IMPLEMENTASI DIGITAL AUDIO WATERMARKING MENGGUNAKAN TEKNIK PENGGABUNGAN REGION OF INTEREST AUDIO DAN CITRA BINER SEBAGAI WATERMARK

Transkripsi

1 IMPLEMENTASI DIGITAL AUDIO WATERMARKING MENGGUNAKAN TEKNIK PENGGABUNGAN REGION OF INTEREST AUDIO DAN CITRA BINER SEBAGAI WATERMARK CIRAMUDYA ADHA GAFAWIDJ DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2009 i

2 IMPLEMENTASI DIGITAL AUDIO WATERMARKING MENGGUNAKAN TEKNIK PENGGABUNGAN REGION OF INTEREST AUDIO DAN CITRA BINER SEBAGAI WATERMARK CIRAMUDYA ADHA GAFAWIDJ 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 2009 iii

3 ABSTRACT CIRAMUDYA ADHA GAFAWIDJ. Digital Audio Watermarking Implementasion using Mixed Region of Interest Audio and Binary Image as Watermark. Supervised by SHELVIE NIDYA NEYMAN. The growth of networking technology and the growth of digital multimedia have made copyright protection as an important issue. Digital audio watermarking is proposed to overcome this issue. The use of mixed ROI audio and binary image as watermark is a method for copyright protection and tampering localization. ROI audio is generated from host audio in certain length and binary image is encrypted using chaos logistic map. Both ROI audio and encrypted binary image are mixed to be hidden in host audio. Before they are hidden, the host audio has to be decomposed in several levels using LWT. The value of mixed ROI audio and encrypted binary image will replace the value which is generated by LWT to reconstruct the watermarked audio. The watermarks can be extracted from watermarked audio using independent component analysis and some inversed steps. The watermarked audio which is tampered can be localized after some stages of watermark extraction. The quality of watermarked audio is measured using signal to noise ratio (SNR) and the values of SNR from some experiments are above 20 db. It means that the quality of watermarked audio is good. The quality of extracted binary image is measured using peak signal to noise ratio (PSNR) and the result shows that there is not any difference between the original binary image and the extracted binary image. Signal processings on watermarked audio is implemented to analyze how robust this method is. They are resampling, requantizing, low-pass filter, and white noising. The experiments show good results. Keywords: audio watermarking, tampering localization, independent component analysis (ICA), lifting wavelet transform (LWT), region of interest (ROI), signal to noise ratio (SNR), peak signal to noise ratio (PSNR). iii

4 Judul : Implementasi Digital Audio Watermarking Menggunakan Teknik Penggabungan Region of Interest Audio dan Citra Biner sebagai Watermark Nama : Ciramudya Adha Gafawidj NIM : G Menyetujui Pembimbing Shelvie Nidya Neyman, S.Kom, M.Si NIP Mengetahui Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Dr. Drh. Hasim, DEA NIP Tanggal Lulus: iii

5 PRAKATA Alhamdulillaahi Rabbil alamin, puji dan syukur penulis panjatkan kepada Allah Subhaana Wa Ta aala. Limpahan rahmat dan hidayah-nya telah mengantarkan penulis pada selesainya tugas akhir yang berjudul Implementasi Penyisipan ROI Audio dan Citra Biner pada Audio Menggunakan LWT dan Ekstraksi Watermark menggunakan ICA. Penelitian ini mulai dilaksanakan pada Februari 2009 dan bertempat di Departemen Ilmu Komputer. Terima kasih penulis ucapkan kepada Ibu Shelvie Nidya Neyman, S.Kom, M.Si selaku pembimbing atas bimbingan dan arahannya selama pengerjaan tugas akhir, Bapak Dr. Ir. Agus Buono, M.Si, M.Kom selaku penguji pertama dan Bapak Firman Ardiansyah, S.Kom, M.Si selaku penguji kedua. Ucapan terima kasih juga penulis berikan kepada: 1 kedua orang tua penulis, Anna Widjajanti dan Gunawan, yang selalu mengirimkan doa serta dukungan, mendengarkan keluh kesah penulis, dan berusaha agar penulis bisa melaksanakan perkuliahan dengan baik, 2 kedua saudari kandung penulis, Buanawista Fajar Gafawidj dan Asa Virdissa Gafawidj, 3 keluarga besar Bapak HM Woeridin atas doa yang selalu diberikan kepada penulis, 4 Dony Ariyanto, yang memberikan semangat dan doa, serta mendengarkan keluh kesah penulis, 5 teman-teman dari Edensor, yaitu Herwaman, Haryanto, Syariful Mizan, dan Fathoni Arief M, yang telah banyak membantu penulis dalam proses penyelesaian tugas akhir, 6 teman-teman yang berada di bawah bimbingan Ibu Shelvie, yaitu Regi Riandani, Tajrij Kawakibi, dan Andhica Shashica, yang sering menjadi tempat bertanya seputar tugas akhir, 7 teman-teman Ilkom 42, yaitu Esti Aryani Purwaningrum, Fitria Yuningsih, Dika Agus Satria, dan lain-lain, atas bantuan yang diberikan kepada penulis, dan 8 seluruh pihak-pihak yang telah membantu penulis dalam proses penyelesaian tugas akhir dan tidak dapat disebutkan satu persatu. Semoga karya ilmiah ini dapat bermanfaat. Bogor, Agustus 2009 Ciramudya Adha Gafawidj iii

