat ditulis dengan ekspresi matematika pada persamaan (2.2) dan (2.3) :

……..(2.2)

……..(2.3)

уtinggi[k] dan уrendah [k] yang merupakan hasil dari highpass filter dan lowpass filter, x[n] merupakan sinyal asal, h[n] adalah highpass filter, dan g[n] adalah lowpass filter.Untuk dekomposisi lebih dari satu tingkat, prosedur pada persamaan (2.2) dan (2.3) dapat digunakan pada masing-masing tingkatan. Contoh penggambaran dekomposisi dipaparkan pada gambar 2.8 dengan menggunakan dekomposisi wavelet tiga tingkat :


26

Gambar 2. 13 Dekomposisi Wavelet Tiga Tingkat Pada Gambar diatas, ytinggi [k] dan yrendah [k] yang merupakan hasil dari highpass filter dan lowpass filter, ytinggi[k] disebut sebagai koefisien DWT [10]. Ytinggi [k] merupakan detil dari informasi sinyal, sedangkan yrendah [k] merupakan taksiran kasar dari fungsi penskalaan. Dengan menggunakan koefisien DWT ini maka dapat dilakukan proses Inverse Discrete Wavelet transform (IDWT) untuk merekonstruksi menjadi sinyal asal. X[n] =

k (y t i n g g i [k] h[-n

+ 2k] + y r e n d a h [k] g[-n + 2k] )

…..(2.4)

proses rekontruksi merupakan kebalikan dari proses dekomposisi sesuai dengan tingkatan pada proses dekomposisi. DWT menganalisis sinyal pada frekuensi berbeda dengan resolusi yang berbeda melalui dekomposisi sinyal sehingga menjadi detil informasi dan taksiran kasar. DWT bekerja pada dua kumpulan fungsi yang disebut fungsi penskalaan dan fungsi wavelet yang masing- masing berhubungan dengan lowpass filter dan highpass filter [10]. Seperti yang telah dijelaskan sebelumnya dekomposisi ini didasarkan pada aturan Nyquist yang salah satunya mengatakan bahwa frekuensi komponen sample harus kurang atau sama dengan setengah dari frekuensi sampling. Jadi diambil frekuensi sample π/2 dari frekuensi sampling π dalam subsample oleh 2 pada dekomposisi wavelet. Sebagai penggambaran dekomposisi wavelet dengan sinyal asal x[n] yang memilki frekuensi maksimum f = π dipaparkan pada Gambar 2.9.


27

Gambar 2. 14 Dekomposisi Wavelet dengan Frekuensi Sinyal Asal f=0 ~ π Untuk mendapatkan hasil rekonstruksi setelah didekomposisi maka langkah awal proses rekonstruksi diawali dengan menggabungkan koefisien DWT dari yang berada pada akhir dekomposisi dengan sebelumnya mengupsample 2 (↑2) melalui highpass filter dan lowpass filter. Proses rekonstruksi ini sepenuhnya merukapan kebalikan dari proses dekomposisi sesui dengan tingkatan pada proses dekomposisi. Sehingga persamaan rekonstruksi pada masing-masing tingkatan dapat ditulis sbb:

……..( )

Proses rekonstruksi wavelet untuk mendapatkan sinyal asal dengan tiga tingkatan digambarkan pada Gambar 2.15


28

Gambar 2. 15 Rekonstruksi wavelet tiga tingkat 2.3.6. Metode Perhitungan Kualitas Citra Metode yang digunakan pada Watermarking digital memiliki kelebihan dan kekurangan dalam hal kualitas gambar yang dihasilkan. cara yang dapat digunakan untuk menghitung kualitas citra, yaitu dengan: -

Menghitung Peak Signal-to-Noise Ratio (PSNR) PNSR merupakan pembanding antara kualitas citra hasil rekonstruksi dengan citra asal. Semakin besar nilai SNR, semakin baik juga kualitas sinyal yang dihasilkan. Untuk menghitung SNR, pertama kali kita harus menghitung nilai Mean Squared Error (MSE) dari suatu citra hasil rekonstruksi.

Root Mean

Squared Error (RMSE) adalah akar dari MSE.

N menyatakan hasil perkalian panjang dan lebar citra dalam piksel. F(i,j) merupakan citra hasil rekonstruksi, sedangkan f(i,j) adalah citra asal. Nilai PSNR dinyatakan dalam skala decibel (dB).


29

PSNR=10 log10 [

!"#

]

2.4. MATLAB Matlab merupakan salah satu bahasa pemrograman dengan unjuk kenerja

tinggi

(high-performance)

untuk

komputasi

teknis,

yang

menintegrasikan komputasi, visualisasi, da pemrograman didalam lingkungan yang mudah penggunaannya dalam memecahkan persoalan dengan solusinya yang dinyatakan dengan notasi matematik (3). Penggunaan ATLAB, yaitu: •

Matematika dan komputasi

•

Pengembangan algoritma

•

Pemodelan, simulasi dan pembuatan ‘prototipe’

•

Analisa data, eksplorasi dan visualisasi

•

Grafik untuk sains dan teknik

•

Pengembangan aplikasi, termasuk pembuatan antarmuka grafis untuk pengguna (Graphical User Interface)

MATLAB adalah sebuah sistem interaktif yang menggunakan elemen data dasarnya adalah array yang tidak membutuhkan dimensi. Hal ini mempermudah anda untuk menyelesaikan masalah komputasi, terutama yang menyangkut matriks dan vektor. MATLAB merupakan singkatan dari ‘matrix laboratory’.

Pada

awalnya

MATLAB

dibuat

untuk

mempermudah

pengembangan perangkat lunak berbasis matriks oleh proyek LINPACK dan EISPACK. Fitur-fitur

MATLAB

untuk

menyelesaikan

spesifik

disebut

‘toolboxes’. ‘toolboxes’ adalah koleksi komrehensif dari fungsi-fungsi MATLAB (M-files) yang memperlebar lingkungan MATLAB dalam menyelesaikan kelas-kelas tertentu dari permasalahan. Beberapa ‘toolboxes’


30

yang tersedia meliputi bidang: pengolahan sinyal, sistem kendali, jaringan syaraf (neural network), logika ‘fuzzy’, wavelet, simulasi dan lain sebagainya (3)

2.4.1. GUIDE MATLAB GUIDE atau GUI Builder merupakan sebuah Graphical User Interface (GUI) yang dibangun dengan objek grafis seperti tombol (pushbutton), edit, slider, text, combo, sumbu (axes), maupun menu da lain-lain untuk kita gunakan. Aplikasi yang menggunakan GUI umumnya lebih mudah dipelajari dan digunakan karena orang yang menjalankannya tidak perlu mengetahui perintah yang ada dan bagaimana perintahnya bekerja. MATLAB merintis kearah pemrograman yang menggunakan GUI dimulai dari MATLAB versi 5, yang terus disempurnakan hingga sekarang. GUIDE MATLAB memiliki banyak keunggulan tersendiri, antara lain : 5. GUIDE MATLAB cocok untuk aplikasi-aplikasi berorentasi sains. 6. MATLAB memiliki banyak fungsi built-in yang siap digunakan dan pemakai tidak prlu repot membuatnya sendiri 7. Ukuran file, baik Fig-file maupun M-file yang dihasilkan relatif kecil. 8. Kemampuan grafisnya cukup handal dan tidak kalah dengan bahasa pemrograman lainnya.

