Analisa Perbandingan Watermarking Image dengan … tugas akhir dengan judul “Watermarking pada...
Transcript of Analisa Perbandingan Watermarking Image dengan … tugas akhir dengan judul “Watermarking pada...
UNIVERSITAS INDONESIA
Analisa Perbandingan Watermarking Image dengan menggunakan Metode Discrete Wavelet Transform
TUGAS AKHIR
ARIF RAKHMAN HAKIM 0906603272
FAKULTAS TEKNIK
PROGRAM TEKNIK ELEKTRO DEPOK JUNI 2012
ii
UNIVERSITAS INDONESIA
Analisa Perbandingan Watermarking Image dengan menggunakan Metode Discrete Wavelet Transform
TUGAS AKHIR
Diajukan sebagai salah satu syarat untuk memperoleh gelar sarjana
ARIF RAKHMAN HAKIM 0906603272
FAKULTAS TEKNIK
PROGRAM STUDI TEKNIK ELEKTRO EKSTENSI TEKNIK ELEKTRO
DEPOK JUNI 2012
iii Universitas Indonesia
HALAMAN PERNYATAAN ORISINALITAS
Skripsi ini adalah hasil karya saya sendiri,
dan semua sumber baik yang dikutip maupun dirujuk
telah saya nyatakan dengan benar.
Nama : Arif Rakhman Hakim
NPM : 0906603272
Tanda Tangan :
Tanggal : 13 Juni 2012
iv Universitas Indonesia
HALAMAN PENGESAHAN
Skripsi ini diajukan oleh :
Nama : Arif Rakhman Hakim
NPM : 0906603272
Program Studi : Teknik Elektro
Judul Skripsi : Analisa Perbandingan Watermarking Image dengan menggunakan Metode Discrete Wavelet Transform
Telah berhasil dipertahankan di hadapan Dewan Penguji dan diterima
sebagai bagian persyaratan yang diperlukan untuk memperoleh gelar
Sarjana Teknik pada Program Studi Sarjana Teknik Elektro Fakultas
Teknik, Universitas Indonesia
DEWAN PENGUJI
Pembimbing : Prof. Dadang Gunawan ( )
Penguji I : .......................................... ( )
Penguji II : .......................................... ( )
Ditetapkan di : .....
Tanggal : .....
v Universitas Indonesia
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Allah Yang Maha Kuasa,
yang telah memberikan rahmat dan karunia-Nya, sehingga penulis dapat
menyelesaikan tugas akhir dengan judul “Watermarking pada Citra Digital
dengan Metode DWT”. Tugas akhir ini merupakan salah satu syarat untuk
memperoleh kelulusan untuk mahasiswa Fakultas Matematika dan Ilmu
Pengetahuan Alam UI pada jenjang pendidikan tingkat Diploma.
Dalam proses pembuatan laporan tugas akhir ini, penulis banyak
mendapat dukungan serta bantuan dari berbagai pihak sehingga penulis dapat
menyelesaikan Laporan ini tepat pada waktunya. Penulis mengucapkan rasa
terima kasih sebesar-besarnya kepada :
1. Papa, mama yang telah mendidik dan membesarkan saya dengan penuh
pengorbanan dan kasih sayang serta seluruh keluarga yang saya sayangi yang
telah memberi dukungan baik moral dan materiil dalam menyelesaikan Tugas
Akhir ini.
2. Bapak Prof.Dr.Ir.Dadang Gunawan M Eng, selaku pembimbing tugas akhir
yang banyak memberikan arahan dalam mengerjakan tugas akhir ini.
3. Bapak Filbert, selaku dosen elektro yang telah memberikan awal pengarahan
dalam mengerjakan tugas akhir.
4. Rangga GP, selaku partner saya dalam pembuatan tugas akhir ini.
5. Segenap staf, dosen, karyawan di Fakultas Teknik, yang telah memberikan
dukungannya dalam menyelesaikan tugas akhir ini.
6. Keluarga besar Teknik 2009, yang tidak bisa saya sebutkan satu persatu, atas
segala sumbangsih, perhatian dan dukungannya.
vi Universitas Indonesia
Dalam penulisan Laporan tugas akhir ini, penulis menyadari masih jauh
dari sempurna. Untuk itu penulis sangat mengharapkan kritik dan saran yang
membangun dari semua pihak.
Demikianlah Laporan tugas akhir yang penulis buat ini, penulis berharap
mudah-mudahan laporan ini dapat bermanfaat bagi semua pihak, dan dapat
menjadi referensi bagi rekan-rekan mahasiswa Fakultas Teknik Jurusan Teknik
Elektro yang nantinya menyusun Laporan tugas akhir seperti yang penulis
lakukan sekarang. Terima kasih.
Depok, 13 Juni 2012
vii Universitas Indonesia
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS
Sebagai sivitas akademik Universitas Indonesia, saya yang bertanda tangan di bawah ini:
Nama : Arif Rakhman Hakim NPM : 0906603272 Program Studi : Ekstensi Teknik Elektro Departemen : Teknik Elektro Fakultas : Teknik Jenis karya : Skripsi
demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Indonesia Hak Bebas Royalti Noneksklusif (Non-exclusive Royalty Free Right) atas karya ilmiah saya yang berjudul : Watermarking pada Citra Digital dengan Metode DWT beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Noneksklusif ini Universitas Indonesia berhak menyimpan, mengalihmedia/format-kan, mengelola dalam bentuk pangkalan data (database), merawat, dan memublikasikan tugas akhir saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik Hak Cipta. Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat di : ……………………. Pada tanggal : …………………….
Yang menyatakan
( Arif Rakhman Hakim)
viii Universitas Indonesia
ABSTRAK
Nama : Arif Rakhman Hakim Program Studi : Teknik Elektro Judul : Analisa Perbandingan Watermarking Image dengan Menggunakan Metode Discrete Wavelet Transform
Watermarking merupakan teknik penyisipan data atau informasi yang bersifat rahasia ke dalam media data digital lainnya. Watermarking pada citra digital dibutuhkan sebagai perlindungan terhadap kepemilikan citra digital. Pada tugas akhir ini dibuat perancangan simulasi watermarking dengan menggunakan transformasi wavelet diskrit dan hasil percobaan dianalisa dari beberapa parameter. Salah satu parameter yang digunakan yaitu dengan menghitung nilai MSE dan PSNR. Semakin besar nilai PSNR semakin besar tingkat kualitas citra terwatermark. Dari beberapa keluarga wavelet yang diuji, diskrit meyer yang memberikan nilai PSNR yang paling tinggi. Ketahanan dari citra yang disisipi (watermark) tergantung dari kualitas citra yang diuji.
Kata kunci : watermarking, diskrit wavelet transform
ix Universitas Indonesia
ABSTRACT
Name : Arif Rakhman Hakim Program of Study : Electrical Engineering Title : Comparative analysis with the Image Watermarking Using the Discrete Wavelet Transform Methods Watermarking is a technique of embedding the data or information that is confidential to the other digital data media. Digital image watermarking is needed as protection against the ownership of digital images. In this final project design simulated watermarking is made using discrete wavelet transform and the experimental results are analyzed from several parameters. One of the parameters used to calculate the value of MSE and PSNR. The larger value of PSNR means the greater levels of watermarked image quality. From several wavelet families were tested, discrete meyer which gives the highest PSNR value. Resistance of the embeded image (watermark) depends on the quality of the image being tested.
Key words : watermarking, discrete wavelet transform
x Universitas Indonesia
DAFTAR ISI
HALAMAN PENGESAHAN .................................................................................. iv
KATA PENGANTAR ................................................................................................ v
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI ......................... vii
ABSTRAK ................................................................................................................ viii
DAFTAR ISI ................................................................................................................ x
DAFTAR GAMBAR ................................................................................................ xii
DAFTAR TABEL .................................................................................................... xiii
DAFTAR LAMPIRAN ............................................................................................ xiv
BAB I PENDAHULUAN ............................................................................................ 1
1.1. Latar Belakang ................................................................................................ 1
1.2. Tujuan Penelitian ............................................................................................ 3
1.3. Batasan Masalah ............................................................................................. 3
1.4. Ruang Lingkup ............................................................................................... 4
1.5. Sistematika Penulisan ..................................................................................... 4
BAB 2 WATERMARKING ....................................................................................... 5
2.1. Watermarking ................................................................................................. 5
2.1.1. Sejarah watermarking .............................................................................. 5
2.1.2. Pengertian Watermarking ........................................................................ 5
2.1.3. Jenis-jenis watermarking ......................................................................... 6
2.1.4. Type watermark ...................................................................................... 7
2.1.5. Kriteria watermarking ............................................................................. 7
2.1.6. Klasifikasi watermarking ........................................................................ 9
2.1.7. Aplikasi watermarking .......................................................................... 11
2.1.8. Digital image watermarking ................................................................. 12
2.2. Citra digital ................................................................................................... 14
2.3. Transformasi citra ......................................................................................... 16
2.3.1. Domain dalam transformasi sinyal ........................................................ 17
2.3.3. Wavelet .................................................................................................. 21
xi Universitas Indonesia
2.3.4. Transformasi wavelet (wavelete transform) .......................................... 22
2.3.5. Discrete wavelet transform (DWT) ....................................................... 24
2.4. MATLAB ..................................................................................................... 29
BAB 3 PERANCANGAN DAN IMPLEMENTASI ............................................... 32
3.1. Sarana Implementasi ..................................................................................... 32
3.2. Perangkat Keras ............................................................................................ 32
3.3. Perangkat Lunak ........................................................................................... 32
3.4. Algoritma watermarking ............................................................................... 32
3.4.1. Pembentukan Citra terwatermark .......................................................... 33
3.4.2. Pengekstrakan Citra Terwatermark ....................................................... 37
BAB 4 HASIL DAN PEMBAHASAN ..................................................................... 40
4.1. Analisa terhadap citra asli ............................................................................. 40
4.2. PSNR ............................................................................................................ 46
4.3. Analisa robustness (ketahanan) citra watermark ......................................... 48
BAB 5 KESIMPULAN dan SARAN ....................................................................... 51
DAFTAR PUSTAKA ................................................................................................ 52
xii Universitas Indonesia
DAFTAR GAMBAR
Gambar 2. 1 Proses Penyisipan Watermark ................................................................ 13 Gambar 2. 2 Proses Ekstraksi Watermark ................................................................... 13 Gambar 2. 3 Contoh Citra Biner 1 Bit ......................................................................... 15 Gambar 2. 4 Contoh Citra Grayscale 4 Bit ................................................................ 15 Gambar 2. 5 Contoh Citra Warna 4 Bit ....................................................................... 16 Gambar 2. 6 Representasi 3 Byte Citra Warna............................................................ 16 Gambar 2. 7 Contoh citra 1 dimensi ............................................................................ 18 Gambar 2. 8 Hasil proses transformasi perataan dan pengurangan dari gambar . ...... 19 Gambar 2. 9 Proses perataan dan pengurangan dengan dekomposisi penuh . ............ 20 Gambar 2. 10 Hasil proses dekomposisi penuh........................................................... 20 Gambar 2. 11 Hasil dekomposisi perataan dan pengurangan pada citra 2 dimensi. ... 21 Gambar 2. 12 (a) Gelombang (Wave), (b) Wavelet ..................................................... 21 Gambar 2. 13 Dekomposisi Wavelet Tiga Tingkat ..................................................... 26 Gambar 2. 14 Dekomposisi Wavelet dengan Frekuensi Sinyal Asal f=0 ~ π.............. 27 Gambar 2. 15 Rekonstruksi wavelet tiga tingkat......................................................... 28 Gambar 3. 1 Proses pembentukan citra berwatermark ................................................ 33 Gambar 3. 2 Citra Asli RGB ke bentuk grayscale...................................................... 34 Gambar 3. 3 Citra Watermark ..................................................................................... 34 Gambar 3. 4 Transformasi wavelet 2 dimensi 1 level ................................................. 35 Gambar 3. 5 Dekomposisi Citra Asli .......................................................................... 36 Gambar 3. 6 Proses pengekstrakan watermark ........................................................... 37 Gambar 4. 1 Bunga. ..................................................................................................... 41 Gambar 4. 2 Ikan ......................................................................................................... 41 Gambar 4. 3 Rumah ..................................................................................................... 42 Gambar 4. 4 (A) citra bunga (asli) Grayscale (B) citra bunga terwatermark .............. 42 Gambar 4. 5 (A) citra ikan asli (B) citra terwatermark ............................................... 44 Gambar 4. 6 (A) citra rumah asli (B) citra rumah terwatermark ................................. 45 Gambar 4. 7 Gambar terwatermark sebelum dan sesudah diserang noise. ................. 49 Gambar 4. 8 Hasil ekstraksi. ....................................................................................... 50
xiii Universitas Indonesia
DAFTAR TABEL Tabel 3. 1 Spesifikasi Perangkat Keras ....................................................................... 32 Tabel 4. 1 Hasil survei 1 terhadap 10 orang responden. ............................................. 43 Tabel 4. 2 hasil survei 2 terhadap 10 orang responden. .............................................. 44 Tabel 4.3 hasil survei 3 terhadap 10 orang responden ............................................... 45 Tabel 4.4 Tabel nilai PSNR hasil pengujian ............................................................... 47 Tabel 4.5 Tabel pengujian citra sebelum diberi noise “salt&pepper” ....................... 48 Tabel 4.6 Tabel pengujian setelah diberi noise “salt&pepper” ……...……………….49
xiv Universitas Indonesia
DAFTAR LAMPIRAN Lampiran 1 Gambar penyisipan watermark dengan metode diskrit meyer ................. 55 Lampiran 2 Gambar penyisipan watermark dengan metode daubechies .................... 56 Lampiran 3 Gambar penyisipan watermark dengan metode haar ............................... 59 Lampiran 4 Gambar penyisipan watermark dengan metode symlet ........................... 61 Lampiran 5 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra
grayscale .................................................................................................. 63 Lampiran 6 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra
grayscale .................................................................................................. 66 Lampiran 7 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra
grayscale .................................................................................................. 69 Lampiran 8 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra
grayscale .................................................................................................. 72 Lampiran 9 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra
grayscale .................................................................................................. 75 Lampiran 10 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra
grayscale .................................................................................................. 78 Lampiran 11 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra
grayscale .................................................................................................. 81 Lampiran 12 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra
grayscale ................................................................................................. 84
1 Universitas Indonesia
BAB 1 PENDAHULUAN
1.1. Latar Belakang
Perkembangan teknologi komputer dan internet sejauh ini berkembang
begitu pesat dari tahun ke tahun. Perkembangan tekhnologi belakangan ini sudah
memasuki tahap digital. komputer dan internet sendiri menjadi user friendly
dimana setiap orang dapat dengan mudah mengakses serta dapat memberikan
berbagai informasi dalam bentuk media digital. Media digital dapat berupa teks,
audio, video dan citra. Internet sendiri adalah sistem distribusi yang sangat baik
untuk media digital karena murah dan proses pingiriman datanya bisa dikatakan
sangat cepat. Dengan kemudahan mengakses data digital ini seseorang yang
tidak berhak atau tidak bertanggung jawab dapat menyalahgunakan atau
mengklaim hak cipta orang lain, salah satu contohnya adalah pembajakan di
dunia maya. Pembajakan di dunia maya tidak hanya seputar video atau musik
saja, tetapi juga terjadi dalam media gambar atau citra. Pembajakan sangat
merugikan bagi penciptanya, dilihat dari risikonya oleh karena itu pemilik hak
cipta mencari tekhnologi yang dapat melindungi dari hak-hak cipta mereka,
untuk itu di perlukan suatu perlindungan hak cipta salah satunya adalah dengan
cara teknik watermarking.
