ANALISIS PERBANDINGAN METODE DISCRETE WAVELET TRANSFORM DAN SPREAD SPECTRUM DALAM WATERMARKING CITRA DIGITAL BERWARNA Muhammad Ardiansyah Agusstiawan Mahasiswa Program Studi Teknik Informatika, FT UMRAH Nerfita Nikentari, ST., M.Cs Dosen Program Studi Teknik Informatika, FT UMRAH Hendra Kurniawan, S.Kom., M.Sc.Eng Dosen Program Studi Teknik Informatika, FT UMRAH
ABSTRAK Watermarking merupakan teknik untuk menyembunyikan pesan kedalam sebuah media tanpa merubah ciri fisik media tersebut. Penelitian tentang watermarking sudah banyak dilakukan untuk mendapatkan hasil yang terbaik. Pada penelitian ini penulis membandingkan dua buah metode yakni Discrete Wavelet Transform dan Spread Spectrum untuk melihat metode mana yang lebih baik dalam penyisipan pesan berdasarkan ukuran citra, format citra dan ukuran pesan. Citra yang digunakan terdiri dari 3 ukuran yakni 128x128, 256x256 dan 512x512 dalam format JPG dan BMP, pengujian dilakukan dengan menyisipkan pesan 10, 100, 1000 dan 5000 karakter kedalam ke-enam citra tersebut. Pada metode DWT nilai MSE yang dihasilkan sekitar 0.5 db sedangkan nilai MSE SS berkisar antara 0.2-0.7 db. Hasil dari pengujian menunjukkan metode Spread Spectrum menghasilkan nilai PSNR yang lebih tinggi dibandingkan Discrete Wavelet Transform, sedangkan metode Discrete Wavelet Transform memiliki kelebihan dari segi waktu penyisipan. Kata kunci
: Discrete Wavelet Transform, Spread Spectrum, Citra, Pesan, MSE, PSNR
ABSTRACT Watermarking is a technique for hiding the message into a media without changing the physical characteristics of the media. Research on watermarking has been done to get the best results. In this study the authors compare two methods namely the Discrete Wavelet Transform and Spread Spectrum to see which method is better in the insertion of a message based on the image size, image format and the size of the message. The image that is used consists of three sizes ie 128x128, 256x256 and 512x512 in JPG and BMP format, testing is done by inserting a message 10, 100, 1000 and 5000 all six character into the image. In the method of DWT MSE produced about 0.5 db, while the SS MSE value ranges between 0.2-0.7 db. The results of the testing indicate Spread Spectrum method produces a higher PSNR value than the Discrete Wavelet Transform, Discrete Wavelet Transform while the method has advantages in terms of time of insertion. Key word
: Discrete Wavelet Transform, Spread Spectrum, Image, Message, MSE, PSNR
I.
PENDAHULUAN Berbagai macam teknik pengolahan citra juga sudah banyak dikembangkan oleh para peneliti, seperti peningkatan kualitas citra (image enhancement), pemulihan citra (image restoration), analisis citra (image analysis), kompresi citra (image compression) dan keamanan data citra. Salah satu bidang yang cukup banyak di teliti adalah tentang keamanan data citra. Metode pengamanan data yang sering digunakan adalah Steganografi, Steganografi (Steganography) sendiri terdiri dari dua kata yakni steganos yang artinya tersembunyi dan graphein artinya menulis, jadi Steganografi merupakan metode penyembunyian pesan ke dalam sebuah media tampung, penyembunyian pesan ini dilakukan tanpa menimbulkan kecurigaan dari pihak ketiga. Didalam pengolahan citra teknik pengamanan pesan ini disebut Watermarking. Watermarking merupakan pemberian tanda air atau dengan kata lain menyisipkan sebuah pesan kedalam citra tanpa merubah drastis kualitas citra sehingga secara kasat mata tidak terlihat adanya pesan yang disisipkan dalam citra tersebut Penelitian tentang watermarking kedalam citra digital sendiri sudah banyak dilakukan oleh para peneliti sebelumnya dengan menggunakan berbagai macam metode yang ada. Oleh karena itu pada penelitian ini penulis mencoba membandingkan dua buah metode yakni Transformasi Wavelet dan metode Spread Spectrum dalam penerapan Watermarking pada citra digital. Metode transformasi Wavelet banyak digunakan karena kemudahan dalam pengaplikasiannya. Selain itu metode Spread Spectrum juga banyak digunakan untuk penyembunyian pesan, dengan teknik menyebarkan pesan kedalam pita lebar, sehingga pesan tersebut hanya akan terlihat sebagai derau. Dengan membandingkan kedua metode ini diharapkan didapatkan kualitas citra
hasil Watermark yang mirip seperti citra aslinya sehingga secara visual manusia tidak akan bisa membedakan. II.
