plagiat merupakan tindakan tidak terpujirepository.usd.ac.id/596/2/115314075_full.pdf · yang tidak...

i

1 HALAMAN JUDUL

PENERAPAN TEKNIK WATERMARKING METODE DWT

(DISCRETE WAVELET TRANSFORM)

PADA CITRA DIGITAL

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Oleh:

Benedictus Reynusa Paradhipta

115314075

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2015

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

ii

2 HALAMAN JUDUL (English)

APPLICATION OF DIGITAL IMAGE WATERMARKING

TECHNIQUE USING DWT

(DISCRETE WAVELETE TRANSFORM) METHOD

a Thesis

Presented as Partial Fulfillment of the Requirements to Obtain Sarjana Komputer

Degree in Informatics Engineering Study Program

By:


115314075

INFORMATICS ENGINEERING STUDY PROGRAM

DEPARTMENT OF INFORMATICS ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2015


iii


iv


(DISCRETE WAVELET TRANSFORMS)

PADA CITRA DIGITAL

3 HALAMAN PENGESAHAN

Dipersiapkan dan disusun oleh:

Nama : Benedictus Reynusa Paradhipta

NIM : 115314075

Telah dipertahankan di depan panitia penguji

pada tanggal 23 Juli 2015

dan dinyatakan memenuhi syarat

Susunan Panitia Penguji:

Nama Lengkap Tanda Tangan

Ketua : Alb. Agung Hadhiatma, S.T., M.T. _____________

Sekretaris : Dr. Anastasia Rita Widiarti, M. Kom. _____________

Anggota : Sri Hartati Wijono, S.Si., M.Kom. _____________

Yogyakarta, Juli 2015

Fakultas Sains dan Teknologi

Universitas Sanata Dharma

Dekan,

(Paulina Heruningsih Prima Rosa, S.Si., M.Sc)


v

4 HALAMAN PERSEMBAHAN

“Better is the end of a thing than its beginning, and the patient

in spirit is better than the proud in spirit.”

( Ecclesiastes 7:8 )

“When you feel like giving up, remember why you held so long in the first

place, because COURAGE is not having the strength to go on; it is

going on when you don't have the strength.”

-- Theodore Roosevelt

Skripsi ini dipersembahkan untuk:

Keluarga dan semua orang terkasih yang selalu percaya kepadaku,

The other wing, partner on my path.

For my existences.


vi

5 PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini

tidak memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan

dalam kutipan dan daftar pustaka sebagaimana layaknya sebuah karya ilmiah.

Yogyakarta, 31 Juli 2015

Penulis



vii

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH

UNTUK KEPENTINGAN AKADEMIS

6 LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI

Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma:

Nama : Benedictus Reynusa Paradhipta

NIM : 115314075

Demi pengembangan ilmu pengetahuan, saya memberikan kepada perpustakaan

Universitas Sanata Dharma karya ilmiah yang berjudul:



PADA CITRA DIGITAL

Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan

kepada perpustakaan Universitas Sanata Dharma hak untuk menyimpan,

mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data,

mendistribusikan secara terbatas, dan mempublikasikan di internet atau media lain

untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun

memberikan royalty kepada saya selama tetap mencatumkan nama saya sebagai

penulis.

Demikian pernyataan ini saya buat dengan sebenarnya.


Yang menyatakan,



viii

7 ABSTRAK



PADA CITRA DIGITAL

ABSTRAK

Citra dokumen digital memiliki kelebihan dalam penyimpanan dan

pengiriman dalam waktu singkat dibandingkan dengan dokumen yang dicetak.

Citra dokumen digital seringkali digunakan sebagai persyaratan dalam registrasi

beasiswa online atau lamaran kerja online yang membutuhkan persyaratan berupa

ijazah atau sertifikat. Untuk melindungi keaslian citra dokumen atau kepemilikan

atas citra dokumen tersebut, teknik watermarking adalah salah satu yang terbaik.

Tujuan dari skripsi ini adalah penggunaan teknik watermarking dengan

menggunakan metode DWT (Discrete Wavelet Transform) pada citra digital

berwarna. Citra digital ditransformasikan ke dalam 4 subband; LL, LH, HL dan

HH. Proses penyisipan watermark (embed) dilakukan pada subband LL. Kualitas

citra dihitung menggunakan PSNR (Peak Signal-to-Noise Ratio) dan SSIM

(Structural Similiarity).

Dari percobaan yang dilakukan, konstanta yang digunakan pada proses

penyisipan watermark (embed) adalah α = 0.01 sehingga menghasilkan watermark

yang tidak kasat mata pada citra ber-watermark dengan nilai PSNR 48,43 dan SSIM

0,949. Konstanta yang digunakan pada proses ekstraksi watermark (extract) adalah

α = 10 sehingga menghasilkan watermark yang dapat dikenali secara HVS (Human

Visual System) oleh penulis dari citra ber-watermark, bahkan watermark masih

dapat dikenali dari citra ber-watermark yang sudah mengalami modifikasi blurring,

croping, contrasting , add noise, rotate dan scaling.

Kata kunci : watermarking, watermark, wavelet, DWT, PSNR, SSIM, Robustness


ix

8 ABSTRACT

APPLICATION OF DIGITAL IMAGE WATERMARKING

TECHNIQUE USING DWT

(DISCRETE WAVELETE TRANSFORM) METHOD

ABSTRACT

The document digital image have more advantageous in storage and

spreading than printed document. The document digital image commonly used for

online scholarship registration requirment or in an online job application that

require important document in digital media, such as qualification certificate or

diploma certificate. In order to protect copyright and authentication of these

document digital image, watermarking technic is one of the best solution.

This paper proposes a digital private watermarking algorithm based on

discrete wavelet transform (DWT) for color image. The original color image is

transformed into four subband frequency; LL,LH,HL,HH. The embedding process

in on subband LL. The quality of watermarked image calculated by PSNR (Peak

Signal-to-Noise Ratio) and SSIM (Structural Similiarity).

From this experiment, the constant number used for embed is α = 0.01

produce invisible watermark on watermarked image with PSNR value 48,43 and

SSIM value 0,949. The constant number used for extract is α = 10 produce

recognizable watermark in HVS (Human Visual System) by writer from

watermarked image, even from watermarked image that have modificated by

blurring, croping, contrasting , add noise, rotate and scaling.

Keyword: watermarking, watermark, wavelet, DWT, PSNR, SSIM, robustness


x

9 KATA PENGANTAR

Segala hormat dan puji syukur penulis panjatkan kepada Tuhan Yesus

Kristus karena limpahan kebaikan dan penyertaan-Nya, penulis dapat

menyelesaikan skripsi yang berjudul “Penerapan Teknik Watermarking Metode

DWT (Discrete Wavelet Transform) Pada Citra Digital”, sebagai salah satu syarat

memperoleh gelar Sarjana pada Program Studi Teknik Informatika Fakultas Sains

dan Teknologi Universitas Sanata Dharma Yogyakarta.

Dalam proses penyusunan dan penulisan skripsi ini tidak terlepas dari

bantuan, bimbingan serta dukungandari berbagai pihak. Oleh karena itu dalam

kesempatan ini dengan segala kerendahan hati mengucapkan terima kasih kepada

yang terhormat:

1. Ibu Sri Hartati Wijono, S.Si., M.Kom. selaku dosen pembimbing yang selalu

bijaksana memberikan bimbingan, motivasi, kesabaran serta waktunya

selama penelitian dan penulisan skripsi ini sehingga penelitian dan penulisan

skripsi ini berjalan dengan lancar.

2. Romo Dr. Cyprianus Kuntoro Adi, S.J., M.A., M.Sc. yang selalu memberikan

semangat dan dorongan serta menjadi rekan sharing yang sungguh berharga.

3. Bapak Puspaningtyas Sanjoyo Adi, S.T., M.T. selaku dosen pembimbing

akademik yang selalu memberikan motivasi dan inspirasi dalam penulisan

skripsi ini.

4. Bapak Alb. Agung Hadhiatma, M.T. selaku dosen penguji yang telah

memberikan banyak masukan terhadap skripsi ini.

5. Staf Dosen Teknik Informatika Fakultas Sains dan Teknologi Universitas

Sanata Dharma yang telah membekali penulis dengan berbagai ilmu selama

mengikuti perkuliahan sampai akhir penulisan skripsi.

6. Staf Tata Usaha Fakultas Sains dan Teknologi Universitas Sanata Dharma

yang telah banyak membantu penulis selama mengikuti perkuliahan dan

penulisan skripsi ini.


xi

7. Bapak Dada Wiyata, S.E. dan Ibu Cicilia Mujiastuti, kedua orang tua penulis

yang dengan luar biasa memberikan segala tulus cinta kasih, sabar dan selalu

percaya kepada penulis.

8. Kakak A. Angga Sandi Birawa, S.T. yang selalu menjadi panutan serta

pelecut semangat. Adik Cindy dan Flora yang telah memberi dorongan dan

kasih sayang.

9. Bapak Drs. R. V. Yuliadi K. dan Ibu Dra. L. Heni S. yang selalu memberi

semangat serta perhatian yang tulus kepada penulis.

10. Grasia Anggia Mira Vania, S.Pd. yang selalu hadir dengan senyuman dan

tidak pernah lelah mendampingi penulis. Terima kasih atas semua waktu,

perjuangan, mimpi serta kasih sayang selama ini.

11. Rekan-rekan seperjuangan, Romo Poldo, Ega dan Bayu, atas semua

kesempatan saling berbagi pendapat, ilmu serta kekonyolan bodoh kalian

yang membantu penulis selalu kembali bersemangat.

12. Rekan-rekan forum matlabcentral di www.mathworks.com yang dengan

senang hati berbagi pengalaman dan membantu penulis dalam pembuatan

aplikasi perangkat lunak yang digunakan dalam penelitian skripsi ini.

13. Seluruh civitas akademika Teknik Informatika angkatan 2011, terutama

anggota C++ yang telah berjuang bersama dan saling memberi semangat.

14. Teman-teman SMA PL Van Lith Muntilan angkatan XV dan PBI Sanata

Dharma 2008 atas segala kesempatan berbagi pengalaman.

15. Semua pihak, baik langsung maupun tidak, yang telah membantu dalam

proses penyelesaian skripsi ini.

Semoga Tuhan memberikan balasan yang berlipat ganda kepada semuanya.

Demi perbaikan selanjutnya, saran dan kritik membangun akan penulis terima

dengan senang hati. Akhir kata, semoga skripsi ini bermanfaat bagi sesama.


Penulis,



xii

10 DAFTAR ISI

HALAMAN JUDUL .................................................................................................... i

HALAMAN JUDUL (English) ................................................................................... ii

HALAMAN PERSETUJUAN..............................................................................iii

HALAMAN PENGESAHAN ..............................................................................iv

HALAMAN PERSEMBAHAN .................................................................................. v

PERNYATAAN KEASLIAN KARYA ..................................................................... vi

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI...................................vii

ABSTRAK ..................................................................................................................... viii

ABSTRACT ................................................................................................................... ix

KATA PENGANTAR .................................................................................................. x

DAFTAR ISI .................................................................................................................. xii

DAFTAR GAMBAR .................................................................................................... xv

DAFTAR TABEL ......................................................................................................... xvi

BAB I PENDAHULUAN ............................................................................................ 1

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

1.2. Permasalahan .......................................................................................... 3

1.3. Pembatasan Masalah .............................................................................. 4

1.4. Tujuan Penelitian .................................................................................... 4

1.5. Manfaat Penelitian .................................................................................. 5

BAB II LANDASAN TEORI ...................................................................................... 6

2.1. Citra Digital ............................................................................................ 6

2.2. Digitalisasi Citra ..................................................................................... 7

2.3. Resolusi Citra ......................................................................................... 8

2.4. Tipe Citra ................................................................................................ 9


xiii

2.4.1. Citra Berwana (truecolor) ............................................................... 9

2.4.2. Citra Grayscale ............................................................................... 9

2.4.3. Citra Biner ....................................................................................... 10

2.5. Kualitas Citra Digital .............................................................................. 11

2.5.1. Peak Signal-to-Noise Ratio (PSNR) ............................................... 11

2.5.2. Structural Similiarity (SSIM) Index ................................................ 12

2.6. Watermarking ......................................................................................... 13

2.6.1. Sejarah Watermarking ..................................................................... 14

2.6.2. Pengertian Watermarking................................................................ 15

2.6.3. Manfaat Watermarking ................................................................... 19

2.7. Discrete Wavelet Transform pada citra digital ....................................... 19

2.7.1. Penerapan Discrete Wavelet Transform pada kompresi citra ......... 20

2.7.2. Invers Discrete Wavelet Transform (IDWT) .................................. 23

BAB III METODOLOGI ............................................................................................. 24

3.1. Data ........................................................................................................ 24

3.2. Deskripsi Rancangan Umum Perangkat Lunak ...................................... 24

3.3. Penyisipan watermark ............................................................................ 29

3.3.1. Alur Proses Penyisipan ................................................................... 30

3.4. Ekstraksi Watermark .............................................................................. 31

3.4.1. Alur Proses Ekstraksi ...................................................................... 31

BAB IV IMPLEMENTASI ......................................................................................... 32

4.1. Representasi Data Dalam Matlab ........................................................... 32

4.2. Alur Proses Penyisipan ( embed ) ........................................................... 34

4.3. Alur Proses Ekstraksi ( extract ) ............................................................. 36

4.4. Hitung PSNR dan SSIM ......................................................................... 38


xiv

4.4.1 Hitung PSNR ................................................................................... 38

4.4.2. Hitung SSIM (Structural Similiarity) .............................................. 39

4.5. Penambahan Standart Malicious Attack pada citra ber-watermark ....... 40

BAB V HASIL DAN PEMBAHASAN ..................................................................... 41

5.1. Kerja Perangkat Lunak ........................................................................... 41

5.2. Hasil Pengujian ....................................................................................... 42

5.2.1. Hasil Pengujian Citra Ber-watermark ............................................. 43

5.2.2. Hasil Pengujian Ekstraksi dari Citra Ber-watermark ...................... 45

5.2.3. Hasil Pengujian Ketahanan Perangkat Lunak ................................. 48

5.2.4. Hasil Pengujian Perangkat Lunak Mengenali Citra yang Tidak Ber-

watermark .......................................................................................................... 69