2.4.2. Aplikasi M-file Pada saat membuat program GUI, matlab membuat program aplikasi berupa M-file yang menyadiakan kerangka untuk mengontrol GUI. Kerangka ini dapat membantu membuat program menjadi lebih efisien dan sempurna. Fungsi M-file mirip dengan script M-file dimana keduanya merupakan file teks dengan ekstensi dot m(.m). sebagaimana script M-file, fungsi M-file tidak dimasukan ke dalam jendela command, tetapi merupakan suatu file tersendiri yang dibuat dengan editor teks. Fungsi M-file menyediakan cara


31

sederhana untuk menambah kemampuan MATLAB, bahkan banyak fungsi standar MATLAB yang merupakan fungsi M-file.


BAB 3 PERANCANGAN DAN IMPLEMENTASI

Implementasi Algoritma Watermarking Pada Citra Digital pada Domain DWT

3.1. Sarana Implementasi Untuk mengimplementasikan algoritma ini penulis menggunakan perangkat keras dan perangkat lunak berikut ini : 3.2. Perangkat Keras Perangkat keras yang penulis gunakan berupa seperangkat komputer personal (PC) yang memiliki spesifikasi sebagai berikut :

Jenis Perangkat

Spesifikasi

Prosesor

Intel(R) Pentium (R) D CPU 2.80 GHz.

RAM

2.50 GB

Hardisk

80 GB

VGA

NVIDIA Geforce 9400 GT

Tabel 3. 1 Spesifikasi Perangkat Keras 3.3. Perangkat Lunak Sedangkan perangkat

lunak

yang digunakan

oleh penulis

didalam

implementasi algoritma ini adalah sebagai berikut : 1. Sistem Operasi Windows 7 dari Microsoft Inc. 2. Matlab 2009 dari MathWorks Inc. 3.4. Algoritma watermarking Watermarking bertujuan untuk menyisipkan suatu data atau informasi yang bersifat rahasia kedalam media digital agar data atau informasi tersebut tidak diketahui oleh orang-orang yang tidak bertanggung jawab. Pada bab ini akan dibahas bagaimana algoritma watermarking pada citra digital menggunakan metode transformasi wavelet diskrit.

32


33

3.4.1. Pembentukan Citra terwatermark Pada tahapan dalam penanaman watermark menggunakan DWT, original image atau citra asli ditransformasikan kedalam koefisien-koefisien aproksimasi cA, dan koefisien detil cH, cV, cD. Begitu pula pada citra watermark dilakukan proses vektorisasi sehingga diperoleh suatu susunan matriks yang akan ditransformasikan dengan menggunakan DWT. Setelah itu citra watermark akan dilakukan proses penanaman ke dalam koefisien pada citra asli dan pada proses akhir untuk mendapatkan citra yang terwatermark dilakukanlah proses pembalikan menggunakan invers DWT (IDWT). Berikut adalah proses pembentukan citra berwatermark yang dipersentasikan dengan flow chart seperti ditunjukan pada gambar 3.1 sebagai berikut :

Citra original (host)

Dekomposisi menggunakan DWT

Citra watermark

DWT

Penyisipan watermark

IDWT

Citra berwatermark

Gambar 3. 1 Proses pembentukan citra berwatermark Berikut adalah langkah-langkah

proses pengerjaan dari pembentukan citra ter-

watermark , yaitu : 1. Pemilihan citra asli (original) Pemilihan citra asli dengan pemilihan gambar yang digunakan dapat berupa format true color (RGB) atau grayscale (keabuan). Pada penelitian tugas akhir ini citra asli yang akan digunakan adalah dengan berbagai macam citra baik citra truecolor maupun dengan citra grayscale. Pada pembentukan Universitas Indonesia

34

watermarking pada penelitian ini hanya digunakan pada domain grayscale, sehingga bila citra yang digunakan adalah citra RGB maka citra terlebih dahulu harus dirubah ke dalam bentuk citra grayscale untuk dapat diproses selanjutnya. Pada Gambar 3.3 dibawah adalah dalah salah satu contoh perubahan citra RGB ke bentuk citra grayscale:

Gambar 3. 2 Citra Asli RGB ke bentuk grayscale 2. Pemilihan gambar watermark Pemilihan citra watermark resolusinya harus lebih kecil dibandingkan dengan resolusi gambar citra asli. Pada penelitian ini, citra watermark atau citra yang akan disisipi berukuran 100 x 100 menggunakan citra RGB dengan den format PNG image. Jadi pada citra watermark tersebut harus dirubah ke bentuk grayscale juga. G Gambar 3.4 adalah gambar watermark yang akan disisipi :

Gambar 3. 3 Citra Watermark


35

3. Mendekomposisi citra original atau citra asli yang akan disisipi oleh gambar watermak. Pada penelitian ini setelah citra asli dipilih atau ditentukan, maka tahap berikutnya adalah mendekomposisikan citra asli menggunakan DWT dan untuk keluarga wavelet yang digunakan dapat ditentukan sesuai pilihan misalnya diskrit meyer, daubechies, haar dan symlet. Karena pada penelitian ini akan membandingkan kualitas dari keluarga wavelet mana yang baik untuk digunakan. Langkah ini adalah langkah pertama yang harus dilakukan untuk dapat menyisipkan watermark kedalam citra asli. Langkah-langkah untuk mendekomposisikan citra asli adalah sebagai berikut : a) Dekomposisikan citra. Pada proses ini citra yang digunakan adalah citra 2 dimensi. Proses dekomposisi dilakukan dalam 2 tahap, yaitu tahap pertama proses dekomposisi dilakukan pada seluruh baris, kemudian tahap kedua pada citra hasil tahap pertama dilakukan proses dekomposisi dalam arah kolom.

Gambar 3. 4 Transformasi wavelet 2 dimensi 1 level

Pada gambar diatas, Dekomposisi citra digital satu tingkat 2 dimensi sehingga menghasilkan LL, LH, HL, dan HH. LL menyatakan bagian koefisien yang diperoleh melalui proses tapis Low pass dilanjutkan dengan Low pass. Citra pada bagian ini mirip dan merupakan versi lebih halus dari citra aslinya sehingga koefisien pada bagian LL sering disebut dengan komponen aproksimasi. LH menyatakan bagian koefisien yang diperoleh


36

melalui proses tapis Low pass kemudian dilanjutkan dengan high pass. Koefisien pada bagian ini menunjukan citra tepi dalam arah horisontal. Bagian HL menyatakan bagian yang diperoleh melalui proses high pass kemudian dilanjutkan dengan Low pass. Koefisien pada bagian ini menunjukan citra tepi dalam arah vertikal. HH menyatakan proses yang diawali dengan High pass dan dilanjutkan dengan High pass, dan menunjukan citra tepi dalam arah diagonal. Ketiga komponen LH, HL, dan HH disebut juga komponen detil. Pada tahap ini juga berfungsi untuk menentukan jenis keluarga wavelet mana yang akan digunakan. Pada penelitian ini digunakan beberapa jenis wavelet, diantaranya adalah daubechies, diskrit meyer, haar, dan symlet. Dari ke 4 jenis keluarga wavelet tersebut akan dibandingkan seberapa besar nilai yang baik pada proses watermarking tersebut.