Watermarking merupakan salah satu cabang dari ilmu steganography.
Dimana steganography adalah suatu cabang ilmu yang mempelajari bagaimana
teknik menyembunyikan suatu data atau informasi yang bersifat rahasia ke
dalam media informasi lainnya. Dalam proses penyembunyian data atau
informasi selain steganography terdapat juga cryptography. Kedua cabang ilmu
tersebut, memiliki prinsip yang sama yaitu menyembunyikan informasi yang
bersifat rahasia. Namun yang membedakan keduanya ialah pada proses
penyembunyian data dan hasil akhir dari proses tersebut. Pada cryptography data
asli mengalami proses pengacakan dengan menggunakan teknik enkripsi
2
Universitas Indonesia
tertentu sehingga data asli benar-benar berbeda dengan data yang telah
terenkripsi (tetapi dapat dikembalikan kebentuk semula atau gambar aslinya).
Sedangkan pada steganography suatu data asli disembunyikan dalam suatu data
lain yang akan ditumpangi tanpa mengubah data yang ditumpangi (host)
tersebut. Jadi secara visual data asli terlihat sama persis dengan data yang telah
diproses secara steganography.
Watermarking merupakan teknik penyisipan (embedding) informasi
kedalam media data digital seperti citra, audio dan video secara rahasia.
Informasi yang akan disisipkan harus dapat diperoleh kembali meskipun data
digital telah diproses, disalin, atau didistribusikan. Informasi yang akan
disisipkan kedalam data digital dinamakan tanda air digital (digital watermark),
sedangkan data digital yang disisipi dinamakan data orisinal (host data ). Untuk
data digital yag telah disisipi watermark dinamakan data bertanda air
(watermarked data) (1).
Watermarking berbeda dengan tanda air pada uang kertas, dimana
pada uang kertas tanda air tersebut masih dapat dilihat dengan mata telanjang.
Sedangkan watermarking yang diaplikasikan pada media digital dimaksudkan
agar watermarking secara visual tidak dapat dirasakan kehadirannya oleh indra
manusia tetapi hanya dapat diketahui dengan menggunakan alat pengelola data
digital seperti komputer.
Dalam pembentukan watermarking, setiap informasi yang disisipkan ke
media digital haruslah tidak merusak kualitas media digital tersebut. Sehingga
dalam citra digital mata tidak dapat membedakan apakah citra digital tersebut
telah disisipkan watermark atau belum. Sama halnya dalam musik atau audio
digital, diharapkan telinga manusia tidak mengetahui adanya perubahan yang
didengar setelah penyisipan data tersebut. Jadi pada digital watermarking, digital
watermark atau informasi yang disisipkan pada media digital haruslah bersifat
imperceptible atau tidak terdeteksi oleh panca indera manusia baik secara audio
maupun visual. Dan digital watermark tersebut adalah sebuah kode identifikasi
3
Universitas Indonesia
yang secara permanen disisipkan kedalam data digital dengan membawa
informasi yang berhubungan dengan perlindungan hak cipta dan otentikasi data.
Watermarking dalam penerapannya terhadap data digital dapat
digolongkan menjadi dua bagian yaitu pada domain spasial dan domain
transformasi. Watermarking yang bekerja pada domain spasial langsung
mengubah nilai pixel pada citra asli. Metode tersebut memiliki kompleksitas
komputasi yang rendah namun tidak tahan terhadap serangan. Sedangkan
watermarking pada domain transformasi seperti FFT ( Fast Fourier Transform),
DCT (Discrete Cosine Transform), Discrete Wavelet Transform (DWT)
memiliki lebih banyak keuntungan dan kinerja yang lebih baik daripada teknik
yang bekerja pada domain spasial (2).
Pada penelitian tugas akhir ini akan dilakukan watermarking pada
citra digital. Metode watermarking yang akan digunakan adalah Discrete
Wavelet transform (DWT).
1.2. Tujuan Penelitian
Tujuan yang ingin dicapai dalam penulisan skripsi ini adalah merancang
dan mensimulasi algoritma watermarking dengan menyisipkan watermark
kedalam citra host (gambar yang akan disisipkan watermark) dengan
menggunakan discrete wavelet transform (DWT), dan mengekstrak kembali
watermark yang telah disisipkan.
Manfaat dari penelitian ini adalah membantu melindungi hak cipta orang
lain dari orang-orang yang tidak bertanggung jawab dalam penyalahgunaan
menggunakan data digital terutama pada data gambar atau citra.
1.3. Batasan Masalah
Pada penelitian tugas akhir ini, dibuat “analisa perbandingan
watermarking image menggunakan discrete wavelet transform” dengan batasan
masalah bagaimana menjalankan proses watermarking dengan menyisipkan
gambar watermark ke dalam citra digital dengan menggunakan berbagai macam
keluarga wavelet dan membandingkan hasil gambar terwatermark yang
4
Universitas Indonesia
diperoleh .Bahasa pemprogram yang digunakan adalah bahasa program matlab
dari matchwork inc.
1.4. Ruang Lingkup
Dalam penelitian ini, ruang lingkup aplikasi watermarking menggunakan
teknik discrete wavelet transform adalah sebagai berikut :
1. Input berupa file citra digital berwarna atau citra grayscale
2. File watermark berupa citra .png
3. Transformasi file citra digital menggunakan transformasi wavelet discrete
(DWT).
4. Output berupa file citra digital yang telah ter-watermark dan file
watermark hasil ekstraksi.
5. Implementasi menggunakan bahasa pemrograman MATLAB 2009b.
1.5. Sistematika Penulisan
BAB I PENDAHULUAN
Bab ini menerangkan latar belakang masalah, tujuan penelitian, batasan
masalah, ruang lingkup, sistematika penulisan.
BAB II WATERMARKING
Bab ini menerangkan tentang pengertian watermarking, dan
pembahasannya.
BAB III PERANCANGAN SIMULASI
Bab ini mengenai proses perancangan simulasi algoritma wavelet
menggunakan program MATLAB.
BAB IV HASIL DAN PEMBAHASAN
Bab ini mengenai hasil dan pembahasan dari proses pembentukan citra
terwatermark
BAB V KESIMPULAN
Bab ini berisi kesimpulan dari hasil citra terwatermark yang dibuat
5 Universitas Indonesia
BAB 2 WATERMARKING
2.1. Watermarking
2.1.1. Sejarah watermarking
Sejarah dimulainya watermarking sudah ada sejak 700 tahun yang
lalu. Pada sekitar akhir abad ke 13, pabrik kertas di fabriano (italia),
membuat kertas yang diberi watermark atau tanda air dengan cara menekan
bentuk cetakan gambar atau tulisan pada kertas yang baru setengah jadi.
Ketika kertas dikeringkan, terbentuklah suatu kertas yang ber-watermark.
Kertas ini biasanya digunakan oleh seniman dan sastrawan untuk menulis
karya mereka. Kertas yang sudah di bubuhi watermark tersebut sekaligus
dijadikan identifikasi bahwa karya seni diatasnya adalah milik mereka.
Perkembangan watermarking selanjutnya adalah watermarking pada media
digital. Watermarking pada media digital ini mulai dikembangkan pada
tahun 1990 di Jepang dan tahun 1993 di Swiss (3).
2.1.2. Pengertian Watermarking
Watermarking atau tanda air dapat diartikan sebagai suatu teknik
penyisipan dan atau penyembunyian informasi yang bersifat rahasia pada
suatu data lainnya untuk "ditumpangi" (kadang disebut dengan host data),
tetapi orang lain tidak menyadari adanya kehadiran data tambahan pada data
host-nya (Istilah host digunakan untuk data atau sinyal digital yang disisipi),
sehingga seolah-olah tidak ada perbedaan berarti antara data host sebelum dan
sesudah proses watermarking (4). Disamping itu data yang sudah diberi
watermark harus tahan (robust) terhadap segala perubahan baik secara sengaja
maupun tidak, yang bertujuan untuk menghilangkan data watermark yang
terdapat di data utamanya. Watermark juga harus tahan terhadap berbagai
jenis pengolahan atau proses digital yang tidak merusak kualitas data yang
diberi watermark
6
Universitas Indonesia
Watermarking dapat juga dipandang sebagai kelanjutan cryptography,
namun watermarking berbeda dengan cryptography, letak perbedaannya
adalah hasil keluarannya. Hasil dari cryptography biasanya berupa data yang
berbeda dari bentuk aslinya dan biasanya datanya seolah-olah berantakan
(tetapi dapat dikembalikan ke bentuk semula), sedangkan hasil keluaran dari
watermarking ini memiliki bentuk persepsi yang hampir sama dengan bentuk
aslinya, tentunya oleh persepsi indera manusia, tetapi tidak oleh komputer
atau perangkat pengolah digital lainnya (4).
Watermarking pada data digital merupakan teknologi untuk
memberikan perlindungan dan membuktikan hak kepemilikan ataupun
keaslian atas karya digital, mendeteksi copy yang sah, mengatur penggunaan
data yang sah dan menganalisis penyebaran data melalui jaringan dan server.
Watermarking berkembang seiring dengan perkembangan jaman
dengan munculnya watermarking pada media digital atau disebut dengan
digital watermarking. Salah satu prinsip dalam digital watermarking adalah
informasi yang disisipkan pada media digital tidak boleh mempengaruhi
kualitas media digital tersebut. Jadi pada citra digital, mata manusia tidak
dapat membedakan apakah citra tersebut disisipi watermark atau tidak. Oleh
karena itu pada digital watermarking terdapat persyaratan bahwa digital
watermark yang disisipkan dalam citra digital haruslah imperceptible atau
tidak terdeteksi oleh sistem penglihatan manusia (Human Visual System)
atau sistem pendengaran manusia (Human Auditory System). Digital
watermarking sendiri adalah sebuah kode identifikasi yang secara permanen
disisipkan kedalam data digital dengan membawa informasi yang
berhubungan dengan perlindungan hak cipta dan otentikasi data.
2.1.3. Jenis-jenis watermarking
Pada digital watermarking terdapat empat jenis berdasarkan media
digital yang disisipi, yaitu (5):
7
Universitas Indonesia
1. Text watermarking
Watermark disisipkan pada media digital seperti dokumen atau teks.
2. Image watermarking
Watermark disisipkan pada citra digital.
3. Audio watermarking
Watermark disisipkan pada file audio digital, seperti mp3, mpeg, dan
sebagainya.
4. Video watermarking
Watermark disisipkan pada gambar bergerak atau disebut dengan
video digital.
2.1.4. Type watermark
Pada dasarnya terdapat dua jenis type watermark yaitu (6):
a. Visible
Dikatakan visible karena jenis watermark dapat dilihat oleh panca
indra manusia (mata telanjang). Sifat watermark ini sangat kuat bahkan
sangat sulit dihapus keberadaannya walaupun tidak menjadi bagian dari
image. Sebagai contohnya adalah logo transparan dari stasiun televisi yang
ada pada sudut kanan atau kiri atas televisi.
b. Invisible
Dikatakan Invisible karena watermark jenis ini tidak dapat dilihat
oleh panca indera, yang bertujuan memberikan informasi yang bersifat
rahasia dan untuk melindungi hak cipta orang lain dari orang yang tidak
bertanggung jawab. Jenis watermark ini dapat dilihat melalui proses
komputasi, dengan cara mengekstrak gambar yang terwatermark.
2.1.5. Kriteria watermarking
Penyisipan data rahasia pada citra digital akan mengubah kualitas
citra tersebut, sehingga ada hal-hal yang perlu diperhatikan dalam penerapan
metode watermarking. Sebuah teknik watermarking yang baik juga harus
memenuhi persyaratan di antaranya adalah sebagai berikut (6):
8
Universitas Indonesia
1. Fidelity , yaitu mutu citra penampung tidak jauh berubah setelah
penambahan data rahasia, dengan perkataan lain citra hasil watermarking
masih terlihat dengan baik. Pengamat tidak mengetahui kalau pada citra
tersebut sudah tersisipi data rahasia. Untuk data penampung yang
berkualitas tinggi, maka Fidelity dituntut setinggi mungkin sehingga tidak
merusak data aslinya.
2. Robustness, yaitu data yang disembunyikan harus tahan terhadap
manipulasi yang dilakukan pada citra penampung (seperti pengubahan
kontras, penajaman, pemampatan, rotasi, perbesaran gambar, enkripsi, dan
sebagainya ). Bila pada citra dilakukan operasi pengolahan citra, maka
data yang disembunyikan tidak rusak (watermark masih bisa terdeteksi).
Namun kadang-kadang sebuah watermark hanya tahan terhadap sebuah
proses tertentu tapi rentan terhadap proses yang lain.
3. Tamper resistence, yaitu ketahanan system watermarking terhadap
kemungkinan adanya serangan atau usaha untuk mengubah,
menghilangkan, bahkan untuk memberikan watermark palsu terhadap data
penampung. Serangan yang sering terjadi pada watermark diantaranya :
a. Active attacks, merupakan serangan untuk menghilangkan watermark
yang ada dalam data penampung.
b. Passive attacks, merupakan serangan yang bertujuan hanya untuk
mengetahui apa isi watermark tersebut saat di sisipi pesan dalam data
penampung.
c. Collusion attacks, merupakan serangan untuk menghasilkan sebuah
duplikasi dari data penampung yang tidak memiliki watermark.
d. Forgery attacks, merupakan serangan yang tidak hanya bertujuan
untuk membaca atau menghilangkan watermark yang ada, tetapi juga
menanamkan suatu watermark yang baru kedalam data penampung.
4. Imperceptibility, yaitu keberadaan watermark tidak dapat di persepsi oleh
indra visual. Hal ini bertujuan untuk menghindari gangguan pengamatan
visual.
9
Universitas Indonesia
5. Non-invertibility, secara komputasi sangat sukar menemukan watermark
bila diketahui hanya citra berwatermark saja.
6. Key uniqueness, yaitu kunci yang berbeda menghasilkan watermark yang
berbeda. Ini berarti penggunaan kunci yang salah dapat menyebabkan
hasil ekstraksi atau deteksi watermark yang salah pula.