BAB VI KESIMPULAN DAN SARAN ................................................................... 71

6.1. Kesimpulan ............................................................................................. 71

6.2. Saran ....................................................................................................... 72

DAFTAR PUSTAKA ................................................................................................... 74

Lampiran......................................................................................................................... 76


xv

11 DAFTAR GAMBAR

Gambar 2.1 Matriks citra digital .......................................................................... 6

Gambar 2.2 Resolusi Citra ................................................................................... 8

Gambar 2.3 Keping citra berwarna ...................................................................... 9

Gambar 2.4 Representasi citra grayscale ............................................................. 10

Gambar 2.5 Skema watermarking ........................................................................ 15

Gambar 2.6 Citra grayscale sebelum dekomposisi .............................................. 22

Gambar 2.7 Citra grayscale hasil dekomposisi ................................................... 22

Gambar 2.8 Dekomposisi citra ............................................................................. 23

Gambar 3.1 Diagram block perangkat lunak ....................................................... 25

Gambar 3.2 Use case............................................................................................ 26

Gambar 3.3 User interface (embed) ..................................................................... 27

Gambar 3.4 User interface (extract) .................................................................... 28

Gambar 4.1 Representasi citra1.jpg dalam Matlab .............................................. 32

Gambar 4.2 Representasi watermark1.jpg dalam Matlab .................................... 32

Gambar 4.3 (a) insert citra host, (b) insert citra watermark, (c) insert citra ber-

watermark ................................................................................................... 33

Gambar 4.4 (a) Hasil dekomposisi citra host, (b) Hasil dekomposisi citra watermark 34

Gambar 4.5. Rekonstruksi dengan IDWT menghasilkan citra ber-watermark .... 35

Gambar 4.6 (a) Hasil dekomposisi citra host, (b) Hasil dekomposisi citra

watermark, (c) Hasil dekomposisi citra ber-watermark. .............. 36

Gambar 4.7. Rekonstruksi dengan IDWT menghasilkan citra watermark hasil

ekstraksi......................................................................................... 38

Gambar 4.8. Hasil perhitungan PSNR dan SSIM ................................................ 39

Gambar 5.1 Penyisipan watermark (embed) ........................................................ 41

Gambar 5.2 Ekstraksi watermark (extract) .......................................................... 41


xvi

12 DAFTAR TABEL

Tabel 5.1 File citra asal (host) ............................................................................... 42

Tabel 5.2 File citra watermark ............................................................................. 42

Tabel 5.3 Tabel hasil watermarking dengan watermark1.jpg ............................... 44

Tabel 5.4 Tabel hasil watermarking dengan watermark2.jpg ............................... 44

Tabel 5.5 Tabel extract dengan α = 0.01, α = 0.1, α = 1, α =10 untuk embed dengan

α = 0.1 ................................................................................................... 46


α = 0.01 ................................................................................................. 47


α = 0.1 yang sudah dikenai Standart Attack ......................................... 49


α = 0.01 yang sudah dikenai Standart Attack ....................................... 53


α = 0.1 yang sudah dikenai Standart Attack ......................................... 57


α = 0.01 yang sudah dikenai Standart Attack ....................................... 61

Tabel 5.11 Tabel pengenalan informasi watermark hasil extract α =10 dari citra ber-

watermark embed α =0.01 (proses watermarking yang menghasilkan

watermark yang tidak kasat mata) yang dikenai Standart Attack variasi

pemilihan citra watermark .................................................................... 65

Tabel 5.12 Tabel extract untuk citra digital tidak ber-watermark (citra yang akan

dikenali adalah citra asal) ..................................................................... 69

Tabel 5.13 Tabel extract untuk citra digital tidak ber-watermark (citra yang akan

dikenali berbeda dengan citra asal). Citra asal yang digunakan Citra1.jpg

................................................................................................................. 70


1

1. BAB I

PENDAHULUAN

1.1. Latar Belakang

Citra digital memiliki banyak kelebihan dibandingkan citra berbentuk fisik,

salah satunya adalah mudah diduplikasi dan dikirimkan dengan waktu yang singkat.

Hal ini kemudian dimanfaatkan untuk pengiriman dokumen berbentuk citra digital

untuk registrasi seperti pengajuan beasiswa online atau pengajuan lamaran kerja,

berupa dokumen ijazah atau sertifikat dalam bentuk citra digital

Sesuai dengan sifatnya, media digital memungkinkan tak terbatasnya salinan

yang sulit dibedakan dengan aslinya dan dengan mudah dimanipulasi atau

dimodifikasi untuk merubah informasi dari media digital tersebut oleh pihak yang

tidak bertanggung jawab. Oleh karena itu perlu dilakukan upaya untuk memberi

tanda kepemilikan atau keaslian dari dokumen citra digital tersebut dengan

menyisipkan informasi pemilik atau penanda keaslian pada citra dokumen digital

tersebut, salah satunya dengan metode watermarking.

Watermarking yang baik merupakan suatu teknik penyembunyian suatu

data atau informasi “rahasia” berupa citra digital yang disebut watermark, ke dalam

suatu citra digital lainnya (disebut dengan citra host), tetapi orang lain tidak

menyadari kehadiran adanya data tambahan pada citra tersebut. Jadi seolah-olah

tidak ada perbedaan antara host sebelum dan sesudah proses watermarking.


2

Seseorang atau suatu lembaga tidak ingin dirugikan karena citra dokumen

digital yang sudah dimanipulasi atau dimodifikasi mengalami perubahan informasi

dari citra dokumen digital tersebut. Biasanya untuk menghindari manipulasi atau

modifikasi informasi citra dokumen digital, seseorang atau suatu lembaga yang

memiliki hak atas citra dokumen digital tersebut akan memberi tanda kepemilikan

atau informasi lainnya agar dokumen citra digital tersebut tidak mudah

dimanipulasi atau dimodifikasi.

Ada beberapa teknik watermarking yang digunakan yaitu teknik

watermarking yang bekerja pada domain frekuensi, spasial dan feature. Pada

domain frekuensi salah satunya adalah dengan metode Discrete Wavelet Transform

(DWT), pada domain spasial ada beberapa metode diantaranya Singular Value

Decomposition (SVD) dan Least Significant Bit (LSB), sedangkan pada domain

feature ada feature point extraction dengan dekomposisi Haar-Wavelet.

Discrete Wavelet Transform (DWT) merupakan salah satu metode yang

banyak digunakan dalam teknik blind watermarking maupun non-blind

watermarking pada domain transform. Watermarking yang berbasis wavelet adalah

pendekatan yang populer karena kekuatannya melawan malicious attack

(modifikasi citra ber-watermark). Discrete Wavelet Transform (DWT) membagi

sebuah dimensi sinyal menjadi dua bagian, yaitu bagian dengan frekuensi tinggi dan

frekuensi rendah, yang disebut dengan dekomposisi. Sebuah sinyal dilewatkan

melalui highpass filter untuk menganalisis frekuensi tinggi, dan dilewatkan melalui

lowpass filter untuk menganalisis frekuensi rendah. Keluaran dari highpass filter

dan lowpass filter ini menghasilkan koefisien DWT, sehingga citra asli dapat


3

direkonstruksi. Proses rekonstruksi ini disebut Inverse Discrete Wavelet Transform

(IDWT). Secara umum penyisipan watermark ke dalam citra dilakukan dengan cara

membandingkan koefisien DWT dari dekomposisi citra. Koefisien yang memiliki

nilai terbesar adalah tempat yang paling signifikan untuk menyisipkan watermark.

Penelitian yang sama pernah dilakukan oleh Dean Fathony Alfatwa.

Berdasarkan (Alfatwa, 2003) dilakukan dekomposisi DWT dalam beberapa level,

watermark yang digunakan berupa citra hitam putih dengan format bitmap image

(.bmp) dan bahasa pemrograman yang digunakan adalah Java. Sedangkan dalam

skripsi ini, penulis melakukan penelitian terhadap pemilihan konstanta penyisipan

pada proses dekomposisi DWT dalam 1 level, watermark yang digunakan berupa

citra dengan format Joint Photographic Experts Group berekstensi .jpg/.jpeg yang

memiliki keping warna red, green, dan blue (RGB), serta melakukan pengujian

terhadap citra ber-watermark yang sudah mengalami modifikasi.

1.2. Permasalahan

Sesuai dengan uraian latar belakang, permasalahan pada skripsi ini adalah:

1. Bagaimana memberi watermark yang tidak kasat mata pada citra digital

dokumen menggunakan metode Discrete Wavelet Transform ?

2. Bagaimana kualitas citra digital setelah mengalami proses watermarking ?

3. Apakah watermark hasil ekstraksi dari citra ber-watermark yang mengalami

modifikasi (standard malicious attack) tetap dapat dikenali?


4

1.3. Pembatasan Masalah

Dalam tugas akhir ini, penulis membatasi permasalah dengan ruang lingkup

sebagai berikut :

1. Penerapan watermarking hanya pada citra dokumen digital dengan format

Joint Photographic Experts Group berekstensi .jpg/.jpeg yang memiliki

keping warna red, green, dan blue (RGB).

2. Penerapan watermarking menggunakan metode Discrete Wavelete

Transform (DWT) menggunakan wavelete Haar.

3. Citra yang digunakan sebagai watermark merupakan citra dengan format

Joint Photographic Expert Group berekstensi .jpg/.jpeg.

1.4. Tujuan Penelitian

Menerapkan teknik watermaking pada citra dokumen digital dengan format

Joint Photographic Experts Group berekstensi .jpg menggunakan metode Discrete

Wavelet Transform (DWT) sehingga menghasilkan citra dokumen ber-watermark

yang memiliki watermark tidak kasat mata, melakukan pengujian kualitas citra

dokumen digital setelah mengalami proses watermarking serta menguji ketahanan

citra dokumen digital hasil proses watermarking terhadap standard malicious

attack.


5

1.5. Manfaat Penelitian

Manfaat dari penelitian ini antara lain :

1. Memberikan pengetahuan tentang proses pembuatan citra digital ber-

watermark dengan metode Discrete Wavelet Transform (DWT)

2. Mengetahui kualitas citra dokumen digital yang sudah mengalami

proses watermarking.

3. Bagi pemilik dokumen citra digital, memberikan penanda untuk

membuktikan keaslian terhadap dokumen citra dokumen digital

tersebut.

4. Bagi lembaga, instansi atau perseorangan yang memanfaatkan isi

informasi dari citra dokumen digital, memberikan informasi keaslian

atas dokumen citra digital yang dimanfaatkannya dengan melihat

watermark pada hasil ekstraksi citra dokumen digital.


6

2. BAB II

LANDASAN TEORI

2.1. Citra Digital

Citra digital adalah gambar dua dimensi yang bisa ditampilkan pada layar

komputer sebagai himpunan/ diskrit nilai digital yang disebut pixel/ picture

elements. Dalam tinjauan matematis, citra merupakan fungsi kontinu dari intensitas

cahaya pada bidang dua dimensi. Citra digital adalah citra f(x,y) dimana dilakukan

diskritisasi koordinat sampling/ spasial dan diskritisasi tingkat kwantisasi (kabuan/

kecemerlangannya). Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana

harga x dan harga y adalah koordinat spasial. Harga fungsi tersebut di setiap titik

(x,y) merupakan tingkat kecemerlangan citra pada titik tersebut.

Matrik yang dinyatakan Citra digital yaitu dengan matriks berukuran N

(baris/tinggi) x M (kolom/lebar).

Gambar 2.1 Matriks citra digital

Ada berbagai jenis format citra digital, salah satu yang banyak digunakan di

internet dan dikenal secara luas adalah Joint Photographic Experts Group dengan

ekstensi .jpg/.jpeg (Edi, 2006). Joint Photographic Experts Group merupakan suatu

skema kompresi lossy yang dikembangkan oleh perusahaan dengan nama yang

sama.


7

2.2. Digitalisasi Citra

Komputer hanya bisa mengolah data yang bersifat numerik. Oleh karena itu,

agar dapat diolah oleh komputer maka sebuah citra harus direpresentasikan secara

numerik menggunakan nilai-nilai diskrit. Representasi citra secara numerik inilah

yang disebut dengan digitalisasi yang pada dasarnya merupakan proses mengubah

nilai kontinu menjadi nilai-nilai diskrit. Alat-alat yang dapat mentransformasikan

citra analog menjadi citra digital diantaranya adalah kamera digital, kamera

converter, scanner dan lain sebagainya.