DWT

Gambar 3. 5 Dekomposisi Citra Asli Sebelum citra watermark dapat disisipkan, citra watermark haruslah dirubah susunan citranya kedalam rangkaian matriks dengan proses vektorisasi. Sama hal nya dengan citra asli. Setelah citra watermark dirubah maka dilakukanlah proses dekomposisi dengan DWT. Proses DWT pada watermark sama halnya dengan proses pada citra asli yang bertujuan untuk mendapatkan koefisien aproksimasi dan koefisien detailnya. b) Menyisipkan gambar watermark kedalam citra asli


37

Setelah citra asli dan citra watermark di transformasikan dengan DWT maka tahap selanjutnya adalah menyisipkan citra watermark ke dalam citra asli. koefisien aproksimasi pada citra asli ditambahkan dengan perkalian antara key yang telah ditentukan dengan koefisien aproksimasi watermark. Proses ini mendapatkan koefisien aproksimasi baru dari citra asli c) Setelah proses penyisipan koefisien aproksimasi dari watermark kedalam koefisien aproksimasi citra asli maka langkah selanjutnya adalah mentransformasikan balik koefisien-koefisien dari citra asli yang telah disisipkan watermark menggunakan invers DWT atau disebut IDWT. d) Menampilkan gambar yang terwatermark. 3.4.2. Pengekstrakan Citra Terwatermark Seteleh mendapatkan gambar yang terwatermark, proses selanjutnya adalah proses pengekstrakan watermark. Proses ini berfungsi untuk mendapatkan kembali citra watermark dari citra yang telah terwatermark.

Citra terwatermark

DWT

Proses pengekstrakan watermark

IDWT

Citra watermark

Gambar 3. 6 proses pengekstrakan watermark Langkah-langkah untuk pengekstrakan citra terwatermark adalah sebagai berikut :


38

a) Baca atau pilih gambar citra asli Pada tahap ini dilakukan pemanggilan citra asli, karena pengekstrakan pada penelitian ini diperlukan citra asli dan citra terwatermark untuk dapat mendeteksi citra watermarknya. b) Baca atau pilih citra yang telah terwatermark Tahap ini dilakukan untuk menentukan gambar mana yang akan dilakukan untuk pendeteksian watermark. Karena pada penelitian ini pada setiap pengujian dengan keluarga wavelet akan tersimpan gambar terwatermarknya di direktori matlab. Jadi penelitian ini harus menentukan gambar terwatermark dari jenis keluarga wavelet mana yang akan di ekstraksi untuk menentukan gambar watermarknya. c) Pendekomposisian Citra yang terwatermark menggunakan DWT. Pada proses ini dilakukan transformasi citra terwatermark dengan DWT berdasarkan jenis wavelet. Proses ini berfungsi untuk mendapatkan kembali koefisien-koefisien dari citra yang terwatermark. d) Pada Pendekomposisian Citra ter-watermark menggunakan DWT, berfungsi untuk mendapatkan koefisien aproksimasinya. e) Mencari koefisien citra watermark Pada tahap ini adalah proses mencari kembali koefisien watermark dari proses transformasi citra terwatermark dengan DWT. Proses ini memerlukan koefisien aproksimasi dari citra terwatermark dan citra aslinya. Koefisien watermark didapat dari selisih antara koefisien citra terwatermark dengan koefisien awal citra asli dibagi dengan key nya, setelah itu barulah akan mendapat koefisien aproksimasi citra watermarknya. f) Setelah mendapatkan kembali koefisien aproksimasi dari watermark maka selanjutnya adalah menginvers kembali koefisien detil dan

koefisien

aproksimasi watermark yang di dapat pada proses sebelumnya menggunakan IDWT.


39

g) Setelah di invers dengan IDWT maka akan di dapat vektor watermark terekstrak. Setelah itu mengubah vektor watermark terekstrak menjadi matriks watermark terekstrak dengan ukuran watermark sebelum disisipi (watermark asli). h) Menampilkan citra watermark dari hasil pengekstrakan


40

BAB 4 HASIL DAN PEMBAHASAN

Dalam penelitian tugas akhir ini citra asli yang digunakan adalah citra true color (RGB) dan grayscale. Pada pemilihan citra true color (RGB), baik citra asli maupun citra watermarknya harus dirubah dahulu ke bentuk citra grayscale, karena pada penelitian tugas akhir ini domain yang digunakan pada bahasa pemrograman MATLAB adalah domain grayscale. Citra asli yang digunakan memiliki ukuran yang bervariasi, baik citra RGB maupun citra grayscale. Sedangkan citra watermark yang disisipkan merupakan citra RGB dengan dimensi 100 x 100, dan untuk keluarga wavelet yang digunakan dapat ditentukan sesuai pilihan diantaranya keluarga wavelet yang akan digunakan adalah, diskrit meyer, daubechies, haar dan symlet. 4.1. Analisa terhadap citra asli Pada sub bab ini akan menganalisa bagaimana perbedaan citra asli terhadap citra hasil watermark. Citra asli dibedakan berdasarkan dimensi, format gambar dan gradiasinya. Kemudian citra tersebut akan dibandingkan dengan 10 responden untuk melihat apakah ada perbedaan antara citra terwatermark dengan citra asli. Metode yang digunakan berasal dari berbagai macam keluarga wavelet seperti diskrit meyer, daubechies, haar, dan symlet. Pada percobaan ini dilakukan dengan metode diskrit meyer. Pertama akan diuji 3 macam citra berdasarkan kerumitan teksturnya. Kerumitan tekstur yang dimaksud adalah tingkat gradiasi warna yang berdasarkan faktor seperti tingkat kekontrasan , kombinasi warna dan sebagainya. Berdasarkan parameter tersebut maka dipilihlah citra-citra dibawah ini sebagai citra uji.


41

Gambar 4. 1 Bunga

Gambar 4. 2 Ikan


42

Gambar 4. 3. Rumah Pada citra citra-citra citra tersebut memiliki dimensi yang sama yaitu 512x512 pixel dengan format portable net graphic (PNG). Metode pengujian penguji yang dipilih adalah dengan menilai hasil gambar yang terwatermark secara subjektif dari proses watermarking dengan bantuan dari 10 responden. responden Hal ini bertujuan untuk membedakan secara langsung melalui visual kepada koesponden, citra yang berwatermark deng dengan citra asli. Gambar 4.4 adalah hasil pengujian dari citra pertama dengan menggunakan metode diskrit meyer.

