Komparasi Metode Hybrid Image Watermarking DWT-SVD dengan RDWT-SVD Untuk Proteksi dan Perlindungan Hak Cipta Pada Citra Digital
Komparasi Metode Hybrid Image Watermarking
DWT-SVD dengan RDWT-SVD Untuk Proteksi
dan Perlindungan Hak Cipta Pada Citra Digital
Remodulation, Filtering, Resample, Calor Reduce, Copy, Wavelet dan Ratation Scala . Kemudian dikembangkan lagi
(DWT), Redundant Discrete Wavelet Transform (RDWT), Singular Value Decomposition (SVD).
penelitian ini dengan melakukan komparasi hybrid image
robust dan imperceptibility, hal ini yang ingin dibuktikan pada
(RDWT) bisa menghasilkan teknik watermarking yang lebih
Munawir Ansari
imperceptibility . Penambahan unsur redudansi pada DWT
teknik digital watermarking yang berdasarkan pada domain
rekomendasi bahwa teknik RDWT-SVD lebih baik untuk proteksi dan perlindungan hak cipta pada citra digital.
frekuensi seperti Discrete Wavelet Transform (DWT) [3], Discrete Cosine Transform (DCT) [4], [5], Fast Fourier Transform (FFT) [6], Singular Value Decomposition (SVD) [7] dan Fractal Transform [8].
Untuk menghasilkan skema watermarking yang lebih baik khusunya pada citra digital dalam bidang watermarking dilakukan kombinasi teknik atau gabungan dari beberapa teknik
watermarking yang sudah ada. Teknik ini dikenal dengan istilah hybrid image watermarking . Tujuan menggabungkan atau
mengkombinasikan beberapa teknik watermarking yaitu menghasilkan skema watermarking yang lebih baik dalam hal
imperceptibility maupun robustness. Hybrid image watermarking yang pernah dilakukan antara lain
menggabungankan teknik Discrete Cosine Transform (DCT) -
Kata Kunci Discrete Cosine Transform (DCT), Discrete Wavelet Transform
imperceptibility dan robustness dari kedua metode, memberikan
Discrete Wavelet Transform (DWT) [1]. Dari berbagai kombinasi hybrid image watermarking yang dilakukan oleh dalam bidang watermarking saat ini cendrung menggabungkan teknik DWT dengan teknik SVD karena bisa menghasilkan teknik watermarking yang robust dan
teknik watermarking yang memiliki kriteria robust dan
Magister Teknik Informatika Universitas Islam Indonesia (UII) Yogyakarta
Yudi Prayudi
Magister Teknik Informatika Universitas Islam Indonesia (UII) Yogyakarta
ABSTRAK
Teknik watermarking terus berkembang, mulai dari penggunaan teknik watermaking yang berdasarkan pada domain spasial, domain frekuensi sampai dengan penggabungan dari beberapa metode watermarking. Untuk menghasilkan metode atau teknik watermarking yang lebih baik untuk proteksi pada file gambar atau citra digital dilakukan penggabungan atau kombinasi beberapa teknik watermarking yang sudah ada. Teknik ini dikenal dengan istilah hybrid image watermarking. Tujuan dari
hybrid image watermarking yaitu supaya bisa menghasilkan
imperceptibility yang baik. Dari berbagai kombinasi hybrid image watermarking yang dilakukan dalam bidang watermarking
teknik RDWT-SVD. Dari hasil pengujian tingkat
, kecenderungan menggabungkan teknik Discrete
Wavelet Transform (DWT) dengan teknik Singular Value Decomposition (SVD) banyak dilakukan karena bisa
menghasilkan teknik watermarking yang memiliki kriteria
robust dan imperceptibility yang tinggi. Penambahan unsur
redudansi pada Discrete Wavelet Transform (RDWT) bisa menghasilkan teknik watermarking yang lebih robust lagi dibandingkan dengan teknik lain, dan hal ini yang ingin dibuktikan pada penelitian ini dengan melakukan komparasi
hybrid image watermarking metode teknik DWT-SVD dengan