Proses digitalisasi citra pada dasarnya adalah proses konversi sinyal analog

ke digital, dijabarkan kedalam 2 proses berikut:

1. Digitalisasi spasial (x, y), sering disebut sebagai sampling.

Sampling menyatakan besarnya kotak-kotak yang disusun dalam baris dan

kolom. Dengan kata lain sampling pada citra menyatakan besar kecilnya

ukuran piksel pada citra. Untuk memudahkan implementasi, jumlah

sampling biasanya diasumsikan perpangkatan dari dua:

N = 2n

dimana , N= jumlah sampling pada suatu baris/kolom

n = bilangan bulat positif

Pembagian gambar menjadi ukuran tertentu menentukan resolusi spasial

yang diperoleh. Semakin tinggi resolusinya, berarti semakin kecil ukuran

piksel (jumlah piksel yang dimiliki citra semakin banyak), semakin halus

gambar yang diperoleh karena informasi yang hilang akibat

pengelompokkan derajat keabuan pada proses sampling semakin kecil.


8

x

kolom/lebar = 5

piksel baris/tinggi = 5 y

2. Digitalisasi intensitas f(x, y), sering disebut sebagai kuantisasi.

Setelah proses sampling pada citra maka proses selanjutnya adalah

kuantisasi. Kuantisasi menyatakan besarnya nilai tingkat kecerahan yang

dinyatakan dalam nilai tingkat keabuan (grayscale) sesuai dengan jumlah

bit biner yang digunakan, dengan kata lain kuantisasi pada citra menyatakan

jumlah warna yang ada pada citra. Proses kuantisasi membagi skala

keabuan (0, L) menjadi G buah level yang dinyatakan dengan suatu harga

bilangan bulat (integer), G level diambil perpangkatan dari 2.

2.3. Resolusi Citra

Masing-masing elemen dari matriks yang tidak lain adalah elemen dari citra

digital yang merupakan bagian terkecil dari suatu citra disebut dengan picture

element atau piksel. Jadi jika sebuah citra mempunyai ukuran 5 x 5 piksel artinya

citra tersebut mempunyai 5 baris dan 5 kolom dalam sebuah matriks. Sedangkan

banyaknya piksel yang digunakan untuk membentuk suatu citra digital disebut

resolusi. Semakin tinggi resolusi maka semakin tinggi pula tingkat detail citra

tersebut sehingga citra yang terbentuk akan semakin baik.

0 1 2 3 4

0

1

2

3

4

Gambar 2.2 Resolusi Citra


9

2.4. Tipe Citra

Berdasarkan format penyimpanan nilai warnanya citra digital terbagi dalam

tiga tipe yaitu :

2.4.1. Citra Berwana (truecolor)

Red (Merah), Green (Hijau) dan Blue (Biru) merupakan warna dasar

yang dapat diterima oleh mata manusia. Setiap piksel pada citra berwarna

mewakili warna yang merupakan kombinasi dari ketiga warna dasar RGB.

Setiap titik pada citra berwarna membutuhkan data sebesar 3 byte. Setiap warna

dasar memiliki intensitas tersendiri dengan nilai minimum nol (0) dan nilai

maksimum 255.

Gambar 2.3 Keping citra berwarna

2.4.2. Citra Grayscale

Citra grayscale merupakan citra digital yang hanya memiliki satu nilai

kanal pada setiap pikselnya, artinya nilai dari Red = Green = Blue. Nilai-nilai

tersebut digunakan untuk menunjukkan intensitas warna. Citra yang

ditampilkan dari citra jenis ini terdiri atas warna abu-abu, bervariasi pada

warna hitam pada bagian yang intensitas terlemah dan warna putih pada

intensitas terkuat. Citra grayscale berbeda dengan citra ”hitam-putih”, dimana


10

pada konteks komputer, citra hitam putih hanya terdiri atas 2 warna saja yaitu

”hitam” dan ”putih” saja. Pada citra grayscale, warna bervariasi antara hitam

dan putih, tetapi variasi warna diantaranya sangat banyak.

Citra grayscale seringkali merupakan perhitungan dari intensitas cahaya pada

setiap piksel pada spektrum elektromagnetik single band.

Citra grayscale disimpan dalam format 8 bit untuk setiap sampel piksel,

yang memungkinkan sebanyak 256 intensitas. Untuk mengubah citra berwarna

yang mempunyai nilai matrik masing-masing R, G dan B menjadi citra

grayscale dengan nilai X, maka konversi dapat dilakukan dengan mengambil

rata-rata dari nilai R, G dan B sehingga dapat dituliskan menjadi:

X = (R+G+B)/3

Gambar 2.4 Representasi citra grayscale

2.4.3. Citra Biner

Citra biner (binary image) adalah citra digital yang hanya memiliki 2

kemungkinan warna, yaitu hitam dan putih. Citra biner disebut juga dengan

citra B/W (Black/White) atau citra monokrom. Hanya dibutuhkan 1 bit untuk

mewakili nilai setiap piksel dari citra biner.

Pembentukan citra biner memerlukan nilai batas keabuan yang akan

digunakan sebagai nilai patokan. Piksel dengan derajat keabuan lebih besar dari


11

nilai batas akan diberi nilai 1 dan sebaliknya piksel dengan derajat keabuan

lebih kecil dari nilai batas akan diberi nilai 0.

2.5. Kualitas Citra Digital

Penghitungan kualitas citra dapat dilakukan dengan dua cara, yaitu

menghitung peak signal-to-noise ratio (PSNR) sebagai pembanding kualitas citra

hasil rekonstruksi dengan citra asal. Cara yang kedua adalah menghitung galat/

error citra ber-watermark yang dihasilkan dari proses watermarking.

2.5.1. Peak Signal-to-Noise Ratio (PSNR)

Istilah peak signal-to-noise ratio (PSNR) adalah sebuah istilah dalam

bidang teknik yang menyatakan perbandingan antara kekuatan sinyal

maksimum yang mungkin dari suatu sinyal digital dengan kekuatan derau yang

mempengaruhi kebenaran sinyal tersebut. Oleh karena banyak sinyal memiliki

jangkauan dinamis yang luas, maka PSNR diekspresikan dalam skala

logarithmic decibel. PSNR didefinisikan melalui signal-to-noise ratio (SNR).

Signal-to-noise ratio (SNR) digunakan untuk mengukur tingkat kualitas sinyal.

Nilai ini dihitung berdasarkan perbandingan antara sinyal dengan nilai derau.

Kualitas sinyal berbanding lurus dengan dengan nilai SNR. Semakin besar nilai

SNR semakin baik kualitas sinyal yang dihasilkan. Nilai PSNR dari citra ber-

watermark lebih dari 40db mengindikasikan bahwa kualitas citra ber-

watermark tinggi (Cheddad, Curran dan Kevitt 2010).

Pertama yang dilakukan adalah menghitung nilai mean squared error

(MSE) dari suatu citra hasil rekonstruksi. MSE dihitung untuk seluruh piksel

dalam citra. Root mean squared error (RMSE) adalah akar dari MSE.


12

𝑀𝑆𝐸 =∑[𝐹(𝑖,𝑗)−𝑓(𝑖,𝑗)]2

𝑁2 (2.1)

N2 menyatakan hasil perkalian panjang dan lebar citra dalam pixel.

F(i,j) merupakan citra hasil rekonstruksi, sedangkan 𝑓(𝑖, 𝑗) adalah citra asal.

Berdasarkan persamaan MSE tersebut, maka nilai PSNR dapat dihitung

dengan persamaan sebagai berikut. Nilai PSNR direpresentasikan dalam skala

desibel (dB).

𝑃𝑆𝑁𝑅 = 20 log10 (255

𝑅𝑀𝑆𝐸) (2.2)

Nilai 255 pada persamaan diatas merupakan batas atas dari sebuah piksel.

2.5.2. Structural Similiarity (SSIM) Index

Structural Similiarity (SSIM) Index adalah sebuah metode untuk

mengukur kemiripan atau kesamaan dari 2 buah gambar. SSIM index

mengolah matrix dari 2 gambar yang dibandingkan. Sebenarnya SSIM didesain

sebagai metode baru yang lebih baik dari PSNR dan MSE. SSIM

menggunakan informasi struktural dari degradasi gambar, dimana tiap-tiap

pixel gambar memiliki dependensi yang membawa informasi penting tentang

struktural dari gambar secara visual.

Matriks SSIM didapat dari penghitungan 2 matriks gambar x,y yang

memiliki ukuran n x n. Rumus dari SSIM adalah sebagai berikut:

𝑆𝑆𝐼𝑀 =( 2 𝜇𝑥 𝜇𝑦 + 𝐶1 ) ( 2 𝜎𝑥𝑦 + 𝐶2 )

(𝜇𝑥2 + 𝜇𝑦

2+ 𝐶1 ) ( 𝜎𝑥2+ 𝜎𝑦

2 + 𝐶2) (2.3)


13

𝜇𝑥 adalah rata-rata dari x 𝜎𝑦2

adalah varian dari y

𝜇𝑦 adalah rata-rata dari y 𝜎𝑥𝑦 adalah covarian dari x dan y

𝜎𝑥2 adalah varian dari x

𝐶1 = (𝑘1𝐿)2, 𝐶1 = (𝑘2𝐿)2 merupakan dua variabel untuk menstabilkan divisi

yang memiliki denominator yang rendah.

𝐿 adalah rentang pixel-values (biasanya adalah 2#𝑏𝑖𝑡𝑠 𝑝𝑒𝑟 𝑝𝑖𝑥𝑒𝑙 − 1 )

𝑘1 = 0.01 dan 𝑘1 = 0.01 adalah nilai default

Hasil dari perhitungan SSIM adalah nilai desimal antara 0 sampai 1,

dimana nilai desimal semakin mendekati 1 berarti 2 gambar yang dibandingkan

semakin menyerupai atau dapat dikatakan sebagai gambar yang sama jika nilai

desimal hasil SSIM adalah 1 (Wang, Bovik, Sheikh dan Simoncelli, 2004: 600-

612).

2.6. Watermarking

Saat ini banyak peralatan – peralatan digital yang dapat dengan mudah

melakukan duplikasi dan modifikasi terhadap suatu data citra digital tanpa

meninggalkan jejak terhadap perubahan yang dilakukan, sehingga kredibilitas data

tersebut tidak dapat lagi dipertanggungjawabkan. Oleh sebab itu diperlukan suatu

metode yang dapat mendeteksi adanya perubahan yang dilakukan terhadap data

citra digital, metode yang dapat digunakan adalah metode watermarking.


14

2.6.1. Sejarah Watermarking

Sejarah watermarking sudah dimulai sejak 700 tahun yang lalu. Pada

akhir abad 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

dibubuhi watermark tersebut sekaligus dijadikan identifikasi bahwa karya seni

di atasnya 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 . Digital watermarking masih

merupakan salah satu teknik baru di bidang proteksi data-data digital, hingga

saat ini teknologi watermarking masih dalam tahap pengembangan karena

masih belum ditemukan teknik yang ideal untuk implementasinya. Hal - hal

yang terkait dengan ketahanan (robustness) dan ekstraksi masih menjadi

permasalahan utama dalam pengimplementasian watermarking. Teknik

watermarking dapat diklasifikasi menjadi dua kategori yaitu, metode Domain

Spasial dan metode Domain Transformasi. Metode Domain Spasial lebih

mudah pemakaiannya karena tidak menggunkan transformasi, tetapi tidak

tahan terhadap serangan (Hameed, Kamran, Mumtaz, and Gilani,2008).


15

2.6.2. Pengertian Watermarking

Watermarking adalah proses penyisipan sebuah data rahasia

(watermark) ke sebuah gambar dimana citra yang sudah ber-watermark sulit

atau bahkan tidak dapat dibedakan oleh pengelihatan visual (Al-khassaweneh

and Selin 2008). Watermarking berkembang seiring perkembangan zaman

dengan munculnya watermarking pada media digital atau disebut dengan

digital watermarking. Digital watermarking dapat dijalankan pada berbagai

media digital seperti citra digital, file suara dan video. Secara umum

watermarking adalah proses penyisipan citra digital dengan citra watermark.

Gambar 2.5 Skema watermarking

Watermarking pada citra digital sendiri memiliki beberapa jenis teknik

yang memiliki keunggulan dan kelemahan masing-masing. Biasanya teknik

watermarking yang kuat (robust) susah dipecahkan oleh berbagai serangan

tetapi memiliki kualitas gambar ber-watermark yang kurang memuaskan,

demikian juga sebaliknya, teknik watermarking yang menghasilkan kualitas

gambar yang memuaskan biasanya kurang kuat menghadapi serangan. Secara

garis besar teknik watermarking dibedakan menjadi dua yaitu:

Citra watermark

Embedding Citra asli

Citra ber-watermark


16

1. Private Watermarking / Non-Blind Watermarking

Teknik watermarking yang membutuhkan citra asli dan citra ber-

watermark untuk megekstraksi watermark.

2. Public Watermarking / Blind Watermarking

Teknik watermarking yang tidak membutuhkan citra asli atau

watermark yang disisipkan untuk melakukan ekstraksi.