6 RIWAYAT HIDUP Penulis dilahirkan pada tanggal 5 Agustus 1987 di Yogyakarta sebagai anak pertama dari tiga bersaudara dari pasangan Gunawan dan Anna Widjajanti. Penulis menduduki bangku SMA jurusan IPA pada tahun 2002 di SMA Negeri 1 Pontianak dan lulus pada tahun Pada tahun yang sama, penulis berhasil lolos SPMB dan menjadi mahasiswi Institut Pertanian Bogor (IPB). Setelah menjalani Tahun Pembelajaran Bersama selama setahun di IPB, penulis memilih Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA), sebagai mayor dan Riset Operasi, Departeman Matematika, FMIPA, sebagai minor. Pada tahun 2008, penulis menjalani kegiatan praktik kerja lapangan di PT. PERTAMINA (Pusat) bersama kedua rekan sekelasnya. Selama mengikuti perkuliahan, penulis pernah menjadi asisten praktikum Bahasa Pemrograman pada semester genap tahun 2008/2009. iii

7 iii

8 DAFTAR ISI Halaman DAFTAR GAMBAR... v DAFTAR TABEL... v PENDAHULUAN Latar Belakang... 1 Tujuan... 1 Ruang Lingkup... 1 TINJAUAN PUSTAKA Watermarking... 1 Lifting Wavelet Transform (LWT)... 2 Peak Signal to Noise Ratio (PSNR)... 2 Region of Interest (ROI)... 3 Signal to Noise Ratio (SNR)... 3 Teori Chaos dengan Persamaan Logistik... 3 Linear Feedback Shift Register (LFSR)... 3 Independent Component Analysis (ICA)... 3 METODE PENELITIAN Spesifikasi Perangkat Lunak... 4 Penyiapan Berkas Data... 4 Penyisipan Dua Watermark... 5 Ekstraksi Dua Watermark... 6 Analisis Uji Ketahanan... 6 Lokalisasi Kerusakan... 7 HASIL DAN PEMBAHASAN Parameter-Parameter yang Digunakan... 7 Tool untuk Menyisipkan dan Mengekstraksi Watermark serta Melakukan Lokalisasi Kerusakan... 7 Pengujian Kualitas dan Kemiripan antara Host Audio dan Watermarked Audio... 8 Perbandingan Watermark Asli dengan Watermark Hasil Ekstraksi... 9 Analisis Uji Ketahanan... 9 Lokalisasi Kerusakan... 9 Waktu Eksekusi KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA iv

9 DAFTAR GAMBAR Halaman 1 Penyisipan Watermark pada Citra (Munir 2004) Verifikasi Watermark pada Citra (Munir 2004) Operasi LFSR Proses Pencampuran Sinyal Suara (Gunawan 2005) Sinyal Asli s 1 dan s 2 (Gunawan 2005) Sinyal Tercampur x 1 dan x 2 (Gunawan 2005) Sinyal yang Sudah Dipisahkan dengan Metode ICA (Gunawan 2005) Citra yang Digunakan sebagai Watermark Proses Penyisipan Watermark Diadaptasi dari Ma et al. (2008) Seleksi ROI Audio Proses Ekstraksi Watermark Diadaptasi dari Ma et al. (2008) Watermark Citra Biner Pembangkitan ROI Audio dari 4.wav Dimulai dari Titik ke ROI Audio Tool untuk Penyisipan Watermark Tool untuk Ekstraksi Watermark Tool untuk Menjalankan FastICA Tool untuk Lokalisasi Kerusakan Selisih Nilai Absolut antara Host Audio dan Watermarked Audio Watermark ROI Audio Asli (Atas) dan Watermark ROI Audio Hasil Ekstraksi (Bawah) Watermark Citra Biner Asli (Kiri) dan Watermark Citra Biner Hasil Ekstraksi (Kanan) Watermarked Audio Tampered Watermarked Audio Lokalisasi Kerusakan Watermarked Audio DAFTAR TABEL Halaman 1 Nilai SNR Watermarked Audio Perbandingan antara Watermark Asli dan Hasil Ekstraksi Waktu Eksekusi dalam Spesifikasi Perangkat Keras yang Berbeda v