7. Recovery, yaitu data yang disembunyikan harus dapat diungkapkan
kembali. Karena tujuan dari watermarking adalah penyembunyian data,
maka sewaktu-waktu data rahasia dalam citra penampung harus dapat
diambil kembali untuk dapat bisa digunakan lebih lanjut.
2.1.6. Klasifikasi watermarking
Klasifikasi teknik watermarking digital pada saat ini cukup banyak.
Ada beberapa teknik watermarking berdasarkan domain kerjanya, yaitu (4):
1. Teknik watermarking yang bekerja pada domain spasial (spatial domain
watermarking).
Teknik ini bekerja dengan cara menyisipkan watermark secara
langsung kedalam domain spasial dari suatu citra. Istilah domain spasial
sendiri mengacu pada piksel-piksel penyusun sebuah citra. Teknik
watermarking jenis ini beroperasi secara langsung pada piksel-piksel
tersebut. Beberapa contoh teknik yang bekerja pada domain spasial adalah
teknik penyisipan pada Least Significant Bit (LSB) oleh Johnson and
Jajodia (1998), metode patchwork yang diperkenalkan oleh Bender et al
(1996), Teknik adaptive spatial-domain watermarking diusulkan oleh Lee
dan Lee (1999).
2. Teknik watermarking yang bekerja pada domain transform (transform
domain watermarking).
Pada transform domain watermarking (sering juga disebut dengan
frequency domanin watermarking) ini penyisipan watermark dilakukan
pada koefisien frekuensi hasil transformasi citra asalnya. Ada beberapa
transformasi yang umum digunakan oleh para peneliti, yaitu: discrete
10
Universitas Indonesia
cosine transform (DCT), discrete fourier transform (DFT), discrete
wavelet transform (DWT) maupun discrete laguerre transform (DLT).
Berikut ini beberapa contoh algoritma watermarking digital pada
domain frekuensi : Koch dan Zhao (1995) memperkenalkan teknik
randomly sequenced pulse position modulated code (RSPPMC) yang
bekerja pada domain DCT. Kemudian Cox et al (1997) mengusulkan
teknik watermarking digital yang dianalogikan dengan teknik spread
spectrum communication. Teknik yang hampir serupa dengan proposal
Cox et al (1997) diperkenalkan oleh Fotopoulos et al (2000), letak
perbedaanya adalah dalam penggunaan blok DCT tempat penanaman
watermark. Teknik lain yang memanfaatkan DCT adalah yang diusulkan
oleh Barni et al (1998), ia memanfaatkan pseudo-random number
sequence sebagai watermark yang disisipkan ke dalam vektor koefisien
DCT citra yang disusun secara zig-zag seperti dalam algortima JPEG
(Wallace, 1991). Pemanfaatan domain DLT dalam watermarking digital
dapat ditemui di (Gilani dan Skodras, 2000). Teknik yang berbasiskan
wavelet ternyata juga tidak kalah populer digunakan dalam watermarking
digital, seperti penggunaan wavelet pada watermarking video yang
diusulkan oleh Swanson et al (1997). Salah satu alasan pemanfaatan
wavelet dalam watermarking adalah kemampuan watermark untuk
bertahan dalam berbagai skala resolusi citra (Swanson et al, 1997).
3. Teknik watermarking yang bekerja pada kedua domain diatas (hybrid
techniques watermarking).
Teknik watermarking jenis ini bekerja dengan menggabungkan kedua
teknik diatas. Pada teknik ini biasanya penanaman watermark dilakukan
pada domain frekuensi beberapa bagian citra yang dipilih berdasarkan
karakteristik spasial citra tersebut.
11
Universitas Indonesia
2.1.7. Aplikasi watermarking
Watermarking sebagai teknik penyembunyian/penyisipan data pada
data digital lain dapat dimanfaatkan untuk berbagai tujuan, seperti (4) (6) (7):
1. Tamper-proofing atau otentikasi, yaitu : watermarking digunakan sebagai
alat untuk mengidentifikasi atau alat indikator yang menunjukan data
digital (host) telah mengalami perubahan dari aslinya (tamper proofing).
Jika watermark yang diekstraksi tidak tepat sama dengan watermark asli,
maka disimpulkan citra yang beredar sudah tidak otentik lagi. Keotentikan
dari suatu citra digital juga dapat ditunjukan karena hanya pemilik yang
mengetahui kunci dari suatu citra digital yang asli, sehingga kunci yang
salah akan menghasilkan kunci yang salah pula.
2. Annotation/Caption, yaitu: watermarking hanya digunakan sebagai
keterangan tentang data digital itu sendiri.
3. Feature Location, yaitu : metode watermarking digunakan sebagai alat
untuk mengidentifikasi isi dari data digital pada lokasi-lokasi tertentu,
seperti contohnya penamaan objek tertentu dari beberapa objek yang lain
pada suatu citra digital.
4. Copyright-Labelling atau owner identification, yaitu :watermarking dapat
digunakan sebagai metode untuk penyembunyian atau penyisipan
informasi label hak cipta pada data digital sebagai bukti otentik
kepemilikan karya digital tersebut. Informasi tersebut bisa berupa identitas
diri (nama, alamat, dan sebagainya), atau gambar yang menspesifikasikan
pemilik. Klaim pemilik lain yang mengaku sebagai pemilik citra tersebut
dapat dibantah dengan membandingkan watermark yang di ekstrak dengan
pemilik citra.
5. Medical record, yaitu : watermark digunakan dalam catatan medis seperti
penyisipan watermark dalam photo sinar-X berupa ID pasien dengan
maksud untuk memudahkan identifikasi pasien atau untuk hasil diagnosis
penyakit sang pasien tersebut (5).
12
Universitas Indonesia
6. Covert communication, yaitu : watermarking digunakan sebagai media
untuk mengirimkan pesan-pesan rahasia kepada orang yang dituju tanpa
bias diketahui oleh pihak yang tidak diinginkan. Penerapan watermarking
sebagai media komunikasi lebih dikenal sebagai data hiding (5).
7. Fingerprinting ( traitor-tracing), yaitu : watermarking dapat digunakan
sebagai metode untuk penyebaran citra digital yang sudah diberi tanda
watermark yang berbeda-beda untuk setiap distributor, seolah-olah cetak
jari distributor terekam dalam citra. Karena watermark tersebut juga bisa
berlaku sebagai copyright, maka setiap distributor terikat aturan bahwa dia
tidak boleh menggandakan citra digital tersebut dan menjualnya kepihak
lain. Misalkan sang pemilik citra asli menemukan citra berwatermark
karyanya beredar secara illegal di tangan pihak lain, maka sang pemilik
citra bisa mengetahui pihak distributor mana yang melakukan
penggandaan citra tersebut dengan mengekstraksi watermark dalam citra
illegal tersebut (5).
2.1.8. Digital image watermarking
Dikembangkannya teknik penyembunyian data pada citra digital di
dorong oleh kebutuhan terhadap perlindungan kepemilikan hak cipta citra
digital. Pada watermarking proses penyisipan watermark kedalam citra host
atau citra digital disebut encoding. Encoding menerima masukan berupa
citra, watermark. Setelah proses encoding didapatkanlah citra yang
berwatermark. Perbedaan antara citra asli dan citra berwatermark hampir
tidak dapat terlihat oleh mata telanjang. Gambar 2.1 adalah suatu blok
diagram dari proses penyisipan watermark pada citra digital.
13
Universitas Indonesia
Gambar 2. 1 Proses Penyisipan Watermark
Pada proses watermarking, selain encoding juga terdapat istilah decoding.
Decoding itu sendiri adalah proses ekstraksi dari citra yang berwatermark
yang bertujuan untuk mendapatkan kembali citra digital asli dan watermark
yang sebelumnya disisipi pada citra yang berwatermark. Pada dasarnya proses
ekstraksi adalah membandingkan citra digital asli dengan citra berwatermark
untuk mendapatkan watermark yang disisipkan. Sedangkan untuk ketahanan
terhadap proses-proses pengolahan lainnya, itu tergantung terhadap metode-
metode yang digunakan dalam pembentukan watermarking.
Gambar 2.2 dibawah adalah gambar atau algoritma ekstraksi pada
gambar yang berwatermark.
Gambar 2. 2 Proses Ekstraksi Watermark
Encoding Citra berwatermark
Citra asli
watermark
Citra
Citra yg diuji
decoding
Watermark asli
Watermark yang terekstraksi compare
keputusan
14
Universitas Indonesia
2.2. Citra digital
Secara umum, pengolahan citra digital menunjuk pada pemrosesan
gambar 2 dimensi menggunakan computer. Dalam konteks yang lebih luas,
pengolahan citra digital mengacu pada pemrosesan setiap data dua dimensi. Citra
digital merupakan sebuah larik (array) yang berisi nilai-nilai real maupun
kompleks yang direpresentasikan dengan deretan bit tertentu. Citra digital dapat
didefinisikan secara matematis sebagai fungsi intensitas dalam 2 variable x dan
y, yang dapat dituliskan f(x,y), dimana (x,y) merepresentasikan koordinat spasial
pada bidang 2 dimensi dan f(x,y) merupakan intensitas cahaya pada kordinat
tersebut (8). Citra digital merupakan representasi citra asal yang bersifat kontinu.
Untuk mengubah citra yang bersifat kontinu diperlukan sebuah cara untuk
mengubahnya dalam bentuk data digital. Komputer menggunakan sistem
bilangan biner untuk memecahkan masalah ini (3). Dengan menggunakan sistem
bilangan biner ini, citra dapat diproses dalam komputer dengan sebelumnya
mengekstrak informasi citra analog asli dan mengirimnya ke komputer dalam
bentuk biner. Proses ini disebut dengan digitalisasi (3).
Dalam citra digital terdapat tiga jenis citra yang sering digunakan, yaitu :
1. Citra biner (monochrome)
Citra biner adalah citra digital yang hanya memiliki dua kemungkinan
nilai pixel yaitu hitam dan putih. Dimana gradasi warna hitam = 0, dan
putih = 1. Pada standar citra untuk ditampilkan dilayar komputer, nilai
biner ini berhubungan dengan ada tidaknya cahaya yang ditembakan oleh
electron gun yang terdapat didalam monitor komputer. Angka 0
menyatakan tidak ada cahaya, dengan demikian warna yang
direpresentasikan adalah hitam. Untuk angka 1 terdapat cahaya, sehingga
warna yang direpresentasikan adalah putih. Standar tersebut disebut
sebagai standar citra cahaya, sedangkan standar citra tinta/cat adalah
berkebalikan, karena biner tersebut menyatakan ada tidaknya tinta.
Gambar 2.3 memperlihatkan contoh dari citra biner.
15
Universitas Indonesia
Gambar 2. 3 Contoh Citra Biner 1 Bit
2. Citra grayscale (skala keabuan)
Pada citra ini warna tergantung pada jumlah bit yang disediakan oleh
memori untuk menampung kebutuhan warna ini. Misalnya 2 bit (22)
mewakili 4 warna, 3 bit (23) mewakili 8 warna, dan seterusnya sampai
maksimal 8 bit (28) yang mewakili 256 warna. Semakin besar jumlah bit
warna yang disediakan memori, maka semakin halus gradiasi warna yang
terbentuk (8). Gambar 2.4 memperlihatkan contoh citra grayscale.
Gambar 2. 4 Contoh Citra Grayscale 4 Bit
3. Citra warna (true color)
Setiap pixel pada citra warna mewakili warna yang merupakan
kombinasi dari 3 warna dasar (RGB = red, green, blue). Setiap warna
dasar menggunakan penyimpanan 8 bit = 1 byte, yang berarti warna
mempunyai gradiasi sebanyak 256 warna. Berarti setiap pixel mempunyai
kombinasi warna sebanyak 28.28.28 = 16 juta warna lebih (8). Itulah
sebabnya mengapa disebut citra true color karena mempunyai jumlah
warna yang cukup besar sehingga bisa dikatakan hampir mencakup semua
warna di alam.
Dalam citra warna (true color) penyimpanan didalam memori berbeda
dengan penyimpanan pada grayscale. Setiap pixel dari citra grayscale 256
gradiasi warna diwakili oleh 1 byte, sedangkan pada 1 pixel citra true
color diwakili oleh 3 byte, dimana masing-masing data byte
mempresentasikan warna merah ( red ), hijau ( green ), dan biru ( blue ).
16
Universitas Indonesia
Gambar 2.5 memperlihatkan contoh citra warna 4 bit dan gambar 2.6
mempresentasikan 3 byte citra warna (true color).
Gambar 2. 5 Contoh Citra Warna 4 Bit
Gambar 2. 6 Representasi 3 Byte Citra Warna
Contoh dari citra true color adalah citra bitmap 24 bit. Citra bitmap
sering disebut juga dengan citra raster. Citra bitmap menyimpan data
kode citra secara digital dan lengkap (cara penyimpanannya adalah per
piksel). Citra bitmap dipresentasikan dalam bentuk matriks atau dipetakan
dengan menggunakan bilangan biner atau sistem bilangan lain. Citra ini
memiliki kelebihan mudah untuk memanipulasi warna, tetapi untuk
mengubah objek lebih sulit. Tampilan bitmap mampu menunjukan
gradasi bayangan dan warna dari sebuah gambar. Oleh karena itu bitmap
merupakan media elektronik yang paling tepat untuk gambar-gambar
dengan perpaduan gradasi warna yang rumit, seperti foto dan lukisan
digital. Citra bitmap biasanya diperoleh dengan cara scanner, kamera
digital, video capture, dan lain-lain (8).
2.3. Transformasi citra
Secara harfiah, transformasi citra dapat diartikan sebagai perubahan
bentuk suatu citra. Perubahan bentuk tersebut dapat berupa perubahan
17
Universitas Indonesia
geomatri pixel seperti perputaran (rotasi), pergeseran (translasi), penskalaan,
dan lain sebagainya atau dapat juga berupa perubahan ruang (domain) citra ke
domain lainnya, seperti transformasi fourier yang mengubah suatu citra dari
domain spasial menjadi domain frekuensi (1)
Transformasi citra merupakan pokok bahasan yang sangat penting
dalam pengolahan citra. Citra hasil proses transformasi dapat dianalisis
kembali, diinterprestasikan, dan dijadikan acuan untuk melakukan pemrosesan
selanjutnya. Tujuan diterapkannya transformasi citra adalah untuk
memperoleh informasi (feature extraction) yang lebih jelas yang terkandung
dalam suatu citra (1)
Melalui proses transformasi, suatu citra dapat dinyatakan sebagai
kombinasi linear dari sinyal dasar (basic signals) yang sering disebut dengan
fungsi basis (basis fuction). Suatu citra yang telah mengalami transformasi
dapat diperoleh kembali dengan menggunakan transformasi balik (invers
transformation). Pada transformasi citra terdapat berbagai macam
transformasi diantaranya, fast fourier transform, discrete cosine transform,
wavelet discrete transform dll (1)
2.3.1. Domain dalam transformasi sinyal
Bentuk mentah dari penggambaran waktu dan amplitudo disebut
dengan sinyal (9). Penggambaran dengan waktu dan amplitudo yang
dikategorikan dalam domain waktu sering kali perlu ditransformasikan dalam
domain lain untuk analisis dan pemrosesan sinyal. Domain lain selain domain
waktu misalnya domain frekuensi, domain waktu-frekuensi, dsb. Dengan
adanya transformasi sinyal ini maka informasi yang kemungkinan masih
tersimpan di dalam sinyal asal dapat diidentifikasi. Informasi di dalam sinyal
ini dapat ditampilkan melalui transformasi dengan cara mendapatkan
spektrumnya. Spektrum yang bisa diperoleh dari sebuah sinyal dapat berupa
frekuensi atau waktu tergantung dari jenis transformasi yang digunakan.
