analisa dan implementasi watermarking …repository.amikom.ac.id/files/publikasi_11.21.0570.pdf ·...
Post on 02-May-2018
230 Views
Preview:
TRANSCRIPT
ANALISA DAN IMPLEMENTASI WATERMARKING UNTUK OTENTIKASI KEASLIAN CITRA PEMINDAIAN IJAZAH
DAN TRANSKRIP NILAI MENGGUNAKAN METODE DISCRETE WAVELETE TRANSFORM (DWT)
NASKAH PUBLIKASI
diajukan oleh
Anna Baita
11.21.0570
kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
AMIKOM YOGYAKARTA YOGYAKARTA
2013
ANALYSIS AND IMPLEMENTATION WATERMARKING FOR AUTHENTICATION OF CERTIFICATE AND TRANSCRIPT IMAGE SCANNING USING
DISCRETE WAVELETE TRANSFORM (DWT) METHOD
ANALISA DAN IMPLEMENTASI WATERMARKING UNTUK OTENTIKASI KEASLIAN CITRA PEMINDAIAN IJAZAH DAN TRANSKRIP NILAI DENGAN MENGGUNAKAN
METODE DISCRETE WAVELETE TRANSFORM (DWT)
Anna Baita Hanif Al Fatta
Jurusan Teknik Informatika STMIK AMIKOM YOGYAKARTA
ABSTRACT
Watermarking has been widely used to protect digital data, such as for copyright protection, broadcast monitoring, tamper detection, or authentication. In this paper, a watermarking system discussed is intended for digital image authentication process.
In this case, embedding Watermark using Discrete Wavelete Transform (DWT) combined with Cossine Discrete Transform (DCT). Watermarked image quality testing is done by calculating the PSNR. Robustness of watermarks were analyzed by calculating the Normalized Cross Correlation.
The quality of watermark image obtained from this study has a good level in invisibility, readability, but has a low robustness. Embedding watermark using this technique can be used to authenticate digital image well.
Keywords: watermarking, image, authentication, DWT
1
1. Pendahuluan
Perkembangan teknologi digital dan internet yang begitu pesat di beberapa
tahun terakhir ini, turut meningkatkan jumlah ketersediaan konten yang berbasis digital
multimedia. Salah satu keuntungan dari data digital adalah kemudahan dalam
memproduksi ulang (menggandakan) konten digital dengan kualitas data yang serupa
dengan aslinya. Akan tetapi, kemudahan tersebut juga membawa dampak negatif, yakni
mudahnya memodifikasi konten digital. Sehingga terkadang sulit untuk mengenali
konten asli dengan konten yang sudah dimodifikasi1. Hal ini mendorong adanya
kebutuhan terhadap otentikasi terhadap data digital.
Dalam era digital, penggunaan watermarking (tanda air) dapat menjadi jawaban
atas kebutuhan otentikasi data digital. Watermarking merupakan teknik menyisipkan
informasi ke dalam data multimedia. Informasi tersebut dapat berupa data, citra, audio
maupun video yang menggambarkan kepemilikan suatu pihak. Teknik yang digunakan
dalam watermarking, antara lain teknik spasial domain dan teknik frekuensi domain.
Dibandingkan dengan metode spasial domain, metode frekuensi domain lebih
banyak digunakan. Tujuannya adalah untuk memasukkan watermark ke dalam koefisien
spektral pada sebuah gambar. Transformasi yang digunakan dalam metode frekuensi
domain antara lain: Discrete Cosine Transform (DCT), Discrete Fourier Transform (DFT),
Discrete Wavelete Transform (DWT), Discrete Laguerre Transform (DLT) dan Discrete
Hadamard Transform (DHT).
Penggunaan metode frekuensi domain memanfaatkan karakterisik dari sistem
penglihatan manusia, yang ditangkap dengan baik oleh koefisien spektral. Sebagai
contoh, sistem penglihatan manusia lebih sensitif terhadap koefisien yang memiliki
frekuensi rendah dan kurang sensitif terhadap koefisien berfrekuensi tinggi. Dengan kata
lain, pada koefisien yang berfrekuensi rendah, perubahan komponen gambar dapat
menyebabkan gangguan pada gambar asli. Perubahan ini dapat ditangkap dengan jelas
oleh penglihatan manusia. Dengan demikian koefisien berfrekuensi tinggi dianggap tidak
signifikan, sehingga teknik pemrosesan citra seperti kompresi citra cenderung untuk
menghilangkan koefisiensi berfrekuensi tinggi.
Ijazah dan transkrip nilai merupakan salah dokumen penting yang perlu dijaga
agar terhindar dari segala bentuk pemalsuan. Untuk itu penulis ingin mengangkat tema
“Analisa dan Implementasi Watermarking untuk Otentikasi Keaslian Citra Pemindaian
Ijazah dan Transkrip Nilai Menggunakan Metode Discrete Wavelete Transform (DWT)”
dalam skripsi ini.
1 Paquet , Alexandre H et.al. 2003 “Wavelet packets-based Digital Watermarking for Image Verification and Authentication”
2
2. Landasan Teori
2. 1 Tinjauan Pustaka
Rahim Rasyid(2011)2 mengusulkan pemberian watermarking sebagai proteksi
hak cipta pada ijazah digital. Penelitian yang dilakukan menggunakan dua watermark
yang disisipkan dalam citra host. Watermark yang pertama berupa visible watermark dan
watermark yang kedua berupa invisible watermark. Proses penyisipan watermark
menggunakan metode Discrete Cosine Transform. Dari percobaan yang dilakukan
mampu menghasilkan watermark yang tahan terhadap noise salt&pepper, gaussian, dan
speckle, namun tidak tahan terhadap serangan cropping dan rescaling.
Mulaab(2004)3 melakukan penelitian teknik watermarking dengan menggunakan
domain wavelet untuk melakukan proteksi kepemilikan dari citra medis. Hasil dari teknik
watermarking dengan menggunakan domain wavelet baik terhadap kualitas citra medis.
2. 2 Watermarking
Watermarking merupakan suatu bentuk dari steganography (ilmu yang
mempelajari bagaimana menyembunyikan sesuatu data pada data yang lain). Digital
watermarking adalah penyisipan sinyal digital ke dalam suatu media, yang dalam
penelitian ini media atau host yang dimaksud adalah citra digital. Digital watermarking ini
berangkat dari proses-proses pengolahan sinyal digital, dimana sinyal digital dapat
berupa gambar, audio, video, dan teks.
Digital watermarking ini diimplementasikan dengan memanfaatkan kekurangan
dari indera manusia (indera penglihatan dan pendengaran) dimana indera manusia ini
kurang sensitif terhadap perubahan yang terjadi, misalnya perubahan yang terjadi pada
level bit (sampai batas tertentu) ataupun perubahan pada level frekuensi di luar frekuensi
yang bisa diterima manusia.
2.2.1 Karakteristik watermarking
Sebuah watermark yang baik idealnya akan memiliki karakteristik sebagai berikut4:
a. Invisibility : watermark yang disisipkan tidak terlihat
b. Robustness : watermark tahan terhadap serangan pembajakan maupun
pengolahan citra
c. Readibility : sebuah watermark seharusnya mengandung sebuah informasi,
sehingga ketika diekstrak akan dapat digunakan untuk melakukan identifikasi
kepemilikan dan hak cipta tanpa adanya ambiguitas.
2 Rasyid, Rahim. 2011”Sistem Pemberian Proteksi Hak Cipta Pada Berkas Ijazah Digital(Subsistem
Watermarking Pada Ijazah Digital)” 3 Mulaab. 2004 “Teknik Watermarking Dalam Domain Wavelet Untuk Proteksi Kepemilikan Pada Data Citra Medis ” 4 S Rawat, Keshav et.al. 2010 ”Digital watermarking Schemes For Authorization Againts Copying Or Piracy Of Color Images”, Indian Journal Of Computer Science and Engineering Vol.1 No. 4 259-300
3
d. Security : sebuah watermark seharusnya bersifat rahasia, tidak dapat di akses
oleh orang yang tidak berhak.
2.2.2 Transformasi Wavelet Diskrit
Wavelete diartikan sebagai small wave atau gelombang singkat. Transformasi
Wavelete akan mengkonversi sinyal ke dalam sederetan wavelete. Gelombang singkat
tersebut merupakan fungsi basis yang terletak pada waktu yang berbeda.
Transformasi Wavelete 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. 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.
2.2.3 Transformasi Wavelete 2D
Transformasi Wavelete pada citra 2D pada prinsipnya sama dengan transformasi
pada citra 1. Pada citra 2D proses transformasi dilakukan pada baris lebih dahulu,
kemudian dilanjutkan dengan transformasi pada kolom. Seperti yang ditunjukkan pada
Gambar 2.1 berikut ini:
Gambar 2.1 Transformasi Wavelet 2D 1 level
Pada gambar 2.1 tersebut, 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 melalui proses tapis Low pass kemudian dilanjutkan dengan High Pass.
Koefisien pada bagian ini menunjukkan citra tepi dalam arah horisontal. Bagian HL
menyatakan bagian yang diperoleh melalui proses High pass kemudian dilanjutkan
dengan Low pass. Koefisien pada bagian ini menunjukkan citra tepi dalam arah vertikal.
4
HH menyatakan proses yang diawali dengan High pass dan dilanjutkan dengan High
pass, dan menunjukkan citra tepi dalam arah diagonal. Ketiga komponen LH, HL, dan HH
disebut juga komponen detil.
Hasil transformasi Wavelet 2D 1 level, sering dibuat dalam bentuk skema
sebagai berikut:
Gambar 2.2 Skema Transformasi Wavelet 2D 1 level
CA,CV, CH dan CD berturut-turut menyatakan komponen aproksimasi, vertikal, horizontal
dan diagonal. Contoh dekomposisi wavelet dua dimensi ditujukkan oleh gambar berikut
ini:
Gambar 2.3 Dekomposisi Wavelet 2D
2.2.4 Discrete Cosine Transform (DCT)
Discrete Cosine Transform merupakan merupakan sebuah fungsi dua arah yang
memetakan himpunan N buah bilangan real menjadi himpunan N buah bilangan real
pula. Secara umum, DCT satu dimensi menyatakan sebuah sinyal diskrit satu dimensi
sebagai kombinasi linier dari beberapa fungsi basis berupa gelombang kosinus diskrit
dengan amplitudo tertentu. Masing-masing fungsi basis memiliki frekuensi yang berbeda-
beda, karena itu transformasi DCT termasuk dalam transformasi domain frekuensi.
Amplitudo fungsi basis dinyatakan sebagai koefisien dalam himpunan hasil
transformasi DCT. DCT satu dimensi didefinisikan pada persamaan berikut:
�(�) = α(u)� �(�) cos �π(����)�
���
� ��
��� ............................................(2.1)
Untuk 0 ≤ u ≤ N – 1
5
�(�)menyatakan koefisien ke-� dari himpunan hasil transformasi DCT. �(�)menyatakan
anggota ke- � dari himpunan asal. N menyatakan banyaknya suku himpunan asal dan
himpunan hasil transformasi. α(u) dinyatakan oleh persamaan berikut ini:
α(u)=��
� untuk u=0.....................................................................(2.2)
α(u)=��
� untuk 1 ≤ u ≤ N – 1.......................................................(2.3)
Transformasi balik yang memetakan himpunan hasil transformasi DCT ke himpunan
bilangan semula disebut juga inverse DCT(IDCT). IDCT didefinisikan oleh persamaan
dibawah ini:
�(�) =� α(u)�(�) cos �π(����)�
���
� ��
��� ...........................................(2.4)
Untuk 0 ≤ u ≤ N – 1
DCT dua dimensi dapat dipandang sebagai komposisi dari DCT pada masing-
masing dimensi. Sebagai contoh, jika himpunan bilangan real disajikan dalam array dua
dimensi terhadap masing-masing baris dan kemudian melakukan DCT satu dimensi
terhadap masing-masing kolom dari hasil DCT tersebut. DCT dua dimensi dapat
dinyatakan oleh persamaan berikut ini:
C(u,v)=�(�)�(�) ∑ ∑ �(�,�)�����(����)�
���cos �
�(����)�
���� ��
��������� ...........(2.5)
Sedangkan transformasi baliknya dapat dinyatakan sebagai persamaan berikut ini:
�(�,�)=�(�)�(�) ∑ ∑ �(�,�)�����(����)�
���cos �
�(����)�
���� ��
��������� ...........(2.6)
2.3 Metode Perhitungan Kualitas Citra
Metode yang digunakan pada digital watermarking memiliki kelebihan dan
kekurangan dalam hal kualitas gambar yang dihasilkan. Adapun cara yang digunakan
untuk menghitung citra adalah dengan menghitung Peak Signal-to- Noise Ratio(PNSR).
PNSR ini merupakan perbandingan antara kualitas citra hasil rekonstruksi dengan citra
asal. Semakin besar nilai PNSR, maka semakin baik pula kualitas sinyal yang dihasilkan.
Sebelum menghitung PNSR, kita harus menghitung Mean Squared Error (MSE)
dari citra hasil rekonstruksi terlebih dahulu. Adapun persamaan yang digunakan dalam
menghitung MSE adalah sebagai berikut:
MSE = ∑[�(�,�)�� ′(�,�)]�
� � ...............................................................(2.7)
Dimana :
N=perkalian panjang dan lebar citra dalam piksel
f(i,j) =citra asal/citra asli
f’(i,j)=citra hasil rekonstruksi / citra berwatermark
6
Setelah mendapatkan nilai MSE, maka nilai MSE dimasukkan ke dalam persamaan
berikut ini, untuk memperoleh nilai PNSR.
PNSR = 10 log 10 [����
���]...........................................................(2.8)
Nilai PNSR dinyatakan dalam skala decibel (dB).
2.3.1 Penghitungan Robustness Citra
Pengukuran robustness dari watermark dilakukan dengan menggunakan
Normalized Cross Correlation(NC). NC dihitung dengan persamaan sebagai berikut:
NC=∑ ∑ �(��)�′(��)��
∑ ∑ ��(��)��
��
..........................................................(2.9)
Nilai NC berkisar antara 0 dan 1. Semakin tinggi nilai NC, semakin mirip kedua
citra, berarti semakin efektif pula algoritma watermarkingnya.
3. Analisis
Analisis yang dibahas meliputi algoritma penanaman/penyisipan watermark,
algoritma ekstraksi watermark, serta algoritma otentikasi citra.
3.1 Algoritma Penyisipan Watermark
Gambar 3.1 Proses Penyisipan Watermark
Algoritma penyisipan citra watermark adalah sebagai berikut:
a. Pemilihan Citra Asli
Citra asli dalam penelitian ini menggunakan citra hasil scanning ijazah
dan transkrip nilai. Jenis citra yang dapat digunakan adalah citra RGB dengan
format file citra JPEG atau BMP.
b. Pemilihan Citra Watermark
Citra watermark dalam penelitian ini menggunakan citra logo institusi
pendidikan yang berformat JPEG maupun BMP dengan ukuran 300 x 300 pixel.
c. Host Image preprocessing
Sebelum melakukan proses penanaman watermark, perlu dilakukan
image preprocessing pada citra host. Image preprocessing ini berupa proses
pengubahan ukuran image menjadi 768 x 1024 pixel, serta pengubahan format
citra inputan menjadi citra grayscale.
7
d. Proses dekomposisi citra asli/host menggunakan DWT
Proses dekomposisi ini dilakukan dengan DWT level 1 keluarga
daubechies. Hasil dari dekomposisi level 1 ini akan menghasilkan koefisien
aproksimasi maupun koefisien detil seperti gambar berikut ini.
Gambar 3.2 Koefisien Aproksimasi dan Koefisien Detil
Script program untuk melakukan dekomposisi DWT dalam matlab adalah
sebagai berikut:
[cA1,cH1,cV1,cD1] = dwt2(host,'db1');
e. Proses dekomposisi citra asli/host menggunakan DCT
Proses berikutnya adalah melakukan dekomposisi menggunakan
transformasi DCT pada koefisien aproksimasi yang diperoleh dari proses
dekomposisi sebelumnya. Script program dalam matlab untuk melakukan
dekomposisi DCT adalah sebagai berikut:
cA1_dct=dct2(cA1);
f. Dekomposisi Citra Watermark menggunakan DWT
Sama halnya dengan citra host, citra watermark ini didekomposisi
menggunakan DWT level 1 keluarga daubichies. Koefisien yang akan
ditanamkan pada citra host adalah koefisien aproksimasi. Script program untuk
melakukan dekomposisi DWT dalam matlab adalah sebagai berikut:
[cA2,cH2,cV2,cD2] = dwt2(watermark,'db1');
g. Proses dekomposisi citra watermark menggunakan DCT
Koefisien aproksimasi hasil dekomposisi DWT dari citra watermark
didekomposisi menggunakan DCT dengan script sebagai berikut:
cA2_dct=dct2(cA2);
h. Penyisipan citra watermark ke dalam citra asli (mixing citra)
Setelah mendapat citra hasil dekomposisi DCT dari citra host dan citra
watermark, maka langkah selanjutnya adalah menjumlahkan citra hasil DCT dari
citra host dengan citra hasil DCT dari watermark yang telah dikalikan dengan
konstanta tertentu. Secara matematis dapat dituliskan sebagai berikut:
c(i,j) = cA1_dct(i,j) + �* cA2_dct(i,j)
dimana:
cA1 cV1
cH1 cD1
8
c(i,j) = DCT citra berwatermark
cA1_dct(i,j) = DCT citra Asli/host
� = konstanta
cA2_dct(i,j) = DCT citra watermark
i. Melakukan IDCT (invers DCT)
Citra hasil proses mixing, dikembalikan menggunakan invers DCT,
dengan script sebagai berikut ini:
B = idct2(C);
j. Melakukan IDWT (invers DWT)
Citra yang diperoleh dari langkah ke-i kemudian ditransformasi balik
dengan IDWT, dengan script sebagai berikut:
citra=idwt2(B,cH1,cV1,cD1,'db1');
k. Menampilkan citra berwatermark
l. Langkah terakhir adalah menampilkan kembali citra berwatermark ke dalam
figure matlab.
3.2 Algoritma Pengeluaran/Ekstraksi Watermark
Secara umum teknik watermarking dapat dibedakan menjadi dua, yaitu
non blind watermarking dan blind watermarking. Non blind watermarking
merupakan teknik watermarking yang memerlukan citra asli dan citra
berwatermark untuk mengekstrak watermark. Sedangkan blind watermarking
merupakan teknik watermarking yang tidak memerlukan citra asli untuk
melakukan ekstraksi. Dalam penelitian ini menggunakan teknik non blind
watermarking.
Skema proses ekstraksi citra watermark dapat digambarkan sebagai berikut ini:
Gambar 3.3 Proses Ekstraksi Watermark
Secara umum proses ekstraksi merupakan proses kebalikan dari proses
penyisipan watermark. Adapun algoritma ekstraksi citra watermark adalah
sebagai berikut:
a. Pembacaan citra berwatermark
9
citra berwatermark, merupakan citra asli yang telah disisipi watermark.
b. Pembacaan citra asli
citra asli yang dimaksud dalam proses ekstraksi ini adalah citra hasil
preprocessing, bukan citra mentah hasil pemindaian(scanning)
c. Dekomposisi citra berwatermark dengan menggunakan DWT
d. Dekomposisi citra berwatermark dengan menggunakan DCT
e. Dekomposisi citra asli dengan menggunakan DWT
f. Dekomposisi citra asli menggunakan DCT
g. Pencarian komponen citra watermark
Komponen citra watermark secara matematis diperoleh dengan cara
berikut ini:
c4(i,j) = cA3_dct(i,j) - cA1_dct(i,j)/ �
dimana:
c4(i,j) = komponen citra watermark
cA3_dct(i,j) = komponen citra berwatermark
� = konstanta
cA1_dct(i,j) = komponen citra asli
h. Rekonstruksi citra watermark
Setelah mendapat koefisien aproksimasi citra watermark, maka langkah
selanjutnya adalah mentransformasi balik komponen citra watermark
menggunakan IDCT kemudian dilanjutkan dengan IDWT. Kemudian melakukan
penyesuaian ukuran citra watermark.
3.3 Algoritma Otentikasi Citra
Proses otentikasi citra dilakukan dengan membandingkan citra watermark hasil
ekstraksi dengan citra watermark asli. Untuk dapat melakukan proses autentikasi,
diperlukan tiga buah citra inputan, yakni: citra host, citra watermark asli, dan citra yang
akan divalidasi.
Citra watermark hasil ekstraksi dibandingkan dengan citra watermark asli
menggunakan Normalized Cross Correlation (NC). Adapun flow chart dari proses
autentikasi adalah sebagai berikut:
10
Gambar 3.4 Diagram Otentikasi
4. Hasil Penelitian Dan Pembahasan
4.1 Penyisipan Watermark
Adapun contoh hasil dari proses penyisipan watermark adalah sebagai berikut:
(a) (b)
Gambar 4.1 (a) Citra Host (b) Citra Berwatermark
Dari 12 sampel citra host yang diujikan diperoleh hasil sebagai berikut ini:
Tabel 4.1 Tabel MSE dan PSNR Penyisipan Watermark
No Citra MSE PSNR(dB) 1 Ijazah Arif.jpg 3.63956 42.5203 2 Transkrip Arif.jpg 3.63956 42.5203 3 Ijazah Anna.jpg 3.63956 42.5203 4 Transkrip Anna.jpg 3.63956 42.5203 5 Ijazah Bismo.jpg 3.63956 42.5203 6 Trasnskrip Bismo.Jpg 3.63956 42.5203 7 Ijazah Dyah.jpg 3.63956 42.5203 8 Transkrip Dyah.jpg 3.63956 42.5203 9 Ijazah Toni.jpg 3.63956 42.5203
11
10 Transkrip Toni.jpg 3.63956 42.5203 11 Ijazah Rainy.jpg 3.63956 42.5203 12 Transkrip Rainy.jpg 3.63956 42.5203
Dari tabel 4.1 dapat kita ketahui bahwa Nilai MSE dan PSNR adalah sama yakni
3.63956 untuk MSE dan 42.5203. PSNR menunjukkan nilai maksimum dari sinyal yang
diukur dengan besarnya derau yang berpengaruh pada sinyal tersebut5. Nilai PSNR
dalam hal ini merupakan tolak ukur kualitas citra watermarking. Citra dengan nilai PSNR
> 35 dB dapat dikatakan memiliki kualitas yang baik6. Semakin besar nilai PSNR, maka
kualitas citra yang disisipi watermark semakin mirip dengan citra asli. Dari hasil uji coba
tersebut dapat ditarik kesimpulan, bahwa citra yang disisipi watermark memiliki kualitas
yang baik. Adapun nilai MSE digunakan untuk menghitung nilai PSNR. Dua citra yang
identik akan memiliki nilai MSE 0, dan PSNRnya tidak dapat didefinisikan.
4.2 Ekstraksi Watermark
Adapun contoh citra watermark hasil ekstraksi dalam uji coba ditunjukkan oleh
gambar adalah berikut:
Gambar 4.2 Citra Hasil Ekstraksi Watermark
Penelitian ini menggunakan teknik non blind watermarking, sehingga untuk
melakukan ekstraksi citra watermark harus menggunakan citra host. Adapun hasil
ekstraksi dari 12 sampel citra yang diujikan adalah sebagai berikut:
Tabel 4.2 Tabel Nilai NC Ekstraksi Citra
No Citra NC 1 Ijazah Arif.jpg 0.93728 2 Transkrip Arif.jpg 0.9371 3 Ijazah Anna.jpg 0.935591 4 Transkrip Anna.jpg 0.920174 5 Ijazah Bismo.jpg 0.938102 6 Trasnskrip Bismo.Jpg 0.92143 7 Ijazah Dyah.jpg 0.778153 8 Transkrip Dyah.jpg 0.640475
5 M. Rafigh et.al. 2010 “A Robust Evolutionary Based Digital Image Watermarking Technique in DCT Domain,” 2010 Seventh International Conference on Computer Graphics, Imaging and Visualization, pp. 105-109 6 W. Na et.al. 2009 “A Novel Robust Watermarking Algorithm based on DWT and DCT,” 2009 International
Conference on Computational Intelligence and Security
12
9 Ijazah Toni.jpg 0.930077 10 Transkrip Toni.jpg 0.405155 11 Ijazah Rainy.jpg 0.926634 12 Ijazah Rainy.jpg 0.879106
Untuk menghitung tingkat kemiripan citra watermark hasil ekstraksi dengan citra
watermark asli menggunakan Normalized Cross Correlation (NC). Nilainya berkisar
antara 0 dan 1. Semakin tinggi nilai NC berarti semakin mirip kedua citra tersebut. Nilai
NC yang tinggi berarti menunjukkan tingkat robustness watermark juga tinggi. Dalam
penilitan ini menggunakan toleransi error sebesar 20%. Artinya Citra dikatakan autentik
jika 0.8<NC≤ 1.
4.3 Autentikasi Citra
Untuk dapat melakukan autentikasi citra, aplikasi ini memerlukan tiga buah citra
inputan, yakni citra yang akan diverifikasi, citra host dan citra watermark asli. Citra host
digunakan untuk melakukan melakukan ekstraksi watermark. Citra watermark asli
digunakan sebagai acuan atau pembanding terhadap citra watermark hasil ekstraksi.
Outputnya akan memberi penilaian apakah citra tersebut autentik atau tidak autentik.
Citra dikatakan autentik berarti citra tersebut disispi watermark, dan watermark
tersebut memiliki kemiripan dengan citra watermark asli. Citra dikatakan tidak autentik
bila citra tersebut tidak mengandung watermark yang sesuai atau citra tersebut sudah
mengalami modifikasi.
Dari 12 sampel citra yang sudah diberi watermark, dicoba untuk diautentikasi.
Hasil pengujiannya adalah sebagai berikut:
Tabel 4.3 Autentikasi Citra Berwatermark
No Citra Autentik 1 Ijazah Arif.jpg Ya 2 Transkrip Arif.jpg Ya 3 Ijazah Anna.jpg Ya 4 Transkrip Anna.jpg Ya 5 Ijazah Bismo.jpg Ya 6 Trasnskrip Bismo.Jpg Ya 7 Ijazah Dyah.jpg Tidak 8 Transkrip Dyah.jpg Tidak 9 Ijazah Toni.jpg Ya 10 Transkrip Toni.jpg Tidak 11 Ijazah Rainy.jpg Ya 12 Transkrip Rainy.jpg Ya
Dari hasil tersebut dapat kita ketahui bahwa aplikasi ini mampu melakukan
autentikasi citra yang berwatermark, dengan tingkat akurasi 75%. Dalam penelitian ini
tidak mampu memberikan hasil 100% terhadap data yang di ujikan antara lain karena
13
citra yang digunakan adalah citra scanning, sehingga kualitas citra sangat dipengaruhi
oleh proses scanning.
Untuk mengetahui besarnya pengaruh resolusi yang digunakan saat proses
scanning maka dilakukan uji coba terhadap citra ijazah Anna.jpg dengan variansi nilai
resolusi yang berbeda. Adapun hasilnya adalah sebagai berikut:
Tabel 4.4 MSE dan PSNR Berdasar Resolusi Citra
Resolusi Citra MSE PSNR
75 dpi 3.63956 42.5203
100 dpi 3.63956 42.5203
150 dpi 3.63956 42.5203
200 dpi 3.63956 42.5203
300 dpi 3.63956 42.5203
400 dpi 3.63956 42.5203
600 dpi 3.63956 42.5203
Hasil ekstraksi dari tiap-tiap citra dengan resolusi yang berbeda diperlihatkan
oleh tabel 4.5 berikut.
Tabel 4.5 hasil Ekstraksi Citra Berdasarkan Tingkat Resolusi Citra
HASIL EKSTRAKSI BERDASARKAN TINGKAT RESOLUSI
75 dpi
NC=0.906733
100 dpi
NC=0.921376
150 dpi
NC=0.92749
200 dpi
NC=0.932447
300 dpi
NC=0.933368
400 dpi
NC=0.935961
600 dpi
NC=0.933427
Dari hasil di atas terlihat adanya hubungan tingkat resolusi dengan kualitas hasil
ekstraksi citra. Semakin tinggi resolusi sebuah citra maka semakin bagus pula kualitas
citra yang dihasilkan.
Untuk dapat menguji kemampuan aplikasi dalam mengenali citra yang tidak
diberi watermark, dilakukan pengujian terhadap 12 citra yang tidak berwatermark untuk
diautentikasi. Hasilnya adalah sebagai berikut:
Tabel 4.6 Autentikasi Citra Tak Berwatermark
No Citra Autentik 1 Ijazah Arif.jpg Tidak 2 Transkrip Arif.jpg Tidak 3 Ijazah Anna.jpg Tidak 4 Transkrip Anna.jpg Tidak 5 Ijazah Bismo.jpg Tidak 6 Trasnskrip Bismo.jpg Tidak 7 Ijazah Dyah.jpg Tidak 8 Transkrip Dyah.jpg Tidak
14
9 Ijazah Toni.jpg Tidak 10 Transkrip Toni.jpg Tidak 11 Ijazah Rainy.jpg Tidak 12 Transkrip Rainy.jpg Tidak
Dari hasil tersebut dapat dilihat bahwa aplikasi watermarking tersebut mampu
melakukan autentikasi citra tak berwatermark dengan tingkat akurasi 100%.
Selanjutnya untuk menguji kemampuan skema watermarking dalam melakukan
autentikasi terhadap citra modifikasi. Adapun bentuk modifikasi citra yang digunakan
antara lain: pemberian noise yang berupa Salt&Pepper, Gaussian, Speckle, serta operasi
geometri yang berupa rotation dan cropping.
Modifikasi citra berwatermark yang telah diberi noise (salt&pepper, gaussian,
speckle, rotation, dan cropping) ditunjukkan oleh Tabel 4.7.
Tabel 4.7 Modifikasi Citra Berwatermark
Modifikasi Citra Berwatermark Salt&Pepper Gaussian Speckle Rotation Cropping
Hasil ekstraksi watermark dari citra Ijazah Rainy.jpg setelah dimodifikasi
ditunjukkan oleh tabel 4.8.
Tabel 4.8 Autentikasi Citra Hasil Modifikasi
Autentikasi Citra Hasil Modifikasi Noise:Salt&Pepper
NC: 0.167162 PSNR : 23.9998 Hasil: Tidak Otentik
Gaussian
NC: 0.104423 PSNR: 21.3272 Hasil: Tidak Otentik
Speckle
NC: 0.112113 PSNR: 22.0939 Hasil:Tidak Otentik
Rotation
NC: 0.020877 PSNR: 13.8928 Hasil: Tidak Otentik
Cropping
NC: 0.048832 PSNR: 13.1425 Hasil:Tidak Otentik
Dalam percobaan tersebut, pemberian noise (salt&pepper, gaussian dan
speckle) memakai nilai variance 0,01. Rotasi citra yang diterapkan adalah 90º. Dari tabel
di atas, dapat kita lihat bahwa citra yang telah dimodifikasi/diberi noise, memiliki nilai
PSNR yang sangat rendah. Rata-rata nilai PSNR < 35 dB, artinya kualitas citra
berwatermark yang telah di beri noise sangat rendah. Nilai NC dari citra ekstrak
watermark pun juga mengalami penurunan yang sangat signifikan. Nilai NC yang rendah
ini menjadikan citra inputan dianggap sebagai citra yang tidak autentik. Dalam proses
15
autentikasi berarti skema watermarking ini dapat melakukan indentifikasi sebuah
modifikasi citra dengan baik, meskipun kualitas watermarknya menjadi buruk.
Dari data tersebut, dapat ditarik kesimpulan bahwa skema watermaking ini
memiliki robustness yang rendah. Artinya watermark tidak tahan terhadap serangan, baik
itu berupa noise salt&pepper, gaussian, speckle maupun serangan yang berupa operasi
geometri (rotation & cropping).
Contoh hasil pengujian autentikasi citra yang menghasilkan output autentik,
dapat dilihat pada gambar 4.3 berikut ini:
Gambar 4.3 Citra Autentik
Contoh hasil pengujian autentikasi citra yang menghasilkan output tidak autentik,
dapat dilihat pada gambar 4.4 berikut ini:
Gambar 4.4 Citra Tidak Autentik
16
5. Kesimpulan
Dari beberapa percobaan yang diujikan dapat ditarik kesimpulan sebagai berikut:
a. Teknik watermarking menggunakan metode Descrete Wavelete Transform
pada citra pemindaian ijazah dan transkrip nilai dapat diimplementasikan
dengan menggunakan bahasa pemrograman MATLAB.
b. Aplikasi watermarking yang telah dibuat dapat melakukan otentikasi citra
dengan baik. Hanya saja prosesnya kurang logis, karena memerlukan citra
host dan citra watermark asli dalam proses autentikasi.
c. Aplikasi watermarking yang telah dibuat dapat menghasilkan watermark
dengan karakteristik sebagai berikut:
Memiliki tingkat invisibility yang bagus, artinya watermark yang disisipkan
tidak terlihat
Readibility, artinya watermark mengandung informasi yang dapat
diekstrak sehingga dapat digunakan untuk melakukan identifikasi.
Memiliki tingkat robustness yang rendah, artinya watermark tidak tahan
terhadap serangan image processing
d. Algoritma yang diterapkan dalam proses watermarking ini menghasilkan citra
watermark yang tidak tahan terhadap serangan, meskipun tetap dapat
digunakan untuk identifikasi terhadap keaslian suatu citra.
17
DAFTAR PUSTAKA
Al-Fatwa, Dean Fathoni. 2009. Watermarking Pada Citra Digital Menggunakan Discrete Wavelete Transform. Bandung :Institut Teknologi Bandung
Hsu, Chiou-Ting and ja-Ling Wu. 1999. Hidden Digital Watermarks in Images. IEEE
Transaction on Image Processing vol. 8, no 1, january Megi Afriyadi, dkk. 2011. Validasi Keaslian Ijazah Dan Transkrip Nilai Digital dengan
Watermarking Menggunakan Discrete Cosine Transform Di Politeknik Telkom
Mulaab. 2004. Teknik Watermarking Dalam Domain Wavelet Untuk Proteksi Kepemilikan Pada Data Citra Medis
Na, W and W. Yunjin. 2009 . A Novel Robust Watermarking Algorithm based on DWT
and DCT. International Conference on Computational Intelligence and Security
Navnidhi Chaturvedi. 2012. Various Digital Image Watermarking Techniques And Wavelet Transforms. International Journal of Emerging techology and advanced Engineering vol 2, Issue 5
Paquet, Alexandre H.et.al. 2003. Wavelet packets-based Digital Watermarking for Image
Verification and Authentication.Journal Signal Processing - Special section: Security of data hiding technologies archive, Vol. 83 Issue 10, Amsterdam, The Netherlands
Putra, Darma. 2010. Pengolahan Citra Digital. Yogyakarta:Andi Offset
Rafigh, M and M.E. Moghaddam. 2010. A Robust Evolutionary Based Digital Image Watermarking Technique in DCT Domain. Seventh International Conference on Computer Graphics, Imaging and Visualization, Aug.2010, pp. 105-109
Rasyid, Rahim. 2011. Sistem Pemberian Proteksi Hak Cipta Pada Berkas Ijazah
Digital(Subsistem Watermarking Pada Ijazah Digital)
Rawat, Keshav S and Dheerendra S Thomar. 2010. Digital Watermarking Scheme For Authorization Against Copying or Piracy of Colour Images. Indian Journal of Computer Science and Engineering Vol.1 No 4 295-300
Wijaya, Marin Ch & Agus Prijono. 2007. Pengolahan Citra Digital Menggunakan Matlab. Bandung: Informatika
top related