KAJIAN LITERATUR
A. a.
Landasan Teori Watermarking Watermarking merupakan suatu bentuk dari steganography (Ilmu yang mempelajari bagaimana menyembunyikan suatu data pada data yang lain). Dalam mempelajari teknikteknik bagaimana penyimpanan suatu data (digital) kedalam data host digital yang lain (Istilah host digunakan untuk data/ sinyal digital yang ditumpangi).[7]
b.
PSNR Peak Signal to Noise Ratio digunakan untuk menentukan kualitas citra. Nilai PSNR diperoleh dengan membandingkan citra asli dan citra rekonstruksi. Untuk menentukan nilai PSNR digunakan rumus : ๐๐๐ PSNR = 10log10 โ๐ด๐บ๐ฌ Dengan MSE = ๐ ๐ ๐ [๐ฐ(๐, โ โ ๐) โ ๐ฐโฒ(๐, ๐)]2 ๐๐ ๐=๐ ๐=๐ m = baris citra n = kolom citra I = citra asli I` = citra rekonstruksi. [4]
c.
Citra Warna Setiap piksel 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 gradasi sebanyak 28. 28. 28 = 16 juta warna lebih. 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 di dalam memori berbeda dengan penyimpanan pada grayscale. Setiap piksel dari citra grayscale 256 gradiasi warna diwakili oleh 1 byte, sedangkan pada 1 piksel
citra true color diwakili oleh 3 byte, dimana masing-masing data byte mempresentasikan warna merah (red), hijau (green), dan biru (blue). [5] d.
Discrete Wavelet Trasnsform Transformasi Wavelet diskrit adalah sebuah transformasi matematika yang digunakan untuk menganalisis sinyal bergerak. Sinyal bergerak ini dianalisis untuk mendapatkan informasi spectrum frekuensi dan waktu secara bersamaan. Transformasi diskrit menggunakan dua komponen penting dalam melakukan transformasi, yakni : - Fungsi Skala (scalling function) : Disebut juga low pass filter yang mengambil citra dengan gradiasi intensitas yang halus dan perbedaan intensitas yang tinggi akan dikurangi/ dibuang
HH yang merupakan rentang frekuensi hasil dekomposisi citra menggunakan Wavelet. Data Watermark ini dapat dianggap sebagai rangkaian bilangan W dengan panjang L yang disisipkan pada koefisien rentang frekuensi yang dipilih. f.
Spread Spectrum Definisi dari Spread Spectrum adalah sebuah teknik transimisi dimana kode pseudonoise, independent dari data informasi yang digunakan sebagai gelombang modulasi untuk โmenyebarkanโ energi sinyal melalui sebuah bandwidth jauh lebih besar daripada bandwidth sinyal informasi. Pada penerima sinyal dikumpulkan menggunakan replika kode pseudonoise yang telah disinkronisasikan.[7]
g.
Penerapan SS pada watermarking Proses penyisipan pesan ini dibagi menjadi tiga proses, yaitu awalnya dilakukan proses spreading setelah itu dilakukan proses modulasi, yakni proses pengacakan pesan yang telah disebar dengan bilangan pseudonoise dan terakhir proses penyisipan. Proses penyisipan sendiri terbagi tiga proses lagi yaitu penentuan wilayah penyisipan, penambahan informasi, dan penyisipan pesan pada matriks frekuensi. [9]
B.
Kajian Terdahulu Dean Fathony Alfatwa, 2009, dalam jurnal nya meneliti tentang watermarking sebagai perlindungan terhadap hak cipta. Peneliti menggunakan metode Discrete Wavelet Transform dengan teknik Haar Wavelet. Penerapan DWT dilakukan dengan menyisipkan gambar kedalam gambar. Kelebihan metode ini adalah menghasilkan citra watermark dengan kualitas bagus, namun kurang tahan terhadap serangan seperti blur dan noise.[1] Gabriel Ady Septianto dan M. A. Ineke Pakereng dalma jurnal โPerancangan dan Implementasi Aplikasi Wateramarking Citra Digital Dengan Metode Selective Spread
-
Fungsi Wavelet (Wavelet function) : Disebut juga high pass filter yang mengambil citra dengan gradiasi intensitas yang tinggi dan perbedaan intensitas yang rendah akan dikurangi/ dibuang. Transformasi Wavelet Diskrit merupakan pentransformasian sinyal diskrit menjadi kofisien-koefisien Wavelet yang diperoleh dengan cara menapis sinyal menggunakan dua buah tapis yang berlawanan. Kedua tapis yang dimaksud adalah: -
e.
