Implementasi dan Analisis Video Watermarking Menggunakan Discrete Cosine Transform dan Logika Fuzzy Berdasarkan Human Visual System

IMPLEMENTASI DAN ANALISIS VIDEO WATERMARKING
MENGGUNAKAN DISCRETE COSINE TRANSFORM DAN
LOGIKA FUZZY BERDASARKAN
HUMAN VISUAL SYSTEM

SYAHRANY KURNIAWATY

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012

IMPLEMENTASI DAN ANALISIS VIDEO WATERMARKING
MENGGUNAKAN DISCRETE COSINE TRANSFORM DAN
LOGIKA FUZZY BERDASARKAN
HUMAN VISUAL SYSTEM

SYAHRANY KURNIAWATY

Skripsi

sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012

ABSTRACT
SYAHRANY KURNIAWATY. Implementation and Analysis Video Watermarking Using Discrete
Cosine Transform and Fuzzy Logic Based on the Human Visual System. Supervised by ENDANG
PURNAMA GIRI and KARLINA KHIYARIN NISA.
Nowadays, usage of digital data format has become more popular, because digital data is easier to
distribute. Unfortunately, it makes easier to pirate it. Watermarking is a technique of information
hiding in a specific media. This research is to implement and analyze video watermarking using
Discrete Cosine Transform and fuzzy logic based on Human Visual System.
Discrete cosine transform is a compression technique used to transform digital image and digital
signal. Discrete cosine transform separates each data byte into two groups, namely high-frequency

(DC) coefficient and low frequency (AC) coefficients. DC coefficient is used to insert a watermark.
Fuzzy logic is an appropriate way to map an input space into an output space. Human Visual System
is a method of image compression techniques, which is based on human visual characteristics. Human
Visual System is used to calculate the sensitivity of the luminance and texture sensitivity. Fuzzy logic
is used to determine the amount of insertion on each DC coefficient.
The result of the experiment showed that the execution time for insertion is longer than the
execution time for extraction. Moreover, the watermarked video has a Mean Structural Similarity of
0.934. This is a relatively good result. The whole watermarked message is always successfully
extracted with 100% similarity. Also, the test result confirmed that the watermark video is
invulnerable to cutting and adding attack. It is proven by the undamaged watermark message.
Keywords: Discrete cosine transform, fuzzy logic , human visual system, mean structural similarity

Penguji

: 1. Hendra Rahmawan SKom MT
2. Dr Sugi Guritman

: Implementasi dan Analisis Video Watermarking Menggunakan Discrete
Cosine Transform dan Logika Fuzzy Berdasarkan Human Visual System
: Syahrany Kurniawaty

: G64096062

Judul Skripsi
Nama
NRP

Menyetujui:
Pembimbing I,

Pembimbing II,

Endang Purnama Giri SKom MKom
NIP. 19821010 200604 1 027

Karlina Khiyarin Nisa SKom MT

Mengetahui:
Ketua Departemen Ilmu Komputer

Dr Ir Agus Buono MSi MKom

NIP. 19660702 199302 1 001

Tanggal Lulus :

PRAKATA
Segala puji dan syukur penulis panjatkan ke hadirat Allah Subhanahu wa Ta’ala, karena berkat
rahmat dan karunia-Nya penulis dapat menyelesaikan tugas akhir yang berjudul Implementasi dan
Analisis Video Watermarking Menggunakan Discrete Cosine Transform dan Logika Fuzzy
Berdasarkan Human Visual System. Penyelesaian tugas akhir ini tidak lepas dari bantuan dan
dukungan berbagai pihak. Oleh karena itu, penulis ingin menyampaikan terima kasih kepada:
1 Ibunda Sutinah dan Ayahanda Syaiful Djohar atas cinta, do’a restu, dukungan serta
motivasi yang telah diberikan serta kepada kedua kakakku.
2 Bapak Endang Purnama Giri SKom MKom selaku dosen pembimbing I yang dengan sabar
memberikan arahan dan bimbingan kepada penulis dari awal hingga terselesainya tugas
akhir ini.
3 Ibu Karlina Khiyarin Nisa SKom MT selaku dosen pembimbing II yang telah memberikan
saran dan masukan untuk penulis.
4 Bapak Hendra Rahmawan SKom MT dan Bapak Dr Sugi Guritman selaku dosen penguji I
dan II .
5 Nina, Okta, Yuni, Nela, Lina, Teh Inthan, Desta, Pauzi, Hafiz serta semua rekan-rekan

seperjuangan Alih Jenis Ilmu Komputer Angkatan 4.
6 Seluruh dosen dan staf Departemen Ilmu Komputer, Institut Pertanian Bogor.
Juga kepada semua pihak yang telah membantu selama pengerjaan penyelesaian tugas akhir
ini yang tidak dapat disebutkan satu-persatu. Semoga tugas akhir ini dapat memberikan manfaat.

Bogor, Juli 2012

Syahrany Kurniawaty

RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 26 Februari 1988. Penulis merupakan anak bungsu dari
tiga bersaudara dari pasangan Bapak Syaiful Djohar dan Ibu Sutinah SPdSD. Penulis menyelesaikan
pendidikan sekolah dasar di SD Negeri Cimanggu Kecil Bogor. Pada tahun 2000, melanjutkan
pendidikan sekolah lanjutan tingkat pertama di SLTP Negeri 4 Bogor lalu melanjutkan sekolah
menengah atas di SMA Negeri 5 Bogor dan lulus pada tahun 2006. Pada tahun yang sama, penulis
diterima di Direktorat Program Diploma, Institut Pertanian Bogor melalui jalur Undangan Seleksi
Masuk IPB pada Program Keahlian Teknik Komputer.
Pada tahun 2009, penulis lulus dari Program Diploma IPB dan di tahun yang sama penulis
melanjutkan program studi Sarjana di Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu
Pengetahuan Alam, Institut Pertanian Bogor. Selama mengikuti perkuliahan, penulis pernah menjadi

asisten Mata Kuliah Aplikasi Komputer dan Dasar Pemrograman di Program Diploma IPB pada tahun
akademik 2009/2010 sampai dengan 2011/2012.

DAFTAR ISI
Halaman
DAFTAR TABEL ................................................................................................................................. vi
DAFTAR GAMBAR ............................................................................................................................. vi
DAFTAR LAMPIRAN .........................................................................................................................vii
PENDAHULUAN
Latar Belakang .................................................................................................................................. 1
Tujuan ............................................................................................................................................... 1
Ruang Lingkup .................................................................................................................................. 1
Manfaat ............................................................................................................................................. 1
TINJAUAN PUSTAKA
Digital Watermarking ........................................................................................................................ 1
Discrete Cosine Transform (DCT) .................................................................................................... 2
Least Significant Bit (LSB) ............................................................................................................... 3
Fuzzy Inference System (FIS) ............................................................................................................ 3
Human Visual System (HVS) ........................................................................................................... 5
File Audio Video Interleave (AVI) ................................................................................................... 5

Structural Similarity (SSIM) ............................................................................................................. 5
Mean Opinion Score (MOS) ............................................................................................................. 6
METODE PENELITIAN
Penyisipan Watermark ...................................................................................................................... 6
Pengambilan Watermark ................................................................................................................... 9
Analisis Hasil Implementasi............................................................................................................ 10
Analisis Kekuatan Video Watermark .............................................................................................. 10
Lingkungan Pengembangan ............................................................................................................ 10
HASIL DAN PEMBAHASAN
Penyisipan Watermark .................................................................................................................... 10
Pengambilan Watermark ................................................................................................................. 12
Analisis Waktu Eksekusi ................................................................................................................. 13
Analisis Kualitas Video Watermark ................................................................................................ 14
Analisis Kekuatan Watermark ........................................................................................................ 14
KESIMPULAN DAN SARAN
Kesimpulan ..................................................................................................................................... 16
Saran ............................................................................................................................................... 16
DAFTAR PUSTAKA ........................................................................................................................... 16
LAMPIRAN ......................................................................................................................................... 17

v

DAFTAR TABEL
Halaman
1 Bobot penilaian MOS ........................................................................................................................ 6
2 Himpunan fuzzy ................................................................................................................................. 7
3 Deskripsi cover video ...................................................................................................................... 10
4 Deskripsi watermark message ......................................................................................................... 10
5 Analisis Waktu Eksekusi ................................................................................................................. 13
6 ANOVA .......................................................................................................................................... 13
7 Kualitas secara objektif ................................................................................................................... 14
8 Kekuatan watermark terhadap serangan cutting ............................................................................. 14
9 Kekuatan watermark terhadap serangan odd video watermark ...................................................... 15
10 Kekuatan watermark terhadap serangan even video watermark ...................................................... 15
11 Kekuatan watermark terhadap serangan adding .............................................................................. 15
12 Kekuatan watermark terhadap serangan adding dan cutting ........................................................... 15

DAFTAR GAMBAR
Halaman
1 Proses penyisipan watermark secara umum. ..................................................................................... 2

2 Proses pengambilan watermark secara umum. ................................................................................. 2
3 Ilustrasi LSB. .................................................................................................................................... 3
4 Skema pengembangan sistem pakar berbasis fuzzy (Zimmermann 1991). ....................................... 4
5 Kurva segitiga. .................................................................................................................................. 4
6 Kurva linier turun. ............................................................................................................................. 4
7 Kurva linier naik. .............................................................................................................................. 4
8 Proses penyisipan watermark. ........................................................................................................... 6
9 Proses makroblok pada frame. .......................................................................................................... 7
10 Matriks kuantisasi (Wallace 1991). .................................................................................................. 7
11 Model fuzzy dari HVS. ....................................................................................................................... 7
12 Derajat keanggotaan input. ................................................................................................................ 8
13 Derajat keanggotaan output. .............................................................................................................. 8
14 Proses pengambilan watermark. ........................................................................................................ 9
15 Potongan piksel cover video. ........................................................................................................... 10
16 Potongan piksel makroblok (1,1) layer ke-1 dari frame pertama..................................................... 10
17 Potongan makroblok (1,1) dikurangi 128. ....................................................................................... 11
18 Potongan piksel implementasi DCT. ............................................................................................... 11
19 Potongan piksel hasil kuantisasi. ..................................................................................................... 11
20 Potongan nilai sensitivitas tekstur. ................................................................................................... 11
21 Potongan nilai sensitivitas pencahayaan. ......................................................................................... 11

22 Output fuzzy. .................................................................................................................................... 11
23 Output kelas fuzzy. ........................................................................................................................... 11
24 Proses penyisipan biner. .................................................................................................................. 11
25 Hasil invers kuantisasi makroblok. .................................................................................................. 12
26 Hasil IDCT2..................................................................................................................................... 12
27 Matriks hasil penyisipan. ................................................................................................................. 12
28 Potongan piksel watermark video. ................................................................................................... 12
29 Pengambilan watermark. ................................................................................................................. 13
30 Analisis waktu eksekusi. .................................................................................................................. 13
31 Grafik kualitas video secara subjektif. ............................................................................................. 14

vi

DAFTAR LAMPIRAN
Halaman
1
2
3
4

Antarmuka hasil penyisipan watermark ........................................................................................... 18
Antarmuka hasil pengambilan watermark ........................................................................................ 18
Hasil survei kuesioner ....................................................................................................................... 19
Antarmuka hasil serangan adding dan cutting .................................................................................. 20

vii

1

PENDAHULUAN
Latar Belakang
Dewasa ini, pemanfaatan data dalam format
digital semakin umum digunakan. Hal ini terjadi
karena data dalam representasi digital relatif
lebih mudah untuk didistribusikan. Sebagai
contoh, data video digital yang di-publish di
Youtube dapat dilihat serta diambil dari
manapun,
dan
juga
diduplikasi
atau
dimanipulasi secara bebas. Akan tetapi, aksi ini
terkadang dilakukan tanpa seizin pemiliknya,
bahkan tidak menutup kemungkinan file video
tersebut diakui sebagai milik dari pihak lain
yang tidak berhak.
Watermarking
merupakan
teknik
menyisipkan atau menyembunyikan informasi
tambahan terhadap suatu media. Pada digital
watermarking, informasi yang disisipkan berupa
sinyal digital dan media yang disisipi dapat
berupa ragam bentuk representasi (format)
digital. Informasi yang disisipkan disebut
sebagai watermark message, sedangkan media
yang disisipi disebut cover work. Dengan
menggunakan watermarking, pemilik asli file
video dapat menyisipkan suatu sinyal digital ke
dalam file video yang dimilikinya untuk
kemudian dapat mengambil kembali watermark
tersebut sebagai bentuk penyangkalan ketika
ada pihak yang tidak bertanggung jawab dan
berupaya mengakui kepemilikan video tersebut.
Watermarking
video
mempunyai
keuntungan dapat menyisipkan informasi dalam
ukuran besar karena pada dasarnya video
merupakan gabungan image. Penelitian yang
telah dilakukan sebelumnya oleh Sinambela et
al. (2006) menggunakan metode Discrete
Cosine Transform (DCT) bagi watermarking
video dengan format MPEG. Selanjutnya,
penelitian oleh Oueslati et al. (2010) dalam
jurnal yang berjudul “A fuzzy watermarking
approach based on the human visual system”
menyatakan bahwa DCT yang digabungkan
dengan Fuzzy Inference System (FIS)
berdasarkan Human Visual System (HVS) dapat
meningkatkan kekokohan watermark pada
gambar dalam hal kualitas dan kerahasiaan.
Berdasarkan hasil yang dicapai pada
beberapa penelitian tersebut, penulis mencoba
menerapkan DCT dan logika fuzzy video
watermarking berdasarkan HVS. Kombinasi ini
diharapkan menghasilkan metode watermarking
yang robust. Sebagai cover work data, dipilih
uncompressed video dengan format AVI.