10 Latar Belakang PENDAHULUAN Perkembangan teknologi jaringan dan teknik kompresi data audio mempermudah penyalinan dan penyebaran data audio secara ilegal (Alfatwa 2006). Perkembangan teknologi informasi internet dan multimedia digital menyebabkan perlindungan hak cipta menjadi sebuah permasalahan yang penting. Teknik digital watermarking dianggap sebagai solusi yang efektif untuk mengatasi permasalahan ini (Ma et al. 2008). Digital watermarking dilakukan untuk menyisipkan watermark pada data digital sehingga dapat melindungi hak ciptanya. Watermark merepresentasikan informasi mengenai pencipta atau pemilik resmi data digital. Watermark dapat berupa logo perusahan atau tanda tangan. Watermarking dilakukan sedemikian sehingga tidak merusak data aslinya dan diharapkan orang yang membuka data tidak menyadari adanya watermark. Proses ekstraksi akan menghasilkan kembali watermark yang telah disisipkan. Watermark ini dibandingkan dengan watermark pemilik hak cipta untuk membuktikan hak ciptanya (Alfatwa 2006). Pada penelitian ini, digunakan dua watermark, yaitu sinyal audio Region of Interest (ROI) dan sebuah citra biner berupa logo. Kedua watermark pada awalnya digabung dan dienkripsi kemudian disisipkan ke dalam komponen yang dihasilkan dari proses lift wavelet transform (LWT) sebanyak beberapa level terhadap host audio. Proses ekstraksi dilakukan dengan menggunakan metode fast-fixed point Independent Component Analysis (FastICA). Metode ICA digunakan untuk melakukan pemisahan sinyal audio tercampur. Data audio yang mudah tersebar juga dapat mengalami kerusakan. Meskipun terjadi kerusakan pada watermarked audio, ekstraksi watermark harus menghasilkan watermark yang sama dengan watermark aslinya. Penggunaan metode pada penelitian ini dapat melokalisasi kerusakan yang terjadi pada watermarked audio. Tujuan Tujuan penelitian ini adalah: 1 mengetahui cara kerja watermarking menggunakan teknik penggabungan ROI audio dan citra biner sebagai watermark, 2 mengetahui cara kerja lokalisasi kerusakan pada watermarked audio, 3 membuktikan keunggulan teknik ini dalam perlindungan hak cipta dan lokalisasi kerusakan, dan 4 melakukan analisis uji ketahanan pada teknik ini. Ruang Lingkup Data yang digunakan dalam penelitian ini adalah audio dan citra. Audio yang akan disisipi watermark merupakan monoaudio dengan format *.wav yang jika dibaca menggunakan MATLAB akan menghasilkan matriks berukuran dengan sample rate Hz. Citra yang digunakan adalah citra dengan ukuran 5 KB dan dimensi citra pixel. Analisis uji ketahanan dilakukan dengan melakukan resampling, requantizing, lowpass filtering, white noising pada watermarked audio, dan pengubahan format audio menjadi *.mp3. Resampling dilakukan dengan mengubah sample rate pada watermarked audio menjadi Hz, Hz, Hz, Hz, dan Hz. Requantizing dilakukan dengan mengubah bits per sample menjadi 8 bit, 24 bit, dan 32 bit. White noise yang akan diberikan pada watermarked audio adalah sepanjang detik. Watermarking TINJAUAN PUSTAKA Watermarking merupakan bentuk dari steganografi. Steganografi adalah ilmu yang mempelajari cara menyembunyikan suatu data pada data lain. Watermarking merupakan suatu cara untuk menyembunyikan atau menanamkan data atau informasi tertentu ke dalam data digital lain yang tidak diketahui kehadirannya oleh indera manusia dan mampu menghadapi proses-proses pengolahan sinyal digital sampai pada tahap tertentu (Supangkat et al. 2000). Data atau sinyal digital yang akan disisipkan watermark disebut host data, sedangkan data yang sudah disisipkan watermark disebut watermarked data. Watermarking memiliki beberapa tujuan antara lain (Supangkat et al. 2000): 1 Tamper-proofing Watermarking digunakan sebagai alat identifikasi atau indikator yang menunjukkan data digital (host) telah mengalami perubahan dari aslinya. 1