18
Universitas Indonesia
Sinyal sendiri dibagi menjadi dua jenis, yaitu sinyal tidak bergerak
(stationary signals) dan sinyal bergerak (non-stationary signals). Citra dan
suara merupakan salah satu contoh dari sinyal yang dapat bergerak. Contoh
lain dari jenis sinyal bergerak adalah sinyal dalam bidang biologi seperti
electrocardiogram, electromyography, dsb. Untuk mendapatkan informasi
dari sinyal tidak bergerak, khususnya sinyal dengan representasi frekuensi,
dapat digunakan transformasi Fourier. Karena sinyal ini tidak bergerak, maka
hanya perlu untuk mendapatkan spektrum frekuensi sebuah sinyal saja agar
informasi dari sinyal tersebut bisa ditampilkan.
Berbeda dengan sinyal tidak bergerak, untuk menampilkan informasi
dari sinyal bergerak perlu sebuah transformasi yang bisa mendapatkan
spektrum frekuensi dengan keterangan waktunya. Dalam transformasi
Fourier, spektrum frekuensi dari sebuah sinyal bisa didapatkan, namun
transformasi ini tidak dapat memberi tahu kapan terjadinya frekuensi sinyal
tersebut. Sehingga transformasi Fourier hanya cocok untuk jenis sinyal tidak
bergerak. Untuk itulah diperlukan transformasi lain untuk menampilkan
informasi dari jenis sinyal bergerak ini, transformasi Wavelet adalah salah
satunya. Transformasi ini bisa mendapatkan spektrum frekuensi dan waktu
secara bersamaan. Sehingga sinyal bergerak khususnya sinyal dengan
representasi waktu-frekuensi bisa diproses menggunakan transformasi ini.
2.3.2. Dekomposisi Averages dan Differences
Dekomposisi perataan (averages) dan pengurangan (differences)
memegang peranan penting untuk memahami transformasi wavelet. Gambar
berikut adalah contoh dekomposisi perataan dan pengurangan pada citra 1
dimensi dengan dimensi 8.
37 35 28 28 58 18 21 15 Gambar 2. 7 Contoh citra 1 dimensi
19
Universitas Indonesia
Perataan dilakukan dengan menghitung nilai rata-rata 2 pasang data dengan
rumus :
� � �����
� …………………………………… (2.1)
Sedangkan pengurangan dilakukan dengan rumus :
� � �����
� ……………………………………. (2.2)
Hasil proses perataan untuk citra diatas adalah :
������
� � ������
� � ������
���������
�
Sedangkan hasil proses pengurangannya adalah :
������
� � ������
� � ������
�� ���������
Sehingga hasil proses dekomposisi perataan dan pengurangan terhadap citra
asli di atas adalah :
36 28 38 18 1 0 20 3 Gambar 2. 8 Hasil proses transformasi perataan dan pengurangan dari gambar
(sebelumnya).
Proses dekomposisi yang dilakukan diatas hanya 1 kali ( 1 level) saja. Gambar
dibawah menunjukan proses transformasi penuh dan berhenti setelah tersisa 1
pixel saja.
20
Universitas Indonesia
37 35 28 28 58 18 21 15
36 28 38 18 1 0 20 3 32 28 4 10
30 2
Gambar 2. 9 Proses perataan dan pengurangan dengan dekomposisi penuh (3 level).
Pada setiap level, proses dekomposisi hanya dilakukan pada bagian hasil
proses perataan dan hasil proses dekomposisi adalah gabungan dari proses
perataan dengan seluruh hasil proses pengurangan. Citra hasil dekomposisi
penuh diatas adalah :
30 2 4 10 1 0 20 3
Gambar 2. 10 Hasil proses dekomposisi penuh
Pada citra berukuran 2n maka dibutuhkan sebanyak n level untuk melakukan
dekomposisi penuh sehingga dapat dikatan kompleksitas dekomposisi
perataan dan pengurangan adalah 0 (n).
Untuk citra 2 dimensi, dekomposisi perataan dan pengurangan sama dengan
proses pada citra 1 dimensi diatas. Hanya saja proses dekomposisi dilakukan
dalam 2 tahap, yaitu tahap pertama proses dekomposisi dilakukan pada
seluruh baris, kemudian tahap kedua pada citra hasil tahap pertama dilakukan
proses dekomposisi dalam arah kolom. Gambar berikut adalah contoh hasil
dekomposisi 2 dimensi.
21
Universitas Indonesia
(a) (b) (c)
Gambar 2. 11 Hasil dekomposisi perataan dan pengurangan pada citra 2 dimensi. (a) citra asli (b) hasil dekomposisi dalam arah baris (c) hasil dekomposisi dalam arah
kolom (citra hasil dekomposisi)
2.3.3. Wavelet
Gelombang (wave) adalah sebuah fungsi yang bergerak naik turun
ruang dan waktu secara periodik. Sedangkan wavelet merupakan gelombang
yang dibatasi atau terlokalisasi atau dapat dikatakan sebagai gelombang
pendek. Wavelet ini menkonsentrasikan energinya dalam ruang dan waktu
sehingga cocok untuk menganalisis sinyal yang sifatnya sementara saja.
Gambar 2.7 dibawah adalah perbedaan gelombang (wave) dan wavelet.
Gambar 2. 12 (a) Gelombang (Wave), (b) Wavelet
Wavelet pertama kali digunakan dalam analisis dan pemrosesan digital dari
sinyal gempa bumi, yang tercantum dalam literatur oleh A. Grossman dan J.
Morlet. Penggunaan wavelet pada saat ini sudah semakin berkembang dengan
munculnya area sains terpisah yang berhubungan dengan analisis wavelet dan
teori transformasi wavelet. Dengan munculnya area sains ini wavelet mulai
digunakan secara luas dalam filtrasi dan pemrosesan data, pengenalan citra,
10 10 20 20
10 10 20 20
50 50 30 30
50 50 30 30
10 20 0 0
50 30 0 0
0 0 0 0
0 0 0 0
10 20 0 0
10 20 0 0
50 30 0 0
50 30 0 0
22
Universitas Indonesia
sintesis dan pemrosesan berbagai variasi sinyal, kompresi dan pemrosesan
citra, dll (9).
2.3.4. Transformasi wavelet (wavelete transform)
Transformasi wavelet adalah sebuah transformasi matematika yang
digunakan untuk menganalisis sinyal bergerak. Sinyal bergerak ini dianalisis
untuk didapatkan informasi spektrum frekuensi dan waktunya secara
bersamaan. Salah satu seri pengembangan transformasi wavelet adalah
Discrete Wavelet transform (DWT) (3) (9).
Transformasi sinyal merupakan bentuk lain dari penggambaran sinyal
yang tidak mengubah isi informasi dalam sinyal tersebut. Transformasi
wavelet (wavelet transform) menyediakan penggambaran frekuensi waktu dari
sinyal. Pada awalnya, transformasi wavelet digunakan untuk menganalisis
sinyal bergerak ( non-stationary signals). Sinyal bergerak ini dianalisis dalam
transformasi wavelet dengan menggunakan teknik multi-resolution analysis.
Secara umum teknik multi-resolution analysis adalah teknik yang digunakan
untuk menganalisis frekuensi dengan cara frekuensi yang berbeda dianalisis
menggunakan resolusi yang berbeda. Resolusi dari sinyal merupakan ukuran
jumlah informasi di dalam sinyal yang dapat berubah melalui operasi
filterisasi (10).
Transformasi wavelet merupakan perbaikan dari transformasi Fourier.
Pada transformasi Fourier hanya dapat menentukan frekuensi yang muncul
pada suatu sinyal, namun tidak dapat menentukan kapan (dimana) frekuensi
itu muncul (11). Dengan kata lain, transformasi Fourier tidak memberikan
informasi tentang domain waktu (time domain). Kelemahan lain dari
transformasi Fourier adalah perubahan sedikit terhadap sinyal pada posisi
tertentu akan berdampak atau mempengaruhi sinyal pada posisi lainnya. Hal
ini disebabkan karena transformasi Fourier berbasis sin-cos yang bersifat
periodik dan kontinu (11)
23
Universitas Indonesia
Transformasi wavelet selain mampu memberikan informasi frekuensi
yang muncul, juga dapat memberikan informasi tentang skala atau waktu.
Wavelet dapat digunakan untuk menganalisa suatu bentuk gelombang (sinyal)
sebagai kombinasi dari waktu (skala) dan frekuensi. Selain itu perubahan
sinyal pada suatu posisi tertentu tidak akan berdampak banyak terhadap sinyal
pada posisi-posisi yang lainnya. Dengan wavelet suatu sinyal dapat disimpan
lebih efisien dibandingkan dengan Fourier dan lebih baik dalam hal
melakukan aproksimasi terhadap real-word signal.
Transformasi wavelet memiliki dua seri dalam pengembangannya
yaitu Continous Wavelet transform (CWT) dan Discrete Wavelet transform
(DWT). Semua fungsi yang digunakan dalam transformasi CWT dan DWT
diturunkan dari mother wavelet melalui translasi atau pergeseran dan
penskalaan atau kompresi. Mother wavelet merupakan fungsi dasar yang
digunakan dalam transformasi wavelet (9). Karena mother wavelet
menghasilkan semua fungsi wavelet yang digunakan dalam transformasi
melalui translasi dan penskalaan, maka mother wavelet juga akan menentukan
karakteristik dari transformasi wavelet yang dihasilkan. Oleh karena itu, perlu
pencatatan secara teliti terhadap penerapan wavelet dan pemilihan yang tepat
terhadap mother wavelet harus dilakukan agar dapat menggunakan
transformasi wavelet secara efisien.
Seri pengembangan Continuous Wavelet transform (CWT) dipaparkan
pada persamaan (2.1) (9):
.......................................(2.1)
x(t) merupakan sinyal yang akan dianalisis, ψ(t) adalah mother wavelet atau
fungsi dasar yang dipilih. τ merupakan parameter translasi yang berhubungan
dengan informasi waktu pada transformasi wavelet. Parameter skala s
didefinisikan sebagai (1/frekuensi) dan berhubungan dengan informasi
24
Universitas Indonesia
frekuensi. Dengan adanya penskalaan ini sinyal dapat diperbesar atau
dikompresi. Penskalaan besar (frekuensi rendah) menyebabkan sinyal
diperbesar dan dapat memberikan informasi detil yang tersembunyi di sinyal,
sedangkan penskalaan kecil (frekuensi tinggi) menyebabakan kompresi sinyal
dan memberikan informasi global dari sinyal. Seri pengembangan kedua dari
transformasi wavelet adalah Discrete Wavelet transform (DWT). Seri
pengembangan ini merupakan seri CWT yang didiskritkan. Dengan
pendiskritan CWT ini maka perhitungan dalam CWT dapat dibantu dengan
menggunakan komputer.
2.3.5. Discrete wavelet transform (DWT)
Dasar dari DWT dimulai pada tahun 1976 dimana teknik untuk
mendekomposisi sinyal waktu discrete ditemukan (9). Di dalam CWT, sinyal
dianalisis menggunakan seperangkat fungsi dasar yang saling berhubungan
dengan penskalaan dan transisi sederhana. Sedangkan di dalam DWT,
penggambaran sebuah skala waktu sinyal digital didapatkan dengan
menggunakan teknik filterisasi digital. Secara garis besar proses dalam teknik
ini adalah dengan melewatkan sinyal yang akan dianalisis pada filter dengan
frekuensi dan skala yang berbeda.
Filterisasi sendiri merupakan sebuah fungsi yang digunakan dalam
pemrosesan sinyal. Wavelet dapat direalisasikan menggunakan iterasi filter
dengan penskalaan. Resolusi dari sinyal, yang merupakan rata-rata dari
jumlah detil informasi dalam sinyal, ditentukan melalui filterasi ini dan
skalanya didapatkan dengan upsampling dan downsampling (subsampling).
Sebuah sinyal harus dilewatkan dalam dua filterisasi DWT yaitu
highpass filter dan lowpass filter agar frekuensi dari sinyal tersebut dapat
dianalisis. Analisis sinyal dilakukan terhadap hasil filterisasi highpass filter
dan lowpass filter di mana highpass filter digunakan untuk menganalisis
frekuensi tinggi dan lowpass filter digunakan untuk menganalisis frekuensi
rendah. Analisis terhadap frekuensi dilakukan dengan cara menggunakan
25
Universitas Indonesia
resolusi yang dihasilkan setelah sinyal melewati filterisasi. Analisis frekuensi
yang berbeda dengan menggunakan resolusi yang berbeda inilah yang disebut
dengan multi-resolution analysis, seperti yang telah disinggung pada bagian
Transformasi wavelet. (2)
Pembagian sinyal menjadi frekuensi tinggi dan frekuensi rendah dalam
proses filterisasi highpass filter dan lowpass filter disebut sebagai
dekomposisi (12). Proses dekomposisi dimulai dengan melewatkan sinyal asal
melewati highpass filter dan lowpass filter. Misalkan sinyal asal ini memiliki
rentang frekuensi dari 0 sampai dengan π rad/s. Dalam melewati highpass
filter dan lowpass filter ini, rentang frekuensi di-subsample menjadi dua,
sehingga rentang frekuensi tertinggi pada masing-masing subsample menjadi
π/2 rad/s. Setelah filterisasi, setengah dari sample atau salah satu subsample
dapat dieliminasi berdasarkan aturan Nyquist (9). Sehingga sinyal dapat selalu
di-subsample oleh 2 ( ↓ 2 ) dengan cara mengabaikan setiap sample yang
kedua.
Proses dekomposisi ini dapat melalui satu atau lebih tingkatan.
Dekomposisi satu tingkat ditulis dengan ekspresi matematika pada persamaan
(2.2) dan (2.3) :
……..(2.2)
……..(2.3)
уtinggi[k] dan уrendah [k] yang merupakan hasil dari highpass filter dan
lowpass filter, x[n] merupakan sinyal asal, h[n] adalah highpass filter, dan
g[n] adalah lowpass filter.Untuk dekomposisi lebih dari satu tingkat, prosedur
pada persamaan (2.2) dan (2.3) dapat digunakan pada masing-masing
tingkatan. Contoh penggambaran dekomposisi dipaparkan pada gambar 2.8
dengan menggunakan dekomposisi wavelet tiga tingkat :
26
Universitas Indonesia
Gambar 2. 13 Dekomposisi Wavelet Tiga Tingkat
Pada Gambar diatas, ytinggi [k] dan yrendah [k] yang merupakan hasil dari
highpass filter dan lowpass filter, ytinggi[k] disebut sebagai koefisien DWT
[10]. Ytinggi [k] merupakan detil dari informasi sinyal, sedangkan yrendah [k]
merupakan taksiran kasar dari fungsi penskalaan. Dengan menggunakan
koefisien DWT ini maka dapat dilakukan proses Inverse Discrete Wavelet
transform (IDWT) untuk merekonstruksi menjadi sinyal asal.
X[n] =>k(y t i n g g i[k] h[-n + 2k] + y ren d a h[k]g[-n + 2k] ) …..(2.4)
proses rekontruksi merupakan kebalikan dari proses dekomposisi sesuai
dengan tingkatan pada proses dekomposisi.
DWT menganalisis sinyal pada frekuensi berbeda dengan resolusi yang
berbeda melalui dekomposisi sinyal sehingga menjadi detil informasi dan
taksiran kasar. DWT bekerja pada dua kumpulan fungsi yang disebut fungsi
penskalaan dan fungsi wavelet yang masing- masing berhubungan dengan
lowpass filter dan highpass filter [10]. Seperti yang telah dijelaskan
sebelumnya dekomposisi ini didasarkan pada aturan Nyquist yang salah
satunya mengatakan bahwa frekuensi komponen sample harus kurang atau
sama dengan setengah dari frekuensi sampling. Jadi diambil frekuensi sample
π/2 dari frekuensi sampling π dalam subsample oleh 2 pada dekomposisi
wavelet. Sebagai penggambaran dekomposisi wavelet dengan sinyal asal x[n]
yang memilki frekuensi maksimum f = π dipaparkan pada Gambar 2.9.
27
Universitas Indonesia
Gambar 2. 14 Dekomposisi Wavelet dengan Frekuensi Sinyal Asal f=0 ~ π
Untuk mendapatkan hasil rekonstruksi setelah didekomposisi maka
langkah awal proses rekonstruksi diawali dengan menggabungkan koefisien
DWT dari yang berada pada akhir dekomposisi dengan sebelumnya meng-
upsample 2 (↑2) melalui highpass filter dan lowpass filter. Proses rekonstruksi
ini sepenuhnya merukapan kebalikan dari proses dekomposisi sesui dengan
tingkatan pada proses dekomposisi. Sehingga persamaan rekonstruksi pada
masing-masing tingkatan dapat ditulis sbb:
……..( )
Proses rekonstruksi wavelet untuk mendapatkan sinyal asal dengan tiga
tingkatan digambarkan pada Gambar 2.15
28
Universitas Indonesia
Gambar 2. 15 Rekonstruksi wavelet tiga tingkat
2.3.6. Metode Perhitungan Kualitas Citra
Metode yang digunakan pada Watermarking digital memiliki kelebihan dan
kekurangan dalam hal kualitas gambar yang dihasilkan. cara yang dapat
digunakan untuk menghitung kualitas citra, yaitu dengan:
- Menghitung Peak Signal-to-Noise Ratio (PSNR)
PNSR merupakan pembanding antara kualitas citra hasil rekonstruksi
dengan citra asal. Semakin besar nilai SNR, semakin baik juga kualitas
sinyal yang dihasilkan.
Untuk menghitung SNR, pertama kali kita harus menghitung nilai Mean
Squared Error (MSE) dari suatu citra hasil rekonstruksi. Root Mean
Squared Error (RMSE) adalah akar dari MSE.
��� �� ������� �� � ���� �����
��
N menyatakan hasil perkalian panjang dan lebar citra dalam piksel. F(i,j)
merupakan citra hasil rekonstruksi, sedangkan f(i,j) adalah citra asal.
Nilai PSNR dinyatakan dalam skala decibel (dB).
29
Universitas Indonesia
PSNR=10 log10 [�� ��
!"#]
2.4. MATLAB
Matlab merupakan salah satu bahasa pemrograman dengan unjuk
kenerja tinggi (high-performance) untuk komputasi teknis, yang
menintegrasikan komputasi, visualisasi, da pemrograman didalam lingkungan
yang mudah penggunaannya dalam memecahkan persoalan dengan solusinya
yang dinyatakan dengan notasi matematik (3). Penggunaan ATLAB, yaitu:
• Matematika dan komputasi
• Pengembangan algoritma
• Pemodelan, simulasi dan pembuatan ‘prototipe’
• Analisa data, eksplorasi dan visualisasi
• Grafik untuk sains dan teknik
• Pengembangan aplikasi, termasuk pembuatan antarmuka grafis untuk
pengguna (Graphical User Interface)
MATLAB adalah sebuah sistem interaktif yang menggunakan elemen
data dasarnya adalah array yang tidak membutuhkan dimensi. Hal ini
mempermudah anda untuk menyelesaikan masalah komputasi, terutama yang
menyangkut matriks dan vektor. MATLAB merupakan singkatan dari ‘matrix
laboratory’. Pada awalnya MATLAB dibuat untuk mempermudah
pengembangan perangkat lunak berbasis matriks oleh proyek LINPACK dan
EISPACK.
Fitur-fitur MATLAB untuk menyelesaikan spesifik disebut
‘toolboxes’. ‘toolboxes’ adalah koleksi komrehensif dari fungsi-fungsi
MATLAB (M-files) yang memperlebar lingkungan MATLAB dalam
menyelesaikan kelas-kelas tertentu dari permasalahan. Beberapa ‘toolboxes’
30
Universitas Indonesia
yang tersedia meliputi bidang: pengolahan sinyal, sistem kendali, jaringan
syaraf (neural network), logika ‘fuzzy’, wavelet, simulasi dan lain sebagainya
(3)
2.4.1. GUIDE MATLAB
GUIDE atau GUI Builder merupakan sebuah Graphical User Interface
(GUI) yang dibangun dengan objek grafis seperti tombol (pushbutton), edit,
slider, text, combo, sumbu (axes), maupun menu da lain-lain untuk kita
gunakan. Aplikasi yang menggunakan GUI umumnya lebih mudah dipelajari
dan digunakan karena orang yang menjalankannya tidak perlu mengetahui
perintah yang ada dan bagaimana perintahnya bekerja. MATLAB merintis
kearah pemrograman yang menggunakan GUI dimulai dari MATLAB versi 5,
yang terus disempurnakan hingga sekarang.
GUIDE MATLAB memiliki banyak keunggulan tersendiri, antara lain :
5. GUIDE MATLAB cocok untuk aplikasi-aplikasi berorentasi sains.
6. MATLAB memiliki banyak fungsi built-in yang siap digunakan dan
pemakai tidak prlu repot membuatnya sendiri
7. Ukuran file, baik Fig-file maupun M-file yang dihasilkan relatif kecil.
8. Kemampuan grafisnya cukup handal dan tidak kalah dengan bahasa
pemrograman lainnya.
2.4.2. Aplikasi M-file
Pada saat membuat program GUI, matlab membuat program aplikasi
berupa M-file yang menyadiakan kerangka untuk mengontrol GUI. Kerangka
ini dapat membantu membuat program menjadi lebih efisien dan sempurna.
Fungsi M-file mirip dengan script M-file dimana keduanya merupakan file
teks dengan ekstensi dot m(.m). sebagaimana script M-file, fungsi M-file
tidak dimasukan ke dalam jendela command, tetapi merupakan suatu file
tersendiri yang dibuat dengan editor teks. Fungsi M-file menyediakan cara
31
Universitas Indonesia
sederhana untuk menambah kemampuan MATLAB, bahkan banyak fungsi
standar MATLAB yang merupakan fungsi M-file.
32 Universitas Indonesia
BAB 3 PERANCANGAN DAN IMPLEMENTASI
Implementasi Algoritma Watermarking Pada Citra Digital pada Domain DWT
3.1. Sarana Implementasi Untuk mengimplementasikan algoritma ini penulis menggunakan perangkat
keras dan perangkat lunak berikut ini :
3.2. Perangkat Keras Perangkat keras yang penulis gunakan berupa seperangkat komputer personal
(PC) yang memiliki spesifikasi sebagai berikut :
Jenis Perangkat Spesifikasi
Prosesor Intel(R) Pentium (R) D CPU 2.80 GHz.
RAM 2.50 GB
Hardisk 80 GB
VGA NVIDIA Geforce 9400 GT
Tabel 3. 1 Spesifikasi Perangkat Keras
3.3. Perangkat Lunak Sedangkan perangkat lunak yang digunakan oleh penulis didalam
implementasi algoritma ini adalah sebagai berikut :
1. Sistem Operasi Windows 7 dari Microsoft Inc.
2. Matlab 2009 dari MathWorks Inc.
3.4. Algoritma watermarking
Watermarking bertujuan untuk menyisipkan suatu data atau informasi yang
bersifat rahasia kedalam media digital agar data atau informasi tersebut tidak
diketahui oleh orang-orang yang tidak bertanggung jawab. Pada bab ini akan dibahas
bagaimana algoritma watermarking pada citra digital menggunakan metode
transformasi wavelet diskrit.
33
Universitas Indonesia
3.4.1. Pembentukan Citra terwatermark
Pada tahapan dalam penanaman watermark menggunakan DWT, original
image atau citra asli ditransformasikan kedalam koefisien-koefisien aproksimasi cA,
dan koefisien detil cH, cV, cD. Begitu pula pada citra watermark dilakukan proses
vektorisasi sehingga diperoleh suatu susunan matriks yang akan ditransformasikan
dengan menggunakan DWT. Setelah itu citra watermark akan dilakukan proses
penanaman ke dalam koefisien pada citra asli dan pada proses akhir untuk
mendapatkan citra yang terwatermark dilakukanlah proses pembalikan menggunakan
invers DWT (IDWT).
Berikut adalah proses pembentukan citra berwatermark yang dipersentasikan
dengan flow chart seperti ditunjukan pada gambar 3.1 sebagai berikut :
Gambar 3. 1 Proses pembentukan citra berwatermark
Berikut adalah langkah-langkah proses pengerjaan dari pembentukan citra ter-
watermark , yaitu :
1. Pemilihan citra asli (original)
Pemilihan citra asli dengan pemilihan gambar yang digunakan dapat berupa
format true color (RGB) atau grayscale (keabuan). Pada penelitian tugas akhir
ini citra asli yang akan digunakan adalah dengan berbagai macam citra baik
citra truecolor maupun dengan citra grayscale. Pada pembentukan
Citra original (host)
Citra watermark
Penyisipan watermark
Dekomposisi menggunakan DWT
Citra berwatermark DWT
IDWT
watermarking pada penelitian ini hanya digunakan pada domain
sehingga bila citra yang digunakan adalah citra RGB maka citra terlebih
dahulu harus dirubah ke dalam bentuk citra
selanjutnya. Pada
citra RGB ke bentuk citra
Gambar 3.
2. Pemilihan gambar
Pemilihan citra watermark
resolusi gambar citra asli.
akan disisipi berukuran 100 x 100
PNG image. Jadi pada citra watermark tersebut harus dirubah ke bentuk
grayscale juga. G
Universitas Indonesia
pada penelitian ini hanya digunakan pada domain
sehingga bila citra yang digunakan adalah citra RGB maka citra terlebih
dahulu harus dirubah ke dalam bentuk citra grayscale untuk dapat
Pada Gambar 3.3 dibawah adalah salah satu contoh perubahan
citra RGB ke bentuk citra grayscale:
Gambar 3. 2 Citra Asli RGB ke bentuk grayscale
Pemilihan gambar watermark
watermark resolusinya harus lebih kecil dibandingkan
resolusi gambar citra asli. Pada penelitian ini, citra watermark atau citra yang
berukuran 100 x 100 menggunakan citra RGB den
Jadi pada citra watermark tersebut harus dirubah ke bentuk
Gambar 3.4 adalah gambar watermark yang akan disisipi
Gambar 3. 3 Citra Watermark
34
Universitas Indonesia
pada penelitian ini hanya digunakan pada domain grayscale,
sehingga bila citra yang digunakan adalah citra RGB maka citra terlebih
untuk dapat diproses
dalah salah satu contoh perubahan
resolusinya harus lebih kecil dibandingkan dengan
atau citra yang
dengan format
Jadi pada citra watermark tersebut harus dirubah ke bentuk
yang akan disisipi :
35
Universitas Indonesia
3. Mendekomposisi citra original atau citra asli yang akan disisipi oleh gambar
watermak.
Pada penelitian ini setelah citra asli dipilih atau ditentukan, maka tahap
berikutnya adalah mendekomposisikan citra asli menggunakan DWT dan
untuk keluarga wavelet yang digunakan dapat ditentukan sesuai pilihan
misalnya diskrit meyer, daubechies, haar dan symlet. Karena pada penelitian
ini akan membandingkan kualitas dari keluarga wavelet mana yang baik untuk
digunakan. Langkah ini adalah langkah pertama yang harus dilakukan untuk
dapat menyisipkan watermark kedalam citra asli. Langkah-langkah untuk
mendekomposisikan citra asli adalah sebagai berikut :
a) Dekomposisikan citra. Pada proses ini citra yang digunakan adalah citra 2
dimensi. Proses dekomposisi dilakukan dalam 2 tahap, yaitu tahap
pertama proses dekomposisi dilakukan pada seluruh baris, kemudian tahap
kedua pada citra hasil tahap pertama dilakukan proses dekomposisi dalam
arah kolom.
Gambar 3. 4 Transformasi wavelet 2 dimensi 1 level
Pada gambar diatas, Dekomposisi citra digital satu tingkat 2 dimensi
sehingga menghasilkan LL, LH, HL, dan HH. LL menyatakan bagian
koefisien yang diperoleh melalui proses tapis Low pass dilanjutkan dengan
Low pass. Citra pada bagian ini mirip dan merupakan versi lebih halus dari
citra aslinya sehingga koefisien pada bagian LL sering disebut dengan
komponen aproksimasi. LH menyatakan bagian koefisien yang diperoleh
36
Universitas Indonesia
melalui proses tapis Low pass kemudian dilanjutkan dengan high pass.
Koefisien pada bagian ini menunjukan citra tepi dalam arah horisontal. Bagian
HL menyatakan bagian yang diperoleh melalui proses high pass kemudian
dilanjutkan dengan Low pass. Koefisien pada bagian ini menunjukan citra tepi
dalam arah vertikal. HH menyatakan proses yang diawali dengan High pass
dan dilanjutkan dengan High pass, dan menunjukan citra tepi dalam arah
diagonal. Ketiga komponen LH, HL, dan HH disebut juga komponen detil.
Pada tahap ini juga berfungsi untuk menentukan jenis keluarga wavelet mana
yang akan digunakan. Pada penelitian ini digunakan beberapa jenis wavelet,
diantaranya adalah daubechies, diskrit meyer, haar, dan symlet. Dari ke 4 jenis
keluarga wavelet tersebut akan dibandingkan seberapa besar nilai yang baik
pada proses watermarking tersebut.
Gambar 3. 5 Dekomposisi Citra Asli
Sebelum citra watermark dapat disisipkan, citra watermark haruslah
dirubah susunan citranya kedalam rangkaian matriks dengan proses
vektorisasi. Sama hal nya dengan citra asli. Setelah citra watermark
dirubah maka dilakukanlah proses dekomposisi dengan DWT. Proses
DWT pada watermark sama halnya dengan proses pada citra asli yang
bertujuan untuk mendapatkan koefisien aproksimasi dan koefisien
detailnya.
b) Menyisipkan gambar watermark kedalam citra asli
DWT
37
Universitas Indonesia
Setelah citra asli dan citra watermark di transformasikan dengan DWT
maka tahap selanjutnya adalah menyisipkan citra watermark ke dalam
citra asli. koefisien aproksimasi pada citra asli ditambahkan dengan
perkalian antara key yang telah ditentukan dengan koefisien aproksimasi
watermark. Proses ini mendapatkan koefisien aproksimasi baru dari citra
asli
c) Setelah proses penyisipan koefisien aproksimasi dari watermark kedalam
koefisien aproksimasi citra asli maka langkah selanjutnya adalah
mentransformasikan balik koefisien-koefisien dari citra asli yang telah
disisipkan watermark menggunakan invers DWT atau disebut IDWT.
d) Menampilkan gambar yang terwatermark.
3.4.2. Pengekstrakan Citra Terwatermark
Seteleh mendapatkan gambar yang terwatermark, proses selanjutnya adalah
proses pengekstrakan watermark. Proses ini berfungsi untuk mendapatkan kembali
citra watermark dari citra yang telah terwatermark.
Gambar 3. 6 proses pengekstrakan watermark
Langkah-langkah untuk pengekstrakan citra terwatermark adalah sebagai berikut :
Citra watermark
IDWT
Proses pengekstrakan watermark DWT
Citra terwatermark
38
Universitas Indonesia
a) Baca atau pilih gambar citra asli
Pada tahap ini dilakukan pemanggilan citra asli, karena pengekstrakan pada
penelitian ini diperlukan citra asli dan citra terwatermark untuk dapat
mendeteksi citra watermarknya.
b) Baca atau pilih citra yang telah terwatermark
Tahap ini dilakukan untuk menentukan gambar mana yang akan dilakukan
untuk pendeteksian watermark. Karena pada penelitian ini pada setiap
pengujian dengan keluarga wavelet akan tersimpan gambar terwatermarknya
di direktori matlab. Jadi penelitian ini harus menentukan gambar
terwatermark dari jenis keluarga wavelet mana yang akan di ekstraksi untuk
menentukan gambar watermarknya.
c) Pendekomposisian Citra yang terwatermark menggunakan DWT.
Pada proses ini dilakukan transformasi citra terwatermark dengan DWT
berdasarkan jenis wavelet. Proses ini berfungsi untuk mendapatkan kembali
koefisien-koefisien dari citra yang terwatermark.
d) Pada Pendekomposisian Citra ter-watermark menggunakan DWT, berfungsi
untuk mendapatkan koefisien aproksimasinya.
e) Mencari koefisien citra watermark
Pada tahap ini adalah proses mencari kembali koefisien watermark dari proses
transformasi citra terwatermark dengan DWT. Proses ini memerlukan
koefisien aproksimasi dari citra terwatermark dan citra aslinya. Koefisien
watermark didapat dari selisih antara koefisien citra terwatermark dengan
koefisien awal citra asli dibagi dengan key nya, setelah itu barulah akan
mendapat koefisien aproksimasi citra watermarknya.
f) Setelah mendapatkan kembali koefisien aproksimasi dari watermark maka
selanjutnya adalah menginvers kembali koefisien detil dan koefisien
aproksimasi watermark yang di dapat pada proses sebelumnya menggunakan
IDWT.
39
Universitas Indonesia
g) Setelah di invers dengan IDWT maka akan di dapat vektor watermark
terekstrak. Setelah itu mengubah vektor watermark terekstrak menjadi
matriks watermark terekstrak dengan ukuran watermark sebelum disisipi
(watermark asli).
h) Menampilkan citra watermark dari hasil pengekstrakan
40
Universitas Indonesia
BAB 4
HASIL DAN PEMBAHASAN
Dalam penelitian tugas akhir ini citra asli yang digunakan adalah citra
true color (RGB) dan grayscale. Pada pemilihan citra true color (RGB), baik
citra asli maupun citra watermarknya harus dirubah dahulu ke bentuk citra
grayscale, karena pada penelitian tugas akhir ini domain yang digunakan pada
bahasa pemrograman MATLAB adalah domain grayscale.
Citra asli yang digunakan memiliki ukuran yang bervariasi, baik citra
RGB maupun citra grayscale. Sedangkan citra watermark yang disisipkan
merupakan citra RGB dengan dimensi 100 x 100, dan untuk keluarga wavelet
yang digunakan dapat ditentukan sesuai pilihan diantaranya keluarga wavelet
yang akan digunakan adalah, diskrit meyer, daubechies, haar dan symlet.
4.1. Analisa terhadap citra asli
Pada sub bab ini akan menganalisa bagaimana perbedaan citra asli
terhadap citra hasil watermark. Citra asli dibedakan berdasarkan dimensi,
format gambar dan gradiasinya. Kemudian citra tersebut akan dibandingkan
dengan 10 responden untuk melihat apakah ada perbedaan antara citra
terwatermark dengan citra asli. Metode yang digunakan berasal dari berbagai
macam keluarga wavelet seperti diskrit meyer, daubechies, haar, dan symlet.
Pada percobaan ini dilakukan dengan metode diskrit meyer. Pertama akan
diuji 3 macam citra berdasarkan kerumitan teksturnya. Kerumitan tekstur
yang dimaksud adalah tingkat gradiasi warna yang berdasarkan faktor seperti
tingkat kekontrasan , kombinasi warna dan sebagainya. Berdasarkan
parameter tersebut maka dipilihlah citra-citra dibawah ini sebagai citra uji.
Universitas Indonesia
Gambar 4. 1 Bunga
Gambar 4. 2 Ikan
41
Universitas Indonesia
Pada citra
pixel dengan format
dipilih adalah dengan
subjektif dari proses
ini bertujuan untuk membedakan secara
koesponden, citra yang berwatermark deng
hasil pengujian dari citra pertama
meyer.
(A)Gambar 4. 4 (A) citra
Universitas Indonesia
Gambar 4. 3. Rumah
Pada citra-citra tersebut memiliki dimensi yang sama yaitu 512x512
pixel dengan format portable net graphic (PNG). Metode penguji
dipilih adalah dengan menilai hasil gambar yang terwatermark secara
subjektif dari proses watermarking dengan bantuan dari 10 responden
untuk membedakan secara langsung melalui visual
citra yang berwatermark dengan citra asli. Gambar 4.4
hasil pengujian dari citra pertama dengan menggunakan metode diskrit
(A) (B) (A) citra bunga (asli) Grayscale (B) citra bunga terwatermark
42
Universitas Indonesia
citra tersebut memiliki dimensi yang sama yaitu 512x512
Metode pengujian yang
menilai hasil gambar yang terwatermark secara
bantuan dari 10 responden. Hal
visual kepada
Gambar 4.4 adalah
dengan menggunakan metode diskrit
terwatermark
43
Universitas Indonesia
Berdasarkan percobaan diatas, dilakukan pengujian terhadap 10 orang
responden untuk melihat seberapa besar kualitas watermarking citra
terwatermark untuk diditeksi oleh penglihatan indra manusia. Untuk
menentukan citra yang terwatermark pada percobaan pertama ini, dengan
memberi tanda (A) untuk citra asli dan memberi tanda (B) untuk citra yang
terwatermark, maka data yang didapat secara subjektif adalah sebagai berikut:
• untuk koresponden yang memilih citra yang dipilih ditandai dengan “ya”.
• untuk pilihan citra yang tidak di pilih ditandai dengan ‘minus’ ( - ).
Tabel 4. 1 Hasil survei 1 terhadap 10 orang responden.
No Responden Citra (A)
Citra Asli Citra (B)
Citra Terwatermark 1 Indra wijaya Ya -
2 Sophie risky Ya -
3 Prayoga tirtayasa Ya -
4 Aditya pratama Ya -
5 Diani paramita putri - Ya
6 Budiman Ya -
7 andhika - Ya
8 Muhamad rifky - Ya
9 Rana febri Ya -
10 suryono Ya -
44
Universitas Indonesia
Percobaan citra kedua
(A) (B) Gambar 4. 5 (A) citra ikan asli (B) citra terwatermark
• untuk koresponden yang memilih citra yang dipilih ditandai dengan “ya”.
• untuk pilihan citra yang tidak di pilih ditandai dengan minus ( - ).
Tabel 4. 2 hasil survei 2 terhadap 10 orang responden.
No Responden Citra (A)
Citra Asli
Citra (B)
Citra Terwatermark
1 Indra wijaya - Ya
2 Sophie risky Ya -
3 Prayoga tirtayasa Ya -
4 Aditya pratama Ya -
5 Diani paramita putri - Ya
6 Budiman Ya -
7 andhika Ya -
8 Muhamad rifky - Ya
9 Rana febri - Ya
10 suryono Ya -
45
Universitas Indonesia
Percobaan citra ketiga
(A) (B)
Gambar 4. 6 (A) citra rumah asli (B) citra rumah terwatermark
• untuk koresponden yang memilih citra yang dipilih ditandai dengan “ya”.
• untuk pilihan citra yang tidak di pilih ditandai dengan minus ( - ).
Tabel 4.3 hasil survei 3 terhadap 10 orang responden
No Responden Citra (A)
Citra Asli
Citra (B)
Citra Terwatermark
1 Indra wijaya - Ya
2 Sophie risky - Ya
3 Prayoga tirtayasa - Ya
4 Aditya pratama - Ya
5 Diani paramita putri - Ya
6 Budiman - Ya
7 andhika - Ya
8 Muhamad rifky - Ya
9 Rana febri - Ya
10 suryono - Ya
46
Universitas Indonesia
Dari 3 percobaan terhadap hasil survey 10 korespondensi menyatakan
bahwa gambar percobaan pertama dan kedua lebih sulit untuk dideteksi citra
terwatermarknya, tidak ada perbedaan citra watermark yang telah disisipkan
dan yang tidak disisipkan (citra asli). Hal tersebut dikarena pada citra asli
memiliki tingkat gradiasi warnanya yang tinggi sehingga citra-citra tersebut
sangat baik untuk digunakan sebagai citra host dalam proses watermarking.
Sedangkan pada percobaan citra ketiga sangat mudah di deteksi oleh
koresponden, gambar 4.6 memiliki gradiasi warna yang kurang kompleks dan
sebagian gambar dari citra tersebut memiliki tingkat kekontrasan yang tinggi.
4.2. PSNR Pada penelitian ini salah satu parameter yang digunakan watermarking
untuk melihat kualitas citra asli setelah disisipkan citra watermark adalah
dengan menghitung nilai PSNR. Metode yang digunakan pada Watermarking
digital memiliki kelebihan dan kekurangan dalam hal kualitas gambar yang
dihasilkan.
- Menghitung Peak Signal-to-Noise Ratio (PSNR)
PNSR merupakan pembanding antara kualitas citra hasil rekonstruksi
dengan citra asli. Semakin besar nilai PSNR, semakin baik juga kualitas
sinyal yang dihasilkan. Pada analisa sebelumnya bahwa kualitas citra asli
mempunyai gradiasi warna yang tinggi. Dikatakan bahwa semakin tinggi
PSNR semakin bagus kualitas citra tersebut.
Untuk menghitung PSNR, pertama yang dilakukan adalah menghitung
nilai Mean Squared Error (MSE) dari suatu citra hasil rekonstruksi.
Semakin kecil nilai MSE dari suatu citra maka semakin baik citra tersebut.
4.2.1. Hasil pengujian dengan PSNR
Hasil pengujian kinerja nilai PSNR dengan menggunakan 4 citra asli
yang bervariasi dengan dimensi yang sama yaitu 512 x 512 pixel dan citra
watermark yang disisipkan berdimensi 100 x 100 pixel dengan
menggunakan beberapa metode dari keluarga wavelet dan dapat
menghasilkan citra yang terwatermark sebagai hasil proses penyisipan
47
Universitas Indonesia
watermark yang tidak berbeda jauh dengan citra aslinya. Pada tabel 4.4
dapat di lihat nilai PSNR hasil pengujian dari proses penyisipan watermark.
Tabel 4. 4 Tabel nilai PSNR hasil pengujian
NO. Metode Citra ukuran
citra MSE PSNR
1 diskrit meyer Lena.jpg 512 x 512 2.2107 44.6856
kupu-kupu.jpg
512 x 512 2.7154 43.7924
sepeda.jpg 512 x 512 3.7693 42.3682 pepper.jpg 512 x 512 2.7108 43.7999
2 daubechies Lena.jpg 512 x 512 2.2403 44.6278
kupu-kupu.jpg
512 x 512 2.7993 43.6604
sepeda.jpg 512 x 512 3.8538 42.2719 pepper.jpg 512 x 512 2.7866 43.6801
3 symlet Lena.jpg 512 x 512 2.3401 44.4384
kupu-kupu.jpg
512 x 512 2.9118 43.4892
sepeda.jpg 512 x 512 3.9989 42.1114 pepper.jpg 512 x 512 2.9207 43.476
4 haar Lena.jpg 512 x 512 2.5129 44.129
kupu-kupu.jpg
512 x 512 3.1517 43.1454
sepeda.jpg 512 x 512 4.2913 41.8049 pepper.jpg 512 x 512 3.1261 43.1807
Pada table 4.4 menunjukan nilai PSNR yang berkisar antara 41-44 db.
Hal tersebut menandakan citra yang dihasilkan dari proses penyisipan
watermark tidak berbeda jauh dengan citra aslinya, dikarenakan skala dari
PSNR itu sendiri berkisar 50 db yang merupakan nilai PSNR yang tinggi.
Pada table 4.4 telihat PSNR dari keluarga wavelet yang paling baik adalah
menggunakan diskrit meyer dan symlet. Hal tersebut dikarenakan
karakteristiknya diskrit meyer lebih kompleks dibanding dengan keluarga
wavelet yang lain.
48
Universitas Indonesia
4.3. Analisa robustness (ketahanan) citra watermark
4.3.1. Salt & pepper
Setelah melewati uji terhadap responden dan hasil PSNR.
Selanjutnya dilakukan analisa citra terhadap serangan-serangan seperti
noise. Salah satu contoh noise yang diberikan pada percobaan ini adalah
noise “salt & pepper”. Noise salt & pepper itu sendiri adalah noise yang
dipersentasikan dengan titik hitam dan putih yang memenuhi seluruh
bagian citra hasil rekontruksi atau citra terwatermark secara random.
Tujuan diberikannya noise tersebut adalah untuk melihat apakah citra
yang disisipkan masih dapat dikenali (dibaca) atau menjadi tidak terbaca.
Dalam percobaan ini digunakan beberapa citra dengan dimensi 512x512
pixel yang memiliki ukuran dan gradiasi warna yang bervariasi. hasil dari
pengujian citra terhadap noise “salt&pepper” dipaparkan pada Tabel 4.5
Tabel 4. 5 Tabel pengujian citra sebelum diberi noise “salt&pepper”.
No. Metode Citra Dimensi MSE PSNR
1 Diskrit
meyer
bunga.png 512 x 512 1.9693 45.1876
2 clownfish.png 512 x 512 2.6816 43.8469
3 Rumah.png 512 x 512 3.5799 42.5922
1
Daubechies
clownfish 512 x 512 1.9990 45.1227
2 clownfish.png 512 x 512 2.7850 43.6825
3 Rumah.png 512 x 512 3.6264 42.5360
1
Symlet
clownfish 512 x 512 2.0723 44.9662
2 clownfish.png 512 x 512 2.9269 43.667
3 Rumah.png 512 x 512 3.7695 42.3680
1
Haar
clownfish 512 x 512 2.2114 44.6840
2 clownfish.png 512 x 512 3.1689 43.1217
3 Rumah.png 512 x 512 4.0657 42.0395
49
Universitas Indonesia
Tabel 4. 6 Tabel pengujian setelah diberi noise “salt&pepper”
No. Metode Citra Dimensi MSE PSNR
1
Diskrit meyer
bunga.png 512 x 512 421.7551 21.8802
2 clownfish.png 512 x 512 390.3050 22.2168
3 Rumah.png 512 x 512 404.5179 22.0614
1
Daubechies
clownfish 512 x 512 424.6472 21.8505
2 clownfish.png 512 x 512 381.3610 22.3174
3 Rumah.png 512 x 512 419.6705 21.9017
1
Symlet
clownfish 512 x 512 448.4725 21.7987
2 clownfish.png 512 x 512 381.7362 22.3575
3 Rumah.png 512 x 512 420.4417 21.8442
1
Haar
clownfish 512 x 512 429.7420 21.6134
2 clownfish.png 512 x 512 377.8634 22.3132
3 Rumah.png 512 x 512 425.2616 21.8937
Gambar berikut adalah hasil citra terwatermark sebelum dan sesudah diberi noise .
( A ) ( B )
Gambar 4. 7 Gambar terwatermark sebelum dan sesudah diserang noise.
50
Universitas Indonesia
(A) ( B )
Gambar 4. 8 Hasil ekstraksi.(A) citra watermark dari sebelum dan (B)sesudah terkena serangan
Hasil dari percobaan tersebut menunjukan perbedaan pada MSE dan
PSNR antara citra yang terwatermark dengan citra terwatermark yang sudah
di beri noise. Sekilas tidak terlihat dari hasil ekstraksinya tetapi lebih tampak
terhadap perbedaan kualitas pada gambar terwatermark. Dimensi pada citra
asli salah satu faktor untuk mempengaruhi informasi yang disisipkan pada
gambar asli, apakah gambar informasi yang disisipkan bisa rusak atau tidak
setelah proses ekstraksi. Pada table 4.5 dan table 4.6 terlihat jelas perbedaan
MSE dan PSNR antara sesudah dan sebelum di beri noise salt dan pepper.
Nilai dari MSE sesudah di beri noise melambung tinggi dikarenakan noise
titik-titik hitam dan putih menyebar secara random ke seluruh bagian dari
citra yang terwatermark. Hal tersebut mengakibatkan ukuran dari citra
terwatermark menjadi besar dibanding dengan citra aslinya sedangan
dimensinya tetap. Untuk hasil ekstraksinya tidak banyak mengalami
perubahan. Watermark masih dapat di baca dengan jelas, hanya
kekontarasannya saja yang mengalami sedikit perubahan.
4.3.2 . Percobaan dengan menambahkan noise AWGN
Untuk melihat seberapa besar ketahanan citra terwatermark terhadap
noise, Selain menggunakan noise salt & pepper, untuk percobaan yang
kedua ini akan dengan memberikan awgn pada citra yang terwatermark.
Apakah watermark yang disisipi masih kokoh terhadap pengolahan citra atau
tidak. Dan seberapa besar awgn yang bisa digunakan untuk ditambahkan
sebagai noise. Dari hasil percobaan didapatkan hasil bahwa semakin besar
nilai awgn yang diberikan, maka semakin besar pula nilai PSNR yang
dihasilkan.
51 Universitas Indonesia
BAB 5
KESIMPULAN
Perancangan simulasi watermarking dengan menggunakan transformasi
wavelet diskrit telah dibuat dengan bahasa pemrograman MATLAB. Algoritma yang
dibuat menggunakan beberapa metode dari keluarga wavelet. Hasil citra yang telah
disisipkan dengan citra watermark telah di uji dari beberapa parameter , seperti
pengamatan secara subjektif dari beberapa responden, nilai PSNR, dan beberapa
noise. Ketahan dari citra yang disisipi (watermark) tergantung dari kualitas citra yang
diuji. Dari hasil percobaan dapat di tarik kesimpulan bahwa semakin besar nilai
PSNR semakin besar tingkat kualitas citra hasil terwatermark. Dari keluarga wavelet
diskrit meyer yang memberikan nilai PSNR yang paling tinggi
52
Universitas Indonesia
DAFTAR PUSTAKA
[1] Basaruddin. Kinerja Skema Pemberian Tanda Air Video Digital Berbasis DWT-
SVD dengan Detektor Semiblind. Depok : Universitas Indonesia, 2009.
[2] Cahyana, Basaruddin, T and Jaya, Danang. Teknik Watermarking Citra
Berbasis SVD. s.l. : National Conference on Computer Science & Information
Technology, 2007.
[3] Alfatwa, Dean Fathony. Watermarking pada Citra Digital Menggunakan
Discrete Wavelet Transform. Bandung : Institute Teknologi Bandung, 2009.
[4] Juanda, K and Supangkat, Suhono H. Watermarking Sebagai Teknik
Penyembunyian Hak Cipta pada Data Digital. Bandung : Institut Teknologi
Bandung, 2000.
[5] Solichin, Achmad. Digital Watermarking untuk Melindungi Informasi
Multimedia. Jakarta : Universitas Budi Luhur, 2010.
[6] Munir, Rinaldi. Sekilas Image Watermarking untuk Memproteksi Citra Digital
dan Aplikasinya pada Citra Medis. Bandung : Institut Teknologi Bandung, 2006.
[7] Ariyus, Dony. Keamanan Multi Media. Yogyakarta : Andi, 2006.
[8] Wiguna, Ryan, Firdaus, Rangga and Endah W., Ossy Dwi. Implementasi
Teknik Blind Watermarking dalam Domain Spasial pada Citra Bitmap
Lampung : Universitas Lampung, 2010.
[9] Sripathi, Deepika. Effiicient Implementations of Discrete Wavelet Transform
Using FPGAs. Florida : Florida State University, 2003.
[10] Polikar, Robi. Multi Resolution Analysis: The Discrete Wavelet Transform.
Iowa : Iowa State University, 1998.
[11] Putra, Damar. Pengolahan Citra Digital. Yogyakarta: Andi Offset, 2010.
[12] Terjiza, Natasa. Robust Digital Image Watermarking Algorithms for Copyright
Protection. Essen : Univesity of Duisburg-Essen, 2006.
53
Universitas Indonesia
LAMPIRAN
Lampiran 1
Gambar penyisipan watermark dengan metode diskrit meyer
Citra Asli Citra Terwatermark
Citra Asli Citra Terwatermark
54
Universitas Indonesia
Citra Asli Citra Terwatermark
Citra Asli Citra Terwatermark
55
Universitas Indonesia
Lampiran 2
Gambar penyisipan watermark dengan metode daubechies
Citra Asli Citra Terwatermark Citra Asli Citra Terwatermark
56
Universitas Indonesia
Citra Asli Citra Terwatermark
Citra Asli Citra Terwatermark
57
Universitas Indonesia
Lampiran 3
Gambar penyisipan watermark dengan metode haar
Citra Asli Citra Terwatermark Citra Asli Citra Terwatermark
58
Universitas Indonesia
Citra Asli Citra Terwatermark Citra Asli Citra Terwatermark
59
Universitas Indonesia
Lampiran 4
Gambar penyisipan watermark dengan metode symlet
Citra Asli Citra Terwatermark Citra Asli Citra Terwatermark
60
Universitas Indonesia
Citra Asli Citra Terwatermark
Citra Asli Citra Terwatermark
61
Universitas Indonesia
Lampiran 5 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra grayscale
N0. AWGN (db) Metode Gambar MSE PSNR 1 10 db
diskrit meyer
lena.jpg
2.3087 44.4972
2.3091 44.4963 2.3102 44.4943 2.3101 44.4945 2.3116 44.4917
kupu-kupu.jpg
2.8188 43.6302 2.8144 43.637 2.8149 43.6362 2.8147 43.6364 2.819 43.6299
sepeda.jpg
3.8723 42.2511 3.8717 42.2518 3.8661 42.2581 3.869 42.2548 3.865 42.2593
pepper.jpg
2.8075 43.6475 2.8114 43.6416 2.8095 43.6445 2.8078 43.6472 2.8007 43.6473
2 10 db
daubechies
lena.jpg
2.341 44.4368
2.3415 44.4358 2.3416 44.4356 2.3419 44.4352 2.3408 44.4371
kupu-kupu.jpg
2.898 43.5098 2.8945 43.5151 2.8961 43.5126 2.8978 43.5102 2.8994 43.5078
62
Universitas Indonesia
sepeda.jpg
3.9502 42.1647 3.9536 42.1609 3.9543 42.1601 3.9553 42.159 3.9513 42.1634
pepper.jpg
2.8887 43.5237 2.8856 43.3284 2.887 43.5263
2.8878 43.5252 2.8881 43.5243
3 10 db
symlet
lena.jpg
2.4424 44.2527
2.4378 44.2609 2.4404 44.2563 2.4383 44.2599 2.4447 44.2485
kupu-kupu.jpg
3.0142 43.3391 3.0107 43.3442 3.0072 43.3491 3.013 43.3408
3.0124 43.3417
sepeda.jpg
4.0976 42.0056 4.098 42.0051
4.1014 42.0015 4.0973 42.0059 4.1012 42.0017
pepper.jpg
3.0219 43.328 3.0208 43.3296 3.0143 43.239 3.0181 43.3335 3.0239 43.3252
4 10 db
haar lena.jpg 2.6141 43.9576
2.6165 43.9536 2.6141 43.9575
63
Universitas Indonesia
2.6134 43.9587 2.611 43.9628
kupu-kupu.jpg
3.2548 43.0056 3.2495 43.0126 3.2544 43.0061 3.2497 43.0123 3.2516 43.0099
sepeda.jpg
4.3914 41.7048 3.3955 41.7007 3.3944 41.7018 3.389 41.7072
3.3911 41.7051
pepper.jpg
3.2263 43.0437 3.2307 43.0378 3.2261 43.044 3.2236 43.0474 3.2264 43.0436
64
Universitas Indonesia
Lampiran 6 Hasil perhitungan nilai MSE dan PSNR dengan awgn 20 untuk citra grayscale
N0. AWGN (db) Metode Gambar MSE PSNR 1 20 db
diskrit meyer
lena.jpg
2.2209 44.6656
2.2211 44.6651 2.2213 44.6648 2.2198 44.6678 2.2201 44.6671
kupu-kupu.jpg
2.7254 43.7765 2.7267 43.7744 2.7261 43.7754 2.7246 43.7778 2.7262 43.7752
sepeda.jpg
3.7796 42.3563 3.7792 42.3568 3.7798 42.3562 3.7793 42.3567 3.7803 42.3556
pepper.jpg
2.7201 43.785 2.7216 43.7826 2.7203 43.7846 2.7203 43.7846 2.7203 43.7847
2 20 db
daubechies
lena.jpg
2.2502 44.6086
2.2495 44.6099 2.2509 44.6072 2.2502 44.6087 2.2504 44.6082
kupu-kupu.jpg
2.8092 43.645 2.8088 43.6455 2.8081 43.6467 2.8084 43.6462 2.8105 43.643
65
Universitas Indonesia
sepeda.jpg
3.8642 42.2682 3.8649 42.2595 3.8641 42.2603 3.8633 42.2612 3.8642 42.2603
pepper.jpg
2.7952 43.6666 2.7979 43.6625 2.796 43.6655
2.7964 43.6648 2.7955 43.6662
3 20 db
symlet
lena.jpg
2.3493 44.4214
2.35 44.4202 2.3497 44.4207 2.3495 44.421 2.3503 44.4195
kupu-kupu.jpg
2.9219 43.4741 2.922 43.474
2.9217 43.4744 2.9225 43.4732 2.9224 43.4733
sepeda.jpg
4.0093 42.1001 4.009 42.1005 4.009 42.1005
4.0082 42.1013 4.0089 42.1006
pepper.jpg
2.9298 43.4624 2.9317 43.4596 2.9302 43.4619
2.93 43.4621 2.9312 43.4603