Lebih jauh lagi, watermark bisa juga berupa kode yang membawa

informasi mengenai pemilik hak cipta, pencipta atau pembeli yang sah dan

segala sesuatu yang diperlukan untuk menangani hak kepemilikan media

digital. Watermark sengaja ditanamkan secara permanen pada data digital

sedemikian hingga pengguna yang berwenang dapat dengan mudah

membacanya, disisi lain watermark tersebut haruslah tidak mengubah isi media

kecuali sedikit atau perubahan tersebut tidaklah tampak atau kurang begitu

tampak bagi indera manusia. Hal ini disebabkan karena pengubahan dari citra

digital asal ke citra ber-watermark hanya berpengaruh sedikit terhadap

perubahan warna dari citra digital, sehingga sistem penglihatan manusia

(Human Visual System) tidak dapat mempersepsi perubahan tersebut. Mutu

dari teknik watermarking meliputi beberapa parameter utama berikut ini :

a. Fidelity : Perubahan yang disebabkan oleh tanda (mark) semestinya

tidak mempengaruhi nilai isi, idealnya tanda harusnya tidak dapat

dilihat, sehingga tidak dapat dibedakan antara data yang ber-watermark

dan data yang asli. Salah satu trade-off antara karakteristik


17

watermarking yang sangat kelihatan adalah antara robustness dengan

fidelity. Dalam beberapa literatur, fidelity kadang disebut dengan

invisibility untuk jenis data citra dan video. Yang dimaksud dengan

fidelity disini adalah derajat degradasi host data sesudah diberi

watermark dibandingkan dengan sebelum diberi watermark. Biasanya

bila robustness dari watermark tinggi maka memiliki fidelity yang

rendah, sebaliknya robustness yang rendah dapat membuat fidelity yang

tinggi. Jadi sebaiknya dipilih trade-off yang sesuai, sehingga keduanya

dapat tercapai sesuai dengan tujuan aplikasi. Untuk host data yang

berkualitas tinggi maka fidelity dituntut setinggi mungkin sehingga

tidak merusak data aslinya, sedangkan host data yang memiliki noise

(kualitas kurang) maka fidelity-nya bisa rendah.

b. Robustness : watermark di dalam host data harus tahan terhadap

beberapa operasi pemrosesan digital atau manipulasi data (malicious

attack). Manipulasi data yang umum (standard malicious attack)

digunakan seperti: blurring, cropping, scaling, rotating, adding noise,

change contrast. Pada robust watermark, data disisipkan dengan sangat

kuat, sehingga jika ada yang berusaha menghapusnya maka gambar

atau suara yang disisipi akan ikut rusak dan tidak punya nilai komersial

lagi.

c. Security : Watermarking harus tahan terhadap usaha segaja

memindahkan / mencopy watermark dari satu multimedia data ke

multimedia data lainnya.


18

Pada ketiga kriteria diatas, fidelity merupakan kriteria paling tinggi

(Sirait, 2008). Proses watermarking (embed) perlu didukung dengan proses

ekstrasi watermark (extract) dari citra ber-watermark. Proses ekstraksi

(extract) ini bertujuan untuk mengetahui watermark yang disisipkan dalam

citra digital yang ber-watermark tersebut. Umumnya proses ekstraksi (extract)

melibatkan proses pembandingan citra digital asal dengan citra ber-watermark

untuk mendapatkan watermark yang disisipkan.

Watermarking dengan Discrete Wavelet Transform (DWT) ini dipilih

sebagai metode penyisipan watermarking karena beberapa alasan yaitu :

1. DWT merupakan yang paling dekat terhadap HVS (Human Visual

System) (Terzija, 2006).

2. Distorsi yang disebabkan oleh wavelet domain dalam perbandingan

kompresi tinggi tidak terlalu mengganggu dibandingkan domain lain

dalam bit rate yang sama (Terzija, 2006).

3. Bit-error rate yang rendah. Bit-error rate merupakan perbandingan

antara bit yang salah diekstraksi dengan total bit yang disisipkan (Kutter,

dan Fabien 1999).


19

2.6.3. Manfaat Watermarking

1. Proteksi Hak Cipta

Tujuan watermarking dalam perlindungan hak cipta adalah sebagai

bukti otentik atas hak kepemilikan pencipta atas ckonten yang dibuat

atau diproduksinya. Watermarking sangat ideal untuk pembuatan label

hak cipta, karena bukan hanya tak terlihat tetapi juga tidak dapat

dipisahkan dari data yang disisipi. Hal ini merupakan alasan utama

sehingga proteksi menggunakan label hak cipta menjadi aplikasi yang

sangat terkemuka saat ini (Lu, 2005).

2. Penanda (fingerprinting)

Fungsi watermarking pada fingerprinting mirip dengan serial number

(S/N.). Tujuan watermarking adalah mengidentifikasi setiap

penggunaan dan distribusi suatu content.

3. Proteksi terhadap penggandaan (copy protection)

Watermarking berfungsi melindungi konten dari duplikasi dan

pembajakan.

4. Autentikasi citra

Watermarking berfungsi dalam proses autentikasi, sehingga modifikasi

dari suatu citra dapat terdeteksi

2.7. Discrete Wavelet Transform pada citra digital

Transformasi wavelet diskrit (discrete wavelet transform) secara umum

merupakan dekomposisi citra pada frekuensi subband citra tersebut. Komponen

subband transformasi wavelet dihasilkan dengan cara penurunan level


20

dekomposisi. Implementasi transformasi wavelet diskrit dapat dilakukan dengan

cara melewatkan sinyal melalui sebuah tapis lolos rendah (low pass filter/LPF) dan

tapis lolos tinggi (high pass filter/HPF) dan melakukan downsampling pada

keluaran masing-masing filter

Lowpass terhadap baris Lowpass terhadap kolom

Highpass terhadap kolom

Citra

Highpass terhadap baris Lowpass terhadap kolom

Highpass terhadap kolom

LL : hasil lowpass terhadap baris dan kolom

LH : hasil lowpass terhadap baris diteruskan dengan

highpass terhadap kolom

HL : hasil highpass terhadap baris diteruskan lowpass

terhadap kolom

HH : hasil highpass terhadap baris dan kolom

2.7.1. Penerapan Discrete Wavelet Transform pada kompresi citra

Kompresi dalam citra menggunakan DWT berhubungan dengan

dekomposisi terhadap citra tersebut. Citra yang merupakan sinyal bergerak ini

didekomposisi sama seperti cara dekomposisi sinyal yang telah dipaparkan pada

bagian sebelumnya.

LL HL

LH HH


21

Secara umum, citra (sinyal bergerak) merupakan rangkaian gelombang

yang memiliki banyak puncak dan lembah. Masing-masing gelombang dalam

rangkaian gelombang dari sebuah citra biasanya mewakili channel warna

(Merah, Hijau, dan Biru). Puncak dan lembah citra dipusatkan ke titik nol,

selanjutnya transformasi sinyal menyimpan jarak dari titik nol menuju titik

sepanjang gelombang, jarak ini disebut dengan koefisien. Koefisien yang

berdekatan kemudian dirata-rata untuk mendapatkan gelombang yang lebih

sederhana dan menghasilkan citra dengan resolusi atau tingkat kedetilan

setengah dari semula. Koefisien yang telah dirata –rata kemudian dibagi lagi

seterusnya hingga mendapatkan gelombang yang sangat sederhana. Proses ini

merupakan dekomposisi pada citra. Transformasi wavelet dapat menghasilkan

versi resolusi citra yang sangat sederhana, oleh karena itu diperlukan perkiraan

bentuk umum serta warna (informasi) dari citra untuk dapat merekonstruksi

sebuah citra. Transformasi wavelet dapat mengidentifikasi variasi yang

signifikan dalam sebuah citra. Variasi ini berhubungan dengan tempat di mana

proses penyederhanaan terjadi. Pada saat dekomposisi citra menggunakan

koefisien yang dirata-rata, selisih dari koefisien tersebut dicatat. Semakin kecil

selisih dari koefisien maka variasi di dalam citra tersebut sedikit, dan ini

merupakan kandidat yang bagus untuk proses penyederhanaan. Semakin besar

selisih koefisien maka ini menandakan detil dari citra tersebut sangat signifikan

dan perlu untuk dipertahankan, biasanya yang memilki detil ini adalah garis

atau tepi dari citra. Contoh dari proses dekomposisi dan rekonstruksi citra

adalah, misalkan ada sebuah citra satu dimensi yang memiliki empat nilai saja


22

(empat piksel dalam sebuah baris, memiliki tingkat abu-abu yang berbeda),

yaitu:

Gambar 2.6 Citra grayscale sebelum dekomposisi

Selanjutnya diambil rata-rata dari pasangan pertama dan kedua hingga

menghasilkan tingkat abu-abu sebagai berikut:

Gambar 2.7 Citra grayscale hasil dekomposisi

Setelah citra telah disederhanakan, perlu untuk mencatat informasi

dari citra ini yaitu berupa selisih dari koefisien rata-rata. Selisih ini perlu

dicatat karena setelah citra disederhanakan maka resolusinya berkurang

menjadi setengah dan ada informasi yang hilang. Padahal informasi ini

dibutuhkan untuk merekontruksi citra tersebut. Secara teknis, dekomposisi

citra yang merupakan sinyal bergerak dapat digambarkan seperti

dekomposisi sinyal menggunakan transformasi wavelet. Citra dengan dua

dimensi (baris dan kolom) dapat didekomposisi seperti berikut:


23

Gambar 2.8 Dekomposisi citra

2.7.2. Invers Discrete Wavelet Transform (IDWT)

Transformasi balik diskrit wavelet merupakan kebalikan dari DWT

maju. Pada tahap ini dilakukan proses rekonstruksi dengan arah yang

berlawanan dari proses sebelumnya. Yaitu dengan proses up-sampling dan

pem-filter-an dengan koefisien-koefisien filter balik. Proses up-

sampling dilakukan dengan mengembalikan dan menggabungkan sinyal seperti

semula. Proses ini dilakukan dengan menyisipkan sebuah kolom berharga nol

di antara setiap kolom dan melakukan konvolusi pada setiap baris

dengan filter satu dimensi. Hal yang sama dilakukan dengan menyisipkan

sebuah baris nol di antara setiap baris dan melakukan konvolusi pada setiap

kolom dengan filter yang lainnya.

Dekomposisi

LL2 HL2

HL1

LH2 HH2

LH1 HH1

Citra asli


24

3. BAB III

METODOLOGI

3.1. Data

Data yang digunakan dalam pengujian ini adalah file image / citra dokumen

digital dengan format joint photographic experts group berekstensi .jpg/.jpeg yang

didapat melalui proses digitalisasi citra dokumen menggunakan scanner.

Sedangkan file citra watermark dibuat menggunakan aplikasi Paint Editor yang ada

pada sistem operasi Windows. Citra watermark yang digunakan memiliki 2 varian

penampang, yaitu citra watermark dengan satu penampang image tunggal dan citra

watermark dengan banyak penampang image yang tersebar. Varian ini dipilih untuk

menguji mana jenis varian penampang yang baik sebagai citra watermark.

3.2. Deskripsi Rancangan Umum Perangkat Lunak

Perangkat lunak dirancang untuk dapat melakukan proses penyisipan

watermark ke dalam sebuah citra digital dengan teknik private watermarking / Non-

blind watermarking. Perangkat lunak ini dibangun pada satu lingkungan

pengembangan saja yaitu pada PC (Personal Computer), sehingga proses

watermarking (embed) dan ekstraksi (extract) dilakukan pada lingkungan

pengembangan yang sama. User diharuskan memilih proses yang diinginkan pada

awal berjalannya sistem. Proses watermarking (embed) berguna untuk melakukan

watermarking pada citra host, sedangkan proses ekstraksi (extract) berguna untuk

melakukan ekstraksi watermark dari citra digital yang sudah ber-watermark.


25

Perangkat lunak ini dibangun di dalam lingkungan desktop komputer

dengan sistem operasi Windows 8 Pro 64 bit. Perangkat lunak ini dibangun

menggunakan Matlab (Matrix Laboratory) versi 2012b. Perangkat keras yang

digunakan dalam pengembangan perangkat lunak ini adalah seperangkat komputer

dengan spesifikasi sebagai berikut:

1. Notebook dengan layar monitor LED 14 inch

2. Processor Intel(R) Core(TM) i3-3110M CPU @2.40GHz

3. Memory 4 GB

4. Hard Disk 500 GB

5. Perangkat tambahan : scanner

Ekstraksi watermark (extract) dirancang untuk dapat melakukan

pembandingan antara citra host dengan citra ber-watermark untuk mendapatkan

watermark. Secara umum arsitektur perangkat lunak yang dibangun pada kedua

lingkungan dapat dilihat pada gambar diagram blok gambar 3.1.

Gambar 3.1 Diagram blok perangkat lunak

Embed

Extract

Citra ber-

watermark

Dekomposisi

dengan DWT

Citra host

Citra

watermark

Penyisipan

watermark

Pembentukan kembali

citra dengan IDWT

Ekstraksi

watermark

Pembentukan

kembali citra

dengan IDWT

Citra

watermark

Dekomposisi

dengan DWT

Citra host Citra

watermark


26

Proses embed yang dilakukan adalah pertama citra host dan citra watermark

di dekomposisi dengan DWT menggunakan wavelete Haar untuk mencari nilai

koefisien fLL masing-masing citra. Kemudian dilakukan penyisipan watermark

dengan memodifikasi koefisien fLL citra host dengan koefisien fLL citra

watermark, kemudian dilakukan proses Invers DWT yang merupakan proses

pembentukan kembali citra sehingga menghasilkan citra ber-watermark.

Proses extract yang dilakukan adalah pertama citra host, citra watermark

dan citra ber-watermark di dekomposisi dengan DWT menggunakan wavelete Haar

untuk mencari nilai koefisien fLL masing-masing citra. Kemudian dilakukan proses

ekstraksi untuk mendapatkan koefisien fLL citra watermark baru hasil dengan

memodifikasi koefisien fLL citra ber-watermark dengan menggunakan koefisien

fLL citra host dan fLL citra watermark , kemudian dilakukan proses Invers DWT

yang merupakan proses pembentukan kembali citra sehingga menghasilkan citra

watermark baru.