Tujuan
Tujuan
dari
penelitian
ini
adalah
menerapkan teknik video watermarking
menggunakan Discrete Cosine Transform
(DCT) dan logika fuzzy berdasarkan Human
Visual
System
(HVS)
dalam
bentuk
pengimplementasian
dan
analisis
hasil
implementasi.
Ruang Lingkup
Ruang lingkup penelitian ini, yaitu :
1 Modul watermarking DCT dan logika fuzzy
diimplementasikan
menggunakan
MATLAB.
2 Format video yang digunakan adalah AVI
tidak terkompresi.
3 Video yang digunakan memiliki spesifikasi
resolusi 320x240 piksel, frame rate 15 fps
dan durasi 7 detik.
4 Watermark message ialah gambar yang
berformat BMP.
5 Jenis
watermark
adalah
invisible
watermarking.
6 Proses verifikasi watermark adalah unblind
detectors.
7 Pengukuran kualitas watermark yang
dilakukan pada tahapan analisis meliputi
pengukuran
subjektif
dan
objektif.
Pengukuran subjektif dengan survei
sedangkan pengukuran objektif dengan
metode
Mean
Structural
Similarity
(MSSIM).
Manfaat
Penelitian ini diharapkan bisa memberikan
suatu teknik proteksi hak cipta yang baik
(robustness dan imperceptibility) terhadap
media video digital.

TINJAUAN PUSTAKA
Digital Watermarking
Data digital yang dapat dilindungi dengan
menggunakan enkripsi contohnya ialah digital
watermarking.
Digital
watermarking
merupakan salah satu cara untuk melindungi
hak cipta dengan memasukkan sinyal yang tidak
terlihat (Wolfgang et al. 2007).
Watermark bisa berupa teks, gambar, suara,
atau video. Menurut Huber (1997) ada dua jenis
watermark, yaitu:
1

Visible watermark; watermark yang terlihat
pada media. Visible watermark digunakan
untuk klaim kepemilikan. Keuntungan

2

utamanya yaitu mencegah duplikasi yang
tidak sah. Contoh visible watermark pada
video ialah penempatan logo di sudut
gambar layar.

Penghapusan watermark yang disengaja
atau tidak disengaja seharusnya tidak
merusak data asli.
 Security

Invisible watermark; watermark yang tidak
terlihat pada media. Invisible watermark
digunakan untuk mengautentikasi data
digital.

Watermarking harus tahan terhadap usaha
sengaja memindahkan atau menyalin
watermark dari satu data multimedia ke data
multimedia lainnya.

Kegunaan dari kedua jenis watermark di
atas adalah mengurangi nilai komersil.

Menurut Zhu dan Sang (2008), proses
secara umum pengambilan watermark dapat
dilihat pada Gambar 2.

2

Watermark dapat dibedakan menjadi dua
jenis berdasarkan kekuatannya terhadap
serangan, yaitu fragile watermark dan robust
watermark. Fragile watermark merupakan
metode watermark yang apabila mendapat
serangan-serangan seperti cropping, filtering
dan lain-lain, watermark-nya akan mudah
hancur. Robust watermark adalah metode
watermark yang apabila mendapat seranganserangan seperti cropping, filtering, dan lainlain, watermark-nya tidak akan hancur dan
kualitas media tetap terjaga.
Menurut Cox et al. (2002), watermark
dapat dibedakan berdasarkan pada teknik
pengambilan yang digunakan, yaitu:
Blind detectors; teknik pengambilan
watermark yang tidak membutuhkan berkas
asli.
2 Informed detectors; teknik pengambilan
watermark yang harus mengetahui berkas
asli. Teknik ini biasa disebut juga dengan
unblind detectors.

1

Proses penyisipan watermark secara umum
dapat dilihat pada Gambar 1.
Digital
watermark

Cover
work

Algoritme
penyisipan

Watermark
data

Kunci

Gambar 1 Proses penyisipan watermark secara
umum.
Proses
penyisipan
watermark
harus
memenuhi persyaratan sebagai berikut (Cox et
al. 2002):
 Invisibility
Watermark yang disisipkan harus tetap tak
terlihat dengan sistem visual manusia.
 Robustness

Watermark
data

Kunci

Algoritme
pengambilan

Digital
watermark

Cover
work

Gambar 2 Proses pengambilan watermark
secara umum.
Discrete Cosine Transform (DCT)
Pada konsep pengolahan citra, citra harus
diubah ke domain yang lain. Perubahan ini
bertujuan mempermudah pengkodean. Proses
perubahan
ini
dinamakan
transformasi.
Transformasi merupakan suatu langkah yang
harus dilakukan untuk mengubah penyajian
suatu sinyal dari suatu domain ke domain yang
lain. Salah satu kegunaan transformasi adalah
untuk proses kompresi citra (Krisnawati 2006).
DCT adalah teknik kompresi yang
digunakan untuk mengubah pemrosesan gambar
digital
dan
pemrosesan
sinyal.
DCT
memisahkan byte data tersebut menjadi dua
kelompok, yaitu frekuensi tinggi (koefisien DC)
dan frekuensi rendah (koefisien AC). Koefisien
DC yang letaknya di bagian pojok kiri atas,
digunakan
untuk
tempat
menyisipkan
watermark. Hal ini dikarenakan koefisien DC
memiliki kapasitas persepsi yang lebih tinggi
daripada koefisien AC sehingga proses
penyisipan tidak akan mengubah kualitas
gambar secara visual. Selain itu, sinyal proses
dan distorsi gambar memiliki pengaruh yang
lebih rendah terhadap koefisien DC daripada
koefisien AC (Zhu & Sang 2008).
DCT merupakan suatu metode transformasi
yang digunakan sebagai dasar untuk kompresi
JPEG. DCT yang digunakan adalah DCT 2
dimensi karena diterapkan pada gambar yang
memiliki
ukuran
M
x
N.
Untuk

3

mentransformasikan blok 8 x 8 piksel yang
berurutan menjadi 64 bit koefisien DCT, setiap
koefisien DCT C(u,v) dari gambar A(m,n) dapat
dihitung dengan menggunakan Persamaan 1
(Jain 1989).

DCT 2
n cos
n

n

cos
0≤

≤

0≤

≤ -1

Least Significant Bit (LSB)
Teknik yang paling banyak digunakan untuk
menyembunyikan data adalah LSB. Untuk
menyembunyikan pesan rahasia dalam gambar,
dibutuhkan sebuah gambar cover. Metode ini
menggunakan bit dari setiap piksel dalam
gambar.

Persamaan 1

u

mengubah C(p,q) menjadi matrik A(m,n).
persamaan IDCT 2 dapat dilihat pada
Persamaan 3 (Jain 1989).

Metode LSB menyembunyikan data dengan
mengganti bit-bit data yang paling tidak berarti
pada cover dengan bit-bit watermark message.
Susunan bit dalam sebuah byte (1 byte = 8 bit),
terdiri atas bit yang paling berarti (Most
Significant Bit [MSB]) dan bit yang kurang
berarti (Least Significant Bit [LSB]) yang
diilustrasikan Gambar 3.

,

-1,

Dengan:

10101010
≤

≤

≤

≤

MSB

Setelah koefisien-koefisien DCT C(u,v)
diperoleh dari Persamaan 1, dilakukan
kuantisasi
menggunakan
Persamaan
2
(Ardhyana & Juarna 2008).
Persamaan 2
u

u
u

DCT 2 dimensi dari suatu citra A akan
menghasilkan citra B. Kebalikan dari
persamaan DCT disebut Inverse Discrete
Cosine Transform (IDCT). IDCT berfungsi
untuk mengembalikan citra B menjadi citra A.
Persamaan 3
IDCT 2
-

n

0≤

≤

0≤

≤ -1

-

cos

cos

n

,

-1,

Dengan :

≤ ≤

≤ ≤

Transformasi DCT 2 pada Persamaan 1
dapat di-invers menggunakan IDCT 2 yang

LSB

Gambar 3 Ilustrasi LSB.
Mengubah
LSB
dari
byte
mengakibatkan sedikit perubahan warna.

akan

Fuzzy Inference System (FIS)
Logika fuzzy pertama kali diperkenalkan
oleh Lofti A. Zadeh dari universitas Barkley
California
pada
tahun
1965.
Zadeh
memodifikasi teori himpunan yang setiap
anggotanya memiliki derajat keanggotaan yang
bernilai kontinu antara 0 sampai 1 yang
digunakan untuk menangani kekaburan.
Himpunan ini disebut dengan himpunan kabur
(fuzzy set) (Zimmermann 1991). Logika fuzzy
adalah suatu cara yang tepat untuk memetakan
suatu ruang input ke dalam suatu ruang output
(Kusumadewi & Purnomo 2004). Logika fuzzy
sudah banyak diterapkan di berbagai bidang,
baik di dunia industri maupun bisnis. Berbagai
teori di dalam perkembangan logika fuzzy dapat
digunakan untuk memodelkan berbagai sistem.
Bahkan sekarang ini, aplikasi logika fuzzy
semakin menjamur seiring dengan pesatnya
perkembangan teknologi komputasi. Penelitian
aplikasi logika fuzzy telah banyak dilakukan.
Menurut Kusumadewi dan Purnomo (2004),
alasan menggunakan logika fuzzy yaitu:
 Konsep logika fuzzy mudah dimengerti.
 Sangat fleksibel.
 Memiliki toleransi terhadap data-data yang
ambigu.

4

 Mampu memodelkan data-data nonlinier
yang sangat kompleks.
 Dapat membangun dan mengaplikasikan
pengalaman-pengalaman para pakar secara
langsung tanpa harus melalui proses
pelatihan.
 Dapat bekerjasama dengan teknik kendali
secara konvensional pada bahasa alami.
Fuzzy inference system (FIS) adalah suatu
kerangka komputasi yang didasarkan pada teori
himpunan fuzzy, aturan fuzzy dan penalaran
fuzzy (Kusumadewi & Hartati 2006). Secara
garis besar, input crisp dimasukkan ke FIS.
Input ini kemudian dikirim ke basis
pengetahuan yang berisi n aturan fuzzy dalam
bentuk if-then. Fire strength atau derajat
kebenaran akan dicari pada setiap aturan. Jika
jumlah aturan lebih dari satu, dilakukan
inferensi
dari
semua
aturan.
Untuk
mendapatkan nilai crisp sebagai output sistem,
dilakukan defuzzifikasi dari hasil inferensi.
Skema dari pengembangan sistem pakar
berbasis fuzzy dapat dilihat pada Gambar 4.

seperti pada Gambar 5 dapat dilihat pada
Persamaan 4.
Persamaan 4
a
ba

a

2

b

b

b
Representasi kurva linier turun

Gambar 6 Kurva linier turun.
Fungsi keanggotaan untuk kurva linier turun
seperti pada Gambar 6 dapat dilihat pada
Persamaan 5.
Persamaan 5
b
ba

Domain masalah

Fuzzifikasi
Pembuatan aturan
fuzzy

a atau

3

a
a≤ ≤b
b

Representasi kurva linier naik

Defuzzifikasi
Evaluasi

Gambar 4 Skema pengembangan sistem pakar
berbasis fuzzy (Zimmermann 1991).
Fungsi keanggotaan (membership function)
adalah suatu kurva yang memetakan titik-titik
input data ke dalam derajat keanggotaannya.
Derajat keanggotaan memiliki interval nilai [0,
1]. Di antara jenis fungsi keanggotaan adalah
sebagai berikut:
1 Representasi kurva segitiga

Gambar 5 Kurva segitiga.
Fungsi keanggotaan untuk kurva segitiga

Gambar 7 Kurva linier naik.
Fungsi keanggotaan untuk kurva linier naik
seperti pada Gambar 7 dapat dilihat pada
Persamaan 6.
Persamaan 6
a
ba

a
a≤ ≤b
b

Fuzzy inference system (FIS) dapat
dilakukan dengan tiga metode, yaitu dengan
metode Mamdani, metode Sugeno, dan metode
Tsukamoto (Kusumadewi & Purnomo 2004).
Metode Mamdani lebih sering digunakan karena
dapat mendeskripsikan pendapat pakar secara
lebih "humanmanner" daripada metode yang
lain (Vrusias 2005).

5

Penghitungan nilai crisp pada penalaran
Mamdani diperoleh dengan menggunakan
centroid of gravity yang dapat dilihat pada
Persamaan 7.
Persamaan 7
n
n

n n
n

Nilai µ c adalah fungsi keanggotaan agregat
yang dihasilkan oleh µ c sekumpulan output
fuzzy, in adalah seluruh bidang yang sesuai
dengan centroid dari µ c, dan ik adalah blok k
tertentu dari sebuah gambar.
Human Visual System (HVS)
Human Visual System (HVS) merupakan
salah satu metode teknik pemampatan citra,
yang
pemampatannya
didasarkan
pada
karakteristik
visual
manusia.
Karena
penerimaan mata manusia merupakan tujuan
akhir dari penyajian bentuk visual tersebut,
perlu diadakan penyesuaian-penyesuaian atau
konversi
antara
sistem
visual
yang
menayangkan bentuk visual sebagai layananan
jasanya dengan sistem visualisasi mata manusia
sehingga informasi visual yang kurang atau
tidak dapat diamati oleh mata manusia dapat
dihilangkan. Hal ini sangat penting dalam
menghindari pemborosan sumber daya media
display, media penyimpanan, dan media
transmisi.
Sensitivitas pencahayaan dapat diperoleh
dari Persamaan 8.

File Audio Video Interleave (AVI)
Audio Video Interleave (AVI) adalah format
multimedia yang dikenalkan oleh Microsoft
pada bulan November 1992 sebagai bagian dari
teknologi video untuk Windows. File AVI
adalah sebuah standardisasi yang berisikan
sinkronisasi antara audio dan video. Seperti
DVD, file AVI mendukung multi streaming
audio dan video. Pengembangan file AVI, yaitu
AVI 2.0,
digunakan khusus untuk kasus
Resources Interchange File Format (RIFF).
Sebuah file AVI dapat dikompresi ke dalam
bentuk format kompresi multimedia seperti
Motion
JPEG,
VDOWave,
dan
ClearVideo/RealVideo serta dapat melakukan
share file dan melakukan proses rendering
seperti capture, edit, dan playback.
Structural Similarity (SSIM)
Video merupakan gabungan gambar. SSIM
adalah metode yang digunakan untuk
menghitung kesamaan antara dua gambar.
Pengukuran gambar didasarkan pada gambar
asli sebelum disisipi pesan atau gambar bebas
distorsi sebagai referensi.
SSIM dirancang sebagai perbaikan metode
Peak Signal to Noise Ratio (PSNR) dan Mean
Squared Error (MSE) yang terbukti tidak
konsisten dengan persepsi mata manusia (Wang
et al. 2004).
Nilai SSIM dapat diperoleh dari Persamaan
10.
Persamaan 10

Persamaan 8

Nilai VDC,k adalah koefisien DC dari blok
k ,
adalah nilai rata-rata dari semua
koefisien VDC,k dari gambar tertentu, dan  diatur
ke 1 untuk mengontrol tingkat sensitivitas
pencahayaan.
Sensitivitas
tekstur
dapat
diperoleh dari Persamaan 9.
th

Persamaan 9
T

cond

Dimana (x,y) merepresentasikan lokasi dari
blok kth dan cond(R) mengambil nilai
pembulatan dari R dan mengembalikan nilai ‘ ’
jika nilai nya tidak sama dengan 0, selainnya
‘ ’.

Dengan:
µ x = Nilai rataaan dari x
µ y = Nilai rataan dari y
= Nilai varian dari x
= Nilai varian dari y
= Nilai kovarian dari x dan y
= (k1L)2,C2 = (k2L)2
L = 2 #bit per piksel – 1
k1 = 0.01, k2 = 0.03 (default)
Langkah-langkah yang dilakukan:
1 Pengambilan video AVI sebelum dan
sesudah disisipi pesan.
2 SSIM digunakan untuk mengukur kualitas
semua frame pada kedua video tersebut.
3 Mencari nilai rata-rata dari semua nilai
SSIM yang diperoleh / Mean SSIM
(MSSIM).

6

Perbandingan dilakukan terhadap hasil
MSSIM yang diperoleh dengan threshold
sebesar 0.7. Video hasil penyisipan pesan
dikatakan dalam kategori baik jika nilai MSSIM
yang dihasilkan lebih besar atau sama dengan
0.7 (MSSIM >= 0.7). Sebaliknya, perbedaan
video hasil penyisipan akan signifikan jika hasil
perhitungan MSSIM di bawah 0.7 (Hariyanto
2008).
Mean Opinion Score (MOS)
MOS merupakan analisis secara subjektif.
Penilaian MOS didasarkan pada pengamatan
hasil survei sehingga baik buruknya hasil
penyisipan pesan ke dalam video bergantung
pada penilaian subjektif masing-masing
responden (Parenreng et al. 2011).
MOS memiliki kriteria penilaian kualitatif
seperti pada Tabel 1:
Tabel 1 Bobot penilaian MOS
MOS
Kualitas
Pengertian
5

Sangat baik
(excellent)

Perbedaan tidak
terlihat

4

Baik (good)

Terlihat perbedaan
tetapi tidak
mengganggu

3

Cukup (fair)

Sedikit berbeda

2

Kurang
(poor)

Mengganggu

1

Buruk (bad)

Sangat
mengganggu

Secara matematis MOS dapat dihitung
menggunakan Persamaan 11.

watermark, pengambilan
serangan watermark video.

watermark,

dan

Fungsi penyisipan watermark menghasilkan
video yang memiliki watermark. Fungsi
pengambilan watermark digunakan untuk
mengambil kembali watermark yang ada pada
video. Fungsi pengambilan watermark juga
menghitung nilai kualitas dari watermark yang
didapatkan. Fungsi serangan watermark video
digunakan untuk menganalisis kekuatan dan
kualitas video yang telah tertanam watermark.
Penyisipan Watermark
Penyisipan watermark adalah proses untuk
menyisipkan informasi nilai watermark pada
media yang ingin dilindungi. Watermark yang
akan disisipkan berupa gambar dengan format
BMP dan sebagai cover work digunakan video
dengan format AVI. Pada penelitian ini,
digunakan metode DCT dan logika fuzzy yang
diterapkan pada blok 8x8 piksel di setiap frame.
Selanjutnya, dilakukan pencarian koefisien yang
dapat disisipi watermark. Koefisien yang
disisipi watermark adalah koefisien DC dari
matrik frekuensi gambar. Besarnya penyisipan
berdasarkan kelas fuzzy hasil perhitungan
sensitivitas pencahayaan dan tekstur di setiap
koefisien DC. Koefisien DC selanjutnya
dikonversi dalam bentuk biner. Penyisipan bitbit pesan dilakukan pada Least Significant Bit
(LSB) biner dari koefisien DC tersebut. Video
watermark, yaitu video yang telah tertanam
watermark,
akan
diukur
kualitasnya
menggunakan MSSIM dan penilaian responden.
Proses penyisipan watermark dapat dilihat pada
Gambar 8.
Mulai

Persamaan 11

Video

Pemecahan frame

n
Windowing

Frame

Dengan:
x(i) = nilai sampel ke-i
k = nilai bobot
N = jumah pengamat
n = jumlah kriteria

METODE PENELITIAN
Penelitian ini mengembangkan aplikasi yang
menggunakan teknik watermarking sebagai
proteksi hak cipta pada media video. Teknik
watermarking yang digunakan adalah DCT dan
logika fuzzy. Aplikasi terdiri atas tiga fungsi
utama, yaitu fungsi untuk penyisipan

Makroblok
8x8 pixel

DCT

Koefisien
DC

watermark

Aplikasikan model
HVS
Lk
Tk

DC

Aplikasikan model
FIS
α
Penyisipan
watermark
IDCT

Selesai

Kelas Fuzzy
Penyimpanan
Delta

Delta

Video
watermark

Gambar 8 Proses penyisipan watermark.

7

Tahapan proses penyisipan watermark pada
Gambar 8 dapat dijelaskan berikut:

makroblok. Setelah itu, dilakukan pembagian
setiap koefisien DC dan AC dengan matriks
kuantisasi. Matrik kuantisasi dapat dilihat pada
Gambar 10.

1 Pemecahan frame
Cover video dipecah menjadi beberapa
frame dan setiap frame terbagi dalam 3 layer,
yaitu Red, Green, dan Blue (RGB). Setiap
informasi warna piksel di setiap frame
dikurangi dengan 128. Hal ini dilakukan karena
range DCT antara -128 sampai dengan 127.

4 Aplikasikan model HVS
Berdasarkan penelitian yang dilakukan oleh
Oueslati et al. (2010) terdapat fakta bahwa
ternyata mata manusia sensitif terhadap tekstur
dan pencahayaan. Sensitivitas pencahayaan
dapat dilihat dari Persamaan 8 dan sensitivitas
tekstur dapat dilihat pada Persaman 9.

2 Windowing
Windowing adalah memecah setiap frame
dari video menjadi makroblok berukuran 8 x 8.
Cover video yang telah disiapkan, yaitu
‘rhinos.avi’, menghasilkan 40 x 30 makroblok
per frame per layer. Nilai 40 didapat dari 320
dibagi 8, sedangkan nilai 30 didapat dari 240
dibagi 8. Proses makroblok dapat dilihat pada
Gambar 9.
320 px

2
4
0

5 Aplikasikan model FIS
Setelah mengaplikasikan model HVS,
didapatlah nilai dari sensitivitas tekstur dan
pencahayaan. Nilai-nilai tersebut dimasukkan
ke dalam variabel fuzzy. Variabel fuzzy untuk
input ialah pencahayaan dan tekstur sedangkan
untuk output ialah penyisipan. Model fuzzy dari
HVS dapat dilihat pada Gambar 11.

40

8

3
0

8

Input :
pencahayaan
tekstur

Output :

Fuzzy Inference
System

Penyisipan

Gambar 11 Model fuzzy dari HVS.

Gambar 9 Proses makroblok pada frame.

Untuk himpunan fuzzy nya, yaitu :

3 DCT

 Sensitivitas pencahayaan {gelap, agak
cerah, cerah}.
 Sensitivitas tekstur {halus, agak kasar,
kasar}.
 Penyisipan {sangat kecil, agak kecil, agak
besar, cenderung besar, sangat besar}.

Gambar 10 Matriks kuantisasi (Wallace 1991).
Langkah
selanjutnya
mengimplementasikan
DCT
Tabel 2 Himpunan fuzzy
Fungsi
Variabel
Input

Pencahayaan (a)

Tekstur (b)

Output

Penyisipan (c)

di

yaitu
setiap

Himpunan fuzzy dapat dilihat pada Tabel 2.
Derajat keanggotaan input dapat dilihat pada
Gambar 12. Rentang sensitivitas pencahayaan
adalah (-464) – 614. Fungsi keanggotaan untuk
input sensitivitas pencahayaan dapat dilihat

Himpunan

Notasi

Domain

Gelap
Agak Cerah
Cerah
Halus
Agak Kasar

g
ac
c
h
ak

[-464 -464 -195 74]
[-195 74 343]
[74 343 612 612]
[0 0 16 32]
[16 32 48]

Kasar
Sangat Kecil
Agak Kecil
Agak Besar
Cenderung Besar
Sangat Besar

k
sk
ae
ab
cb
sb

[32 48 64 64]
[0 0 11 21]
[11 21 32]
[21 32 43]
[32 43 53]
[43 53 64 64]

8

pada Persamaan 12, sedangkan fungsi
keanggotaan untuk input sensitivitas tekstur
dapat dilihat pada Persamaan 13. Rentang
sensitivitas tekstur adalah 1– 64.

Derajat keanggotaan output
dapat dilihat pada Gambar 13.

penyisipan

Penyisipan
Sensitivitas Pencahayaan
Agak Cerah

Gelap

Cerah

1

Sangat
Kecil

Agak
Kecil

Agak
Besar

10

20

30

1

Cenderung Sangat
Besar
Besar

0

0

100

-400

600

50

60

Gambar 13 Derajat keanggotaan output.
Sensitivitas Tekstur
Agak Kasar

Halus

Kasar

1

Rentang output penyisipan adalah 1 – 64.
Fungsi keanggotaan untuk output penyisipan
dapat dilihat pada Persamaan 14.
Persamaan 14
≤ ≤
≤ ≤

0
32

64

≤ ≤

Gambar 12 Derajat keanggotaan input.
a

Persamaan 12
a

a

a
≤a≤
a

a

atau a

a

a≤

ab

b

b

b
a

≤b≤
≤b≤
b≤

b

b

atau b
b≤
≤b≤
≤b≤

≤

≤ ≤

Terdapat 9 aturan fuzzy. Aturan-aturan ini
diperoleh berdasarkan analisis hasil
yang
dicobakan ke gambar.
Aturan 1:

b

b

atau

≤b≤

≤b≤
≤b≤

≤ ≤
≤

b

b

b

atau
≤ ≤

≤a≤

h

≤ ≤
≤

≤a≤

Persamaan 13

atau
≤ ≤

≤a≤
a≤

a

≤

≤a≤

a
a

≤ ≤

≤a≤

Aturan 2:

Jika pencahayaan GELAP dan
Tekstur HALUS, maka penyisipan
AGAK KECIL.
Jika pencahayaan GELAP dan
Tekstur AGAK KASAR, maka
penyisipan AGAK BESAR.

9

Aturan 3:

Aturan 4:

Aturan 5:

Aturan 6:

Aturan 7:

Aturan 8:

Aturan 9:

Jika pencahayaan GELAP dan
Tekstur KASAR, maka penyisipan
SANGAT BESAR.
Jika pencahayaan AGAK CERAH
dan Tekstur HALUS, maka
penyisipan AGAK BESAR.
Jika pencahayaan AGAK CERAH
dan Tekstur AGAK KASAR, maka
penyisipan AGAK BESAR.
Jika pencahayaan AGAK CERAH
dan Tekstur KASAR, maka
penyisipan
CENDERUNG
BESAR.
Jika pencahayaan CERAH dan
Tekstur HALUS, maka penyisipan
SANGAT KECIL.
Jika pencahayaan CERAH dan
Tekstur AGAK KASAR, maka
penyisipan AGAK KECIL.
Jika pencahayaan CERAH dan
Tekstur KASAR, maka penyisipan
AGAK BESAR.

Untuk defuzzifikasi, metode reasoning yang
digunakan adalah Mamdani. Setelah model FIS
diaplikasikan, didapatkan . Koefisien DC yang
telah dikonversi dalam bentuk biner kemudian
disisipi bit-bit watermark message berdasarkan
output penyisipan.
Output 1:

Output 2:

Output 3:

Output 4:

Output 5:

Jika penyisipan SANGAT KECIL,
maka bit LSB yang diganti
sebanyak 0.
Jika penyisipan AGAK KECIL,
maka bit LSB yang diganti
sebanyak 0.
Jika penyisipan AGAK BESAR,
maka bit LSB yang diganti
sebanyak 1.
Jika penyisipan CENDERUNG
BESAR, maka bit LSB yang
diganti sebanyak 2.
Jika penyisipan SANGAT BESAR,
maka bit LSB yang diganti
sebanyak 3.

6 Penyisipan watermark
Setelah didapatkan output penyisipan maka
diketahui besarnya penyisipan di setiap
koefisien DC. Besarnya penyisipan berdasarkan
kelas fuzzy output penyisipan. Koefisien diubah
dalam bentuk biner. Watermark message
disisipkan di setiap LSB di setiap makroblok.
7 IDCT
Setelah penyisipan watermark, proses
selanjutnya yaitu mengembalikan nilai biner
menjadi desimal. Setelah itu, tahapanya
merupakan kebalikan dari tahapan penyisipan.

Mula-mula,
setiap
makroblok di-invers
kuantisasi, lalu di-invers DCT sesuai dengan
Persamaan 3. Lalu, hasil invers DCT
ditambahkan dengan 128 setiap pikselnya.
8 Penyimpanan delta
Setelah proses IDCT, tidak semua piksel
gambar berada di range 0 sampai dengan 255.
Ada yang kurang dari 0 dan lebih dari 255.
Nilai yang kurang dari 0 akan dibulatkan ke 0
sedangkan nilai yang lebih dari 255 akan
dibulatkan menjadi 255. Ini akan menjadi
masalah ketika proses pengambilan watermark
karena ada piksel yang berubah. Maka dari itu,
delta digunakan untuk menyimpan selisih nilai
yang kurang dari 0 atau lebih dari 255, sehingga
ketika proses pengambilan informasi pikselnya
akan tetap sama. Setelah proses ini selesai,
makroblok-makroblok
disatukan
kembali
menjadi frame-frame. Frame-frame tersebut
disatukan kembali menjadi sebuah video,
sehingga didapatlah video watermark.
Pengambilan Watermark
Pengambilan watermark adalah proses
untuk mengambil invisible watermark message
yang terdapat pada video watermark.
Pengambilan watermark ini dilakukan untuk
mengetahui apakah video itu asli atau tidak.
Mulai

Pemecahan frame

Windowing

Delta

DCT

Koefisien DC

Video

Frame

Makroblok
8x8 pixel

Kelas Fuzzy

Ekstraksi
watermark
Watermark
message

Selesai

Gambar 14 Proses pengambilan watermark.
Proses pengambilan watermark
mirip
dengan penyisipan watermark. Mula-mula,
video dipecah ke dalam frame-frame. Frame
video yang telah disisipi watermark dibagi ke
dalam makroblok 8x8 piksel. Selanjutnya,
hitung DCT dari setiap makroblok lalu pilih
koefisien DC nya. Dari proses penyisipan,
didapat informasi mengenai delta. Delta inilah
yang pertama kali diambil. Informasi selisih

10

delta lalu disimpan lagi ke piksel-piksel yang
melebihi 255 atau kurang dari 0. Kelas fuzzy
digunakan untuk mengetahui berapa bit LSB
yang diambil di setiap koefisien DC.
Selanjutnya koefisien DC dikonversi dalam
bentuk biner. Watermark diambil di setiap
koefisien DC. Informasi mengenai besarnya
penyisipan koefisien DC diambil dari fuzzifikasi
cover videonya. Pengambilan watermark
message diambil dari bit LSB dan dikonversi ke
dalam gambar sehingga watermark message
dapat dibandingkan. Tahapan pengambilan
watermark dapat dilihat pada Gambar 14.
Analisis Hasil Implementasi
Video watermark selanjutnya dianalisis,
diuji, dan dievaluasi. Analisis ini menjadi tolak
ukur keberhasilan dari aplikasi. Analisis yang
dilakukan pada penelitian ini antara lain:
 Analisis kekuatan video watermark.
 Analisis waktu eksekusi.
 Analisis kualitas video watermark.
Analisis Kekuatan Video Watermark

digunakan ialah file BMP. Deskripsinya dapat
dilihat pada Tabel 4.
Tabel 3 Deskripsi cover video
File
Ukuran
Resolusi
Rhinos.avi 25.0 MB
320x240

Frame
114

Tabel 4 Deskripsi watermark message
File
Ukuran
Resolusi
Message.bmp
94 Bytes
8x8
Penyisipan Watermark
Setelah dipilih cover video dan watermark
message, tahapan detail mengenai penyisipan
watermark message diuraikan di bawah ini:
1 Pemecahan frame
Cover video dipecah menjadi frame-frame.
Dari cover video, terdapat 114 frame dan setiap
frame nya terdiri atas matrik nilai warna dari
gambar penyusun video dengan ukuran 320 x
240 piksel dan terdapat layer Red, Green, dan
Blue (RGB). Potongan piksel cover video dapat
dilihat pada Gambar 15.

Serangan-serangan yang diterapkan pada
penelitian ini adalah:
 Serangan
cutting
video
watermark
(clipping).
 Serangan odd video watermark.
 Serangan even video watermark.
 Serangan adding frame.
 Serangan cutting dan adding frame.
Lingkungan Pengembangan
Pada penelitian ini digunakan perangkat
keras dan perangkat lunak sebagai berikut:
 Perangkat lunak yang digunakan dalam
penelitian:



Windows 7 Home Basic
sistem operasi.
Matlab R2008b.

sebagai

Gambar 15 Potongan piksel cover video.
2 Windowing

 Perangkat keras yang digunakan dalam
penelitian:




Pro
or Int l R
or ™ 3.
RAM 8 GB.
Hard disk kapasitas 320 GB.

HASIL DAN PEMBAHASAN
Cover video yang digunakan pada penelitian
ini ialah ‘rhinos.avi’. Video tersebut terdapat
pada sample video Matlab. Deskripsinya dapat
dilihat pada Tabel 3. Watermark yang

Gambar 16 Potongan piksel makroblok (1,1)
layer ke-1 dari frame pertama.
Resolusi frame dari cover video ialah 320 x
240 pixel. Pada tahap ini, setiap frame dari
cover video akan dipecah menjadi makroblok
dengan ukuran 8x8. Cover video yang telah

11

disiapkan menghasilkan 40 x 30 makroblok per
frame per layer. Nilai 40 didapat dari 320 dibagi
8 sedangkan nilai 30 didapat dari 240 dibagi 8.
Potongan piksel makroblok (1,1) layer ke-1 dari
frame pertama dapat dilihat pada Gambar 16.
3 DCT
Setelah mendapatkan makroblok per frame
per layer, selanjutnya dilakukan perhitungan
DCT di setiap makroblok. Sebelum masuk
proses DCT, setiap piksel makroblok dikurangi
128. Potongan piksel makroblok yang telah
dikurangi 128 dapat dilihat pada Gambar 17.

Model HVS digunakan untuk mendapatkan
informasi mengenai sensitivitas tekstur dan
pencahayaan. Sensitivitas tekstur didapat dari
hasil kuantisasi. Apabila hasilnya tidak sama
dengan 0, diberi nilai 1, selainnya diberi nilai 0.
Nilai tersebut dijumlahkan untuk setiap
makroblok. Jadi nilai maksimal sensitivitas
tekstur adalah 64, sedangkan minimumnya
adalah 0. Potongan nilai sensitivitas tekstur
pada frame pertama, makroblok (1,1), layer
pertama dapat dilihat pada Gambar 20.
val(:,:,1) = 1
Gambar 20 Potongan nilai sensitivitas tekstur.
Sensitivitas pencahayaan didapat dari
membagi koefisien DC dengan nilai rata-rata
dari semua koefisien DC berdasarkan layernya. Potongan nilai sensitivitas pencahayaan
pada frame pertama, makroblok (1,1), layer
pertama dapat dilihat pada Gambar 21.

Gambar 17

Potongan makroblok (1,1) dikurangi 128.

Setelah
dikurangi
128,
selanjutnya
perhitungan DCT dilakukan di setiap
makroblok. Potongan piksel DCT 2D dapat
dilihat pada Gambar 18.
.
.
.

.

.
.
.

.
.
.
.

.
.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.

Gambar 18 Potongan piksel perhitungan DCT.
Agar hasilnya tidak besar sekali, perlu
adanya proses kuantisasi. Proses kuantisasi
dilakukan dengan membulatkan hasil bagi
setiap komponen nilai hasil DCT dengan matrik
kuantisasi pada Gambar 10. Potongan piksel
hasil kuantisasi dapat dilihat pada Gambar 19.

Gambar

val(:,:,1) = 3.6890
21 Potongan nilai
pencahayaan.

sensitivitas

5 Aplikasikan model FIS
Setelah didapatkan sensitivitas tekstur dan
pencahayaan
maka
selanjutnya
ialah
memasukkan kedua nilai sensitivitas tersebut ke
dalam fuzzy inference system. Output fuzzy pada
frame pertama, makroblok (1,1), layer pertama
dapat dilihat pada Gambar 22.
val(:,:,1) = 28.9977
Gambar 22 Output fuzzy.
Kelas fuzzy didapatkan dengan cara
mengelompokkan output fuzzy berdasarkan
kelasnya. Output kelas fuzzy pada frame
pertama, makroblok (1,1), layer pertama dapat
dilihat pada Gambar 23.
val(:,:,1) = 3
Gambar 23 Output kelas fuzzy.
Output kelas fuzzy adalah 3 sehingga
besarnya penyisipan sebanyak 1.
6 Penyisipan watermark

al , ,

Biner DC kuantisasi Bit watermark

00101000

1

Biner hasil penyisipan
Gambar 19 Potongan piksel hasil kuantisasi.
4 Aplikasikan model HVS

00101001
Gambar 24 Proses penyisipan biner.

12

Berdasarkan Gambar 19, potongan piksel
hasil kuantisasi didapatlah koefisien DC sebesar
40. Hasil biner dari desimal 40 adalah
‘
’. Penyisipan watermark message
dilakukan dengan mengganti nilai biner LSB
koefisien DC pada tahap 3 dengan bit
watermark message. Watermark message ialah
file gambar dengan format BMP yang hanya
mempunyai 2 nilai, yaitu 0 atau 1. Proses
penyisipan watermark diilustrasikan pada
Gambar 24.

desimal warna dari piksel. Untuk menghindari
kehilangan data pada saat pembentukan video,
setiap selisih baik nilai yang melebihi 255
maupun yang kurang dari 0 akan disimpan
untuk digunakan kembali pada saat proses
pengambilan.
al , ,

7 Penyimpanan delta
Setelah
watermark
message
selesai
disisipkan, selanjutnya yaitu mengubah kembali
nilai biner koefisien DC ke dalam bentuk
desimal. Setelah itu
dilakukan invers
kuantisasi. Proses invers kuantisasi yaitu
mengalikan setiap nilai dengan matrik
kuantisasi sesuai dengan Gambar 10. Contoh
hasil invers kuantisasi makroblok pertama dapat
dilihat pada Gambar 25.

al , ,

Gambar 27 Matriks hasil penyisipan.
Tahapan paling akhir dari proses penyisipan
watermark
message
adalah
penyatuan
makroblok-makroblok
lalu
pembentukan
kembali frame-frame hasil penyisipan ke bentuk
video AVI sehingga berbentuk watermark
video. Potongan piksel watermark video dapat
dilihat pada Gambar 28. Antarmuka hasil
penyisipan watermark dapat dilihat pada
Lampiran 1.

Gambar 25 Hasil invers kuantisasi makroblok.
Setelah dilakukan invers kuantisasi, langkah
selanjutnya adalah invers DCT (IDCT)
menggunakan persamaan 3. Proses IDCT yang
dilakukan merupakan IDCT dua dimensi karena
matrik yang digunakan sebagai input memiliki
bentuk dua dimensi. Hasil IDCT 2 ditunjukkan
pada Gambar 26.

Gambar 28 Potongan piksel watermark video.

al , ,

Pengambilan Watermark

Gambar 26 Hasil IDCT2.
Setelah mendapatkan matrik hasil IDCT2,
kemudian ditambahkan dengan 128. Hasil
matrik akhir nilai piksel setelah penyisipan
dapat dilihat pada Gambar 27.
Pada implementasinya, nilai-nilai hasil
penyisipan tidak selalu berada di range 0-255.
Hal ini terjadi dikarenakan modifikasi pada
biner koefisien DC dapat mengubah nilai

Proses pengambilan watermark hampir
sama
dengan
penyisipan
watermark.
Perbedaannya
terdapat
pada
tahapan
pengambilan. Watermark message yang telah
disisipi tadi diambil pada proses ini.
Pengambilan watermark message dilakukan di
setiap koefisien DC pada bit biner LSB. Pada
akhir proses pengambilan, cover video tidak
perlu dikembalikan ke bentuk semula. Tahapan
1 sampai dengan 3 hampir sama dengan proses
penyisipan watermark. Akan tetapi, sebelum
mela