Tapis penyekala atau disebut tapis lolos rendah (low pass filter) Tapis detail atau tapis lolos tinggi (high pass filter).[8]
Penerapan DWT pada watermarking Citra digital sebelumnya di dekomposisi terlebih dahulu menggunakan DWT agar dapat disisipkan Watermark, selanjutnya jalankan DWT untuk membentuk citra ber-Watermark. Secara umum penyisipan Watermark dilakukan dengan cara memodifikasi koefisien pada rentang frekuensi LL, LH, HL,
Spectrumโ. Pada penelitian tersebut menggunakan metode Selective Spread Spectrum, dimana memanfaatkan LSB termodifikasi dalam pemilihan byte penyisipan pada cover image sebagai tempat penyimpanan bit-bit citra digital. Hasilnya menunjukkan bahwa cover image sebelum dan sesudah disisipi secara visual tidak menampakkan perbedaan yang siginifikan serta tidak mengalami perubahan isi file.[2] Dr. Nasseer M dan Shaimaa S.A, 2011, dalam penelitiannya yang berjudul โDigital Image Watermarking Algorithm in Discrete Wavelet Transform Domain Using HVS Characteristicsโ melakukan penelitian terhadap citra digital hitam-putih berdasarkan karakteristik visualisasi dari mata manusia. Peneliti menggunakan model blind watermarking pada citra berukuran 512x512 dengan metode Daubechies Wavelet. Hasil dari penelitian tersebut kualitas citra hasil watermark menunjukkan hasil yang bagus dan sesuai dengan konsep watermarking yakni imperceptibility.[3] III.
Kepustakaan (library research) : Penulis mengumpulkan data-data yang relevan dengan topik pembahasan dari buku-buku yang ada di perpustakaan C.
IV.
A.
Metode Pengembangan Sistem Dalam penelitian ini metode yang digunakan dalam pengembangan sistem adalah model Waterfall atau yang biasa disebut metode air terjun. Metode ini dipilih karena pengembangan sistem dilakukan tahap demi tahap, dimulai dari tahap analisa hingga terakhir tahap testing dan maintenance. Model Waterfall menurut Pressman PERANCANGAN DAN IMPLEMENTASI Perancangan
METODE PENELITIAN
A.
Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder merupakan pendekatan penelitian menggunakan data-data yang telah ada, selanjutnya dilakukan proses analisa dan interpretasi terhadap data-data tersebut sesuai dengan tujuan penelitian. Pada penelitian ini data sekunder yang digunakan adalah berupa citra digital berwarna, dengan format JPG (Joint Photographic Group) dan BMP (Bitmap).
B.
Metode Pengambilan Data Metode penelitian yang dilakukan adalah dengan mengumpulkan datadata yang terkait dengan penelitian. Metode pengumpulan data yang dilakukan adalah:
Gambar 1. Diagram Konteks
Gambar 2. DFD Level 1 DWT
V.
HASIL DAN PEMBAHASAN MSE 128x128 JPG dan BMP
10 5 0 Pesan 1. Pesan 2. Pesan 3. Pesan 4. <=10 <=100 <=1000 <=5000 DWT JPG
SS JPG
DWT BMP
SS BMP
Gambar 6. MSE 128 Gambar 3. DFD Level 1 SS B.
MSE 256X256 JPG dan BMP
Implementasi 40 20 0
Pesan 1. Pesan 2. Pesan 3. Pesan 4. <=10 <=100 <=1000 <=5000 DWT JPG
SS JPG
DWT BMP
SS BMP
Gambar 7. MSE 256 MSE 512x512 JPG dan BMP
Gambar 4. Form DWT
0.8 0.6 0.4 0.2 0 Pesan 1. Pesan 2. Pesan 3. Pesan 4. <=10 <=100 <=1000 <=5000 DWT JPG SS JPG DWT BMP SS BMP
Gambar 8. MSE 512 PSNR 128X128 JPG dan BMP 100 50 0
Gambar 5. Form SS
Pesan 1. Pesan 2. Pesan 3. Pesan 4. <=10 <=100 <=1000 <=5000 DWT JPG
SS JPG
DWT BMP
Gambar 9. PSNR 128
SS BMP
PSNR 256X256 JPG dan BMP
TIME 256X256 JPG dan BMP
100
50
50 0
0
Pesan 1. Pesan 2. Pesan 3. Pesan 4. <=10 <=100 <=1000 <=5000
Pesan 1. Pesan 2. Pesan 3. Pesan 4. <=10 <=100 <=1000 <=5000 DWT JPG
SS JPG
DWT BMP
DWT JPG
SS BMP
Gambar 10. PSNR 256
SS JPG
DWT BMP
SS BMP
Gambar 13. Time 256
PSNR 512X512 JPG dan BMP
TIME 512X512 JPG dan BMP
100 50 50 0 Pesan 1. Pesan 2. Pesan 3. Pesan 4. <=10 <=100 <=1000 <=5000 DWT JPG SS JPG DWT BMP SS BMP
1 0 Pesan 1. Pesan 2. Pesan 3. Pesan 4. <=10 <=100 <=1000 <=5000 DWT BMP
Gambar 12. Time 128
SS JPG
DWT BMP
Gambar 14. Time 512
2
SS JPG
Pesan 1. Pesan 2. Pesan 3. Pesan 4. <=10 <=100 <=1000 <=5000 DWT JPG
Gambar 11. PSNR 512 TIME 128X128 JPG dan BMP
DWT JPG
0
SS BMP
SS BMP
No
Parameter Uji
MSE PSNR DWT SS DWT SS (db) (db) (db) (db) Skenario Pengujian 1
Time DWT SS (sc) (sc)
Lena128.jpg 1
Pesan 1. <=10
0.557
0.007
50.67
69.757
0.036
0.074
Pesan 2. <=100
0.622
0.071
50.194
59.601
0.046
0.098
Pesan 3. <=1000
3.831
0.666
42.298
49.897
0.377
1.967
Pesan 4. <=5000
-
-
-
-
-
-
Skenario Pengujian 2
2
Lena128.bmp Pesan 1. <=10
0.542
0.006
50.795
70.105
0.046
0.075
Pesan 2. <=100
0.602
0.07
50.335
59.696
0.055
0.078
Pesan 3. <=1000
6.405
0.669
40.066
49.876
0.412
1.916
Pesan 4. <=5000
-
-
-
-
-
-
Skenario Pengujian 3 Lena256.jpg 3
Pesan 1. <=10
0.546
0.002
50.761
75.432
0.141
0.198
Pesan 2. <=100
0.56
0.017
50.647
65.788
0.193
0.215
Pesan 3. <=1000
0.696
0.167
49.702
55.898
1.095
2.115
Pesan 4. <=5000
7.243
0.837
39.532
48.906
4.61
39.783
Skenario Pengujian 4 Lena256.bmp 4
Pesan 1. <=10
0.548
0.002
50.742
75.601
0.031
0.06
Pesan 2. <=100
0.094
0.563
0.017
50.629
65.84
0.054
Pesan 3. <=1000
0.697
0.167
49.698
55.899
0.334
1.851
Pesan 4. <=5000
27.703
0.832
33.706
48.93
3.476
40.687
Skenario Pengujian 5 Lena512.jpg 5
Pesan 1. <=10
0.547
0
50.752
81.5
0.15
0.239
Pesan 2. <=100
0.55
0.004
50.725
71.879
0.364
0.281
Pesan 3. <=1000
0.585
0.042
50.459
61.915
1.722
1.955
Pesan 4. <=5000
0.732
0.208
49.484
54.94
4.073
42.28
Skenario Pengujian 6 Lena512.bmp 6
Pesan 1. <=10
0.544
0
50.778
81.382
0.127
1.057
Pesan 2. <=100
0.547
0.004
50.752
71.811
1.062
0.729
Pesan 3. <=1000
0.581
0.042
50.489
61.931
1.132
3.602
Pesan 4. <=5000
0.729
0.208
49.503
54.941
4.496
40.668
Perbedaan secara signifikan terlihat jelas antara kedua metode baik pada citra 128x128, 256x256 dan 512x512 dalam format jpg maupun bmp. Dimana nilai MSE yang di hasilkan oleh metode Discrete Wavelet Transform rata-rata 0.5 db sedangkan MSE yang dihasilkan oleh metode Spread Spectrum berkisar antara 0.2 โ 0.7 db. Khususnya pada pesan dengan panjang 1000 karakter dan 5000 karakter, perbedaan yang didapat sangat jauh berbeda dikarenakan panjangnya jumlah karakter yang akan disisipkan kedalam citra. Tetapi lain halnya dengan pesan 5000 karakter yang disisikan kedalam citra berukuran 128x128.jpg dan 128x128.bmp, pesan tersebut tidak dapat disisipkan sama sekali
VI. A. i.
ii.
iii.
iv.
v.
vi.
vii.
PENUTUP Kesimpulan Nilai MSE dan waktu penyisipan berbanding terbalik terhadap nilai PSNR baik pada metode Discrete Wavelet Transform maupun pada metode Spread Spectrum. Semakin tinggi nilai MSE yang dihasilkan, maka kualitas PSNR akan semakin rendah Metode Discrete Wavelet Transform menghasilkan nilai MSE yang tinggi dibandingkan metode Spread Spectrum. Sebaliknya metode Spread Spectrum menghasilkan nilai PSNR yang lebih tinggi dibandingkan metode Discrete Wavelet Transform. Semakin panjang pesan, semakin lama waktu yang dibutuhkan untuk penyisipan. Waktu yang dibutuhkan metode Spread Spectrum untuk menyisipkan pesan lebih lama dibandingkan metode Discrete Wavelet Transform. Perbedaan error dan kualitas yang dihasilkan oleh kedua metode dipengaruhi algoritma masing-masing metode. ๏ท Pada DWT citra mengalami perubahan secara keseluruhan setelah direkonstruksi meskipun secara kasat mata tidak terlihat.
๏ท
viii.
Pada SS citra hasil Watermark tidak mengalami perubahan secara keseluruhan karena hanya digunakan beberapa piksel saja sebagai tempat penyisipan Metode DWT tidak menggunakan kata kunci sedangkan metode SS terdapat kata kunci yang menambah keamanan pesan.
Masing-masing metode baik Discrete Wavelet Transform maupun Spread Spectrum memiliki kelebihan dan kekurangan. -
-
Berdasarkan waktu penyisipan maka metode Discrete Wavelet Transform lebih cepat Berdasarkan kualitas citra dan eror yang dihasilkan maka metode Spread Spectrum lebih baik.
B. Saran i. Penelitian ini membandingkan metode Discrete Wavelet Transform Spread dan Spectrum, berikutnya dapat dikembangkan dengan menggabungkan kedua metode tersebut (hybrid). ii. Penelitian berikutnya dapat dikembangkan juga penyisipan pada file GIF/ animasi, audio dan video iii. Kedua metode dapat di implementasikan pada berbagai bidang karena secara visual tidak merubah citra yang digunakan serta kualitas yang hampir sama seperti citra aslinya, misalnya : - Militer untuk pengiriman pesan rahasia - Medis untuk penyisipan data pasien pada hasil rontgen - Fotografi untuk pembuktian kepemilikan hak cipta fotografi DAFTAR PUSTAKA [1] Alfatwa, D.F., 2009, Watermarking Pada Citra Digital Menggunakan Discrete Wavelete Transform, Jurnal Teknik Informatika, Institut Teknologi Bandung, Bandung, Indonesia. [2] Septianto, G.A., 2013, Perancangan dan Implementasi Aplikasi Watermarking Citra Digital Dengan Metode Selective Spread Spectrum, Jurnal Teknik Informatika, Fakultas Teknologi Informasi, Universitas
Kristen Satya Wacana Salatiga, Sidorejo, Jawa Tengah. [3] Basheer, N.M., Abdulsalam, S.S., 2011, Digital Image Watermarking Algorithm in Discrete Wavelet Transform Domain Using HVS Characteristics, Iraqi journal of Statistical Science, Iraq, 351-368. [4] Brannock, E., Weeks, M, and Harrison, R., 2009, The Effect of Wavelet Families on Watermarking, Journal of Computers, Georgia State University, Atlanta 4(6), 554-566. [5] Hakim, A.R., 2012, Analisa Perbandingan Watermarking Image dengan Menggunakan Metode Discrete Wavelet Transform, Skripsi, Universitas Indonesia, Depok. [6] Pratiarso, A., Yuliana, M., Hadi, M.Z.S., H, Fatchul, B., dan W, Brahim., 2012, Analisa PSNR Pada Teknik Steganografi Menggunakan Spread Spectrum, The 14th Industrial Electronics Seminar (IES), Surabaya, 2012, 105-110. [7]
Persada, B.A., 2013, Studi dan Impelementasi Non-Blind Watermarking Dengan Metode Spread Spectrum, Jurnal Program Studi Teknik Informartika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung, Bandung.
[8] Tyas, L.A., 2011, Watermarking Citra Digital Berbasis DWT-SVD dengan Detektor Non Blind, Skripsi, Universitas Diponegoro, Semarang. [9] Winanti, W., 2013, Penyembunyian Pesan Pada Citra Terkompresi JPEG Menggunakan Metode Spread Spectrum, Jurnal Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Bandung.