3.2.1. Use Case dan User Interface

Gambar 3.2 Use case

Mengekstrak watermark

Menyisipkan watermark


27

1. Halaman penyisipan watermark (embed)

Gambar 3.3 User interface (embed)

Use Case : Menyisipkan watermark, gambar 3.2.

Deskripsi : Proses ini adalah menyisipkan citra watermark pada citra host

sehingga menghasilkan citra ber-watermark

Pre – Condition : Citra watermark dan citra host sudah ada.

Post – Condition : Citra ber-watermark terbentuk dan dapat disimpan

Aktor Use Case Deskripsi

User Menyisipkan

watermark

Proses ini adalah menyisipkan

citra watermark pada citra host

sehingga menghasilkan citra ber-

watermark

Mengekstrak

watermark

Proses ini adalah ekstraksi

watermark pada citra ber-

watermark sehingga menghasilkan

citra watermark baru


28

Aksi Aktor Reaksi Perangkat Lunak

1. Menekan tombol “browse” Memasukkan citra watermark dan citra

host kedalam perangkat lunak

2. Menekan tombol “Proses” Melakukan dekomposisi dan modifikasi

koefisien citra

3. Menampilkan citra ber-watermark yang

sudah terbentuk

Menekan tombol “Save” 4. Menyimpan citra ber-watermark yang

sudah terbentuk kedalam direktori yang

dikehendaki user

2. Halaman ekstraksi watermark (extract)

Gambar 3.4 User interface (extract)

Use Case : Mengekstrak watermark, gambar 3.2.

Deskripsi : Proses ini adalah ekstraksi watermark pada citra ber-

watermark sehingga menghasilkan citra watermark baru.

Pre – Condition : Citra ber- watermark, citra watermark dan citra host sudah

ada.

Post – Condition : Citra watermark baru terbentuk dan dapat disimpan


29

Aksi Aktor Reaksi Perangkat Lunak

1. Menekan tombol “browse” Memasukkan citra ber-watermark, citra

watermark dan citra host kedalam

perangkat lunak

2. Menekan tombol “Proses” Melakukan dekomposisi dan modifikasi

koefisien citra

3. Menampilkan citra watermark baru yang

sudah terbentuk

Menekan tombol “Save” 4. Menyimpan citra watermark baru yang

sudah terbentuk kedalam direktori yang

dikehendaki user

3.3. Penyisipan watermark

Dekomposisi citra digital yang akan disisipi watermark atau citra host

merupakan langkah pertama yang harus dilakukan untuk dapat menyisipkan

watermark ke dalamnya. Dekomposisi citra digital ini dilakukan dengan

menggunakan Discrete Wavelet Transform(DWT), proses yang perlu dijalankan

untuk mendekomposisi citra adalah sbb:

1. Dekomposisi citra dengan Discrete Wavelet Transform (DWT) sehingga

menghasilkan rentang frekuensi LL, LH,HL, dan HH.

2. Dekomposisi citra digital satu tingkat sehingga menghasilkan LL1, LH1,

HL1, dan HH1.


30

3.3.1. Alur Proses Penyisipan

Penyisipan watermark dilakukan cara memodifikasi koefisien pada

rentang frekuensi LL, LH, HL atau HH yang merupakan rentang frekuensi hasil

dekomposisi citra yang dilakukan dengan Discrete Wavelet Transform (DWT).

Data watermark ini dapat serangkaian bilangan w dengan panjang L yang

disisipkan pada koefisien rentang frekuensi yang di pilih ( f ).

𝑓′ = 𝑓 + 𝛼. 𝑤(𝑘) 𝑘 = 1, … , 𝐿

dimana, f koefisien sinyal asal

f’ koefisien sinyal asal yang sudah dimodifikasi

α konstanta untuk menentukan kekuatan penyisipan

watermark

Penyisipan citra watermark diawali dengan mengubah susunan citra

watermark ke dalam rangkaian matriks. Selanjutnya penyisipan watermark

dilakukan dengan langkah-langkah sbb:

1. Dekomposisi citra host dan citra watermark 1 level DWT.

2. Mencari koefisien terbesar f LL citra host dan mencari koefisien terbesar

f LL citra watermark dari rentang frekuensi LL hasil dekomposisi

3. Memodifikasi f LL citra host dengan menggunakan f LL citra watermark.

Koefisian baru dari f LL host = f LL host + (α * f LL watermark)

4. Menjalankan Inverse Discrete Wavelet Transform (IDWT) untuk

membentuk citra ber-watermark.


31

3.4. Ekstraksi Watermark

Ekstraksi watermark (extract) dilakukan menggunakan citra asal atau citra

host. Pendeteksian ada tidaknya watermark dalam citra dilakukan dengan

menggunakan pembandingan koefisien yang bersesuaian pada citra ber-watermark

dengan nilai ambang. Jika koefisien dari rentang frekuensi yang berkorelasi lebih

besar daripada nilai ambang maka watermark terdeteksi di dalam citra.

3.4.1. Alur Proses Ekstraksi

Secara umum proses ekstraksi watermark ini merupakan kebalikan dari

proses penyisipan watermark yang telah dijelaskan sebelumnya.

1. Dekomposisi citra ber-watermark dan citra watermark 1 level DWT.

2. Mencari koefisien terbesar f LL citra ber-watermark dan mencari

koefisien terbesar fLL citra watermark dari rentang frekuensi LL hasil

dekomposisi

3. Memodifikasi f LL citra ber-watermark dengan menggunakan f LL citra

watermark.

Koefisian baru dari f LL citra ber-watermark =(fLLwatermak - fLLhost)/ α

4. Menjalankan Inverse Discrete Wavelet Transform (IDWT) untuk

membentuk citra watermark.


32

4. BAB IV

IMPLEMENTASI

4.1. Representasi Data Dalam Matlab

Citra digital harus direpresentasikan dalam bentuk matriks agar dapat

dilakukan proses dekomposisi. Untuk itu, digunakan salah satu fungsi dari Matlab

Image File Operation yaitu [...]=imread(filename)

Gambar 4.1 Representasi citra1.jpg dalam Matlab

Gambar 4.2 Representasi watermark1.jpg dalam Matlab


33

Untuk dapat memilih file citra digital yang akan digunakan dalam proses

watermarking (embed) dan proses ekstraksi watermark (extract), fungsi Matlab

tersebut dipergunakan dalam WatermarkGUI.m (lampiran 1) dan ExtractGUI.m

(lampiran 2) sebagai akses dari tombol browse yang terdapat dalam Graphical User

Interface (GUI) perangkat lunak. Citra digital yang dimasukkan dirubah kedalam

ukuran resolusi 2480 x 3508 yang merupakan ukuran standard kertas A4.

Potongan coding fungsi browse untuk proses input citra oleh user:

function browse1_Callback(hObject, eventdata, handles) global filename pathname; [filename,pathname]=uigetfile('*.jpg;*.jpeg','Choose Image : '); if isequal(filename,0) || isequal(pathname,0) return; else browse1 = imread([pathname,filename]); host = imresize(browse1, [2480 3508]); %standart A4 untuk

resolusi cetak end

imshow(host,'Parent',handles.image1); (Lampiran 1)

Sebelum dilakukan proses penyisipan, citra host dan citra watermark harus

dimasukkan kedalam perangkat lunak. Sedangkan sebelum proses ekstraksi, citra

host, citra watermark dan citra ber-wartermark harus dimasukkan kedalam

perangkat lunak.

(a) (b) (c)

Gambar 4.3 (a) insert citra host, (b) insert citra watermark, (c) insert citra ber-

watermark


34

4.2. Alur Proses Penyisipan ( embed )

1. Dekomposisi citra host dan citra watermark.

Dekomposisi citra digital dilakukan dengan menggunakan fungsi

dwt2D_1level() yang ada pada dwt2D_1level.m (lampiran 3).

dwt2D_1level.m merupakan adaptasi dan modifikasi dari fungsi

Wavelet Toolbox dari Matlab Image Processing Toolbox, dengan

menggunakan wavelet haar. Hasil dekomposisi dapat dilihat pada

gambar 4.4. Potongan coding dekomposisi pada Matlab:

[h_LL,h_LH,h_HL,h_HH]=dwt2D_1level(rgbimage,'haar'); dec2d = [ h_LL, h_LH; h_HL, h_HH ];

dec2d=uint8(dec2d); (lampiran 1)

(a) (b)


watermark

2. Mencari koefisien fLL dari citra host.

Karena proses dekomposisi hanya dilakukan dalam satu tingkat,

sehingga koefisien fLL dari citra host hanya ada satu koefisien saja.

Sehingga proses penyisipan watermark dilakukan dengan

memodifikasi koefisien ini.


35

3. Memodifikasi fLL citra host menggunakan fLL citra watermark.

Modifikasi yang dilakukan pada fLL citra host akan menjadi koefisien

fLL baru yang akan digunakan dalam proses rekonstruksi. Modifikasi

yang dilakukan adalah dengan menambahkan koefisien fLL citra host

dengan koefisien fLL citra citra watermark yang sudah dikalikan dengan

suatu nilai konstanta (α). Varian nilai konstanta (α) yang digunakan

menjadi bahan percobaan yang dilakukan pada bab V.

newhost_LL = h_LL + (0.001*w_LL) (Lampiran 1)

4. Merekonstruksi citra

Proses rekonstruksi citra dilakukan dengan menggunakan fungsi

idwt2D_1level() yang ada pada idwt2D_1level.m (lampiran 4).

idwt2D_1level.m merupakan adaptasi dan modifikasi dari fungsi


menggunakan wavelet haar. Hasil rekonstruksi dapat dilihat pada

gambar 4.5. Potongan coding rekonstruksi citra pada Matlab:

rgb2=idwt2D_1level(newhost_LL,h_LH,h_HL,h_HH,'haar'); rgb2=uint8(rgb2); imshow(rgb2,'Parent',handles.watermarking); title(handles.watermarking,'Citra Digital yang sudah

diberi watermark'); (Lampiran 1)

Gambar 4.5. Rekonstruksi dengan IDWT menghasilkan citra ber-watermark


36

4.3. Alur Proses Ekstraksi ( extract )

1. Dekomposisi citra host, citra watermark dan citra ber-watermark

Dekomposisi citra digital dilakukan dengan menggunakan fungsi

dwt2D_1level() yang ada pada dwt2D_1level.m (lampiran 3).

dwt2D_1level.m merupakan adaptasi dan modifikasi dari fungsi


menggunakan wavelet haar. Hasil dekomposisi dapat dilihat pada

gambar 4.6. Potongan coding dekomposisi pada Matlab:

[h_LL,h_LH,h_HL,h_HH]=dwt2D_1level(rgbimage,'haar'); dec2d = [ h_LL, h_LH; h_HL, h_HH ];

dec2d=uint8(dec2d); (lampiran 1)

(a) (b)

(c)


watermark, (c) Hasil dekomposisi citra ber-watermark.


37

2. Mencari koefisien fLL dari citra ber-watermark.

Karena proses dekomposisi hanya dilakukan dalam satu tingkat,

sehingga koefisien fLL dari citra ber-watermark hanya ada satu

koefisien saja. Sehingga proses ekstraksi watermark dilakukan dengan

memodifikasi koefisien ini.

3. Memodifikasi fLL citra ber-watermark menggunakan fLL citra

watermark dan fLL citra host.

Modifikasi yang dilakukan pada fLL citra ber-watermark akan menjadi

koefisien fLL watermark hasil ekstraksi yang akan digunakan dalam

proses rekonstruksi. Modifikasi yang dilakukan adalah dengan

mengurangkan koefisien fLL citra host dengan koefisien fLL citra

watermark kemudian dibagi dengan suatu nilai konstanta (α). Varian

nilai konstanta (α) yang digunakan menjadi bahan percobaan yang

dilakukan pada bab V.

newwatermark_LL=(wm_LL-h_LL)/0.001; (Lampiran 2)

4. Merekonstruksi citra

Proses rekonstruksi citra dilakukan dengan menggunakan fungsi

idwt2D_1level() yang ada pada idwt2D_1level.m (lampiran 4).

idwt2D_1level.m merupakan adaptasi dan modifikasi dari fungsi


menggunakan wavelet haar. Kemudian citra hasil rekonstruksi

ditampilkam dalam Graphical User Interface perangkat lunak. Hasil

rekonstruksi dapat dilihat pada gambar 4.7.


38

rgb2=idwt2D_1level(newhost_LL,h_LH,h_HL,h_HH,'haar'); rgb2=uint8(rgb2); imshow(rgb2,'Parent',handles.watermarking); title(handles.watermarking,'Citra Digital yang sudah

diberi watermark'); (Lampiran 2)

Gambar 4.7. Rekonstruksi dengan IDWT menghasilkan citra watermark hasil

ekstraksi.

4.4. Hitung PSNR dan SSIM

Proses menghitung PSNR dan SSIM dilakukan dengan membandingkan

piksel dari citra host dan citra ber-watermark yang merupakan hasil dari proses

watermarking.

4.4.1 Hitung PSNR

Penghitungan nilai PSNR dari citra ber-watermark dilakukan dengan

cara mencari MSE. Coding fungsi MSE dan PSNR pada Matlab :

function [ out ] = MSE( pic1,pic2 ) %Mean Squared Error [m, n]=size(pic1); for i=1:m for j=1:n e=e+double((pic1(i,j)-pic2(i,j))^2); end end out=e/(m*n); end


39

function [ out ] = PSNR( pic1,pic2 )%Peak Signal to-NoiseRatio e=MSE(pic1,pic2); out=20*log10(255/sqrt(e));

end (Lampiran 5)

4.4.2. Hitung SSIM (Structural Similiarity)

Penghitungan nilai SSIM menggunakan fungsi SSIM() yang ada

pada SSIM.m (Lampiran 6). Hasil output hitung PSNR dan SSIM dapat

dilihat pada gambar 4.8. Source code dari SSIM.m bersumber dari

https://ece.uwaterloo.ca/~z70wang/research/ssim/ dan dipublikasikan

pada Journal IEEE Transactions on Image Processing, vol. 13, no. 4, pp.