11 2 Feature location Watermarking digunakan sebagai alat identifikasi isi dari data digital pada lokasi-lokasi tertentu, misalnya penamaan objek tertentu dari beberapa objek yang lain pada suatu citra digital. 3 Annotation atau caption Watermarking digunakan sebagai keterangan tentang data digital itu sendiri. 4 Copyright-Labeling Watermarking digunakan untuk menyembunyikan label hak cipta. Gambar 1 merupakan contoh sederhana penyisipan watermark pada citra. Citra disisipi watermark dengan menggunakan sebuah kunci sehingga watermark hanya dapat diekstraksi oleh pihak yang sah dan watermark tidak dapat dihapus oleh pihak yang tidak sah. Gambar 2 merupakan proses verifikasi watermark yang terdiri dari ekstraksi watermark dan pembandingan watermark. Proses ekstraksi dapat menyertakan atau tidak menyertakan citra asal dengan menggunakan kunci yang dimiliki. Setelah watermark dari citra yang diuji berhasil diekstrak, watermark tersebut dibandingkan dengan watermark asli (Munir 2004). Gambar 1 Penyisipan Watermark pada Citra (Munir 2004). Gambar 2 Verifikasi Watermark pada Citra (Munir 2004). Lifting Wavelet Transform (LWT) Lifting scheme wavelet transform dikembangkan pada tahun 1994 oleh Wim Sweldens. Implementasi lifting scheme lebih cepat daripada implentasi wavelet klasik. Lifting scheme tidak memerlukan array sementara dalam proses kalkulasi (in-place computation). Inversi pada lifting scheme mudah dilakukan (Chen). Salah satu fitur wavelet dalam pemrosesan sinyal dan kompresi adalah rekonstruksi sempurna. Algoritme wavelet memiliki rekonstruksi sempurna jika IWT(WT(D))=D di mana IWT adalah Inverse Wavelet Transform dan WT adalah Wavelet Transform. Algoritme wavelet paling sederhana yang menghasilkan rekonstruksi sempurna adalah algoritme wavelet Haar (Kaplan 2003). Tujuan dari LWT adalah menghasilkan koefisien vektor perkiraan dan koefisien vektor detil. Tiga langkah forward LWT adalah: 1 Split, yaitu pembagian data menjadi dua, elemen-elemen berindeks ganjil dan elemen-elemen berindeks genap, 2 Predict, yaitu prediksi elemen ganjil dari elemen genap, dan 3 Update, yaitu lanjutan dari fase predict untuk menentukan nilai elemen genap. Di sisi lain, langkah inverse LWT (ILWT) merupakan kebalikan dari forward LWT, yaitu undo update, undo predict, dan merge (Chen). Peak Signal to Noise Ratio (PSNR) PSNR adalah ukuran kesamaan pada citra yang dikalkulasi dengan mengukur selisih pixel antara citra asli dan citra lain. PSNR direpresentasikan dalam decibel (db). Nilai PSNR berkisar dari 0 sampai tak hingga. Nilai 0 diberikan pada citra-citra yang tidak memiliki kesamaan dan nilai tak hingga diberikan untuk citra yang identik. Semakin tinggi perbedaan antara kedua citra, maka nilai PSNR semakin berkurang (Mulopulos et al. 2003). Berikut ini merupakan rumus perhitungan PSNR: PSNR = 20 log 10 (255/ sqrt (MSE)). Mean Squared Error (MSE) digunakan untuk mengukur kinerja dari algoritme kompresi yang lossy atau irreversible pada citra. Citra asli dibandingkan dengan citra terdekompresi dengan memeriksa selisih nilai 2

12 pixelnya. Citra identik akan memiliki nilai MSE 0 dan citra yang saling berbeda akan memiliki nilai MSE yang besar (Mulopulos et al. 2003). Perhitungan MSE diberikan oleh rumus berikut: MSE =, di mana M N adalah ukuran citra, I(x,y) adalah pixel citra asli, dan I (x,y) adalah pixel citra terdekompresi. Region of Interest (ROI) ROI merupakan bagian dari sinyal asli yang mengandung informasi yang sangat penting. Biasanya, ROI dapat menunjukkan informasi hak cipta. Pada bidang militer, ROI dapat merupakan bagian dari informasi latar belakang rahasia yang tidak boleh diketahui oleh musuh (Ma et al. 2008). Signal to Noise Ratio (SNR) SNR digunakan untuk mengukur kualitas watermarked audio. Definisi dari SNR diberikan sebagai berikut: SNR = 10 log 10, di mana Y merupakan host audio dan y merupakan watermarked audio (Ketcham dan Vongpradhip 2007). Teori Chaos dengan Persamaan Logistik Teori chaos berasal dari teori sistem yang memperlihatkan kemunculan yang tidak teratur atau acak namun deterministik, artinya dimungkinkan membangkitkan nilai-nilai chaos dengan kepastian. Teori chaos sangat peka terhadap perubahan kecil nilai awal. Perubahan kecil dapat memberikan hasil yang sangat berbeda. Salah satu fungsi chaos sederhana adalah persamaan logistik yang biasa dipakai dalam ekologi untuk simulasi pertumbuhan spesies dalam ekosistem. Fungsi chaos dalam watermarking digunakan untuk membangkitkan bilangan acak. Persamaan logistik dinyatakan sebagai berikut: di mana merupakan parameter control dan merupakan nilai awal (Munir et al. 2007). Linear Feedback Shift Register (LFSR) LFSR memiliki dua bagian utama, yaitu shift register dan feedback function. Shift register berfungsi untuk menggeser isi register ke posisi yang berdekatan di dalam register. Jika posisi bit berada di ujung register, maka isi akan keluar dari register. Posisi bit pada ujung yang lain akan dibiarkan kosong kecuali ada input baru yang masuk ke dalam register. Fungsi linear dari bit-bit tunggal hanyalah XOR dan inverse-xor, dengan demikian, LFSR merupakan shift register yang input bitnya dibangkitkan dari proses XOR beberapa bit dari keseluruhan nilai shift register. Isi dari shift register biasanya berupa bilangan biner, yaitu angka 1 dan angka 0. Pergeseran isi bisa ke kanan atau ke kiri berdasarkan bagaimana perancangannya (Anonim). Bit-bit pada posisi tertentu dalam shift register dipilih dan dikombinasikan menggunakan fungsi tertentu seperti pada Gambar 3. Hasil kombinasi ini akan dijadikan sebagai input baru pada shift register. Fungsi ini disebut feedback function. Nilai awal LFSR disebut seed. Operasi LFSR adalah deterministik, aliran nilai yang dihasilkan oleh register benar-benar ditentukan dari state yang sebelumnya. Karena register memiliki jumlah kemungkinan state yang terbatas, maka akan terjadi cycle yang berulang. LFSR dengan fungsi feedback yang dipilih dengan baik akan menghasilkan rangkaian bit acak dan memiliki cycle yang panjang. Gambar 3 Operasi LFSR. Independent Component Analysis (ICA) Sinyal audio tercampur dapat terjadi pada kehidupan sehari-hari di mana terjadi pembicaraan antara dua orang atau lebih, misalnya percakapan yang terjadi pada pesta. Indera pendengaran seseorang akan melakukan pengolahan sinyal tercampur untuk mendapatkan sinyal suara yang diinginkan. Teknik pemisahan sinyal dengan kondisi parameter-parameter yang tidak diketahui disebut separasi buta (Gunawan 2005). Gambar 4 menunjukkan proses pencampuran sinyal suara. ICA merupakan suatu metode penemuan kembali sekelompok sinyal bebas s dari campuran sinyal-sinyal x di mana proses pencampurannya tidak diketahui. Prinsip dari 3