4 20 db
haar lena.jpg 2.5228 44.1119
2.5225 44.1125 2.523 44.1117
66
Universitas Indonesia
2.5232 44.1113 2.5233 44.111
kupu-kupu.jpg
3.1616 43.1317 3.1621 43.1311 3.1618 43.1315 3.1617 43.1316 3.1614 43.132
sepeda.jpg
4.3004 41.7957 4.3019 41.7942 4.3007 41.7954 4.3002 41.796 4.3005 41.7956
pepper.jpg
3.1364 43.1664 3.1357 43.1674 3.1369 43.1658 3.1359 43.1672 3.1362 43.1667
67
Universitas Indonesia
Lampiran 7 Hasil perhitungan nilai MSE dan PSNR dengan awgn 30 untuk citra grayscale
N0. AWGN (db) Metode Gambar MSE PSNR 1 30 db
diskrit meyer
lena.jpg
2.2117 44.6836
2.2119 44.6831 2.2118 44.6833 2.2116 44.6838 2.212 44.6829
kupu-kupu.jpg
2.7165 43.7907 2.7166 43.7905 2.7163 43.791 2.7163 43.791 2.7161 43.7913
sepeda.jpg
3.77 42.3674 3.77 42.3674
3.7702 42.3672 3.7704 42.3669 3.7702 42.3672
pepper.jpg
2.7118 43.7982 2.7117 43.7985 2.7121 43.7977 2.7117 43.7984 2.7116 43.798
2 30 db
daubechies
lena.jpg
2.2414 44.6256
2.2415 44.6254 2.2413 44.6258 2.2411 44.6263 2.2412 44.6259
kupu-kupu.jpg
2.8002 43.6589 2.8001 43.6591 2.8003 43.6587 2.8004 43.6586
2.8 43.6593
68
Universitas Indonesia
sepeda.jpg
3.855 42.2706 3.8548 42.2708 3.8549 42.2707 3.8549 42.2707 3.855 42.2706
pepper.jpg
2.7877 43.6784 2.7876 43.6786 2.7877 43.6783 2.7876 43.6785 2.7877 43.6784
3 30 db
symlet
lena.jpg
2.3409 44.437
2.341 44.4368 2.3409 44.437 3409 44.4369 2.341 44.4368
kupu-kupu.jpg
2.9128 43.4877 2.9134 43.4868 2.913 43.4874
2.9129 43.4976 2.9127 43.4878
sepeda.jpg
4 42.1102 3.9998 42.1104 3.9997 42.1105 3.9999 42.1103 3.9997 42.1105
pepper.jpg
2.9216 43.4746 2.922 43.474
2.9217 43.4744 2.9216 43.4745 2.9213 43.4751
4 30 db
haar lena.jpg
2.5139 44.1274
2.5139 44.1274 2.5138 44.1274 2.5139 44.1273
69
Universitas Indonesia
2.5139 44.1273
kupu-kupu.jpg
3.1528 43.1438 3.1528 43.1439 3.1524 43.1444 3.1529 43.1438 3.1524 43.1444
sepeda.jpg
4.2924 41.8038 4.2921 41.8041 4.2925 41.8037 4.2923 41.8039 4.2918 41.8044
pepper.jpg
3.1269 43.1796 4.1276 43.1787 3.127 43.1795
3.1274 43.179 3.1273 43.1791
70
Universitas Indonesia
Lampiran 8 Hasil perhitungan nilai MSE dan PSNR dengan awgn 40 untuk citra grayscale
N0. AWGN (db) Metode Gambar MSE PSNR 1 40 db
diskrit meyer
lena.jpg
2.2107 44.6554
2.2108 44.6854 2.2107 44.6854 2.2108 44.6853 2.2106 44.6857
kupu-kupu.jpg
2.7157 43.792 2.7155 43.7923 2.7156 43.7922 2.7156 43.7922 2.7154 43.7924
sepeda.jpg
3.7693 42.3682 3.7692 42.3683 3.7694 42.3681 3.7692 42.3683 3.7695 42.368
pepper.jpg
2.7109 43.7997 2.711 43.7996
2.7109 43.7996 2.7108 43.7998 2.7109 43.7996
2 40 db
daubechies
lena.jpg
2.2404 44.6276
2.2404 44.6275 2.2404 44.6275 2.2404 44.6275 2.2403 44.6277
kupu-kupu.jpg
2.7994 43.6602 2.7994 43.6602 2.7995 43.6601 2.7994 43.6601 2.7993 43.6603
71
Universitas Indonesia
sepeda.jpg
3.854 42.2717 3.8539 42.2718 3.8539 42.2718 3.8539 42.2718 3.8539 42.2718
pepper.jpg
2.7867 43.6799 2.7866 43.68 2.7867 43.6799 2.7866 43.68 2.7866 43.6801
3 40 db
symlet
lena.jpg
2.3402 44.4383
2.3402 44.4383 2.3403 44.4382 2.3402 44.4382 2.3402 44.4382
kupu-kupu.jpg
2.9119 43.489 2.9119 43.489 2.9119 43.489 2.9119 43.4891 2.9119 43.489
sepeda.jpg
3.999 42.1113 3.9989 42.1113 3.9989 42.1114 3.999 42.1113 3.999 42.1113
pepper.jpg
2.9208 43.4758 2.9208 43.4758 2.9207 43.4759 2.9208 43.4757 2.9207 43.4759
4 40 db
haar lena.jpg
2.513 44.1288
2.5131 44.1287 2.513 44.1288
2.5131 44.1287
72
Universitas Indonesia
2.513 44.1289
kupu-kupu.jpg
3.1518 43.1452 3.1517 43.1453 3.1516 43.1455 3.1516 43.1454 3.1519 43.1451
sepeda.jpg
4.2914 41.8048 4.2915 41.8047 4.2914 41.8048 4.2913 41.8049 4.2914 41.8048
pepper.jpg
3.1261 43.1808 3.1264 43.1804 3.1262 43.1806 3.1262 43.1806 3.1262 43.1807
73
Universitas Indonesia
Lampiran 9 Hasil perhitungan nilai MSE dan PSNR dengan awgn 10 untuk citra RGB N0. AWGN (db) Metode Gambar MSE PSNR 1 10 db
diskrit meyer
lena.jpg
3.3581 42.869
3.3602 42.8672 3.3582 42.8697 3.3583 42.8695 3.3605 42.8668
Box.jpg
1.687 45.8596 1.6891 45.8542 1.6847 45.8656 1.6865 45.8608 1.6885 45.8557
Brazil.jpg
4.5394 41.5608 4.5329 41.567 4.5365 41.5636 4.5372 41.5629 4.5406 41.5597
Pepper.jpg
2.6991 43.8187 2.6984 43.8189 2.6985 43.8196 2.6964 43.8229 2.6989 43.8189
2 10 db
daubechies
lena.jpg
3.4021 42.8134
3.4023 42.813 3.4046 42.8102 3.3982 42.8183 3.4023 42.8131
Box.jpg
1.725 45.7629 1.7238 45.7659 1.7231 45.7676 1.7147 45.7637 1.7203 45.7748
74
Universitas Indonesia
Brazil.jpg
4.5509 41.5498 4.5465 41.554 4.5489 41.5517 4.9429 41.5574 4.5491 41.5515
Pepper.jpg
2.7829 43.6858 2.7837 43.6846 2.7813 43.6884 2.7817 43.6877 2.7881 43.6777
3 10 db
symlet
lena.jpg
3.5194 42.6661
3.5193 42.67 3.5167 42.6694 3.5151 42.6714 3.5209 42.6643
Box.jpg
1.7707 45.6495 1.7706 45.6495 1.7674 45.6574 1.7708 45.649 1.7723 45.6454
Brazil.jpg
4.657 41.4497 4.6541 41.4525 4.6541 41.4525 4.654 41.4525
4.6669 41.4405
Pepper.jpg
2.8978 43.5102 2.8976 43.5104 2.8938 43.5161 2.8983 43.5096 2.896 43.5128
4 10 db
haar lena.jpg
3.7436 42.3979
3.7542 42.3857 3.7476 42.3939 3.7475 42.3934
75
Universitas Indonesia
3.7481 42.3927
Box.jpg
1.8976 45.3487 1.8995 45.3444 1.9002 45.3429 1.9037 45.3349 1.9001 45.3431
Brazil.jpg
4.9307 41.2017 4.9384 41.195 4.9421 41.1917 4.9407 41.1929 4.9294 41.2029
Pepper.jpg
3.105 43.2102 3.0979 43.2202 3.0972 43.2212 3.1036 43.2122 3.1057 43.2091
76
Universitas Indonesia
Lampiran 10 Hasil perhitungan nilai MSE dan PSNR dengan awgn 20 untuk citra RGB
N0. AWGN (db) Metode Gambar MSE PSNR 1 20 db
diskrit meyer
lena.jpg
3.2684 42.9875
3.2677 42.9884 3.2687 42.987 3.269 42.9866
3.2691 42.9865
Box.jpg
1.597 46.0977 1.597 46.0979 1.596 46.1006
1.5985 46.0937 1.5976 46.0962
Brazil.jpg
4.4429 41.648 4.4494 41.6478 4.449 41.6481
4.4508 41.6464 4.446 41.6511
pepper.jpg
2.6077 43.9683 2.6076 43.9683 2.6084 43.967 2.6073 43.9688 2.6071 43.9692
2 20 db
daubechies
Lena.jpg
3.3102 42.9323
3.3106 42.9318 3.3113 42.9308 3.3119 42.93 3.3107 42.9316
Box.jpg
1.6334 45.9999 1.6331 45.0006 1.6335 45.9996 1.5341 45.998 1.6339 45.9987
77
Universitas Indonesia
Brazil.jpg
4.4545 41.6428 4.4561 41.6411 4.4545 41.6428 4.4581 41.6393 4.551 41.6423
Pepper.jpg
2.6946 43.8258 2.6937 43.8273 2.6931 43.8283 2.6932 43.8281 2.6927 43.829
3 20 db
symlet
lena.jpg
3.4263 42.7825
3.4266 42.7822 3.427 42.7817
3.4266 42.7822 3.4258 42.7832
Box.jpg
1.6796 45.8788 1.68 45.8777
1.679 45.8804 1.6798 45.8782 1.6805 45.8763
Brazil.jpg
4.5648 41.5366 4.5656 41.5358 4.5642 41.5372 4.5659 41.5355 4.5643 41.537
Pepper.jpg
2.8059 43.6501 2.8061 43.6408 2.8057 43.6504 2.8065 43.6492 2.8065 43.6492
4 20 db
haar Lena.jpg
3.6537 42.5035
3.6559 42.5009 3.6548 42.5121 3.6563 42.5003
78
Universitas Indonesia
3.6558 42.5009
Box.jpg
1.8096 45.555 1.8105 45.5529 1.8103 45.5532
1.18 45.5539 1.8107 45.5524
Brazil.jpg
4.8403 41.282 4.8417 41.2808 4.8422 41.2803 4.8426 41.28 4.8428 41.2798
pepper.jpg
3.0109 43.3438 3.0119 43.3424 3.0112 43.3434 3.0113 43.3433 3.0112 43.3434
79
Universitas Indonesia
Lampiran 11 Hasil perhitungan nilai MSE dan PSNR dengan awgn 30 untuk citra RGB
N0. AWGN (db) Metode Gambar MSE PSNR 1 30 db
diskrit meyer
Lena.jpg
3.2591 42.9998
3.2597 42.999 3.2594 42.9994 3.2596 42.9992 3.2598 42.9989
Box.jpg
1.588 46.1224 1.5879 46.1224 1.5879 46.1224 1.5879 46.1225 1.5877 46.1231
Brazil.jpg
4.4387 41.6572 4.4397 41.6573 4.439 41.6579
4.4391 41.6578 4.44 41.657
pepper.jpg
2.5986 43.9835 2.5983 43.9838 2.5981 43.9843 2.5983 43.9839 2.5982 43.9841
2 30 db
daubechies
lena.jpg
3.3022 42.9428
3.3022 42.9428 3.3019 42.9432 3.3021 42.943 3.3018 42.9433
Box.jpg
1.6245 46.0235 1.6245 46.0237 1.6243 46.0241 1.6244 46.0239 1.6242 46.0244
80
Universitas Indonesia
Brazil.jpg
4.4464 41.6507 4.446 41.6511
4.4453 41.6518 4.4456 41.6515 4.4466 41.6505
pepper.jpg
2.684 43.8431 2.6842 43.8426 2.684 43.8429
2.6845 43.8422 2.6839 43.8431
3 30 db
symlet
Lena.jpg
3.4173 42.7939
3.4176 42.7935 3.4174 42.7938 3.4169 42.7944 3.4172 42.7941
Box.jpg
1.6709 459,012 1.6711 45.9008 1.6715 45.8998 1.671 45.9009
1.6708 45.9014
Brazil.jpg
4.5563 41.5447 4.5558 41.5452 4.5565 41.5445 4.5551 41.5458 4.5555 41.5454
pepper.jpg
2.7975 43.6631 2.7973 43.6634 2.7975 43.6631 2.7975 43.6631 2.7975 43.6631
4 30 db
haar lena.jpg
3.6471 42.5113
3.6467 42.5118 3.6467 42.5118 3.647 42.5114
81
Universitas Indonesia
3.6468 42.5116
Box.jpg
1.8006 45.5765 1.8011 45.5755 1.8009 45.5759 1.8009 45.5758 1.8008 45.5761
Brazil.jpg
4.8334 41.2883 4.8328 41.2888 4.8331 41.2886 4.8328 41.2888 4.8328 41.2888
pepper.jpg
3.0023 43.3563 3.0027 43.3556 3.0023 43.3562 3.0027 43.3557 3.0027 43.3557
82
Universitas Indonesia
Lampiran 12 Hasil perhitungan nilai MSE dan PSNR dengan awgn 40 untuk citra RGB
N0. AWGN (db) Metode Gambar MSE PSNR 1 40 db
diskrit meyer
lena.jpg
3.2586 43.0005
3.2586 43.0005 3.2585 43.0006 3.2585 43.0007 3.2585 43.0006
Box.jpg
1.5869 4601252 1.5869 4601253 1.587 46.125 1.587 46.1251 1.587 46.1251
Brazil.jpg
4.4388 41.6581 4.4381 41.6588 4.4384 41.6585 4.4385 41.6585 4.4382 41.6587
pepper.jpg
2.5972 43.9858 2.5973 43.9855 2.5974 43.9854 2.5973 43.9854 2.5973 43.9855
2 40 db
daubechies
lena.jpg
3.3012 42.9441
3.3013 42.9439 3.3012 42.944 3.3012 42.944 3.3013 42.944
Box.jpg
1.6237 46.0258 1.6235 46.0262 1.6235 46.0262 1.6236 46.0261 1.6236 46.0261
83
Universitas Indonesia
brazil.jpg
4.4453 41.6518 4.4456 41.6515 4.4453 41.6518 4.4456 41.6515 4.4455 41.6516
pepper.jpg
2.6833 43.844 2.6833 43.8441 2.6833 43.8441 2.6834 43.844 2.6833 43.8441
3 40 db
symlet
lena.jpg
3.4165 42.795
3.4164 42.7951 3.4165 42.795 3.4165 42.795 3.4165 42.795
Box.jpg
1.6701 45.9034 1.67 45.9036 1.67 45.9035 1.67 45.9035
1.6701 45.9035
Brazil.jpg
4.5548 41.5461 4.5551 41.5458 4.5552 41.5457 4.555 41.5459 4.555 41.5459
pepper.jpg
2.7966 43.6645 2.7966 43.6644 2.7966 43.6646 2.7966 43.6645 2.7967 43.664
4 40 db
haar lena.jpg
3.646 42.5217
3.646 42.5217 3.6461 42.5126 3.6461 42.5126
84
Universitas Indonesia
3.6459 42.5127
Box.jpg
1.8 45.5781 1.8 45.578
1.8001 45.5779 1.7999 45.5782 1.8001 45.5779
Brazil.jpg
4.8322 41.2894 4.8322 41.2893 4.8322 41.2893 4.8322 41.2894 4.8322 41.2893
pepper.jpg
3.0016 43.3573 3.0017 43.3572 3.0017 43.3572 3.0017 43.3572 3.0017 43.3571