600-612 oleh Z. Oleh Wang, A. C. Bovik, H. R. Sheikh dan E. P. Simoncelli

tahun 2004. Potongan coding hitung SSIM pada Matlab:

img1 = imread('citra_asal.jpg'); imgrez1 = imresize(img1,[3410 2473]); img2 = imread('hasil1_mark2.jpg'); imgrez2 = imresize(img2,[3410 2473]); A = rgb2gray(imgrez1); B = rgb2gray(imgrez2); [mssim, ssim_map] = SSIM(A, B); [ out ] = PSNR(A,B); fprintf('The SSIM value is %0.4f.\n',mssim);

fprintf('The PSNR value is %0.4f.\n',out); (Lampiran 7)

Gambar 4.8. Hasil perhitungan PSNR dan SSIM


40

4.5. Penambahan Standart Malicious Attack pada citra ber-watermark

Seluruh proses modifikasi citra ber-watermark menggunakan fungsi-fungsi

yang sudah disediakan oleh Matlab. Potongan oding dari fungsi-fungsi yang

digunakan :

%add noise salt and pepper 10% (mean=0, variance=0.1) B = imnoise(A,'salt & pepper',0.1); %add noise gaussian 10% (mean=0 , variance = 0.1) C = imnoise(A,'gaussian',0.1); %blur radius 10 pixel blur10 = fspecial('disk',10); D = imfilter(A,blur10,'replicate'); %blur radius 5 pixel blur5 = fspecial('disk',5); E = imfilter(A,blur5,'replicate'); %rotate 5 derajat F = imrotate(A,5); % imshow(F); %rotate 90 derajat G = imrotate(A,90); %contrast adjust RGB high_out = 0.9 H= imadjust(A,[0 0 0; 0.9 0.9 0.9],[]); %Scaling up 20% I1 = imresize(A, 1.2); %Scaling down 20%

I2 = imresize(A, 0.8); (Lampiran 8)


41

5. BAB V

HASIL DAN PEMBAHASAN

5.1. Kerja Perangkat Lunak

Kerja perangkat lunak memiliki 2 fungsi utama yaitu:

1. Penyisipan watermark (embed) : menghasilkan citra ber-watermark,

dapat dilihat pada gambar 5.1.

2. Ekstraksi watermark (extract) : menghasilkan citra watermark dari

proses ekstraksi citra ber-watermak, dapat dilihat pada gambar 5.2.

Gambar 5.1 Penyisipan watermark (embed)

Gambar 5.2 Ekstraksi watermark (extract)


42

5.2. Hasil Pengujian

Citra digital yang digunakan sebagai media penyisipan watermark

ditampilkan pada Tabel 5.1, sedangkan untuk citra watermark ditampilkan pada

Tabel 5.2.

Tabel 5.1 File citra asal (host)

Nama file Ukuran Citra Citra

Citra1.jpg 3410 x 2473

pixel

Tabel 5.2 File citra watermark

Nama file Ukuran Citra Citra

watermark1.jpg 2000 x 1500

pixel


43

watermark2.jpg 2000 x 1500

pixel

5.2.1. Hasil Pengujian Citra Ber-watermark

Hasil pengujian menggunakan 2 varian citra watermark yang berbeda

dengan menggunakan varian konstanta (α) yang menentukan kekuatan penyisipan

watermark. Konstanta (α) yang digunakan dalam proses embed adalah 0.1 dan 0.01,

Hasil dari proses embed menghasilkan citra baru (citra ber-watermark) yang tidak

berbeda jauh dengan citra asal (host) yang ditampilkan pada Tabel 5.3. dan Tabel

5.4. Hal ini dibuktikan dengan nilai PSNR dari citra ber-watermark lebih dari 40db

yang mengindikasikan bahwa kualitas citra ber-watermark tinggi (Cheddad, Curran

dan Kevitt 2010). Hal ini juga diperkuat dengan nilai SSIM (Structural Similiarity)

yang lebih dari 0,9 dimana ketika nilai SSIM adalah 1 maka mengindikasikan

bahwa citra yang dibandingkan adalah citra yang sama (Wang, Bovik,

Sheikh dan Simoncelli, 2004: 600-612).


44

Tabel 5.3 Tabel hasil watermarking dengan watermark1.jpg

No Konstanta

embed (α) Citra host Hasil watermarking

Nilai

PSNR

dan

SSIM

1.

α = 0.1

PSNR =

53,29

SSIM =

0,936

2.

α = 0.01

PSNR =

48,43

SSIM =

0,949

Tabel 5.4 Tabel hasil watermarking dengan watermark2.jpg

No Konstanta

embed (α) Citra host Hasil watermarking

Nilai

PSNR

dan

SSIM

1.

α = 0.1

PSNR =

50,23

SSIM =

0,917

2.

α = 0.01

PSNR =

48,61

SSIM =

0,949


45

5.2.2. Hasil Pengujian Ekstraksi dari Citra Ber-watermark

Pengujian ekstraksi citra ber-watermark ini dilakukan dengan

menggunakan beberapa varian konstanta (α) dalam proses extract. Varian

konstanta (α) yang digunakan dalam proses extract adalah 0.01, 0.1, 1 dan 10.

Proses extract dilakukan pada citra ber-watermark, dimana citra ber-watermark

tersebut dihasilkan dari proses embed yang menggunakan konstanta (α) 0.01

dan 0.1 .

Dari hasil pengujian ini membuktikan bahwa semakin besar nilai

konstanta (α) dalam proses extract maka hasil ekstraksi watermark yang

didapat akan semakin terlihat jelas secara Human Visual System (HVS). Hal ini

ditunjukan pada Tabel 5.5 untuk ekstraksi dari citra ber-watermark yang didapat

dari proses embed dengan konstanta (α) 0,1 dan pada Tabel 5.6 untuk ekstraksi

dari citra ber-watermark yang didapat dari proses embed dengan konstanta (α)

0,01.


46

Tabel 5.5 Tabel extract dengan α = 0.01, α = 0.1, α = 1, α =10 untuk embed dengan α = 0.1

No Hasil embed α = 0.1 extract α = 0.01 extract α = 0.1 extract α = 1 extract α = 10

1.

2.


47

Tabel 5.6 Tabel extract dengan α = 0.01, α = 0.1, α = 1, α =10 untuk embed dengan α = 0.01

No Hasil embed α = 0.01 extract α = 0.01 extract α = 0.1 extract α = 1 extract α = 10

1.

2.


48

5.2.3. Hasil Pengujian Ketahanan Perangkat Lunak

Pengujian Ketahanan Perangkat Lunak ini dilakukan dengan memberikan

modifikasi terhadap citra ber-watermark (Attack). Standart Attack yang

digunakan meliputi modifikasi atau perubahan terhadap citra digital yang sering

dilakukan baik secara sengaja maupun tidak sengaja. Standart Attack yang

digunakan :

1. Radian blurring 5 pixel : memberikan efek blur

2. Radian blurring 10 pixel : memberikan efek blur

3. Add Contrast : menambah nilai contrast highout 0.9

4. Croping : memotong bagian atas citra 100 pixel

5. Centered Croping : mengambil bagian tengah citra 30%

6. Add Gausian Noise : menambah noise(median =0, varian =0.1)

7. Add Salt and Pepper Noise : menambah noise(median =0, varian =0.1)

8. Left Rotate 5º : memutar citra ke kiri sebesar 5º

9. Left Rotate 90º : memutar citra ke kiri sebesar 90º

10. Scaling down20% : memperkecil citra sebesar 20 %

11. Scaling up 20 % : memperbesar citra sebesar 20%

Dari pengujian ini didapati bahwa perangkat lunak yang dibangun ini tahan

Standart Attack, hal ini dibuktikan dengan hasil ekstraksi watermark dari citra ber-

watermark yang telah diberi Standart Attack masih dapat dikenali secara Human

Visual System (HVS) oleh penulis. Hasil pengujian ini dapat dilihat pada Tabel 5.7

hingga Tabel 5.10


49

Tabel 5.7 Tabel extract dengan α = 0.01, α = 0.1, α = 1, α =10 untuk embed dengan α = 0.1 yang sudah dikenai Standart Attack

(watermark1.jpg)

No Jenis

Serangan Hasil Serangan extract α = 0.01 extract α = 0.1 extract α = 1 extract α = 10

1.

Radian

blur 5

pixel

2.

Radian

blur 10

pixel

3.

Contrast

highout

0.9


50

4.

Crop

top 100

pixel

5.

Centered

crop

30%

6.

Gaussian

noise

m=0

v=0.1

7.

Salt and

Pepper

noise

m=0

v=0.1


51

8. Rotate 5º

9. Rotate

90º

10.

Scale

down

20%


52

11. Scale up

20%


53


(watermark1.jpg)

No Jenis


1.

Radian

blur 5

pixel

2.

Radian

blur 10

pixel

3.

Contrast

highout

0.9


54

4.

Crop

top 100

pixel

5.

Centered

crop

30%

6.

Gaussian

noise

m=0

v=0.1

7.

Salt and

Pepper

noise

m=0

v=0.1


55

8. Rotate 5º

9. Rotate

90º

10.

Scale

down

20%


56

11. Scale up

20%


57


(watermark2.jpg)

No Jenis


1.

Radian

blur 5

pixel

2.

Radian

blur 10

pixel

3.

Contrast

highout

0.9


58

4.

Crop

top 100

pixel

5.

Centered

crop

30%

6.

Gaussian

noise

m=0

v=0.1

7.

Salt and

Pepper

noise

m=0

v=0.1


59

8. Rotate 5º

9. Rotate

90º

10.

Scale

down

20%


60

11. Scale up

20%


61


(watermark2.jpg)

No Jenis


1.

Radian

blur 5

pixel

2.

Radian

blur 10

pixel

3.

Contrast

highout

0.9


62

4.

Crop

top 100

pixel

5.

Centered

crop

30%

6.

Gaussian

noise

m=0

v=0.1

7.

Salt and

Pepper

noise

m=0

v=0.1


63

8. Rotate 5º

9. Rotate

90º

10.

Scale

down

20%


64

11. Scale up

20%


65

Tabel 5.11 Tabel pengenalan informasi watermark hasil extract α =10 dari citra ber-watermark embed α =0.01 (proses watermarking

yang menghasilkan watermark yang tidak kasat mata) yang dikenai Standart Attack variasi pemilihan citra watermark

No Jenis

Serangan watermark1.jpg

watermark

dikenali?

Pengenalan

informasi

watermark

secara HVS

watermark2.jpg watermark

dikenali?

Pengenalan

informasi

watermark

secara HVS

1.

Radian

blur 5

pixel

Ya

Dikenali

dengan baik

Ya

Dikenali

dengan baik

2.

Radian

blur 10

pixel

Ya

Dikenali

dengan baik

Ya

Tidak

dikenali

dengan baik

3.

Contrast

highout

0.9

Ya

Dikenali

dengan baik

Ya

Dikenali

dengan baik


66

4. Crop top

100 pixel

Ya

Dikenali

dengan baik

Tidak

Tidak

dikenali sama

sekali

5. Centered

crop 30%

Ya

Tidak

dikenali

dengan baik

Ya

Tidak

dikenali

dengan baik

6.

Gaussian

noise m=0

v=0.1

Ya

Dikenali

dengan baik

Ya

Tidak

dikenali

dengan baik

7.

Salt and

Pepper

noise m=0

v=0.1

Ya

Dikenali

dengan baik

Ya

Tidak

dikenali

dengan baik


67

8. Rotate 5º

Ya

Tidak

dikenali

dengan baik

Tidak

Tidak

dikenali sama

sekali

9. Rotate 90º

Ya

Tidak

dikenali

dengan baik

Tidak

Tidak

dikenali sama

sekali

10. Scale

down 20%

Ya

Dikenali

dengan baik

Ya

Tidak

dikenali

dengan baik

11. Scale up

20%

Ya

Dikenali

dengan baik

Ya

Tidak

dikenali

dengan baik


68

Dari Tabel 5.11. didapati bahwa berdasarkan pengenalan informasi dari

watermark hasil extract citra ber-watermark yang sudah dikenai standard attack

menunjukkan pada penggunaan watermark1.jpg tahan terhadap : Radian blurring 5

pixel, Radian blurring 10 pixel, Add Contrast, Croping top 100 pixel, Add Gausian

Noise, Add Salt and Pepper Noise, Scaling down20% dan Scaling up 20 %.

Sedangkan penggunaan watermark2.jpg hanya tahan terhadap Radian blurring 5

pixel dan Add Contrast saja. Hal ini didasarkan pada pengenalan informasi

watermark yang dikenali dengan baik.

Tabel 5.11. juga menunjukkan penggunaan konstanta embed α = 0.01 tidak

tahan terhadap standard attack berupa Centered crop 30%, Left Rotate 5º, Left

Rotate 90º karena informasi dari watermark hasil extract tidak dapat dikenali

dengan baik meskipun watermark itu sendiri dapat dikenali secara HVS.