13 algoritme ini adalah menghitung matriks campuran A dari sinyal secara implisit sehingga ditemukan kembali sinyal yang diinginkan. Gambar 5, Gambar 6, dan Gambar 7 dapat memperjelas penggunaan metode ICA. Gambar menunjukkan sumber suara s 1 dan s 2. Proses pencampuran dengan matriks A menghasilkan sinyal tercampur x 1 dan x 2 pada gambar berikutnya. Gambar berikutnya lagi menunjukkan sinyal yang berhasil dipisahkan dengan menggunakan metode ICA. Sinyal yang dihasilkan mirip dengan sumber sinyal aslinya. Gambar 4 Proses Pencampuran Sinyal Suara (Gunawan 2005). Gambar 5 Sinyal Asli s 1 dan s 2 (Gunawan 2005).. Gambar 7 Sinyal yang Sudah Dipisahkan dengan Metode ICA (Gunawan 2005). METODE PENELITIAN Metode penelitian dilakukan dalam beberapa tahapan. Tahapan pertama adalah penentuan perangkat lunak yang akan digunakan untuk mengimplementasikan watermarking. Tahapan kedua adalah penyiapan berkas data, yaitu audio yang akan disisipi watermark dan citra yang akan menjadi watermark. Tahapan ketiga adalah penyisipan watermark. Pada tahap ini, ada beberapa subtahap yang harus dilalui, yaitu pembangkitan ROI audio, pembangkitan dan enkripsi citra biner, enkripsi dua watermark, post-processing, dan penyisipan. Tahapan keempat adalah ekstraksi watermark. Tahapan terakhir adalah analisis uji ketahanan. Spesifikasi Perangkat Lunak 1 Sistem operasi Windows XP SP2 Professional 2 MATLAB Audacity Total Video Converter 3.01 Penyiapan Berkas Data Host audio yang digunakan adalah 4.wav. 4.wav memiliki sample rate Hz dan bits per sample 16 bit. Panjang dari 4.wav adalah Logo yang digunakan sebagai watermark adalah LogoIPB.gif. Ukuran datanya adalah 5 KB dan dimensi citra pixel. Gambar 8 menunjukkan citra yang akan digunakan sebagai watermark. Gambar 6 Sinyal Tercampur x 1 dan x 2 (Gunawan 2005). Gambar 8 Citra yang Digunakan sebagai Watermark. 4