(A) (B) Gambar 4. 4 (A) citra bunga (asli) Grayscale (B) citra bunga terwatermark


43

Berdasarkan percobaan diatas, dilakukan pengujian terhadap 10 orang responden untuk melihat seberapa besar kualitas watermarking citra terwatermark untuk diditeksi oleh penglihatan indra manusia. Untuk menentukan citra yang terwatermark pada percobaan pertama ini, dengan memberi tanda (A) untuk citra asli dan memberi tanda (B) untuk citra yang terwatermark, maka data yang didapat secara subjektif adalah sebagai berikut: • untuk koresponden yang memilih citra yang dipilih ditandai dengan “ya”. untuk pilihan citra yang tidak di pilih ditandai dengan ‘minus’ ( - ).

•

Tabel 4. 1 Hasil survei 1 terhadap 10 orang responden. Responden

No

Citra (A)

Citra (B)

Citra Asli

1

Indra wijaya

Ya

Citra Terwatermark -

2

Sophie risky

Ya

-

3

Prayoga tirtayasa

Ya

-

4

Aditya pratama

Ya

-

5

Diani paramita putri

-

Ya

6

Budiman

Ya

-

7

andhika

-

Ya

8

Muhamad rifky

-

Ya

9

Rana febri

Ya

-

10

suryono

Ya

-


44

Percobaan citra kedua

(A) (B) Gambar 4. 5 (A) citra ikan asli (B) citra terwatermark • untuk koresponden yang memilih citra yang dipilih ditandai dengan “ya”. untuk pilihan citra yang tidak di pilih ditandai dengan minus ( - ).

•

Tabel 4. 2 hasil survei 2 terhadap 10 orang responden. Responden

No

Citra (A)

Citra (B)

Citra Asli

Citra Terwatermark

1

Indra wijaya

-

Ya

2

Sophie risky

Ya

-

3

Prayoga tirtayasa

Ya

-

4

Aditya pratama

Ya

-

5


-

Ya

6

Budiman

Ya

-

7

andhika

Ya

-

8

Muhamad rifky

-

Ya

9

Rana febri

-

Ya

10

suryono

Ya

-


45

Percobaan citra ketiga

(A)

(B)

Gambar 4. 6 (A) citra rumah asli (B) citra rumah terwatermark • untuk koresponden yang memilih citra yang dipilih ditandai dengan “ya”. •

untuk pilihan citra yang tidak di pilih ditandai dengan minus ( - ).

Tabel 4.3 hasil survei 3 terhadap 10 orang responden No

Responden

Citra (A)

Citra (B)

Citra Asli

Citra Terwatermark

1

Indra wijaya

-

Ya

2

Sophie risky

-

Ya

3

Prayoga tirtayasa

-

Ya

4

Aditya pratama

-

Ya

5


-

Ya

6

Budiman

-

Ya

7

andhika

-

Ya

8

Muhamad rifky

-

Ya

9

Rana febri

-

Ya

10

suryono

-

Ya


46

Dari 3 percobaan terhadap hasil survey 10 korespondensi menyatakan bahwa gambar percobaan pertama dan kedua lebih sulit untuk dideteksi citra terwatermarknya, tidak ada perbedaan citra watermark yang telah disisipkan dan yang tidak disisipkan (citra asli). Hal tersebut dikarena pada citra asli memiliki tingkat gradiasi warnanya yang tinggi sehingga citra-citra tersebut sangat baik untuk digunakan sebagai citra host dalam proses watermarking. Sedangkan pada percobaan citra ketiga sangat mudah di deteksi oleh koresponden, gambar 4.6 memiliki gradiasi warna yang kurang kompleks dan sebagian gambar dari citra tersebut memiliki tingkat kekontrasan yang tinggi. 4.2. PSNR Pada penelitian ini salah satu parameter yang digunakan watermarking untuk melihat kualitas citra asli setelah disisipkan citra watermark adalah dengan menghitung nilai PSNR. Metode yang digunakan pada Watermarking digital memiliki kelebihan dan kekurangan dalam hal kualitas gambar yang dihasilkan. -

Menghitung Peak Signal-to-Noise Ratio (PSNR) PNSR merupakan pembanding antara kualitas citra hasil rekonstruksi dengan citra asli. Semakin besar nilai PSNR, semakin baik juga kualitas sinyal yang dihasilkan. Pada analisa sebelumnya bahwa kualitas citra asli mempunyai gradiasi warna yang tinggi. Dikatakan bahwa semakin tinggi PSNR semakin bagus kualitas citra tersebut. Untuk menghitung PSNR, pertama yang dilakukan adalah menghitung nilai Mean Squared Error (MSE) dari suatu citra hasil rekonstruksi. Semakin kecil nilai MSE dari suatu citra maka semakin baik citra tersebut.

4.2.1.

Hasil pengujian dengan PSNR Hasil pengujian kinerja nilai PSNR dengan menggunakan 4 citra asli yang bervariasi dengan dimensi yang sama yaitu 512 x 512 pixel dan citra watermark yang disisipkan berdimensi 100 x 100 pixel dengan menggunakan beberapa metode dari keluarga wavelet

dan dapat

menghasilkan citra yang terwatermark sebagai hasil proses penyisipan


47

watermark yang tidak berbeda jauh dengan citra aslinya. Pada tabel 4.4 dapat di lihat nilai PSNR hasil pengujian dari proses penyisipan watermark. Tabel 4. 4 Tabel nilai PSNR hasil pengujian NO.

Metode

Citra

1

diskrit meyer

Lena.jpg kupukupu.jpg sepeda.jpg pepper.jpg Lena.jpg kupukupu.jpg sepeda.jpg pepper.jpg Lena.jpg kupukupu.jpg sepeda.jpg pepper.jpg Lena.jpg kupukupu.jpg sepeda.jpg pepper.jpg

2

3

4

daubechies

symlet

haar

ukuran citra 512 x 512 512 x 512 512 x 512 512 x 512 512 x 512 512 x 512 512 x 512 512 x 512 512 x 512 512 x 512 512 x 512 512 x 512 512 x 512 512 x 512 512 x 512 512 x 512

MSE

PSNR

2.2107

44.6856

2.7154 3.7693 2.7108 2.2403

43.7924 42.3682 43.7999 44.6278

2.7993 3.8538 2.7866 2.3401

43.6604 42.2719 43.6801 44.4384

2.9118 3.9989 2.9207 2.5129

43.4892 42.1114 43.476 44.129

3.1517 4.2913 3.1261

43.1454 41.8049 43.1807

Pada table 4.4 menunjukan nilai PSNR yang berkisar antara 41-44 db. Hal tersebut menandakan citra yang dihasilkan dari proses penyisipan watermark tidak berbeda jauh dengan citra aslinya, dikarenakan skala dari PSNR itu sendiri berkisar 50 db yang merupakan nilai PSNR yang tinggi. Pada table 4.4 telihat PSNR dari keluarga wavelet yang paling baik adalah menggunakan diskrit

meyer dan symlet.

Hal tersebut dikarenakan

karakteristiknya diskrit meyer lebih kompleks dibanding dengan keluarga wavelet yang lain.