69

5.2.4. Hasil Pengujian Perangkat Lunak Mengenali Citra yang Tidak

Ber-watermark

Pengujian ini dilakukan untuk mengetahui kemampuan perangkat lunak

dalam mengenali citra digital yang tidak ber-watermark. Pengujian dilakukan

dengan melakukan proses ekstraksi terhadap citra yang tidak disisipi dengan

watermark.

Pengujian ini menunjukkan bahwa hasil ekstraksi watermark dari citra

digital yang tidak ber-watermark akan menghasilkan watermark yang sama dan

dapat dikenali secara Human Visual System (HVS) apabila citra tidak ber-

watermark yang diekstrak adalah sama dengan citra asal, hal ini dapat dilihat

pada Tabel 5.12. Tetapi watermark yang dihasilkan dari ekstraksi dimana citra

yang akan dikenali berbeda dengan citra asal, maka watermark tidak dapat

dikenali, hal ini dapat dilihat pada Tabel 5.13.

Tabel 5.12 Tabel extract untuk citra digital tidak ber-watermark

(citra yang akan dikenali adalah citra asal)

No. Citra

Asal Citra yang akan

dikenali

Hasil Ekstraksi

Citra dengan

watermark1.jpg

Hasil Ekstraksi

Citra dengan

watermark2.jpg

watermak

dikenali?

1. Citra1

.jpg

Ya

2. Citra2

.jpg

Ya

3. Citra3

.jpg

Ya


70

4. Citra4

.jpg

Ya

5. Citra5

.jpg

Ya

Tabel 5.13 Tabel extract untuk citra digital tidak ber-watermark

(citra yang akan dikenali berbeda dengan citra asal). Citra asal yang digunakan

Citra1.jpg

No. Citra

Asal Citra yang akan

dikenali

Hasil Ekstraksi

Citra dengan

watermark1.jpg

Hasil Ekstraksi

Citra dengan

watermark2.jpg

watermak

dikenali?

1. Citra1

.jpg

Tidak

2. Citra1

.jpg

Tidak

3. Citra1

.jpg

Tidak

4. Citra1

.jpg

Tidak


71

6. BAB VI

KESIMPULAN DAN SARAN

6.1. Kesimpulan

Berdasarkan uraian yang sudah dijelaskan pada skripsi ini dengan

menganalisa hasil kerja perangkat lunak yang mengimplementasikan metode

Discrete Wavelet Transform (DWT), maka dapat diambil kesimpulan sebagai

berikut:

1. Penyisipan citra watermark ke dalam citra asal (host) menggunakan metode

Discrete Wavelet Transform (DWT) adalah dengan menyisipkan citra

watermark ke dalam koefisien citra asal (host). Dekomposisi citra digital

menggunakan metode Discrete Wavelet Transform (DWT) dilakukan

dengan mengambil koefisien wavelet dari citra digital tersebut, koefisien

tersebut juga digunakan untuk dapat merekonstruksi citra kembali

menggunakan Inverse Discrete Wavelet Transform (IDWT)

2. Untuk dapat menghasilkan citra dokumen digital dengan fidelity yang baik,

maka pemilihan konstanta (α) = 0.01 pada proses embed adalah yang terbaik

menurut penulis karena pada citra ber-watermark, watermark yang

disisipkan tidak dapat dilihat (tidak kasat mata) secara Human Division

System (HVS) oleh penulis serta memiliki nilai PSNR 48.43 dan SSIM

0.949. Untuk mendapatkan watermark yang dapat dikenali oleh penulis,

konstanta (α) = 1 atau 10 pada proses extract adalah yang terbaik.


72

3. Dari hasil percobaan yang dilakukan, menunjukkan bahwa teknik

watermarking dengan menggunakan Discrete Wavelet Transform (DWT)

memiliki ketahanan (robustness) yang cukup baik karena citra watermark

yang dari proses extract citra ber-watermark yang sudah mengalami

malicious attack: blurring, croping, contrasting, add noise, rotate dan

scaling, dapat dikenali secara Human Division System (HVS) oleh penulis.

6.2. Saran

Beberapa saran untuk pengembangan antara lain:

1. Wavelet yang digunakan dalam penerapan Teknik Watermarking Metode

Discrete Wavelet Transform (DWT) ini adalah wavelet Haar, untuk

pengembangan selanjutnya dapat diuji coba dengan menggunakan wavelet

yang lain seperti Daubechies, Meyer dan Morlet.

2. Dekomposisi yang digunakan dalam Teknik Watermarking Metode

Discrete Wavelet Transform (DWT) ini hanya menggunakan transformasi 1

level, untuk pengembangan selanjutnya dapat dicoba dengan 2 level atau n

level.

3. Pengujian ketahanan terhadap malicious attack hanya dilakukan dengan

beberapa jenis standart attack saja, untuk pengembangan selanjutnya bisa

diuji coba dengan variasi malicious attack lainnya seperti proses smoothing,

clearing, sharpening dan compression.


73

4. Citra dokumen digital yang digunakan hanya citra dokumen dengan format

Joint Potographics Expert berekstensi .jpg/.jpeg saja, untuk pengembangan

selanjutnya bisa menggunakan format citra yang lain seperti .bmp, .gif,

.png, dan .tiff.


74

DAFTAR PUSTAKA

Alfatwa , Dean Fathony (2003). Watermarking Pada Citra Digital Menggunakan

Discrete Wavelete Transform. Skripsi. Teknologi Bandung. Bandung.

Al-khassaweneh, Mahmood and Selin Aviyente. (2008). Image Watermarking

Based on Wavelet Hard Thresholding. European Signal Processing

Conference, EUSIPCO. Vol. 13, pp. 277-280.

Cheddad, A., Condell, J., Curran, K., Kevitt, P.Mc., (2010). Digital Image

Steganography: Survey and Analysis of Current Methods. Northern Ireland,

UK. Elsevier.

Edi S. Mulyanta (2006). Dari Teori Hingga Praktik : Pengolahan Digital Image

dengan Photoshop CS2. Yogyakarta : Andi Offset.

Hameed, Kamran, Adeel Mumtaz, and S.A.M. Gilani. (2008). Digital Image

Watermarking in the Wavelet Transform Domain. Proceedings of World

Academy of Science, Engineering and Technology, Vol. 13.

Hendrawan, Shanty Meliani (2003). Robust and Non Blind Watermarking pada

Citra Digital dengan Teknik Spread Spectrum. Skripsi. Institut Teknologi

Bandung. Bandung.

Kutter, Martin; Fabien A. P. Petitcolas (1999). A Fair Benchmark for Image

Watermarking Systems. Proceedings of Electronic Imaging ’99, Security

and Watermarking of Multimedia Contents, vol. 3657, pp. 226–239, San

Jose, California, U.S.A., 25–27 January 1999.

Lu, Chun-Shien (2005) Multimedia Security : Steganography and Digital

Watermarking Techniques for Protection of Intellectual Property. Thesis.

Institute of Information Science Academia Sinica. Taiwan.


75

Paulus, S. Si, M. Kom, Erick. dan Yessica Nataliani, S. Si, M. Kom. (2007). GUI

Matlab. Yogyakarta : Andi Offset.

Sirait, Rummi (2008). Teknologi Watermarking Pada Citra Digital. Thesis.

Program Pascasarjana. Universitas Indonesia. Jakarta.

Terzija, Nataša (2006). Robust Digital Image Watermarking Algorithms for

Copyright Protection. Thesis. Universität Duisburg-Essen. Jerman.

Wijaya, Marvin Ch dan Agus Prijono. (2007). Pengolahan Citra Digital

Menggunakan Matlab. Bandung : Informatika Bandung.

Z. Wang, A. C. Bovik, H. R. Sheikh and E. P. Simoncelli (2004). Image quality

assessment: From error visibility to structural similarity. Journal IEEE

Transactions on Image Processing, vol. 13, no. 4, pp. 600-612.


76

Lampiran

Lampiran 1

WatermarkingGUI.m

function varargout = WatermarkingGUI(varargin) gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @WatermarkingGUI_OpeningFcn,

... 'gui_OutputFcn', @WatermarkingGUI_OutputFcn,

... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end

if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before WatermarkingGUI is made visible. function WatermarkingGUI_OpeningFcn(hObject, eventdata, handles,

varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of

MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to WatermarkingGUI (see

VARARGIN)

% Choose default command line output for WatermarkingGUI handles.output = hObject; % Update handles structure guidata(hObject, handles); usd=imread('logo_usd.jpg'); host=imread('host.jpg'); mark=imread('watermark.jpg'); proses=imread('proses.jpg');

imshow(usd,'Parent',handles.logo); imshow(host,'Parent',handles.image1); imshow(mark,'Parent',handles.image2); imshow(proses,'Parent',handles.watermarking);


77

% --- Outputs from this function are returned to the command line. function varargout = WatermarkingGUI_OutputFcn(hObject, eventdata,

handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of

MATLAB % handles structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure varargout{1} = handles.output;

function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of

MATLAB % handles structure with handles and user data (see GUIDATA)

% Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of

edit1 as a double

% --- Executes during object creation, after setting all

properties. function edit1_CreateFcn(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of

MATLAB % handles empty - handles not created until after all

CreateFcns called

% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'),

get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end

% --- Executes on button press in browse1. function browse1_Callback(hObject, eventdata, handles) global filename pathname; [filename,pathname]=uigetfile('*.jpg;*.jpeg','Choose Image : '); if isequal(filename,0) || isequal(pathname,0) return; else browse1 = imread([pathname,filename]); host = imresize(browse1, [2480 3508]); %standart A4 untuk

resolusi cetak end imshow(host,'Parent',handles.image1);

% --- Executes on button press in browse2. function browse2_Callback(hObject, eventdata, handles)


78

global filename1 pathname1; [filename1,pathname1]=uigetfile('*.jpg;*.jpeg','Choose Image : '); if isequal(filename1,0) || isequal(pathname1,0) return; else browse2 = imread([pathname1,filename1]); watermark = imresize(browse2, [2480 3508]); %standart A4 untuk

resolusi cetak end imshow(watermark,'Parent',handles.image2);

% --- Executes on button press in proses. function proses_Callback(hObject, eventdata, handles) global filename pathname; global filename1 pathname1; read=imread([pathname,filename]); rgbimage = imresize(read, [2480 3508]); %standart A4 untuk

resolusi cetak imshow(rgbimage,'Parent',handles.watermarking); title(handles.watermarking,'Citra Digital Asli'); pause(0.5); [h_LL,h_LH,h_HL,h_HH]=dwt2D_1level(rgbimage,'haar'); dec2d = [ h_LL, h_LH; h_HL, h_HH ]; dec2d=uint8(dec2d); imshow(dec2d,'Parent',handles.watermarking); title(handles.watermarking,'dwt2D_1level dari Citra Digital

Asli'); pause(0.5); %watermark read1=imread([pathname1,filename1]); rgbimage1 = imresize(read1, [2480 3508]); %standart A4 untuk

resolusi cetak imshow(rgbimage1,'Parent',handles.watermarking); title(handles.watermarking,'Watermark'); pause(0.5); [w_LL,w_LH,w_HL,w_HH]=dwt2D_1level(rgbimage1,'haar'); dec2d = [ w_LL, w_LH; w_HL, w_HH ]; dec2d=uint8(dec2d); imshow(dec2d,'Parent',handles.watermarking); title(handles.watermarking,'dwt2D_1level dari Watermark'); pause(0.5); %watermarking newhost_LL = h_LL + (0.001*w_LL);

%output rgb2=idwt2D_1level(newhost_LL,h_LH,h_HL,h_HH,'haar'); rgb2=uint8(rgb2); imshow(rgb2,'Parent',handles.watermarking);


79

title(handles.watermarking,'Citra Digital yang sudah diberi

watermark');

% --- Executes on button press in save. function save_Callback(hObject, eventdata, handles) img = getimage(handles.watermarking); [FileName, PathName] = uiputfile('*.jpg', 'Save As'); if PathName==0, return; end Name = fullfile(PathName,FileName); imwrite(img, Name, 'jpg');

Lampiran 2

ExtractGUI.m

function varargout = ExtractGUI(varargin) gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @ExtractGUI_OpeningFcn, ... 'gui_OutputFcn', @ExtractGUI_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end

if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT % --- Executes just before ExtractGUI is made visible. function ExtractGUI_OpeningFcn(hObject, eventdata, handles,

varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of

MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to ExtractGUI (see VARARGIN) % Choose default command line output for ExtractGUI handles.output = hObject; % Update handles structure guidata(hObject, handles); usd=imread('logo_usd.jpg'); host=imread('host.jpg'); mark=imread('watermark.jpg'); marked=imread('watermarked.jpg');

imshow(usd,'Parent',handles.logo); imshow(host,'Parent',handles.image1); imshow(mark,'Parent',handles.image2); imshow(marked,'Parent',handles.image3);


80

% --- Outputs from this function are returned to the command line. function varargout = ExtractGUI_OutputFcn(hObject, eventdata,

handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of

MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output; % --- Executes on button press in browse1. function browse1_Callback(hObject, eventdata, handles) global filename pathname; [filename,pathname]=uigetfile('*.jpg;*.jpeg','Choose Image : '); if isequal(filename,0) || isequal(pathname,0) return; else browse1 = imread([pathname,filename]); host = imresize(browse1, [2480 3508]); %standart A4 untuk

resolusi cetak end imshow(host,'Parent',handles.image1);