14 Gambar 9 Proses Penyisipan Watermark Diadaptasi dari Ma et al. (2008). Penyisipan Dua Watermark Gambar 9 menunjukkan proses penyisipan kedua watermark. Dari host audio, dibangkitkan ROI audio. Citra watermark dikonversi menjadi citra biner berukuran satu dimensi kemudian dienkripsi menggunakan teori chaos. Setelah itu ROI audio dan citra biner terenkripsi dicampur dengan menggunakan matriks pencampur A dan barisan m. Hasil campuran diubah dalam bentuk biner (W binary ). Dilakukan proses LWT pada host audio. Proses ini menghasilkan koefisien vektor perkiraan CA dan koefisien vektor detil CD. CA dan W binary dicampur menggunakan matriks B dan menghasilkan sw 1 dan sw 2. Kemudian sw 1 dan CD digunakan untuk melakukan proses ILWT dan menghasilkan watermarked audio. 1 Pembangkitan ROI Audio ROI audio sepanjang dibangkitkan dari host audio yang memiliki panjang lebih besar dari,,. Pembangkitan ROI audio dapat diambil dari bagian host audio mana saja, misalnya di depan, di tengah-tengah, atau pun di belakang. Gambar 10 merupakan contoh plot sinyal suara. Daerah yang dibatasi dengan garis merah merupakan ROI audio yang dibangkitkan. hak cipta, misalnya logo atau tanda tangan. Karena citra yang ada belum berbentuk citra biner, citra dikonversi terlebih dahulu menjadi citra hitam putih dengan nilai threshold tertentu. Setelah itu, citra diubah ukurannya menjadi yang setara dengan. Citra dua dimensi ini dikonversi lagi menjadi citra satu dimensi. dipetakan dari nilai {1,0} menjadi {+1,-1}. Barisan chaotic (Chaos) sepanjang dibangkitkan untuk mengenkripsi. ( ) digunakan pada persamaan logistik dan berguna sebagai key 1.,, dipetakan menjadi {+1, -1} dengan nilai threshold 0,5. Setelah itu,, dienkripsi menjadi,. 3 Enkripsi Dua Watermark Barisan bilangan biner acak dibangkitkan dengan menggunakan LFSR. Barisan ini disebut barisan. Kedua watermark dan m digabung menggunakan metode pencampuran linear instantaneous. Matriks pencampur A berukuran 2 3 di mana,, tidak ada yang bernilai 0, dan tiap barisnya berjumlah satu (Ma et al. 2008). 4 Post-Processing Gambar 10 Seleksi ROI Audio. 2 Pembangkitan dan Enkripsi Citra Biner Citra yang digunakan sebagai watermark merupakan citra biner yang merepresentasikan Kemudian V dikalikan dengan parameter α dan dikonversi ke integer menjadi dan kunci disimpan untuk proses ekstraksi. α yang digunakan sebesar 128 (Ma et al. 2008). Bilangan negatif pada V dipetakan menjadi bilangan positif dan nkey digunakan sebagai penanda nilainilai negatif V untuk digunakan pada proses ekstraksi. V dikonversi ke dalam bentuk biner seperti berikut: 5

15 Gambar 11 Proses Ekstraksi Watermark Diadaptasi dari Ma et al. (2008). di mana,, dan. Nilai α ditentukan sedemikian sehingga K yang dihasilkan akan membuat panjang V bin menjadi (1/2) p panjang host audio di mana p merupakan jumlah level yang digunakan pada proses dekomposisi audio menggunakan LWT. Kemudian dipetakan dari {1,0} menjadi dengan barisan nilai {+1,-1}. merupakan watermark yang akan disisipkan dan mengandung informasi audio ROI dan citra biner. 5 Proses Penyisipan Dilakukan proses LWT sebanyak p level pada host audio. Proses ini akan menghasilkan koefisien vektor perkiraan CA 1 dan koefisien vektor detil CD. Vektor CA 1 dan Wbin digabung menggunakan metode pencampuran linear instantaneous. Matriks pencampur B berukuran 2x2 di mana,, tidak ada yang bernilai 0, dan tiap barisnya berjumlah satu (Ma et al. 2008). dan CD digunakan pada proses ILWT sebanyak p level untuk membentuk watermarked audio. Sedangkan disimpan sebagai key 3. Ekstraksi Dua Watermark Gambar 11 menunjukkan proses ekstraksi watermark. Pada watermarked audio dilakukan proses LWT untuk mendapatkan. Setelah itu didapatkan SW dengan menggabungkan dan key 3. Untuk mendapatkan kembali sinyal estimasi dan yang telah dicampur dengan matriks B, digunakan metode FastICA. Setelah itu dipetakan dari {+1,-1} menjadi {1,0} untuk mendapatkan. dikonversi menjadi bentuk integer V. V didapatkan dengan menggunakan kunci vkey, V. sehingga didapatkan WW kembali. Sinyal estimasi dan didapatkan dengan menggunakan metode FastICA lagi. Dengan demikian, ROI audio telah berhasil didapatkan. Untuk mendapatkan kembali citra biner C, Chaos dibangkitkan dengan menggunakan key 1. dan nilai-nilainya dipetakan dari {+1,-1} menjadi {1,0}. Citra satu dimensi ini kemudian dikembalikan menjadi citra C berukuran. Analisis Uji Ketahanan Watermarked audio diberi serangan menggunakan Audacity atau MATLAB kemudian dilakukan ekstraksi watermark. Watermark yang dihasilkan dari audio yang diserang akan dibandingkan dengan watermark yang dihasilkan dari audio yang tidak diserang. Jenis serangan yang dilakukan antara lain resampling, requantizing, lowpass filtering, white noising pada watermarked audio, dan pengubahan format audio menjadi *.mp3. Resampling dilakukan dengan mengubah sample rate pada watermarked audio. Sample rate yang akan digunakan adalah Hz, Hz, Hz, Hz, dan Hz. Requantizing dilakukan dengan mengubah bits per sample menjadi 8 bit, 24 bit, dan 32 bit. White noise yang akan diberikan pada watermarked audio adalah sepanjang detik. 6