[9], teknik hybrid image watermarking Discrete Wavelet Transform (DWT) - Discrete Cosine Transform (DCT) [10], Singular Value Decomposition (SVD) - Discrete Wavelet Transform [11], Redundant Discrete Wavelet Transform (RDWT) - Singular Value Decomposition [12] dan Menggabungkan Teknik Discrete Wavelet Transform (DWT) - Discrete Wavelet Transform (DWT) -
1. PENDAHULUAN
dirasakan oleh panca indra manusia atau Human Visual System (HVS). Perkembangan teknik digital watermarking [2] dimulai dari penggunaan teknik yang berdasarkan domain spasial seperti penggunaan teknik Least Significant Bit (LSB) yang menghasilkan skema watermarking yang rapuh (fragile) dari berbagai serangan (attack) seperti noise , kompresi,
dan imperceptibility yang tinngi [1]. Robustness merupakan ketahananan watermark dari berbagai serangan dan upaya menghilangkan watermark yang disisipkan pada citra digital. Sedangkan imperceptibility merupakan ketidaktampakan perubahan file gambar atau citra digital yang dijadikan cover
watermarking yang lebih baik yaitu memiliki unsur robustness
Teknik atau metode watermarking citra digital selalu dikembangkan dengan tujuan untuk menghasilkan teknik
watermarking metode atau teknik DWT-SVD dengan teknik
RDWT-SVD. Hasil komparasi ini digunakan untuk menentukan metode atau teknik mana yang lebih baik digunakan untuk proteksi dan perlindungan hak cipta pada citra digital.
2. PEMBAHASAN
2.1 Discrete Wavelet Transform (DWT) Discrete Wavelet Transform (DWT) merupakan transformasi
sinyal diskrit menjadi koefisien-koefisien wavelet yang diperoleh dengan cara memfilter sinyal dengan dua filter yang berbeda yaitu filter rendah dan filter tinggi. Discrete Wavelet
Transform
(DWT) membagi (mendekomposisikan) citra digital memjadi 4 bagian pada frekuensi subband citra tersebut. Komponen subband transformasi wavelet dihasilkan dengan
image akibat penyisipan watermark yang bisa dilihat atau
Transform (DWT) dapat dilakukan dengan cara melewatkan
I V
2 DWT sehingga memperoleh 4 (empat) bagian yang berbeda yaitu LL
2 , HL 2 , LH 2 dan HH
2 3.
Pilih koefisien detail approkmasi (LL
2
) sebagai tempat penyisipan watermark;
4. Terapkan SVD pada detail approkmasi (LL
2
) dengan rumus :
I I =U
I S
IT 5.
1
Untuk watermark juga diproses dengan operasi SVD; W= U
w S w
V wT 6.
Sisipkan watermark pada file host dengan menggunakan algoritma penyisipan dengan menjumlahkan matriks file
host dengan matriks citra watermark yang sudah dikalikan dengan faktor alpha. S_em=I_s + Alpha*Ew_s; 7.
Lakukan Inverse SVD pada watermarked image dengan modifikasi nilai singular;
I*
I =U
I S*
I V
IT 8.
Lakukan proses Invers DTW untuk merokonstruksi
) dan terapkan level
2. Pilih koefisien detail approkmasi (LL
sinyal melalui sebuah Low Pass Filter (LPF) dan melakukan downsampling pada keluaran masing-masing filter [13]. Untuk mendapatkan nilai dekomposisi atau DWT dapat menggunakan persamaan : Dari persamaan (2.1) dan (2.2), nilai keluaran hasil dokomposisi bisa didapatkan dengan menggabungkan kedua persamaan tersebut.
Alpha File Host (I)
2.2 Redundant Discrete Wavelet Transform (RDWT) Redundant Discrete Wavelet Transform (RDWT) merupakan
pergeseran invarian dan redundansi tingkat spasial sinyal sampling dan ukuran masing-masing subband pada RDWT memiliki ukuran yang sama dengan sinyal input sehingga menyebabkan proses ektraksi watermark dari file host menjadi lebih akurat [13]. Perbedaan Discrete Wavelet Transform (RDWT) dengan Redundant Discrete Wavelet Transform (RDWT) yaitu pada proses pongolahan image dengan RDWT menghilangkang operasi down-sampling.
Untuk mendapatkan nilai dekomposis dengan RDWT dapat dihitung dengan menggunakan persamaaan: Dari persamaan (2.4) dan (2.5), didaptkan nilai keluaran RDWT dengan menggabungkan kedua rumus tersebut.
2.3 Singular Value Decomposition (SVD) Singular Value Decomposition (SVD) memaparkan proses
dokomposisi sebuah matriks menjadi tiga buah matriks yang ukurannya sama dengan matriks aslinya, yaitu matriks hanger
(U) , stretcher (S) dan aligner (V). Pada dasarnya matriks
apapun dapat dibagi menjadi ketiga matriks tersebut. Matriks
hanger (U) dan aligner (V) merupakan matriks orthogonal yaitu
matriks U merupakan matriks orthogonal mxm dan V merupakan matriks orthogonal nxn, maka perkalian dengan kedua matriks tersebut tidak akan mengubah bentuk objek karena kedua matriks itu akan mempertahankan bentuk objek. Sementara itu, matriks stretcher (S) merupakan matriks diagonal mxn yang bernilai riil tak negatif yang disebut dengan nilai-nilai singuler. Perkalian dengan matriks stretcher (S) akan merentangkan suatu objek. Jika suatu kurva dikalikan dengan matriks diagonal (S), maka semua nilai pada kurva sepanjang sumbu x dan y akan terentang. Misal, jika terdapat sebuah kurva berbentuk lingkaran, maka setelah kurva tersebut dikalikan denganmatriks stretcher (S), bentuk kurva akan menjadi elips. Untuk mengembalikan kurva ke bentuk asalnya, dapat dilakukan perkalian dengan matriks yang komponen- komponennya merupakan kebalikan dari matriks stretcher (S). dinyatakan dengan persamaan: SVD merupakan teknik dekomposisi matriks yang paling optimal karena menggunakan energi kuadran terkecil dalam penyisipan sinyal maksimum kedalam beberpa koefisien matriks sehingga memiliki kemampuan untuk beradaptasi dengan variasi statistik lokal dari suatu citra atau gambar [14].
2.4 Algoritma Hybrid Image Watermarking
2.4.1 Hybrid Image Watermarking DWT-SVD
Untuk algoritma penyisipan watermarking dengan metode atau teknik DWT-SVD seperti Gambar 2.1.
2D-DWT LL SVD Penyisipan Watermark S_em = I_s + Alpha*W_s Watermark (W)
1. Dekomposisi file host menjadi 4 (empat) bagian dengan menggunakan Discrete Wavelet Transform (DWT);
ISVD
2D-
IDWT Watermarked Image
2D-DWT LL SVD (a) Alpha Watermarked Image (Ew)
2D-DWT LL SVD Ekstraksi Watermark S_ew = Ew_s – I_s/Alpha File Host (I)
ISVD
2D-
IDWT Watermark
2D-DWT LL SVD (b)
Gambar 2.1 (a) Algoritma penyisipan dan (b) ekstraksiwatermarking dengan teknik DWT-SVD
Prosedur penyisipan watermark pada file host dijelaskan sebagai berikut :
watermarked image yang berupa fungsi menjadi Lakukan proses Invers RDWT untuk merekonstruksi digital.
watermarked image .
Prosedur ekstraksi watermark dari file host untuk metode Prosedur ekstraksi watermark dari file host untuk metode
DWT-SVD dijelaskan sebagai berikut : DWT-SVD dijelaskan sebagai berikut : 1.
Watermarked image didekomposisikan dengan teknik 1.
Watermarked image diproses dengan RDWT untuk DWT untuk mendapatkan subband LL; mendapatkan subband LL;
2
2. ) Pilih koefisien detail approkmasi (LL 2.
2 )
Pilih koefisien detail approkmasi (LL 3.
2 ) dengan
Terapkan SVD pada detail approkmasi (LL
2
3. ) dengan rumus Terapkan SVD pada detail approkmasi (LL
T
rumus : LL=USV : 4.
I I
I IT
Untuk file watermark dan file host juga diproses dengan
I* =U* S* V*
operasi yang sama seperti watermarked image; 4.
Untuk citra watermark diproses dengan SVD dengan 5. Ekstraksi watermark pada dari file host dengan metode rumus : ekstraksi;
w w w wT
W* = U* S* V* S_ew=(Ew_ s - I_s)/Alpha 5.
Ekstraksi watermark pada dari file host dengan algoritma 6. Terapkan Invers SVD dengan modifikasi nilai singular ekstraksi; untuk memperoleh koefisien frekuensi rendah dari
S_ew=(Ew_ s - I_s)/Alpha
watermark yang masih berupa fungsi; 6.
Terapkan Invers SVD dengan modifikasi nilai singular 7. Dari watermark yang berupa fungsi lakukan proses Invers untuk memperoleh koefisien frekuensi rendah dari
DTW untuk rekonstruksi citra watermark.
watermark 7.
Lakukan proses Invers RDTW untuk merekonstruksi citra
2.4.2 Hybrid Image Watermarking RDWT-SVD watermark .
Algoritma penyisipan watermarking dengan teknik RDWT- SVD adalah sebagai berikut :
2.5 Komparasi Hybrid Image Watermarking DWT-SVD dengan RDWT-SVD dari Segi Alpha Alpha Imperceptibility
Pada penelitian ini untuk implementasi kedua metode hybrid File Host (I) Watermark (W) Watermarked Image (Ew) File Host (I) image watermarking yang akan dikomparisi menggunakan pemograman matlab dan pengujian dilakukan dengan membangun aplikasi sendiri dengan mengukur parameter
2D-RDWT
2D-RDWT
2D-RDWT
2D-RDWT PSNR, Q dan Corr. LL LL LL
Untuk menghitung nilai PSNR dapat menggunakan persamaan
LL S_em = I_s + Alpha*W_s SVD SVD PW S_ew = Ew_s Ekstraksi Watermark SVD SVD atau rumus berikut :
- – I_s/Alpha
Untuk mendapatkan nukai MSE (Mean Squared Error) dengan Watermarked IRDWT Image SVD 2D- Watermark IRDWT ISVD 2D- menggunakan persamaan : Sedangkan untuk Q menggunakan persamaan :
(a) (b)
Gambar 2.2 (a) Algoritma penyisipan dan (b) ekstraksiwatermarking dengan teknik RDWT-SVD
Corr dapat dihitung dengan menggunakan persamaan : Prosedur penyisipan watermark pada file host dengan teknik RDWT-SVD dijelaskan sebagai berikut : 1.
Lakukan RDWT pada file host;
2 Untuk test image atau file host yang digunakan pada penelitian
2. ) sebagai tempat Pilih koefisien detail approkmasi (LL penyisipan watermark; yaitu citra Brodatz, Grass, Gravel, North Island NAS, San
2 Diego, Woodland Hills, House, Elaine, Lenna, motion01,
3. ) pada file host Terapkan SVD pada detail approkmasi (LL dengan rumus : motion02, motion03.
I I
I IT I =U S
V 4.
Untuk watermark juga diproses dengan operasi SVD W=
w w wT U S
V 5.
Sisipkan watermark pada file host dengan algoritma penyisipan dengan menambahkan factor alpha pada
watermak S_em=I_s + Alpha*Ew_s
6. Lakukan Inverse SVD pada watermarked image dengan modifikasi nilai singular;
Karakter Image Jenis RDWT-SVD istik PSNR Q Corr Textures Brodatz (G) Mono 38.2577 4.9934 0.9980 Grass (G) Mono 34.2949 4.9741 0.9830
Gravel (G) Mono 37.8805 4.9735 0.9963 Aerials North Island RGB 33.0529 4.9610 0.9992 NAS(C) San Diego (C) RGB 31.0857 4.9488 0.9973 Woodland Hills (C) RGB 30.7224 4.9200 0.9979 Miscella House (C) Gray 32.4207 4.9403 0.9994 neous Elaine (G) Gray 36.8654 4.9420 0.9972
Lenna (C) RGB 30.4402 4.8346 0.9986 Sequenc motion01 (G) Gray 44.5237 4.9816 0.9987 es motion02 (G) Gray 44.4264 4.9815 0.9987 motion03 (G) Gray 44.3784 4.9818 0.9988
Untuk melakukan komparasi antara hybrid image watermarking DWT-SVD dengan RDWT-SVD dari segi imperceptibility,
Gambar 2.3 File host yang digunakan pada hybrid imagenilai PSNR dan Corr dikelompokan berdasarkan karakteristik
watermarking
dan jenis citra inputan atau file host yang digunakan pada Sedangkan untuk watermark yang digunakan pada penelitian proses watermarking. Hasil resume nilai tersebut dapat dilihat ini adalah citra Earth From Space untuk citra grayscale dan pada Tabel 2.3. citra Golden Gate untuk citra color, watermark dabn hasil ekstraksi watermark dapat dilihat pada Gambar 2.4.
Tabel 2.3 Nilai PSNR dan Corr Karakteristik CitraKarakteristik DWT-SVD RDWT-SVD Citra PSNR Corr PSNR Corr
Textures 38.2557 0.9980 38.2577 0.9980 Aerials 33.0474 0.9991 33.0529 0.9992
Miscellaneous 36.8609 0.9993 36.8654 0.9993 Sequences 44.5187 0.9987 44.5237 0.9987
Menurut [15] standar untuk parameter imperceptibility pada
watermarking citra digital diupayakan untuk menghasilkan nilai
PSNR diatas 35dB, rating kualitas image (Q) minimal 4 (good) dan Corr minimal 0.8 (skala 0-1). Untuk skema hybrid image
watermarking dengan metode atau teknik DWT-SVD dan
Gambar 2.4 Watermark dan hasil ekstraksi watermarkRDWT-SVD sudah memenuhi kriteria diatas. Dari Tabel 2.1 dan 2.2 nilai PSNR (Peak Signal to Noise) untuk teknik hybrid Untuk data pada penelitian ini dilakukan pengukur dengan
image watermarking DWT-SVD dan RDWT-SVD yaitu
membangun aplikasi menggunakan pemograman matlab, sebesar 37.0836 dB (DWT-SVD) dan 37.0877 dB (RDWT- dengan menggunakan alpha yang sama yaitu sebesar 0.01 dan
SVD). Nilai rata-rata Perceptual Quality Matric (Q) adalah jenis wavelet haar sedangkan watermark yang digunakan sebesar 4.9518 (DWT-SVD) dan 4.9519 (RDWT-SVD). adalah Golden Gate untuk citra color dan Earth From Space
Sedangkan nilai Corr untuk sebesar 0.9967 (DWT-SVD) dan untuk citra grayscale, didapatkan nilai PSNR, Q dan Corr 0.9969 (RDWT-SVD). Nilai PSNR, Q, Corr teknik hybrid seperti Tabel 2.1 dan 2.2
image watermarking RDWT lebih tinggi dibandingkan teknik
DWT-SVD hal ini disebabkan karena pada teknik RDWT-SVD
Tabel 2.1 Nilai PNSR, Q dan Corr Teknik DWT-SVD adanya proses redudansi yang menghilangkan prosesdownsampling, sehingga tidak terjadi pergeseran invariant dari
Karak Image Jenis DWT-SVD
Teristik PSNR Q Corr subband dan menyebabkan koefisien wavelet tidak berubah
Textures Brodatz (G) Mono 38.2557 4.9934 0.9980 akibat dari proses downsampling sehigga menyebabkan tingkat
Grass (G) Mono 34.2923 4.9740 0.9829akurasi dalam proses watermarking menjadi lebih baik.
Gravel (G) Mono 37.8797 4.9735 0.9962 Aerials North Island RGB 33.0474 4.9609 0.9991
Dari data pada Tabel 2.3 nilai PSNR untuk citra karakteristik
NAS(C)
texture untuk teknik DWT-SVD sebesar 38.2557 dB dan teknik San Diego (C) RGB 31.0924 4.9487 0.9972
RDWT-SVD 38.2557 dB, terdapat selisih nilai sebesar 0.0002
Woodland Hills (C) RGB 30.7213 4.9199 0.9978
dB. Untuk citra Aerials nilai PSNR teknik DWT-SVD 33.0474
Miscella House (C) Gray 32.4145 4.9403 0.9993 neous Elaine (G) Gray 36.8609 4.9421 0.9971 dB dan RDWT-SVD 33.0529 dB, selisih nilai sebesar 0.0055 Lenna (C) RGB 30.4378 4.8346 0.9986
dB, citra Miscellaneous teknik DWT-SVD 36.8609 dB dan
Sequenc motion01 (G) Gray 44.5187 4.9815 0.9987
RDWT-SVD 36.8654, selisih 0.0045 dB, dan citra Squences
es motion02 (G) Gray 44.4123 4.9814 0.9986
teknik DWT-SVD 44.5187 dB dan RDWT-SVD 44.5237,
motion03 (G) Gray 44.3704 4.9816 0.9986
selisih 0.0050 dB. Sedangkan nilai corr pada karakteristik
texture, Aerials, Miscellaneous dan Squences memiliki nilai
yang hampir sama yaitu diatas 0.99, hal ini menandakan bahwa kedua teknik hybrid image watermarking yaitu teknik DWT- SVD dan RDWT-SVD memiliki nilai imperceptibility yang tinggi karena sudah diatas nilai standar yaitu untuk PSNR diatas 35dB dan untuk Corr diatas 0.8. Tetapi pada hybrid image watermarking dengan teknik RDWT- SVD nilai PSNR sedikit lebih baik sebesar 0.0002 dB untuk karakteristik texture, Aerials 0.0055 dB, Miscellaneous 0.0045 dB dan Squences 0.0050 dB. Hal ini menandakan bahwa hybrid
image watermarking dengan teknik RDWT-SVD lebih imperceptibility dibandingkan dengan teknik DWT-SVD,
Walaupun perbedaannya antara kedua teknik tersebut tidak terlalu jauh. Hybrid image watermarking dengan teknik RDWT-SVD memiliki karakter imperceptibility sangat baik sehingga sangat baik digunakan utuk proteksi dan perlindungan hak cipta pada citra digital yang lebih memperhatikan kualitas secara perseptual.
Implemetasi hybrid image watermarking dengan metode atau teknik RDWT-SVD untuk proteksi pada citra digital sangat baik karena karakteristik imperceptibility pada metode RDWT- SVD yang cukup tinggi sehingga penyisipan watermark tidak mengganggu atau mengurangi kualitas citra asli. Sehingga nilai perceptual citra asli atau file host tetap tinggi walaupun sudah disisipkan watermark.
2.6 Komparasi Hybrid Image Watermarking DWT-SVD dengan RDWT-SVD dari Segi
Pada penelitian ini menggunakan program automatic attack
5 ML 0.96404 0.96406
mengalami pergerseran posisi sehingga pada saat ekstraksi posisi watermark tetap terjaga. Dengan tidak adanya pergeseran tersebut menjadikan teknik RDWT-SVD lebih robust.
watermark pada file host untuk teknik RDWT-SVD tidak
Sedangkan nilai rata-rata keberhasilan ekstraksi dari attacked image menghasilkan tingkat keberhasilan 81% untuk teknik DWT-SVD dan 82% untuk teknik RDW-SVD. Kedua metode atau teknik menghasilkan nilai deteksi dan ekstraksi dari attacked image yang lebih tinggi dari metode-metode sebelumnya yang menggunakan aplikasi checkmark untuk menghasilkan attack secara otomatis. Kareakteristik Kedua teknik hybrid image watermarking DWT- SVD dan RDWT-SVD cukup robust,tapi pada teknik RDWT- SVD tingkat ekstraksi dari attacked image sedikit lebih baik karena menghasilkan nilai sebesar 82% dibandingkan dengan teknik DWT-SVD yang menghasilkan nilai ekstraksi 81%. Metode atau teknik RDWT-SVD lebih robust dibandingkan dengan teknik DWT-SVD. Hal ini disebabkan karena posis
watermarking DWT-SVD dan RDWT-SVD menghasilkan nilai yang cukup memuaskan yaitu sebesar 94% untuk kedu metode.
Nilai deteksi terhadap attack untuk teknik hybrid hybrid image
Gambar 2.5 Attacked Image10 Ratation Scala 0.57856 0.57860
9 Wavelet 0.98910 0.99330
8 Copy 0.02286 0.02311
7 Calor Reduce 0.73540 0.76372
6 Resample 0.99341 0.99342
4 JPEG 0.98049 0.98052
yaitu checkmark untuk melakukan serangan atau attack
3 MAP 0.98871 0.98881
Robustness
1 Remodulation 0.94985 0.94987
No Kelompok Attack RDWT-SVD DWT-SVD RDWT-SVD
SVD dan RDWT-SVD
Tabel 2.3 Nilai Corr kelompok Attack untuk metode DWT-Nilai corr hasil proses ekstraksi dari attacked image sebagaimana pada Tabel 2.3.
attacked image .
Selanjutnya diproses dengan menggunakan checkmark untuk menghasilkan attack secara otomatis sehingga menghasilkan
Citra digital atau image yang digunakan pada penelitian ini adalah berasal dari file host yang terdiri dari (im1 (Lenna), im2 (Nort Island NAS), im3 (Brodatz), im4 (motion01)) penggunaan image host tersebut mewakili karakter image miscellaneous, aerials, textures dan sequences sedangakan watermarked image (imWM1 (watermarked Lenna), imWM2 (watermarked Nort Island NAS), imWM3 (watermarked Brodatz), imWM4 (watermarked motion01).
watermarking dengan teknik DWT-SVD dan RDWT-SVD.
terhadap image hasil proses watermarking guna untuk mengetahui tingkat robustness pada teknik hybrid image
2 Filtering 0.96869 0.97282
6 RDWT-SVD 82 % 94 %
Biodata Penulis Munawir Ansari, memperoleh gelar Sarjana Teknik Elektro
[2] Y. Abate, “Digital Image Watermaking with Matlab,” Addis Ababa University, Euthopia, 2005. [3] S. Gupta, “A Robust Algorithm of Digital Image Watermarking Based on Discrete
Wavelet Transform,” IJCCT, vol. 1, no. 2, pp. 222
Berlin Heidelberg , pp. 548 –553, 2005.
[5] B. C. Mohan and S. S. Kumar, “Robust Multiple Image Watermarking Scheme using Discrete Cosine Transform with Multiple
Descriptions,” International JJournal of Computer Theory and Engineering , vol. 1, pp. 527 –532, 2009. [6] P. Kumar Dha and J. Myon Kim, “Digital Watermarking Scheme Based on Fast Fourier Transformation for Audio Copyright Protection,” International Journal of Security and Its Applications, vol. 5, no. Kumar Dha, pp. 34 –48, 2011. [7] S. M. R. Haque, “Singular Value Decomposition and Discrete Cosine Transform,” School of Engineering Blekinge Institute of Technology Sweden, Sweden, 2008. [8] I. Raheem and G. Sulong, “Wavelet Fractal Image Watermarking System (WFIWS),” IJCSI International Journal of Computer Science Issues, vol. 10, no. 6, pp. 102
DCT,” Anale Serial Informatica VIT University, School of Computing Science and Engineering, vol. 1, no. 1, pp. 27 –33, 2012.
[11]S. Sirmour and A. Tiwari, “A Hybrid DWT-SVD Based Digital Image Watermarking Algoritthm for Copyright Protection,” International Journal of P2P Network Trends and Technology (IJPTT), vol. 6, pp. 7 –10, 2014. [12]S. Padhihary, “Digital Watermarking Based on Redundant Discrete Wavelet and Singular Value Decomposition,” International Journal of Advanced Research in Computer Science and Software Engineering, vol. 3, no. 2, pp. 431
Kutter and F. A. P. Petitcola, “A fair benchmark for image watermarking systems,” Security and Watermarking of Multimedia Contents The International Society for Optical Engineering The Computer Laboratory, University of Cambridge, vol. 3657, pp. 1 –14, 1999.
(ST), Jurusan Teknik Elektro Telekomunikasi Unissula Semarang, lulus tahun 2007. Sedang menempuh pendidikan Magister Teknik Informatikadi Universitas Islam Indonesia. No Metode
,”
Watermarking Presentase
Keberhasilan Ekstraksi
Rata-Rata Deteksi
1 Wong 61 % 74 %
2 Cox 67 % 90 %
3 Xia 67 % 84 %
4 Kim 38 % 48 %
5 DWT-SVD 81 % 94 %
Seminar Nasional Teknologi Informasi & Komunikasi Terapan , vol. 1, 2011.
Y. Hidayat and E. D. Udayanti, “Hybrid Watermarking Citra Digital Menggunakan Teknik Dwt-Dct Dan Svd
- –227, 2010. [4] M. Habib, S. Sarhan, and L. Rajab, “A Robust-Fragile Dual Watermarking System in the DCT Dom ain,” Springer-Verlag
2. Faktor embeddeb (alpha) sangat mempengaruhi kualitas
berbagai metode
Dengan karakteristik robust yang cukup tinggi maka hybrid
image watermarking RDWT-SVD sangat baik digunakan untuk
proteksi pada citra digital. Sehingga lebih tahan terhadap upaya menghilangkan watermark yang merupakan identitas kepemilikan citra yang sah dari citra digital tersebut.
3. KESIMPULAN
Dari penelitian komparasi metode hybrid image watermarking DWT-SVD dengan RDWT-SVD untuk proteksi dan perlindungan hak cipta pada citra digital dapat disimpulkan :
1. Pada teknik hybrid image watermarking dengan teknik DWT-SVD dan RDWT-SVD jenis wavelet tidak mempengaruhi kualitas citra hasil proses watermarking;
hybrid image watermarking dengan menggunakan teknik
4. REFERENSI [1] E.
- –109, 2013. [9] Y. Prayudi, “Metode Watermarking Ganda Sebagai Teknik Pengaman Pada Citra Digital,” Program Studi Teknik Informatika Program Pascasarjana Institut Teknologi Sepuluh November Surabaya, Surabaya Indonesia, 2002. [10] V. . M. Viswanatham, “A Hibrid Digital Watermarking Algorithm for color images based on DWT-
DWT-SVD dan RDWT-SVD. Semakin kecil nilai factor
embedded maka akan menghasilkan citra digital dengan
tingkat imperceptibility yang tinggi; 3. Karakteristik hybrid image watermarking teknik DWT-
SVD dan RDWT-SVD memiliki nilai imperceptibility yang tinggi karena sudah diatas nilai standar yaitu untuk PSNR diatas 35 dB dan untuk Corr diatas 0.8. Tetapi pada hybrid image watermarking dengan teknik RDWT-SVD nilai PSNR lebih tinggi dibandingkan teknik DWT-SVD, hal ini menandakan bahwa hybrid image watermarking dengan teknik RDWT-SVD lebih imperceptibility dibandingkan dengan teknik DWT-SVD. Sehingga teknik hybrid image
watermarking dengan teknik RDWT-SVD sangat baik
digunakan utuk proteksi pada citra digital yang lebih memperhatikan kualitas secara perceptual;
4. Pada metode atau teknik hybrid image watermarking DWT- SVD dan RDWT-SVD menghasilkan nilai deteksi dan ekstraksi watermark dari attacked image yang lebih tinggi dari metode-metode sebelumnya yang menggunakan aplikasi checkmark untuk menghasilkan attack.
- –434, 2013. [13]S. Lagzian, M. Soryani, and F. Fathy, “Robust watermarking scheme based on RDWT- SVD : Embedding Data in All subbands,” IEEE, vol. 1, pp. 48–52, 2011. [14]S. M. R. Haque, “Singular Value Decomposition and Discrete Cosine Transform,” School of Engineering Blekinge Institute of Technology Sweden, Sweden, 2008. [15]M.
Kareakteristik Kedua teknik hybrid image watermarking DWT-SVD dan RDWT-SVD cukup robust, tetapi pada teknik RDWT-SVD tingkat ekstraksi dari attacked image sedikit lebih baik karena menghasilkan nilai lebih besar dibandingkan dengan teknik DWT-SVD. Metode atau teknik RDWT-SVD lebih robust dibandingkan dengan teknik DWT-SVD. Dengan karakteristik robust yang cukup tinggi maka hybrid image watermarking RDWT-SVD sangat baik digunakan untuk proteksi pada citra digital yang tetap menjaga autentifikasi kempeilikan citra, sehingga lebih tahan terhadap upaya manipulasi dan upaya menghilangkan watermark yang merupakan identitas kepemilikan sah dari citra dari citra digital tersebut. Sumbawa Barat.
Yudi Prayudi, memperoleh gelar S.Si tahun 1993 dari
Universitas Gajah Mada (UGM). Kemudian tahun 2001 memperoleh gelar M.Kom dari Institut Teknologi Sepuluh November (ITS). Saat ini sebagai Staf Pengajar Program Studi Teknik Informatika dan Magister Teknik Informatika Universitas Islam Indonesia Yogyakarta.