48

4.3. Analisa robustness (ketahanan) citra watermark 4.3.1. Salt & pepper Setelah melewati uji terhadap responden dan hasil PSNR. Selanjutnya dilakukan analisa citra terhadap serangan-serangan seperti noise. Salah satu contoh noise yang diberikan pada percobaan ini adalah noise “salt & pepper”. Noise salt & pepper itu sendiri adalah noise yang dipersentasikan dengan titik hitam dan putih yang memenuhi seluruh bagian citra hasil rekontruksi atau citra terwatermark secara random. Tujuan diberikannya noise tersebut adalah untuk melihat apakah citra yang disisipkan masih dapat dikenali (dibaca) atau menjadi tidak terbaca. Dalam percobaan ini digunakan beberapa citra dengan dimensi 512x512 pixel yang memiliki ukuran dan gradiasi warna yang bervariasi. hasil dari pengujian citra terhadap noise “salt&pepper” dipaparkan pada Tabel 4.5 Tabel 4. 5 Tabel pengujian citra sebelum diberi noise “salt&pepper”. No.

Metode

Citra

Dimensi

MSE

PSNR

bunga.png

512 x 512

1.9693

45.1876

clownfish.png

512 x 512

2.6816

43.8469

Rumah.png

512 x 512

3.5799

42.5922

clownfish

512 x 512

1.9990

45.1227

clownfish.png

512 x 512

2.7850

43.6825

3

Rumah.png

512 x 512

3.6264

42.5360

1

clownfish

512 x 512

2.0723

44.9662

clownfish.png

512 x 512

2.9269

43.667

3

Rumah.png

512 x 512

3.7695

42.3680

1

clownfish

512 x 512

2.2114

44.6840

clownfish.png

512 x 512

3.1689

43.1217

Rumah.png

512 x 512

4.0657

42.0395

1 2 3

Diskrit meyer

1 2

2

2 3

Daubechies

Symlet

Haar


49

Tabel 4. 6 Tabel pengujian setelah diberi noise “salt&pepper” No.

Metode

Citra

Dimensi

MSE

PSNR

bunga.png

512 x 512

421.7551

21.8802

clownfish.png

512 x 512

390.3050

22.2168

3

Rumah.png

512 x 512

404.5179

22.0614

1

clownfish

512 x 512

424.6472

21.8505

clownfish.png

512 x 512

381.3610

22.3174

3

Rumah.png

512 x 512

419.6705

21.9017

1

clownfish

512 x 512

448.4725

21.7987

clownfish.png

512 x 512

381.7362

22.3575

3

Rumah.png

512 x 512

420.4417

21.8442

1

clownfish

512 x 512

429.7420

21.6134

clownfish.png

512 x 512

377.8634

22.3132

Rumah.png

512 x 512

425.2616

21.8937

1 2

2

2

2 3

Diskrit meyer

Daubechies

Symlet

Haar

Gambar berikut adalah hasil citra terwatermark sebelum dan sesudah diberi noise .

(A)

(B)

Gambar 4. 7 Gambar terwatermark sebelum dan sesudah diserang noise.


50

(A)

(B)

Gambar 4. 8 Hasil ekstraksi.(A) citra watermark dari sebelum dan (B)sesudah terkena serangan Hasil dari percobaan tersebut menunjukan perbedaan pada MSE dan PSNR antara citra yang terwatermark dengan citra terwatermark yang sudah di beri noise. Sekilas tidak terlihat dari hasil ekstraksinya tetapi lebih tampak terhadap perbedaan kualitas pada gambar terwatermark. Dimensi pada citra asli salah satu faktor untuk mempengaruhi informasi yang disisipkan pada gambar asli, apakah gambar informasi yang disisipkan bisa rusak atau tidak setelah proses ekstraksi. Pada table 4.5 dan table 4.6 terlihat jelas perbedaan MSE dan PSNR antara sesudah dan sebelum di beri noise salt dan pepper. Nilai dari MSE sesudah di beri noise melambung tinggi dikarenakan noise titik-titik hitam dan putih menyebar secara random ke seluruh bagian dari citra yang terwatermark. Hal tersebut mengakibatkan ukuran dari citra terwatermark menjadi besar dibanding dengan citra aslinya sedangan dimensinya tetap. Untuk hasil ekstraksinya tidak banyak mengalami perubahan.

Watermark

masih

dapat

di

baca

dengan

jelas,

hanya

kekontarasannya saja yang mengalami sedikit perubahan. 4.3.2 . Percobaan dengan menambahkan noise AWGN Untuk melihat seberapa besar ketahanan citra terwatermark terhadap noise, Selain menggunakan noise salt & pepper, untuk percobaan yang kedua ini akan dengan memberikan awgn pada citra yang terwatermark. Apakah watermark yang disisipi masih kokoh terhadap pengolahan citra atau tidak. Dan seberapa besar awgn yang bisa digunakan untuk ditambahkan sebagai noise. Dari hasil percobaan didapatkan hasil bahwa semakin besar nilai awgn yang diberikan, maka semakin besar pula nilai PSNR yang dihasilkan.


BAB 5 KESIMPULAN

Perancangan simulasi watermarking dengan menggunakan transformasi wavelet diskrit telah dibuat dengan bahasa pemrograman MATLAB. Algoritma yang dibuat menggunakan beberapa metode dari keluarga wavelet. Hasil citra yang telah disisipkan dengan citra watermark telah di uji dari beberapa parameter , seperti pengamatan secara subjektif dari beberapa responden, nilai PSNR, dan beberapa noise. Ketahan dari citra yang disisipi (watermark) tergantung dari kualitas citra yang diuji. Dari hasil percobaan dapat di tarik kesimpulan bahwa semakin besar nilai PSNR semakin besar tingkat kualitas citra hasil terwatermark. Dari keluarga wavelet diskrit meyer yang memberikan nilai PSNR yang paling tinggi

51


52

DAFTAR PUSTAKA

[1] Basaruddin. Kinerja Skema Pemberian Tanda Air Video Digital Berbasis DWTSVD dengan Detektor Semiblind. Depok : Universitas Indonesia, 2009. [2] Cahyana, Basaruddin, T and Jaya, Danang. Teknik Watermarking Citra Berbasis SVD. s.l. : National Conference on Computer Science & Information Technology, 2007. [3] Alfatwa, Dean Fathony. Watermarking pada Citra Digital Menggunakan Discrete Wavelet Transform. Bandung : Institute Teknologi Bandung, 2009. [4] Juanda, K and Supangkat, Suhono H. Watermarking Sebagai Teknik Penyembunyian Hak Cipta pada Data Digital. Bandung : Institut Teknologi Bandung, 2000. [5] Solichin, Achmad. Digital Watermarking untuk Melindungi Informasi Multimedia. Jakarta : Universitas Budi Luhur, 2010. [6] Munir, Rinaldi. Sekilas Image Watermarking untuk Memproteksi Citra Digital dan Aplikasinya pada Citra Medis. Bandung : Institut Teknologi Bandung, 2006. [7] Ariyus, Dony. Keamanan Multi Media. Yogyakarta : Andi, 2006. [8] Wiguna, Ryan, Firdaus, Rangga and Endah W., Ossy Dwi. Implementasi Teknik Blind Watermarking dalam Domain Spasial pada Citra Bitmap Lampung : Universitas Lampung, 2010. [9] Sripathi, Deepika. Effiicient Implementations of Discrete Wavelet Transform Using FPGAs. Florida : Florida State University, 2003. [10] Polikar, Robi. Multi Resolution Analysis: The Discrete Wavelet Transform. Iowa : Iowa State University, 1998. [11] Putra, Damar. Pengolahan Citra Digital. Yogyakarta: Andi Offset, 2010. [12] Terjiza, Natasa. Robust Digital Image Watermarking Algorithms for Copyright Protection. Essen : Univesity of Duisburg-Essen, 2006.


53

LAMPIRAN Lampiran 1 Gambar penyisipan watermark dengan metode diskrit meyer

Citra Asli

Citra Terwatermark

Citra Asli

Citra Terwatermark


54

Citra Asli

Citra Asli

Citra Terwatermark

Citra Terwatermark


55

Lampiran 2 Gambar penyisipan watermark dengan metode daubechies

Citra Asli

Citra Terwatermark

Citra Asli

Citra Terwatermark


56

Citra Asli

Citra Terwatermark

Citra Asli

Citra Terwatermark


57

Lampiran 3 Gambar penyisipan watermark dengan metode haar

Citra Asli

Citra Terwatermark

Citra Asli

Citra Terwatermark


58

Citra Asli

Citra Asli

Citra Terwatermark

Citra Terwatermark


59

Lampiran 4 Gambar penyisipan watermark dengan metode symlet

Citra Asli

Citra Asli

Citra Terwatermark

Citra Terwatermark


60

Citra Asli

Citra Terwatermark

Citra Asli

Citra Terwatermark


61

Lampiran 5 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra grayscale N0. 1

AWGN (db) 10 db

Metode

Gambar

MSE 2.3087 2.3091 2.3102 2.3101 2.3116

PSNR 44.4972 44.4963 44.4943 44.4945 44.4917

kupu-kupu.jpg

2.8188 2.8144 2.8149 2.8147 2.819

43.6302 43.637 43.6362 43.6364 43.6299

sepeda.jpg

3.8723 3.8717 3.8661 3.869 3.865

42.2511 42.2518 42.2581 42.2548 42.2593

pepper.jpg

2.8075 2.8114 2.8095 2.8078 2.8007

43.6475 43.6416 43.6445 43.6472 43.6473

lena.jpg

2.341 2.3415 2.3416 2.3419 2.3408

44.4368 44.4358 44.4356 44.4352 44.4371

kupu-kupu.jpg

2.898 2.8945 2.8961 2.8978 2.8994

43.5098 43.5151 43.5126 43.5102 43.5078

lena.jpg

diskrit meyer

2

10 db

daubechies


62

3

sepeda.jpg

3.9502 3.9536 3.9543 3.9553 3.9513

42.1647 42.1609 42.1601 42.159 42.1634

pepper.jpg

2.8887 2.8856 2.887 2.8878 2.8881

43.5237 43.3284 43.5263 43.5252 43.5243

lena.jpg

2.4424 2.4378 2.4404 2.4383 2.4447

44.2527 44.2609 44.2563 44.2599 44.2485

kupu-kupu.jpg

3.0142 3.0107 3.0072 3.013 3.0124

43.3391 43.3442 43.3491 43.3408 43.3417

sepeda.jpg

4.0976 4.098 4.1014 4.0973 4.1012

42.0056 42.0051 42.0015 42.0059 42.0017

pepper.jpg

3.0219 3.0208 3.0143 3.0181 3.0239

43.328 43.3296 43.239 43.3335 43.3252

lena.jpg

2.6141 2.6165 2.6141

43.9576 43.9536 43.9575

10 db

symlet

4

10 db haar


63

2.6134 2.611

43.9587 43.9628

kupu-kupu.jpg

3.2548 3.2495 3.2544 3.2497 3.2516

43.0056 43.0126 43.0061 43.0123 43.0099

sepeda.jpg

4.3914 3.3955 3.3944 3.389 3.3911

41.7048 41.7007 41.7018 41.7072 41.7051

pepper.jpg

3.2263 3.2307 3.2261 3.2236 3.2264

43.0437 43.0378 43.044 43.0474 43.0436


64


AWGN (db) 20 db

Metode

Gambar

MSE 2.2209 2.2211 2.2213 2.2198 2.2201

PSNR 44.6656 44.6651 44.6648 44.6678 44.6671

kupu-kupu.jpg

2.7254 2.7267 2.7261 2.7246 2.7262

43.7765 43.7744 43.7754 43.7778 43.7752

sepeda.jpg

3.7796 3.7792 3.7798 3.7793 3.7803

42.3563 42.3568 42.3562 42.3567 42.3556

pepper.jpg

2.7201 2.7216 2.7203 2.7203 2.7203

43.785 43.7826 43.7846 43.7846 43.7847

lena.jpg

2.2502 2.2495 2.2509 2.2502 2.2504

44.6086 44.6099 44.6072 44.6087 44.6082

kupu-kupu.jpg

2.8092 2.8088 2.8081 2.8084 2.8105

43.645 43.6455 43.6467 43.6462 43.643

lena.jpg

diskrit meyer

2

20 db

daubechies


65

3

sepeda.jpg

3.8642 3.8649 3.8641 3.8633 3.8642

42.2682 42.2595 42.2603 42.2612 42.2603

pepper.jpg

2.7952 2.7979 2.796 2.7964 2.7955

43.6666 43.6625 43.6655 43.6648 43.6662

lena.jpg

2.3493 2.35 2.3497 2.3495 2.3503

44.4214 44.4202 44.4207 44.421 44.4195

kupu-kupu.jpg

2.9219 2.922 2.9217 2.9225 2.9224

43.4741 43.474 43.4744 43.4732 43.4733

sepeda.jpg

4.0093 4.009 4.009 4.0082 4.0089

42.1001 42.1005 42.1005 42.1013 42.1006

pepper.jpg

2.9298 2.9317 2.9302 2.93 2.9312

43.4624 43.4596 43.4619 43.4621 43.4603

lena.jpg

2.5228 2.5225 2.523

44.1119 44.1125 44.1117

20 db

symlet

4

20 db haar


66

2.5232 2.5233

44.1113 44.111

kupu-kupu.jpg

3.1616 3.1621 3.1618 3.1617 3.1614

43.1317 43.1311 43.1315 43.1316 43.132

sepeda.jpg

4.3004 4.3019 4.3007 4.3002 4.3005

41.7957 41.7942 41.7954 41.796 41.7956

pepper.jpg

3.1364 3.1357 3.1369 3.1359 3.1362

43.1664 43.1674 43.1658 43.1672 43.1667


67


AWGN (db) 30 db

Metode

Gambar

MSE 2.2117 2.2119 2.2118 2.2116 2.212

PSNR 44.6836 44.6831 44.6833 44.6838 44.6829

kupu-kupu.jpg

2.7165 2.7166 2.7163 2.7163 2.7161

43.7907 43.7905 43.791 43.791 43.7913

sepeda.jpg

3.77 3.77 3.7702 3.7704 3.7702

42.3674 42.3674 42.3672 42.3669 42.3672

pepper.jpg

2.7118 2.7117 2.7121 2.7117 2.7116

43.7982 43.7985 43.7977 43.7984 43.798

lena.jpg

2.2414 2.2415 2.2413 2.2411 2.2412

44.6256 44.6254 44.6258 44.6263 44.6259

kupu-kupu.jpg

2.8002 2.8001 2.8003 2.8004 2.8

43.6589 43.6591 43.6587 43.6586 43.6593

lena.jpg

diskrit meyer

2

30 db

daubechies


68

3

sepeda.jpg

3.855 3.8548 3.8549 3.8549 3.855

42.2706 42.2708 42.2707 42.2707 42.2706

pepper.jpg

2.7877 2.7876 2.7877 2.7876 2.7877

43.6784 43.6786 43.6783 43.6785 43.6784

lena.jpg

2.3409 2.341 2.3409 3409 2.341

44.437 44.4368 44.437 44.4369 44.4368

kupu-kupu.jpg

2.9128 2.9134 2.913 2.9129 2.9127

43.4877 43.4868 43.4874 43.4976 43.4878

sepeda.jpg

4 3.9998 3.9997 3.9999 3.9997

42.1102 42.1104 42.1105 42.1103 42.1105

pepper.jpg

2.9216 2.922 2.9217 2.9216 2.9213

43.4746 43.474 43.4744 43.4745 43.4751

lena.jpg

2.5139 2.5139 2.5138 2.5139

44.1274 44.1274 44.1274 44.1273

30 db

symlet

4

30 db haar


69

2.5139

44.1273

kupu-kupu.jpg

3.1528 3.1528 3.1524 3.1529 3.1524

43.1438 43.1439 43.1444 43.1438 43.1444

sepeda.jpg

4.2924 4.2921 4.2925 4.2923 4.2918

41.8038 41.8041 41.8037 41.8039 41.8044

pepper.jpg

3.1269 4.1276 3.127 3.1274 3.1273

43.1796 43.1787 43.1795 43.179 43.1791


70


AWGN (db) 40 db

Metode

Gambar

MSE 2.2107 2.2108 2.2107 2.2108 2.2106

PSNR 44.6554 44.6854 44.6854 44.6853 44.6857

kupu-kupu.jpg

2.7157 2.7155 2.7156 2.7156 2.7154

43.792 43.7923 43.7922 43.7922 43.7924

sepeda.jpg

3.7693 3.7692 3.7694 3.7692 3.7695

42.3682 42.3683 42.3681 42.3683 42.368

pepper.jpg

2.7109 2.711 2.7109 2.7108 2.7109

43.7997 43.7996 43.7996 43.7998 43.7996

lena.jpg

2.2404 2.2404 2.2404 2.2404 2.2403

44.6276 44.6275 44.6275 44.6275 44.6277

kupu-kupu.jpg

2.7994 2.7994 2.7995 2.7994 2.7993

43.6602 43.6602 43.6601 43.6601 43.6603

lena.jpg

diskrit meyer

2

40 db

daubechies


71

3

sepeda.jpg

3.854 3.8539 3.8539 3.8539 3.8539

42.2717 42.2718 42.2718 42.2718 42.2718

pepper.jpg

2.7867 2.7866 2.7867 2.7866 2.7866

43.6799 43.68 43.6799 43.68 43.6801

lena.jpg

2.3402 2.3402 2.3403 2.3402 2.3402

44.4383 44.4383 44.4382 44.4382 44.4382

kupu-kupu.jpg

2.9119 2.9119 2.9119 2.9119 2.9119

43.489 43.489 43.489 43.4891 43.489

sepeda.jpg

3.999 3.9989 3.9989 3.999 3.999

42.1113 42.1113 42.1114 42.1113 42.1113

pepper.jpg

2.9208 2.9208 2.9207 2.9208 2.9207

43.4758 43.4758 43.4759 43.4757 43.4759

lena.jpg

2.513 2.5131 2.513 2.5131

44.1288 44.1287 44.1288 44.1287

40 db

symlet

4

40 db haar


72

2.513

44.1289

kupu-kupu.jpg

3.1518 3.1517 3.1516 3.1516 3.1519

43.1452 43.1453 43.1455 43.1454 43.1451

sepeda.jpg

4.2914 4.2915 4.2914 4.2913 4.2914

41.8048 41.8047 41.8048 41.8049 41.8048

pepper.jpg

3.1261 3.1264 3.1262 3.1262 3.1262

43.1808 43.1804 43.1806 43.1806 43.1807


73

Lampiran 9 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra RGB N0. 1

AWGN (db) 10 db

Metode

Gambar

MSE 3.3581 3.3602 3.3582 3.3583 3.3605

PSNR 42.869 42.8672 42.8697 42.8695 42.8668

Box.jpg

1.687 1.6891 1.6847 1.6865 1.6885

45.8596 45.8542 45.8656 45.8608 45.8557

Brazil.jpg

4.5394 4.5329 4.5365 4.5372 4.5406

41.5608 41.567 41.5636 41.5629 41.5597

Pepper.jpg

2.6991 2.6984 2.6985 2.6964 2.6989

43.8187 43.8189 43.8196 43.8229 43.8189

lena.jpg

3.4021 3.4023 3.4046 3.3982 3.4023

42.8134 42.813 42.8102 42.8183 42.8131

Box.jpg

1.725 1.7238 1.7231 1.7147 1.7203

45.7629 45.7659 45.7676 45.7637 45.7748

lena.jpg

diskrit meyer

2

10 db

daubechies


74

3

Brazil.jpg

4.5509 4.5465 4.5489 4.9429 4.5491

41.5498 41.554 41.5517 41.5574 41.5515

Pepper.jpg

2.7829 2.7837 2.7813 2.7817 2.7881

43.6858 43.6846 43.6884 43.6877 43.6777

lena.jpg

3.5194 3.5193 3.5167 3.5151 3.5209

42.6661 42.67 42.6694 42.6714 42.6643

Box.jpg

1.7707 1.7706 1.7674 1.7708 1.7723

45.6495 45.6495 45.6574 45.649 45.6454

Brazil.jpg

4.657 4.6541 4.6541 4.654 4.6669

41.4497 41.4525 41.4525 41.4525 41.4405

Pepper.jpg

2.8978 2.8976 2.8938 2.8983 2.896

43.5102 43.5104 43.5161 43.5096 43.5128

lena.jpg

3.7436 3.7542 3.7476 3.7475

42.3979 42.3857 42.3939 42.3934

10 db

symlet

4

10 db haar


75

3.7481

42.3927

Box.jpg

1.8976 1.8995 1.9002 1.9037 1.9001

45.3487 45.3444 45.3429 45.3349 45.3431

Brazil.jpg

4.9307 4.9384 4.9421 4.9407 4.9294

41.2017 41.195 41.1917 41.1929 41.2029

Pepper.jpg

3.105 3.0979 3.0972 3.1036 3.1057

43.2102 43.2202 43.2212 43.2122 43.2091


76


AWGN (db) 20 db

Metode

Gambar

MSE 3.2684 3.2677 3.2687 3.269 3.2691

PSNR 42.9875 42.9884 42.987 42.9866 42.9865

Box.jpg

1.597 1.597 1.596 1.5985 1.5976

46.0977 46.0979 46.1006 46.0937 46.0962

Brazil.jpg

4.4429 4.4494 4.449 4.4508 4.446

41.648 41.6478 41.6481 41.6464 41.6511

pepper.jpg

2.6077 2.6076 2.6084 2.6073 2.6071

43.9683 43.9683 43.967 43.9688 43.9692

Lena.jpg

3.3102 3.3106 3.3113 3.3119 3.3107

42.9323 42.9318 42.9308 42.93 42.9316

Box.jpg

1.6334 1.6331 1.6335 1.5341 1.6339

45.9999 45.0006 45.9996 45.998 45.9987

lena.jpg

diskrit meyer

2

20 db

daubechies


77

3

Brazil.jpg

4.4545 4.4561 4.4545 4.4581 4.551

41.6428 41.6411 41.6428 41.6393 41.6423

Pepper.jpg

2.6946 2.6937 2.6931 2.6932 2.6927

43.8258 43.8273 43.8283 43.8281 43.829

lena.jpg

3.4263 3.4266 3.427 3.4266 3.4258

42.7825 42.7822 42.7817 42.7822 42.7832

Box.jpg

1.6796 1.68 1.679 1.6798 1.6805

45.8788 45.8777 45.8804 45.8782 45.8763

Brazil.jpg

4.5648 4.5656 4.5642 4.5659 4.5643

41.5366 41.5358 41.5372 41.5355 41.537

Pepper.jpg

2.8059 2.8061 2.8057 2.8065 2.8065

43.6501 43.6408 43.6504 43.6492 43.6492

Lena.jpg

3.6537 3.6559 3.6548 3.6563

42.5035 42.5009 42.5121 42.5003

20 db

symlet

4

20 db haar


78

3.6558

42.5009

Box.jpg

1.8096 1.8105 1.8103 1.18 1.8107

45.555 45.5529 45.5532 45.5539 45.5524

Brazil.jpg

4.8403 4.8417 4.8422 4.8426 4.8428

41.282 41.2808 41.2803 41.28 41.2798

pepper.jpg

3.0109 3.0119 3.0112 3.0113 3.0112

43.3438 43.3424 43.3434 43.3433 43.3434


79


AWGN (db) 30 db

Metode

Gambar

MSE 3.2591 3.2597 3.2594 3.2596 3.2598

PSNR 42.9998 42.999 42.9994 42.9992 42.9989

Box.jpg

1.588 1.5879 1.5879 1.5879 1.5877

46.1224 46.1224 46.1224 46.1225 46.1231

Brazil.jpg

4.4387 4.4397 4.439 4.4391 4.44

41.6572 41.6573 41.6579 41.6578 41.657

pepper.jpg

2.5986 2.5983 2.5981 2.5983 2.5982

43.9835 43.9838 43.9843 43.9839 43.9841

lena.jpg

3.3022 3.3022 3.3019 3.3021 3.3018

42.9428 42.9428 42.9432 42.943 42.9433

Box.jpg

1.6245 1.6245 1.6243 1.6244 1.6242

46.0235 46.0237 46.0241 46.0239 46.0244

Lena.jpg

diskrit meyer

2

30 db

daubechies


80

3

Brazil.jpg

4.4464 4.446 4.4453 4.4456 4.4466

41.6507 41.6511 41.6518 41.6515 41.6505

pepper.jpg

2.684 2.6842 2.684 2.6845 2.6839

43.8431 43.8426 43.8429 43.8422 43.8431

Lena.jpg

3.4173 3.4176 3.4174 3.4169 3.4172

42.7939 42.7935 42.7938 42.7944 42.7941

Box.jpg

1.6709 1.6711 1.6715 1.671 1.6708

459,012 45.9008 45.8998 45.9009 45.9014

Brazil.jpg

4.5563 4.5558 4.5565 4.5551 4.5555

41.5447 41.5452 41.5445 41.5458 41.5454

pepper.jpg

2.7975 2.7973 2.7975 2.7975 2.7975

43.6631 43.6634 43.6631 43.6631 43.6631

lena.jpg

3.6471 3.6467 3.6467 3.647

42.5113 42.5118 42.5118 42.5114

30 db

symlet

4

30 db haar


81

3.6468

42.5116

Box.jpg

1.8006 1.8011 1.8009 1.8009 1.8008

45.5765 45.5755 45.5759 45.5758 45.5761

Brazil.jpg

4.8334 4.8328 4.8331 4.8328 4.8328

41.2883 41.2888 41.2886 41.2888 41.2888

pepper.jpg

3.0023 3.0027 3.0023 3.0027 3.0027

43.3563 43.3556 43.3562 43.3557 43.3557


82


AWGN (db) 40 db

Metode

Gambar

MSE 3.2586 3.2586 3.2585 3.2585 3.2585

PSNR 43.0005 43.0005 43.0006 43.0007 43.0006

Box.jpg

1.5869 1.5869 1.587 1.587 1.587

4601252 4601253 46.125 46.1251 46.1251

Brazil.jpg

4.4388 4.4381 4.4384 4.4385 4.4382

41.6581 41.6588 41.6585 41.6585 41.6587

pepper.jpg

2.5972 2.5973 2.5974 2.5973 2.5973

43.9858 43.9855 43.9854 43.9854 43.9855

lena.jpg

3.3012 3.3013 3.3012 3.3012 3.3013

42.9441 42.9439 42.944 42.944 42.944

Box.jpg

1.6237 1.6235 1.6235 1.6236 1.6236

46.0258 46.0262 46.0262 46.0261 46.0261

lena.jpg

diskrit meyer

2

40 db

daubechies


83

3

brazil.jpg

4.4453 4.4456 4.4453 4.4456 4.4455

41.6518 41.6515 41.6518 41.6515 41.6516

pepper.jpg

2.6833 2.6833 2.6833 2.6834 2.6833

43.844 43.8441 43.8441 43.844 43.8441

lena.jpg

3.4165 3.4164 3.4165 3.4165 3.4165

Box.jpg

1.6701 1.67 1.67 1.67 1.6701

45.9034 45.9036 45.9035 45.9035 45.9035

Brazil.jpg

4.5548 4.5551 4.5552 4.555 4.555

41.5461 41.5458 41.5457 41.5459 41.5459

pepper.jpg

2.7966 2.7966 2.7966 2.7966 2.7967

43.6645 43.6644 43.6646 43.6645 43.664

lena.jpg

3.646 3.646 3.6461 3.6461

42.5217 42.5217 42.5126 42.5126

40 db

42.795 42.7951 42.795 42.795 42.795

symlet

4

40 db haar


84

3.6459

42.5127

Box.jpg

1.8 1.8 1.8001 1.7999 1.8001

45.5781 45.578 45.5779 45.5782 45.5779

Brazil.jpg

4.8322 4.8322 4.8322 4.8322 4.8322

41.2894 41.2893 41.2893 41.2894 41.2893

pepper.jpg

3.0016 3.0017 3.0017 3.0017 3.0017

43.3573 43.3572 43.3572 43.3572 43.3571


Analisa Perbandingan Watermarking Image dengan menggunakan Metode Discrete Wavelet Transform TUGAS AKHIR

Recommend Documents