% --- Executes on button press in browse2. function browse2_Callback(hObject, eventdata, handles) global filename1 pathname1; [filename1,pathname1]=uigetfile('*.jpg;*.jpeg','Choose Image : '); if isequal(filename1,0) || isequal(pathname1,0) return; else browse2 = imread([pathname1,filename1]); watermark = imresize(browse2, [2480 3508]); %standart A4 untuk

resolusi cetak end imshow(watermark,'Parent',handles.image2);

% --- Executes on button press in proses. function proses_Callback(hObject, eventdata, handles) global filename pathname; global filename1 pathname1; global filename2 pathname2; % rgbimage=imread('host.jpg'); read=imread([pathname,filename]); rgbimage = imresize(read, [2480 3508]); %standart A4 untuk

resolusi cetak imshow(rgbimage,'Parent',handles.image3); title(handles.image3,'Citra Digital Asli'); pause(0.5) [h_LL,h_LH,h_HL,h_HH]=dwt2D_1level(rgbimage,'haar'); dec2d = [... h_LL, h_LH; ... h_HL, h_HH ... ]; dec2d=uint8(dec2d); imshow(dec2d,'Parent',handles.image3); title(handles.image3,'dwt2D_1level dari Citra Digital Asli');


81

pause(0.5); %watermark read1=imread([pathname1,filename1]); rgbimage1 = imresize(read1, [2480 3508]); %standart A4 untuk

resolusi cetak imshow(rgbimage1,'Parent',handles.image3); title(handles.image3,'Watermark'); pause (0.5); [w_LL,w_LH,w_HL,w_HH]=dwt2(rgbimage1,'haar'); dec2d = [ w_LL, w_LH; w_HL, w_HH ]; dec2d=uint8(dec2d); imshow(dec2d,'Parent',handles.image3); title(handles.image3,'dwt2D_1level dari Watermark'); pause(0.5); %watermarked read2=imread([pathname2,filename2]); rgbimage3 = imresize(read2, [2480 3508]); %standart A4 untuk

resolusi cetak imshow(rgbimage3,'Parent',handles.image3); title(handles.image3,'Citra Digital yang sudah diberi watermark'); pause(0.5); [wm_LL,wm_LH,wm_HL,wm_HH]=dwt2(rgbimage3,'haar'); dec2 = [ wm_LL, wm_LH; wm_HL, wm_HH ]; dec2=uint8(dec2); imshow(dec2,'Parent',handles.image3); title(handles.image3,'dwt2D_1level dari Citra Digital yang sudah

diberi watermark'); pause(0.5); %watermarking newwatermark_LL= (wm_LL-h_LL)/1; %output rgb2=idwt2D_1level(newwatermark_LL,w_LH,w_HL,w_HH,'haar'); gray = rgb2gray(rgb2); bw = im2bw(gray, 0.90); % inversrgb2 = imcomplement(bw); imshow(bw,'Parent',handles.image3); title(handles.image3,'Watermark yang sudah diekstrak'); function save_Callback(hObject, eventdata, handles) img = getimage(handles.image3); [FileName, PathName] = uiputfile('*.jpg', 'Save As'); if PathName==0, return; end Name = fullfile(PathName,FileName); imwrite(img, Name, 'jpg');

% --- Executes on button press in browse3. function browse3_Callback(hObject, eventdata, handles) global filename2 pathname2; [filename2,pathname2]=uigetfile('*.jpg;*.jpeg','Choose Image : '); if isequal(filename2,0) || isequal(pathname2,0) return;


82

else browse3 = imread([pathname2,filename2]); marked = imresize(browse3, [2480 3508]); %standart A4 untuk

resolusi cetak end imshow(marked,'Parent',handles.image3);

Lampiran 3

dwt2D_1level.m function [a,h,v,d] = dwt2D_1level(x,varargin)%Variable length

input argument list.

nbIn = nargin; %%NARGIN Number of function input arguments. narginchk(2,7) if ischar(varargin{1}) [Lo_D,Hi_D] = wfilters(varargin{1},'d'); next = 2; else Lo_D = varargin{1}; Hi_D = varargin{2}; next = 3; end

% cek argumen untuk Size, Shift and Extension. DWT_Attribute = getappdata(0,'DWT_Attribute'); if isempty(DWT_Attribute) , DWT_Attribute = dwtmode('get'); end dwtEXTM = DWT_Attribute.extMode; % Default: Extension. shift = DWT_Attribute.shift2D; % Default: Shift. for k = next:2:nbIn-1 switch varargin{k} case 'mode' , dwtEXTM = varargin{k+1}; case 'shift' , shift = mod(varargin{k+1},2); end end

% Hitung size. lf = length(Lo_D); sx = size(x);

% Extend, Decompose & Extract coefficients. first = 2-shift; flagPer = isequal(dwtEXTM,'per'); if ~flagPer sizeEXT = lf-1; last = sx+lf-1; else sizeEXT = lf/2; last = 2*ceil(sx/2); end

x = double(x); if length(sx)==2 y = wextend('addcol',dwtEXTM,x,sizeEXT); z = conv2(y,Lo_D(:)','valid'); a = convdown(z,Lo_D,dwtEXTM,sizeEXT,first,last); h = convdown(z,Hi_D,dwtEXTM,sizeEXT,first,last); z = conv2(y,Hi_D(:)','valid');


83

v = convdown(z,Lo_D,dwtEXTM,sizeEXT,first,last); d = convdown(z,Hi_D,dwtEXTM,sizeEXT,first,last); else a = cell(0,3); h = cell(0,3); v = cell(0,3); d = cell(0,3); for k = 1:3 y = wextend('addcol',dwtEXTM,x(:,:,k),sizeEXT); z = conv2(y,Lo_D(:)','valid'); a{k} = convdown(z,Lo_D,dwtEXTM,sizeEXT,first,last); h{k} = convdown(z,Hi_D,dwtEXTM,sizeEXT,first,last); z = conv2(y,Hi_D(:)','valid'); v{k} = convdown(z,Lo_D,dwtEXTM,sizeEXT,first,last); d{k} = convdown(z,Hi_D,dwtEXTM,sizeEXT,first,last); end a = cat(3,a{:}); h = cat(3,h{:}); v = cat(3,v{:}); d = cat(3,d{:}); end

function y = convdown(x,F,dwtEXTM,lenEXT,first,last)

y = x(:,first(2):2:last(2)); y = wextend('addrow',dwtEXTM,y,lenEXT); y = conv2(y',F(:)','valid'); y = y'; y = y(first(1):2:last(1),:); %-------------------------------------------------------%

Lampiran 4

idwt2D_1level.m

function x = idwt2D_1level(a,h,v,d,varargin) narginchk(2,7) if isempty(a) && isempty(h) && isempty(v) && isempty(d), x = [];

return; end if ischar(varargin{1}) [Lo_R,Hi_R] = wfilters(varargin{1},'r'); next = 2; else Lo_R = varargin{1}; Hi_R = varargin{2}; next = 3; end

% Cek arguments untuk Size, Shift and Extension. DWT_Attribute = getappdata(0,'DWT_Attribute'); if isempty(DWT_Attribute) , DWT_Attribute = dwtmode('get'); end dwtEXTM = DWT_Attribute.extMode; % Default: Extension. shift = DWT_Attribute.shift2D; % Default: Shift. sx = []; k = next; while k<=length(varargin) if ischar(varargin{k}) switch varargin{k}


84

case 'mode' , dwtEXTM = varargin{k+1}; case 'shift' , shift = mod(varargin{k+1},2); end k = k+2; else sx = varargin{k}; k = k+1; end end x = upsconv2(a,{Lo_R,Lo_R},sx,dwtEXTM,shift)+ ... % Approximation. upsconv2(h,{Hi_R,Lo_R},sx,dwtEXTM,shift)+ ... % Horizontal

Detail. upsconv2(v,{Lo_R,Hi_R},sx,dwtEXTM,shift)+ ... % Vertical

Detail. upsconv2(d,{Hi_R,Hi_R},sx,dwtEXTM,shift); % Diagonal

Detail.

Lampiran 5

PSNR.m

function [ out ] = MSE( pic1,pic2 ) %Mean Squared Error [m, n]=size(pic1); for i=1:m for j=1:n e=e+double((pic1(i,j)-pic2(i,j))^2); end end out=e/(m*n); end function [ out ] = PSNR( pic1,pic2 ) %Peak Signal to-Noise Ratio e=MSE(pic1,pic2); out=20*log10(255/sqrt(e)); end

Lampiran 6

function [mssim, ssim_map] = SSIM(img1, img2, K, window, L) if (size(img1) ~= size(img2)) ssim_index = -Inf; ssim_map = -Inf; return; end

[M N] = size(img1);

if (nargin == 2) if ((M < 11) || (N < 11)) ssim_index = -Inf; ssim_map = -Inf; return end window = fspecial('gaussian', 11, 1.5); %


85

K(1) = 0.01; % default

settings K(2) = 0.03; % L = 255; % end

C1 = (K(1)*L)^2; C2 = (K(2)*L)^2; window = window/sum(sum(window)); img1 = double(img1); img2 = double(img2);

mu1 = filter2(window, img1, 'valid'); mu2 = filter2(window, img2, 'valid'); mu1_sq = mu1.*mu1; mu2_sq = mu2.*mu2; mu1_mu2 = mu1.*mu2; sigma1_sq = filter2(window, img1.*img1, 'valid') - mu1_sq; sigma2_sq = filter2(window, img2.*img2, 'valid') - mu2_sq; sigma12 = filter2(window, img1.*img2, 'valid') - mu1_mu2;

if (C1 > 0 && C2 > 0) ssim_map = ((2*mu1_mu2 + C1).*(2*sigma12 + C2))./((mu1_sq +

mu2_sq + C1).*(sigma1_sq + sigma2_sq + C2)); else numerator1 = 2*mu1_mu2 + C1; numerator2 = 2*sigma12 + C2; denominator1 = mu1_sq + mu2_sq + C1; denominator2 = sigma1_sq + sigma2_sq + C2; ssim_map = ones(size(mu1)); index = (denominator1.*denominator2 > 0); ssim_map(index) =

(numerator1(index).*numerator2(index))./(denominator1(index).*deno

minator2(index)); index = (denominator1 ~= 0) & (denominator2 == 0); ssim_map(index) = numerator1(index)./denominator1(index); end

mssim = mean2(ssim_map); return

img1=imread (image1); img2=imread (image2); [mssim ssim_map] = SSIM(img1, img2);


86

Lampiran 7

PSNR_SSIM.m

img1 = imread('citra_asal.jpg'); imgrez1 = imresize(img1,[3410 2473]); img2 = imread('hasil1_mark2.jpg'); imgrez2 = imresize(img2,[3410 2473]); A = rgb2gray(imgrez1); B = rgb2gray(imgrez2); [mssim, ssim_map] = SSIM(A, B); [ out ] = PSNR(A,B); fprintf('The SSIM value is %0.4f.\n',mssim); fprintf('The PSNR value is %0.4f.\n',out);

Lampiran 8

addAttack.m

clear all; clc; close all; % A=imread('hasil1_mark1.jpg'); A=imread('hasil1_mark2.jpg');

%add noise salt and pepper 10% (mean=0, variance=0.1) B = imnoise(A,'salt & pepper',0.1); %add noise gaussian 10% (mean=0 , variance = 0.1) C = imnoise(A,'gaussian',0.1); %blur radius 10 pixel blur10 = fspecial('disk',10); D = imfilter(A,blur10,'replicate'); %blur radius 5 pixel blur5 = fspecial('disk',5); E = imfilter(A,blur5,'replicate'); %rotate 5 derajat F = imrotate(A,5); % imshow(F); %rotate 90 derajat G = imrotate(A,90); %contrast adjust RGB high_out = 0.9 H= imadjust(A,[0 0 0; 0.9 0.9 0.9],[]); %Scaling up 20% I1 = imresize(A, 1.2); %Scaling down 20% I2 = imresize(A, 0.8); % imwrite(B,'hasil1_mark1(noise_salt_pepper_10%).jpg','jpg'); % imwrite(C,'hasil1_mark1(nois_egaussian).jpg','jpg'); % imwrite(D,'hasil1_mark1(blur_10_pixel).jpg','jpg'); % imwrite(E,'hasil1_mark1(blur_5_pixel).jpg','jpg'); % imwrite(F,'hasil1_mark1(rotate_5_derajat).jpg','jpg'); % imwrite(G,'hasil1_mark1(rotate_90_derajat).jpg','jpg'); % imwrite(H,'hasil1_mark1(contrast_highout_0,9).jpg','jpg'); % imwrite(I1,'hasil1_mark1(scaling_up_20%).jpg','jpg'); % imwrite(I2,'hasil1_mark1(scaling_down_20%).jpg','jpg'); %mark2


87

imwrite(B,'hasil1_mark2(noise_salt_pepper_10%).jpg','jpg'); imwrite(C,'hasil1_mark2(nois_egaussian).jpg','jpg'); imwrite(D,'hasil1_mark2(blur_10_pixel).jpg','jpg'); imwrite(E,'hasil1_mark2(blur_5_pixel).jpg','jpg'); imwrite(F,'hasil1_mark2(rotate_5_derajat).jpg','jpg'); imwrite(G,'hasil1_mark2(rotate_90_derajat).jpg','jpg'); imwrite(H,'hasil1_mark2(contrast_highout_0,9).jpg','jpg'); imwrite(I1,'hasil1_mark2(scaling_up_20%).jpg','jpg'); imwrite(I2,'hasil1_mark2(scaling_down_20%).jpg','jpg');


plagiat merupakan tindakan tidak terpujirepository.usd.ac.id/596/2/115314075_full.pdf · yang tidak...

Documents