24
numerik menggunakan nilai-nilai diskrit yaitu berupa angka-angka yang merepresentasikan jumlah intensitas warna pada suatu citra. Proses pengubahan
citra menjadi matriks yaitu citra disimpan oleh komputer dengan cara titik-titik berupa koordinat yang dinamakan pixel.
3.3.3. Proses SVD Pada Citra Sebagai Metode Watermark
Misalkan suatu citra disajikan sebagai matriks A dan watermark yang akan disisipkan disajikan sebagai matriks W, maka penyisipan watermark W ke dalam
citra A dilakukan dengan terlebih dahulu mendekomposisi citra A menjadi matriks U, S, dan V untuk mendapatkan nilai singular dari citra A [8]. Kemudian untuk
menyisipkan kunci watermark yang telah dibuat, nilai singular S kemudian ditambahkan dengan hasil kali watermark W dengan nilai alfa [1]. Dalam skripsi
ini W adalah Pseudorandom 2D dan nilai alfa bernilai k=
4
10
. =
+
∗
Sebagai langkah terakhir, yang diperoleh kemudian digunakan untuk
membentuk citra ber-watermark bersama dengan matriks U dan V dari citra asal. =
25
BAB IV PEMBAHASAN DAN APLIKASI
4.1. Aplikasi Pada Citra
Proses digitalisasi dari citra digital berwarna menghasilkan matriks tiga dimensi. Dalam pengolahan citra pada pembahasan ini, citra yang digunakan
berukuran 50
50 pixel.
Gambar 4.1 Citra berwarna yang akan di-watermark
4.1.1. Merepresentasikan Citra Ke Bentuk Matriks
Karena komputer hanya dapat mengolah data yang bersifat numerik, maka sebuah citra agar dapat diolah oleh komputer harus direpresentasikan secara
numerik menggunakan nilai-nilai diskrit yaitu berupa angka-angka yang merepresentasikan jumlah intensitas warna pada suatu citra. Proses pengubahan
citra menjadi matriks, yaitu citra disimpan oleh komputer dengan cara titik-titik berupa koordinat yang dinamakan pixel. Penulis menggunakan software Scilab
26 dalam pengolahan citra. Dalam mengolah citra, proses kuantisasi pada Scilab
yaitu dengan cara Scilab membaca pixel-pixel saja sesuai perintah dengan menggunakan penggolongan data seperti Tabel 4.1 dan melakukan digitalisasi
sesuai intensitas warna RGB pada citra.[10]
Tabel 4.1 Penggolongan data citra dalam Scilab
Klasifikasi Data Deskripsi Double Presisi double, bilangan floating point dengan
hampiran
308
10
hingga
308
10 Int8 Bilangan bulat 8 bit denganjarak -128 hingga 127
Int16 Bilangan bulat 16 bit dengan jarak -32768 hingga 32767
Int32 Bilangan bulat 32 bit dengan jarak -2147483648 hingga 2147483647
Single Presisi double, bilangan floating point dengan hampiran
38
10
hingga
38
10 Char Karakter 2 bytes per element
Logical Nilai 0 dan 1 satubytes per element
Dalam pengolahan watermark menggunakan SVD ini, penulis menggunakan tipe data atau klasifikasi data double. Karena citra yang digunakan
berformat citra berwarna, maka seperti yang telah dijelaskan di landasan teori terdapat tiga fungsi generator yaitu warna RGB.