16 Lokalisasi Kerusakan Watermarked audio diserang dengan white noise sepanjang detik menggunakan Audacity. Kemudian watermarked audio yang rusak dibandingkan dengan watermarked audio yang belum diserang. Untuk lokalisasi kerusakan, dibangkitkan Test = { test(i) }, i=1,2,,2l K 2 p yang dapat memperlihatkan area yang rusak. Hal yang harus diperhatikan untuk melakukan lokalisasi kerusakan adalah bahwa panjang W * = {w * (i)}, i = 1,2,,2L K harus berukuran (1/2) p kali panjang watermarked audio. Test dibangkitkan dengan cara berikut: i = 1,2,,2L K, j = 1,2,,2 p. 2 p, HASIL DAN PEMBAHASAN Parameter-Parameter yang Digunakan Penelitian ini menggunakan parameterparameter berikut: L=512, P=32, Q=16, α=128, p=3, µ=3.92, dan x 1 =0.48. Matriks pencampur yang digunakan adalah sebagai berikut: Audio ROI dibangkitkan dari titik tertentu. Untuk membangkitkan barisan m, diperlukan dua parameter, yaitu initial vector dan coefficient vector. Initial vector yang digunakan adalah [1 0] dan coefficient vector yang digunakan adalah [1 2]. Citra yang digunakan sebagai watermark adalah LogoIPB.gif dengan ukuran dan dikonversi terlebih dahulu menjadi citra biner berdimensi pixel oleh program. Gambar 12 menunjukkan gambar LogoIPB.gif versi biner.. sinyal suara ROI yang dibangkitkan dari titik ke hingga L-1 titik selanjutnya. Gambar 14 merupakan ROI audio dengan panjang L yang berhasil dibangkitkan. Gambar 13 Pembangkitan ROI Audio dari 4.wav Dimulai dari Titik ke Gambar 14 ROI Audio. Tool untuk Menyisipkan dan Mengekstraksi Watermark serta Melakukan Lokalisasi Kerusakan Gambar 15, Gambar 16, dan Gambar 18 merupakan tool yang dikembangkan untuk proses penyisipan dan ekstraksi watermark serta lokalisasi kerusakan. Gambar 16 merupakan tool untuk menjalankan FastICA. Tool untuk FastICA ini dapat diunduh di dan digunakan untuk pemisahan sinyal tercampur. Tool FastICA digunakan dalam proses ekstraksi untuk membantu penggunaan tool ekstraksi watermark. Gambar 12 Watermark Citra Biner. Host audio yang digunakan untuk adalah 4.wav. Host audio memiliki sample rate sebesar Hz dan bits per sample 16 bit. Audio ROI dibangkitkan dari titik ke sebanyak L titik. Pada Gambar 13 terlihat Gambar 15 Tool untuk Penyisipan Watermark. 7

17 Gambar 16 Tool untuk Ekstraksi Watermark. Pengujian Kualitas dan Kemiripan antara Host Audio dan Watermarked Audio Pengujian kualitas watermarked audio dilakukan dengan perhitungan SNR, yaitu perbandingan antara sinyal asli dan noise. Pengujian dilakukan pada lima pasang host audio dan watermarked audio. Tabel 1 menunjukkan nilai SNR dari kelima pasang audio. Mengacu pada International Federation of the Phonographic Industry (IFPI), SNR dari sinyal watermarked audio harus lebih dari 20 db (Ketcham & Vongpradhip 2007). Nilai SNR pada kelima percobaan sudah sesuai dengan ketentuan yang berlaku dari IFPI. Hal ini berarti bahwa teknik audio watermarking pada penelitian ini tidak merusak kualitas audio yang akan disisipi watermark. Tabel 1 Nilai SNR Watermarked Audio Nama File Sample Rate (Hz) Bits per sample (bit) SNR (db) 1.wav wav wav wav wav Gambar 17 Tool untuk Menjalankan FastICA. Gambar 18 Tool untuk Lokalisasi Kerusakan. Gambar 19 Selisih Nilai Absolut antara Host Audio dan Watermarked Audio. Pengujian kemiripan antara host audio dan watermarked audio dilakukan dengan dua cara, yaitu perbandingan plot sinyal antara host audio, watermarked audio, serta selisih nilai absolut keduanya dan teknik survey. Gambar 19 merupakan hasil pengujian dengan cara perbandingan plot sinyal host audio, watermarked audio, serta selisih nilai absolut dari kedua sinyal tersebut. Range selisih nilai sinyal tersebut berkisar antara Teknik survey mengambil lima responden 8

18 berlatar belakang sama, dan menggunakan speaker yang sama untuk memperdengarkan kedua sinyal audio tersebut (speaker Acer Aspire A1G16Mi). Dari hasil percobaan, tidak ada responden yang menyatakan adanya perbedaan antara host audio dan watermarked audio. Pengujian terhadap perubahan ukuran audio sebelum dan sesudah disisipi watermark juga dilakukan. Penyisipan watermark dilakukan pada lima berkas audio yang berbeda. Hasil pengujian menunjukkan bahwa tidak ada perubahan ukuran berkas sebelum dan sesudah dilakukan penyisipan watermark. Perbandingan Watermark Asli dengan Watermark Hasil Ekstraksi Gambar 20 dan Gambar 21 menunjukkan perbandingan watermark asli dan watermark hasil ekstraksi. Seperti sudah disebutkan pada Tinjauan Pustaka, FastICA memisahkan sinyal suara yang tercampur menjadi sinyal suara estimasi yang mirip dengan aslinya. Seperti pada penelitian Ma et al. 2008, penelitian inipun menghasilkan pola yang sama antara watermark ROI audio asli dan watermark ROI audio hasil ekstraksi dengan range nilai berbeda sehingga ukuran kesamaannya tidak diukur secara kuantitatif. lain resampling, requantizing, lowpass filtering, white noising pada watermarked audio, dan pengubahan format audio menggunakan Audacity. Resampling dilakukan dengan mengubah sample rate pada watermarked audio. Sample rate yang akan digunakan adalah Hz, Hz, Hz, Hz, dan Hz. Requantizing dilakukan dengan mengubah bits per sample menjadi 8 bit, 24 bit, dan 32 bit. White noise yang diberikan pada watermarked audio adalah sepanjang detik. Serangan perubahan format dilakukan dengan cara mengubah format watermarked audio menjadi *.mp3 dan dikembalikan lagi menjadi *.wav untuk melakukan proses ekstraksi. Ukuran matriks audio yang awalnya (Audio X), setelah pengubahan format ukurannya menjadi (Audio Y). Agar Audio Y dapat diekstraksi maka ukurannya dipotong sehingga sama dengan ukuran semula dengan ketentuan berikut: Gambar 20 Watermark ROI Audio Asli (Atas) dan Watermark ROI Audio Hasil Ekstraksi (Bawah). Gambar 21 Watermark Citra Biner Asli (Kiri) dan Watermark Citra Biner Hasil Ekstraksi (Kanan). Analisis Uji Ketahanan Tabel 2 menunjukkan perbandingan watermark hasil ekstrasi dari watermarked audio yang terkena dan tidak terkena serangan. Serangan yang diujicobakan antara di mana n_selisih bernilai minimum. Ukuran kesamaan antara watermark ROI audio asli dan terekstraksi belum dapat dihitung secara kuantitatif. Hal ini dikarenakan proses ICA menghasilkan sinyal dengan pola mirip namun range amplitudo antara watermark ROI audio asli dan terekstraksi bisa berbeda. Oleh karena itu, ukuran kesamaan antara keduanya saat ini hanya bisa diukur dengan kemampuan mata manusia. Ukuran kesamaan antara watermark citra biner asli dan terekstraksi dapat diukur dengan menghitung nilai PSNR, yaitu perbandingan antara watermark citra biner asli dan terekstraksi. Dari seluruh percobaan, nilai PSNR yang dihasilkan adalah tidak terhingga karena watermark citra biner terekstraksi identik dengan watermark citra biner asli. Lokalisasi Kerusakan Penelitian ini juga bertujuan untuk melokalisasi kerusakan pada watermarked audio. Watermarked audio diberi serangan white noise sepanjang detik pada area tertentu menggunakan Audacity. 9

19 Jenis Serangan terhadap Watermarked Audio Tabel 2 Perbandingan antara Watermark Asli dan Hasil Ekstraksi Watermark ROI Audio Hasil Ekstraksi Watermark Citra Biner Hasil Ekstraksi Tanpa Serangan Lowpass filtering 1105 Hz Requantizing 8 bit Requantizing 24 bit Requantizing 32 bit Resampling Hz Resampling Hz Resampling Hz Resampling Hz Resampling Hz Pengubahan format *.wav - *.mp3 - *.wav White Noise detik 10

20 Lokalisasi kerusakan terhadap watermarked audio berhasil dilakukan di mana area yang rusak dapat dideteksi. Gambar 18 dan Gambar 19 menunjukkan perbandingan antara watermarked audio yang tidak diserang dan watermarked audio yang mengalami white noising. Gambar 20 menunjukkan lokalisasi kerusakan pada lokasi yang tepat. Gambar 22 Watermarked Audio. Area rusak Gambar 23 Tampered Watermarked Audio. Gambar 24 Lokalisasi Watermarked Audio. Waktu Eksekusi Deteksi area rusak Kerusakan Waktu penyisipan dan ekstraksi watermark serta lokalisasi kerusakan dihitung dalam spesifikasi perangkat keras yang berbeda. Tabel 3 menunjukkan perbedaan waktu yang digunakan. Percobaan untuk masing-masing proses dilakukan sebanyak 3 kali. