ITS paper 40385 5209100711 Paper
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014)
1
Implementasi Digital Audio Watermarking
pada Berkas Suara dengan Menggunakan
Metode Least Significant Bit
Aldhi Reza S, Prof. Akinori Ito
Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia
e-mail: aldhi.reza09@mhs.is.its.ac.id, a.ito@spcom.ecei.tohoku.ac.jp
Abstrak—Keamanan atas kepemilikan aset informasi menjadi
kebutuhan utama. Perkembangan aset informasi pada industri
media digital mulai dari gambar, musik dan video semakin
mengalami pertumbuhan yang cepat. Selain itu, peran teknologi
informasi juga berpengaruh besar dalam distribusi dan
penggandaan aset informasi. Distribusi yang tidak dapat
dikontrol ini menjadi masalah bagi aset informasi yang memiliki
hak cipta intelektual maupun kepemilikan atas media digital
tersebut. Salah satu cara untuk mengontrol perkembangan
media digital adalah dengan menerapkan digital audio
watermarking. Digital audio watermarking khususnya digunakan
untuk mengidentifikasi kepemilikan atau hak cipta pada sebuah
gelombang sinyal suara. Dengan digital watermarking maka
informasi dapat disembunyikan kedalam media digital. Tugas
akhir ini menerapkan konsep audio watermaking dengan
menggunakan metode Least Significant Bit. Sehingga dengan
adanya digital audio watermarking ini dapat memproteksi berkas
suara dengan menambahkan informasi digital kedalam berkas
suara tersebut. Uji coba dilakukan dengan mengukur kualitas
berkas suara asli sebelum ditambahakan watermark dan
dibandingkan dengan kualitas berkas suara setelah ditambahkan
watermark. Hasil uji coba pada tugas akhir ini menunjukkan
bahwa berkas suara yang telah mengalami penambahan
watermark mengalami penurunan kualitas suara. Hasil ini
didapatkan setelah dilakukan perhitungan dengan nilai Signal to
Noise Ratio. Namun secara pendengaran normal manusia tidak
ada perbedaan antara berkas suara asli dan berkas suara yang
sudah disisipkan watermark.
Kata Kunci—digital audio watermarking, least significant bit,
signal to noise ratio, steganografi.
I. PENDAHULUAN
K
Eamanan Keamanan aset informasi menjadi pada saat
sekarang ini menjadi kebutuhan utama. Aset informasi
memiliki nilai yang tinggi apabila menyangkut dengan
keputusan bisnis, keamanan data dan kepemilikan hak
intelektual.
Perkembangan aset informasi pada industri media digital
mulai dari gambar, musik dan video semakin mengalami
pertumbuhan yang cepat. Selain itu, peran teknologi informasi
juga berpengaruh besar dalam distribusi dan penggandaan aset
informasi. Distribusi yang tidak dapat dikontrol ini menjadi
masalah bagi aset informasi yang memiliki hak cipta
intelektual maupun kepemilikan atas media digital tersebut.
Hak cipta merupakan hak ekslusif yang diberikan kepada
pencipta dari suatu karya original, termasuk hak untuk
mengopi, mendistribusi maupun mengadaptasi karya tersebut.
Seorang artis yang menerbitkan album lagu melalui sebuah
label atau rumah produksi, maka hak cipta untuk
memperbanyak terdapat pada label tersebut. Didalamnya telah
ada perjanjian antara label atau rumah produksi dengan artis
pemilik lagu untuk pengaturan pembagian keuntungan. Pada
saat album dibeli oleh seseorang, orang tersebut tidak
memiliki hak untuk memperbanyak dan menyebarkannya ke
orang lain.
Banyak upaya yang sudah dilakukan untuk melakukan
perlindungan terhadap berkas suara digital yang diproduksi
oleh label untuk mencegah orang memperbanyak berkas suara
tersebut. Salah satunya yaitu watermark digital pada berkas
suara. Watermarking digital bisa menjadi solusi yang baik
untuk mencegah penduplikasian secara ilegal, modifikasi dan
distribusi data multimedia[1].
Audio watermark digital dapat digunakan untuk tujuan
berbeda, salah satunya termasuk untuk mencatat informasi
pemilik hak cipta, informasi label atau rumah produksi, dan
mengidentifikasi pemilik berkas suara. Hal-hal ini dapat
membantu menyediakan bukti legal dalam manajemen hak
cipta atas berkas suara digital.
II. TINJAUAN PUSTAKA
A. Digital Audio Watermarking
Digital audio watermarking adalah sebuah penanda rahasia
yang tertanam didalam sinyal suara. Digital audio
watermarking khususnya digunakan untuk mengidentifikasi
kepemilikan dari hak cipta pada sebuah gelombang sinyal
suara. Watermarking adalah proses menyembunyikan
informasi digital didalam sinyal asli, informasi tersebut harus
tersembunyi, tetapi tidak harus memiliki hubungan dengan
sinyal asli[2].
Ada dua alternatif untuk menjaga dan perlindungan pesan
terhadap pendeteksian, yaitu steganografi dan kriptografi.
Steganografi menyembunyikan keberadaan pesan, dan
sedangkan kriptografi mengenkripsi pesan, tetapi tidak
menyembunyikan pesan[3]. Banyak parameter yang
memperngaruhi kualitas sistem steganografi pada audio.
Diantaranya jumlah data yang disisipkan dan tingkat
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014)
keterlihatannya, tingkat robustness terhadap penghapusan atau
pengerusakan atas data yang disisipkan, mengingat hal ini
menjadi hal yang paling penting dalam sistem steganografi[4].
B. Waveform Audio File Format
Waveform Audio File Format (wave) atau yang lebih biasa
dikenal dengan wav berdasarkan nama ekstensinya[5] atau
juga dikenal dengan Audio for Windows adalah sebuah standar
Microsoft dan IBM audio file format untuk menyimpan audio
bitstream pada komputer. Ini adalah sebuah aplikasi dari
Resource Interchange File Format (RIFF), metode format
bitsream untuk menyimpan data dalam “chunks”, dan dekat
juga dengan format 8SVX dan AIFF format yang digunakan
pada Amiga dan Macintosh. Ini merupakan format utama yang
digunakan pada sistem Windows untuk audio standar dan
biasanya tidak terkompresi. Karena media penyimpanan yang
tidak terkompresi yang mana menyimpan semua sampel dari
track audio, maka pengguna profesional dan ahli audio dapat
menggunakan format wave untuk kualitas audio yang
maksimal.
C. Least Significant Bit
Least significant bit adalah bagian dari barisan data biner
(basis dua) yang mempunyai nilai paling tidak berarti atau
yang paling kecil. Letaknya adalah paling kanan dari barisan
bit. Sedangkan most significant bit adalah sebaliknya, yaitu
angka yang paling berarti atau paling besar dan letaknya
disebelah paling kiri.
2
kemungkinan jalur itu dipakai untuk lalu-lintas
komunikasi data dan sinyal dalam kecepatan tinggi.
Kalkulasi SNR digunakan untuk melakukan evaluasi.
Kalkulasi dilakukan dengan menhitung sinyal suara asli
dan dibandingkan dengan sinyal suara setelah
dimodifikasi[6].
1
0
1
0
0
1
0
1
1
0
1
0
0
1
0
1
1
0
1
0
0
1
0
1
1
0
1
0
1
1
1
1
1
1
0
1
0
0
1
0
1
1
0
1
0
0
1
0
1
1
0
1
0
0
1
0
1
1
0
1
0
1
1
1
0
0
0
0
0
0
0
0
Gambar 3 Metode Least Significant Bit
Berikut rumus untuk menghitung nilai SNR yang
membandingkan rasio antara kekuatan sinyal (signal
strength) dan kekuatan derau (noise). Perhitungan SNR
dapat dilihat pada persamaan berikut.
Gambar 4 Signal to Noise Ratio
III. METODOLOGI
1
1
1
1
1
1
1
1
Gambar 1 Representasi Bilangan Biner
Contohnya adalah bilangan biner dari 255 adalah 1111
1111. Bilangan tersebut dapat berarti :
Berikut ini adalah gambar metodologi tugas akhir yang
digunakan.
Mulai
X
Studi Pustaka
Uji Coba
Gambar 2 Perhitungan Bilangan Biner
Tidak
Dari barisan angka 1 di atas, angka 1 paling kanan bernilai
1, dan itu adalah yang paling kecil. Bagian tersebut disebut
dengan least significant bit (bit yang paling tidak berarti),
sedangkan bagian paling kiri bernilai 128 dan disebut dengan
most significant bit (bit yang paling berarti). Proses
penyisipan pesan menggunakan metode least significant bit
dapat dilihat pada gambar 3[6].
D. Signal to Noise Ratio
SNR merupakan perbandingan (ratio) antara kekuatan
sinyal (signal strength) dengan kekuatan derau (noise
level). Nilai SNR dipakai untuk menunjukkan kualitas
jalur atau media koneksi. Makin besar nilai SNR, makin
tinggi kualitas jalur tersebut. Artinya, makin besar pula
Pembuatan Aplikasi
Ya
Perhitungan Nilai SNR
Penyisipan Pesan
Penyusunan Buku
Tugas Akhir
X
Selesai
Gambar 5 Diagram Alur Metodologi
Pembuatan Aplikasi
Pada tahapan ini dilakukan pembuatan aplikasi berbasis
desktop dengan bahasa pemrograman Java. Pembuatan
aplikasi dimulai dengan pembuatan fungsi read dan write data
audio wave, kemudian setelah itu dilakukan pembuatan fungsi
penyisipan pesan pada berkas suara dengan mengatur jumlah
bit yang disisipkan, lalu dilakukan penggabungan data pesan
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014)
dengan berkas suara dalam format wav. Setelah pembuatan
fungsi penyisipan pesan, fungsi selanjutnya adalah fungsi
ekstraksi pesan dari berkas suara. Data yang terdapat pada
berkas suara akan diekstrak untuk mendapatkan pesan yang
tersimpan.
Uji Coba
Setelah dilakukan proses penyisipan pesan (encoding
watermark), maka langkah selanjutnya adalah proses uji coba.
Pada tahapan ini, berkas suara yang telah disisipkan
watermark, dilakukan pengecekan, apakah data informasi
yang disisipkan dapat dibaca oleh aplikasi dan dilihat apakah
terdapat perbedaan informasi yang dihasilkan pada tahap
decoding watermark. Tujuannya adalah untuk menjamin
bahwa proses encoding berjalan dengan baik dan semua
informasi yang disisipkan benar-benar telah tersimpan dalam
berkas suara. Jika pesan yang dihasilkan berbeda dengan
pesan yang disisipkan, maka dilakukan proses penyisipan
ulang pesan kedalam berkas suara.
Perhitungan Nilai SNR
Setelah aplikasi selesai dibuat, maka proses yang dilakukan
pada tahapan ini yaitu proses uji coba dan analisis hasil uji
coba pada berkas suara. Tahapan ini bertujuan untuk
mengukur kualitas berkas suara yang telah disisipkan
watermark. Pengaruh watermark diukur terhadap kualitas
sinyal suara yang dihasilkan.
IV. HASIL DAN PEMBAHASAN
Uji coba dilakukan dengan memasukkan data teks dan data
dokumen kedalam berkas suara. Setelah memasukkan pesan
kedalam berkas suara kemudian dilakukan analisis terhadap
kualitas suara dengan menghitung nilai Signal to Noise Ratio.
Tabel 1 Hasil Uji Coba Kualitas Suara pada Data Teks
LSB
Ukuran
Berkas
(bytes)
Ukuran
Pesan
(bytes)
Kapasitas
(bytes)
Nilai SNR (dB)
1
320,684
105
20,024
93.07760682
2
320,684
105
40,048
88.77874169
3
320,684
105
60,072
83.57861153
4
320,684
105
80,096
78.73321165
5
320,684
105
100,120
72.6327274
6
320,684
105
120,144
67.15944053
7
320,684
105
140,168
62.11727179
8
320,684
105
160,192
58.49576568
Pada tabel 1 menunjukkan kualitas berkas suara dengan
penyisipan data teks dan dibandingkan dengan berkas suara
asli. Untuk kualitas berkas suara dengan penyisipan data
dokumen dapat dilihat pada tabel 2.
3
Tabel 2 Hasil Uji Coba Kualitas Suara pada Data Dokumen
LSB
Ukuran
Berkas
(bytes)
Ukuran
Pesan
(bytes)
Kapasitas
(bytes)
Nilai SNR (dB)
1
320,684
19,572
20,024
70.86838922
2
320,684
19,572
40,048
66.67609934
3
320,684
19,572
60,072
62.08783576
4
320,684
19,572
80,096
57.15471445
5
320,684
19,572
100,120
51.875545
6
320,684
19,572
120,144
46.30037119
7
320,684
19,572
140,168
40.64054786
8
320,684
19,572
160,192
34.79175644
Berdasarkan hasil analisis hasil uji coba kualitas pada
berkas suara setelah dilakukan penyisipan data teks maupun
dokumen dapat dinyatakan bahwa :
1) Semakin besar nilai LSB yang digunakan maka akan
berbanding lurus dengan kapasitas penyimpanan pesan.
Saat nilai LSB 1, maka ukuran pesan yang dapat
ditampung sebesar 20,024 bytes. Dan pada saat nilai LSB
8, maka ukuran pesan yang dapat ditampung juga
meningkat menjadi 160,192 bytes.
2) Penggunaan nilai LSB yang kecil akan berdampak pada
kualitas suara. Pada kasus data teks, saat nilai LSB 1,
maka nilai SNR pada suara 93.07 dB. Begitu juga saat
nilai LSB 8, maka nilai SNR akan menurun menjadi
58.49 dB. Sedangkan pada kasus data dokumen, saat nilai
LSB 1, maka nilai SNR pada suara 70.87 dB. Begitu juga
saat nilai LSB 8, maka nilai SNR akan menurun menjadi
34.79 dB.
3) Ukuran berkas suara sebelum dan setelah disisipkan
watermark tidak mengalami perubahan. Ukuran berkas
asli 320,684 bytes dan setelah dilakukan penyisipan
pesan, ukuran berkas tetap sama sebesar 320,684 bytes.
V. KESIMPULAN
Berdasarkan hasil penelitian tugas akhir, maka ada
beberapa kesimpulan yang dapat diambil, diantaranya adalah :
a. Dalam tugas akhir ini telah berhasil diimplementasikan
konsep digital audio watermarking dengan menggunakan
metode least significant bit pada berkas suara wave.
Aplikasi sudah dapat melakukan proses penyisipan dan
ekstraksi dari pesan yang akan disisipkan maupun telah
disisipkan pada berkas suara.
b. Penggunaan nilai Least Significant Bit (LSB) yang
semakin kecil akan menghasilkan kualitas suara yang
semakin baik. Karena semakin sedikit sinyal suara yang
dimodifikasi. Kualitas berkas suara ini diukur dengan
menghitung nilai Signal to Noise Ratio (SNR) pada
berkas suara tersebut.
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014)
c.
d.
e.
f.
g.
Peningkatan kapasitas penyimpanan pesan atau
watermark pada berkas suara akan berbanding lurus
dengan jumlah nilai Least Significant Bit (LSB) yang
digunakan saat penyisipan pesan. Karena semakin banyak
sinyal yang harus dimodifikasi untuk menyisipkan
informasi kedalam berkas suara.
Metode Least Significant Bit (LSB) memiliki kapasitas
penyimpanan pesan yang besar. Kapasitas ini dapat
dilihat dari besarnya ukuran pesan yang dapat disisipkan
dan dibandingkan dengan ukuran berkas suara.
Besarnya nilai Least Significant Bit (LSB) yang
digunakan tidak berpengaruh terhadap ukuran berkas
suara. Pada penelitian ini dapat dilihat bahwa ukuran
berkas baik yang menggunakan nilai LSB 1 hingga 8
tidak berpengaruh terhadap ukuran berkas suara hasil
proses watermark.
Pada metode Least Significant Bit (LSB) untuk
mendapatkan kualitas suara yang maksimal, maka lebih
baik ukuran pesan yang akan disisipkan semakin kecil,
sehingga berkas suara yang dihasilkan juga akan semakin
baik.
Berdasarkan kalkulasi perhitungan nilai Signal to Noise
Ratio (SNR), dapat dianalogikan bahwa apabila nilai
SNR lebih dari 1 maka kekuatan sinyal asli lebih besar
daripada kekuatan derau (noise) sehingga berkas suara
tersebut memiliki kualitas yang baik. Pada penelitian ini
nilai SNR yang dihasilkan memiliki angka yang besar
(lebih besar dari 1 decibel), sehingga kekuatan sinyal asli
lebih dominan dari kekuatan derau (noise).
DAFTAR PUSTAKA
[1]
[2]
[3]
[4]
[5]
[6]
Singh, V. (2011). Digital Watermarking: A Tutorial. Multidisciplinary
Journals in Science and Technology, Journal of Selected Areas in
Telecommunications (JSAT), 10-21.
Cox, I. J. (2008). Digital watermarking and steganography. Burlington,
MA, USA: Morgan Kaufmann.
Adhiya, K. P. (2012). Hiding Text in Audio Using LSB Based
Steganography. Information and Knowledge Management, 8-15.
Djebbar, F. (2012). Comparative study of digital audio steganography
techniques. EURASIP Journal on Audio, Speech, and Music Processing.
IBM Corporation and Microsoft Corporation. (1991, August).
Multimedia Programming Interface and Data Specifications 1.0.
Retrieved
May
1,
2014,
from
http://www.kk.iij4u.or.jp/~kondo/wave/mpidata.txt
Wakiyama, M. (2010). An audio steganography by a low-bit coding
method with wave files. International Conference on Intelligent
Information Hiding and Multimedia Signal Processing, 530-533.
4
1
Implementasi Digital Audio Watermarking
pada Berkas Suara dengan Menggunakan
Metode Least Significant Bit
Aldhi Reza S, Prof. Akinori Ito
Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia
e-mail: aldhi.reza09@mhs.is.its.ac.id, a.ito@spcom.ecei.tohoku.ac.jp
Abstrak—Keamanan atas kepemilikan aset informasi menjadi
kebutuhan utama. Perkembangan aset informasi pada industri
media digital mulai dari gambar, musik dan video semakin
mengalami pertumbuhan yang cepat. Selain itu, peran teknologi
informasi juga berpengaruh besar dalam distribusi dan
penggandaan aset informasi. Distribusi yang tidak dapat
dikontrol ini menjadi masalah bagi aset informasi yang memiliki
hak cipta intelektual maupun kepemilikan atas media digital
tersebut. Salah satu cara untuk mengontrol perkembangan
media digital adalah dengan menerapkan digital audio
watermarking. Digital audio watermarking khususnya digunakan
untuk mengidentifikasi kepemilikan atau hak cipta pada sebuah
gelombang sinyal suara. Dengan digital watermarking maka
informasi dapat disembunyikan kedalam media digital. Tugas
akhir ini menerapkan konsep audio watermaking dengan
menggunakan metode Least Significant Bit. Sehingga dengan
adanya digital audio watermarking ini dapat memproteksi berkas
suara dengan menambahkan informasi digital kedalam berkas
suara tersebut. Uji coba dilakukan dengan mengukur kualitas
berkas suara asli sebelum ditambahakan watermark dan
dibandingkan dengan kualitas berkas suara setelah ditambahkan
watermark. Hasil uji coba pada tugas akhir ini menunjukkan
bahwa berkas suara yang telah mengalami penambahan
watermark mengalami penurunan kualitas suara. Hasil ini
didapatkan setelah dilakukan perhitungan dengan nilai Signal to
Noise Ratio. Namun secara pendengaran normal manusia tidak
ada perbedaan antara berkas suara asli dan berkas suara yang
sudah disisipkan watermark.
Kata Kunci—digital audio watermarking, least significant bit,
signal to noise ratio, steganografi.
I. PENDAHULUAN
K
Eamanan Keamanan aset informasi menjadi pada saat
sekarang ini menjadi kebutuhan utama. Aset informasi
memiliki nilai yang tinggi apabila menyangkut dengan
keputusan bisnis, keamanan data dan kepemilikan hak
intelektual.
Perkembangan aset informasi pada industri media digital
mulai dari gambar, musik dan video semakin mengalami
pertumbuhan yang cepat. Selain itu, peran teknologi informasi
juga berpengaruh besar dalam distribusi dan penggandaan aset
informasi. Distribusi yang tidak dapat dikontrol ini menjadi
masalah bagi aset informasi yang memiliki hak cipta
intelektual maupun kepemilikan atas media digital tersebut.
Hak cipta merupakan hak ekslusif yang diberikan kepada
pencipta dari suatu karya original, termasuk hak untuk
mengopi, mendistribusi maupun mengadaptasi karya tersebut.
Seorang artis yang menerbitkan album lagu melalui sebuah
label atau rumah produksi, maka hak cipta untuk
memperbanyak terdapat pada label tersebut. Didalamnya telah
ada perjanjian antara label atau rumah produksi dengan artis
pemilik lagu untuk pengaturan pembagian keuntungan. Pada
saat album dibeli oleh seseorang, orang tersebut tidak
memiliki hak untuk memperbanyak dan menyebarkannya ke
orang lain.
Banyak upaya yang sudah dilakukan untuk melakukan
perlindungan terhadap berkas suara digital yang diproduksi
oleh label untuk mencegah orang memperbanyak berkas suara
tersebut. Salah satunya yaitu watermark digital pada berkas
suara. Watermarking digital bisa menjadi solusi yang baik
untuk mencegah penduplikasian secara ilegal, modifikasi dan
distribusi data multimedia[1].
Audio watermark digital dapat digunakan untuk tujuan
berbeda, salah satunya termasuk untuk mencatat informasi
pemilik hak cipta, informasi label atau rumah produksi, dan
mengidentifikasi pemilik berkas suara. Hal-hal ini dapat
membantu menyediakan bukti legal dalam manajemen hak
cipta atas berkas suara digital.
II. TINJAUAN PUSTAKA
A. Digital Audio Watermarking
Digital audio watermarking adalah sebuah penanda rahasia
yang tertanam didalam sinyal suara. Digital audio
watermarking khususnya digunakan untuk mengidentifikasi
kepemilikan dari hak cipta pada sebuah gelombang sinyal
suara. Watermarking adalah proses menyembunyikan
informasi digital didalam sinyal asli, informasi tersebut harus
tersembunyi, tetapi tidak harus memiliki hubungan dengan
sinyal asli[2].
Ada dua alternatif untuk menjaga dan perlindungan pesan
terhadap pendeteksian, yaitu steganografi dan kriptografi.
Steganografi menyembunyikan keberadaan pesan, dan
sedangkan kriptografi mengenkripsi pesan, tetapi tidak
menyembunyikan pesan[3]. Banyak parameter yang
memperngaruhi kualitas sistem steganografi pada audio.
Diantaranya jumlah data yang disisipkan dan tingkat
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014)
keterlihatannya, tingkat robustness terhadap penghapusan atau
pengerusakan atas data yang disisipkan, mengingat hal ini
menjadi hal yang paling penting dalam sistem steganografi[4].
B. Waveform Audio File Format
Waveform Audio File Format (wave) atau yang lebih biasa
dikenal dengan wav berdasarkan nama ekstensinya[5] atau
juga dikenal dengan Audio for Windows adalah sebuah standar
Microsoft dan IBM audio file format untuk menyimpan audio
bitstream pada komputer. Ini adalah sebuah aplikasi dari
Resource Interchange File Format (RIFF), metode format
bitsream untuk menyimpan data dalam “chunks”, dan dekat
juga dengan format 8SVX dan AIFF format yang digunakan
pada Amiga dan Macintosh. Ini merupakan format utama yang
digunakan pada sistem Windows untuk audio standar dan
biasanya tidak terkompresi. Karena media penyimpanan yang
tidak terkompresi yang mana menyimpan semua sampel dari
track audio, maka pengguna profesional dan ahli audio dapat
menggunakan format wave untuk kualitas audio yang
maksimal.
C. Least Significant Bit
Least significant bit adalah bagian dari barisan data biner
(basis dua) yang mempunyai nilai paling tidak berarti atau
yang paling kecil. Letaknya adalah paling kanan dari barisan
bit. Sedangkan most significant bit adalah sebaliknya, yaitu
angka yang paling berarti atau paling besar dan letaknya
disebelah paling kiri.
2
kemungkinan jalur itu dipakai untuk lalu-lintas
komunikasi data dan sinyal dalam kecepatan tinggi.
Kalkulasi SNR digunakan untuk melakukan evaluasi.
Kalkulasi dilakukan dengan menhitung sinyal suara asli
dan dibandingkan dengan sinyal suara setelah
dimodifikasi[6].
1
0
1
0
0
1
0
1
1
0
1
0
0
1
0
1
1
0
1
0
0
1
0
1
1
0
1
0
1
1
1
1
1
1
0
1
0
0
1
0
1
1
0
1
0
0
1
0
1
1
0
1
0
0
1
0
1
1
0
1
0
1
1
1
0
0
0
0
0
0
0
0
Gambar 3 Metode Least Significant Bit
Berikut rumus untuk menghitung nilai SNR yang
membandingkan rasio antara kekuatan sinyal (signal
strength) dan kekuatan derau (noise). Perhitungan SNR
dapat dilihat pada persamaan berikut.
Gambar 4 Signal to Noise Ratio
III. METODOLOGI
1
1
1
1
1
1
1
1
Gambar 1 Representasi Bilangan Biner
Contohnya adalah bilangan biner dari 255 adalah 1111
1111. Bilangan tersebut dapat berarti :
Berikut ini adalah gambar metodologi tugas akhir yang
digunakan.
Mulai
X
Studi Pustaka
Uji Coba
Gambar 2 Perhitungan Bilangan Biner
Tidak
Dari barisan angka 1 di atas, angka 1 paling kanan bernilai
1, dan itu adalah yang paling kecil. Bagian tersebut disebut
dengan least significant bit (bit yang paling tidak berarti),
sedangkan bagian paling kiri bernilai 128 dan disebut dengan
most significant bit (bit yang paling berarti). Proses
penyisipan pesan menggunakan metode least significant bit
dapat dilihat pada gambar 3[6].
D. Signal to Noise Ratio
SNR merupakan perbandingan (ratio) antara kekuatan
sinyal (signal strength) dengan kekuatan derau (noise
level). Nilai SNR dipakai untuk menunjukkan kualitas
jalur atau media koneksi. Makin besar nilai SNR, makin
tinggi kualitas jalur tersebut. Artinya, makin besar pula
Pembuatan Aplikasi
Ya
Perhitungan Nilai SNR
Penyisipan Pesan
Penyusunan Buku
Tugas Akhir
X
Selesai
Gambar 5 Diagram Alur Metodologi
Pembuatan Aplikasi
Pada tahapan ini dilakukan pembuatan aplikasi berbasis
desktop dengan bahasa pemrograman Java. Pembuatan
aplikasi dimulai dengan pembuatan fungsi read dan write data
audio wave, kemudian setelah itu dilakukan pembuatan fungsi
penyisipan pesan pada berkas suara dengan mengatur jumlah
bit yang disisipkan, lalu dilakukan penggabungan data pesan
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014)
dengan berkas suara dalam format wav. Setelah pembuatan
fungsi penyisipan pesan, fungsi selanjutnya adalah fungsi
ekstraksi pesan dari berkas suara. Data yang terdapat pada
berkas suara akan diekstrak untuk mendapatkan pesan yang
tersimpan.
Uji Coba
Setelah dilakukan proses penyisipan pesan (encoding
watermark), maka langkah selanjutnya adalah proses uji coba.
Pada tahapan ini, berkas suara yang telah disisipkan
watermark, dilakukan pengecekan, apakah data informasi
yang disisipkan dapat dibaca oleh aplikasi dan dilihat apakah
terdapat perbedaan informasi yang dihasilkan pada tahap
decoding watermark. Tujuannya adalah untuk menjamin
bahwa proses encoding berjalan dengan baik dan semua
informasi yang disisipkan benar-benar telah tersimpan dalam
berkas suara. Jika pesan yang dihasilkan berbeda dengan
pesan yang disisipkan, maka dilakukan proses penyisipan
ulang pesan kedalam berkas suara.
Perhitungan Nilai SNR
Setelah aplikasi selesai dibuat, maka proses yang dilakukan
pada tahapan ini yaitu proses uji coba dan analisis hasil uji
coba pada berkas suara. Tahapan ini bertujuan untuk
mengukur kualitas berkas suara yang telah disisipkan
watermark. Pengaruh watermark diukur terhadap kualitas
sinyal suara yang dihasilkan.
IV. HASIL DAN PEMBAHASAN
Uji coba dilakukan dengan memasukkan data teks dan data
dokumen kedalam berkas suara. Setelah memasukkan pesan
kedalam berkas suara kemudian dilakukan analisis terhadap
kualitas suara dengan menghitung nilai Signal to Noise Ratio.
Tabel 1 Hasil Uji Coba Kualitas Suara pada Data Teks
LSB
Ukuran
Berkas
(bytes)
Ukuran
Pesan
(bytes)
Kapasitas
(bytes)
Nilai SNR (dB)
1
320,684
105
20,024
93.07760682
2
320,684
105
40,048
88.77874169
3
320,684
105
60,072
83.57861153
4
320,684
105
80,096
78.73321165
5
320,684
105
100,120
72.6327274
6
320,684
105
120,144
67.15944053
7
320,684
105
140,168
62.11727179
8
320,684
105
160,192
58.49576568
Pada tabel 1 menunjukkan kualitas berkas suara dengan
penyisipan data teks dan dibandingkan dengan berkas suara
asli. Untuk kualitas berkas suara dengan penyisipan data
dokumen dapat dilihat pada tabel 2.
3
Tabel 2 Hasil Uji Coba Kualitas Suara pada Data Dokumen
LSB
Ukuran
Berkas
(bytes)
Ukuran
Pesan
(bytes)
Kapasitas
(bytes)
Nilai SNR (dB)
1
320,684
19,572
20,024
70.86838922
2
320,684
19,572
40,048
66.67609934
3
320,684
19,572
60,072
62.08783576
4
320,684
19,572
80,096
57.15471445
5
320,684
19,572
100,120
51.875545
6
320,684
19,572
120,144
46.30037119
7
320,684
19,572
140,168
40.64054786
8
320,684
19,572
160,192
34.79175644
Berdasarkan hasil analisis hasil uji coba kualitas pada
berkas suara setelah dilakukan penyisipan data teks maupun
dokumen dapat dinyatakan bahwa :
1) Semakin besar nilai LSB yang digunakan maka akan
berbanding lurus dengan kapasitas penyimpanan pesan.
Saat nilai LSB 1, maka ukuran pesan yang dapat
ditampung sebesar 20,024 bytes. Dan pada saat nilai LSB
8, maka ukuran pesan yang dapat ditampung juga
meningkat menjadi 160,192 bytes.
2) Penggunaan nilai LSB yang kecil akan berdampak pada
kualitas suara. Pada kasus data teks, saat nilai LSB 1,
maka nilai SNR pada suara 93.07 dB. Begitu juga saat
nilai LSB 8, maka nilai SNR akan menurun menjadi
58.49 dB. Sedangkan pada kasus data dokumen, saat nilai
LSB 1, maka nilai SNR pada suara 70.87 dB. Begitu juga
saat nilai LSB 8, maka nilai SNR akan menurun menjadi
34.79 dB.
3) Ukuran berkas suara sebelum dan setelah disisipkan
watermark tidak mengalami perubahan. Ukuran berkas
asli 320,684 bytes dan setelah dilakukan penyisipan
pesan, ukuran berkas tetap sama sebesar 320,684 bytes.
V. KESIMPULAN
Berdasarkan hasil penelitian tugas akhir, maka ada
beberapa kesimpulan yang dapat diambil, diantaranya adalah :
a. Dalam tugas akhir ini telah berhasil diimplementasikan
konsep digital audio watermarking dengan menggunakan
metode least significant bit pada berkas suara wave.
Aplikasi sudah dapat melakukan proses penyisipan dan
ekstraksi dari pesan yang akan disisipkan maupun telah
disisipkan pada berkas suara.
b. Penggunaan nilai Least Significant Bit (LSB) yang
semakin kecil akan menghasilkan kualitas suara yang
semakin baik. Karena semakin sedikit sinyal suara yang
dimodifikasi. Kualitas berkas suara ini diukur dengan
menghitung nilai Signal to Noise Ratio (SNR) pada
berkas suara tersebut.
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014)
c.
d.
e.
f.
g.
Peningkatan kapasitas penyimpanan pesan atau
watermark pada berkas suara akan berbanding lurus
dengan jumlah nilai Least Significant Bit (LSB) yang
digunakan saat penyisipan pesan. Karena semakin banyak
sinyal yang harus dimodifikasi untuk menyisipkan
informasi kedalam berkas suara.
Metode Least Significant Bit (LSB) memiliki kapasitas
penyimpanan pesan yang besar. Kapasitas ini dapat
dilihat dari besarnya ukuran pesan yang dapat disisipkan
dan dibandingkan dengan ukuran berkas suara.
Besarnya nilai Least Significant Bit (LSB) yang
digunakan tidak berpengaruh terhadap ukuran berkas
suara. Pada penelitian ini dapat dilihat bahwa ukuran
berkas baik yang menggunakan nilai LSB 1 hingga 8
tidak berpengaruh terhadap ukuran berkas suara hasil
proses watermark.
Pada metode Least Significant Bit (LSB) untuk
mendapatkan kualitas suara yang maksimal, maka lebih
baik ukuran pesan yang akan disisipkan semakin kecil,
sehingga berkas suara yang dihasilkan juga akan semakin
baik.
Berdasarkan kalkulasi perhitungan nilai Signal to Noise
Ratio (SNR), dapat dianalogikan bahwa apabila nilai
SNR lebih dari 1 maka kekuatan sinyal asli lebih besar
daripada kekuatan derau (noise) sehingga berkas suara
tersebut memiliki kualitas yang baik. Pada penelitian ini
nilai SNR yang dihasilkan memiliki angka yang besar
(lebih besar dari 1 decibel), sehingga kekuatan sinyal asli
lebih dominan dari kekuatan derau (noise).
DAFTAR PUSTAKA
[1]
[2]
[3]
[4]
[5]
[6]
Singh, V. (2011). Digital Watermarking: A Tutorial. Multidisciplinary
Journals in Science and Technology, Journal of Selected Areas in
Telecommunications (JSAT), 10-21.
Cox, I. J. (2008). Digital watermarking and steganography. Burlington,
MA, USA: Morgan Kaufmann.
Adhiya, K. P. (2012). Hiding Text in Audio Using LSB Based
Steganography. Information and Knowledge Management, 8-15.
Djebbar, F. (2012). Comparative study of digital audio steganography
techniques. EURASIP Journal on Audio, Speech, and Music Processing.
IBM Corporation and Microsoft Corporation. (1991, August).
Multimedia Programming Interface and Data Specifications 1.0.
Retrieved
May
1,
2014,
from
http://www.kk.iij4u.or.jp/~kondo/wave/mpidata.txt
Wakiyama, M. (2010). An audio steganography by a low-bit coding
method with wave files. International Conference on Intelligent
Information Hiding and Multimedia Signal Processing, 530-533.
4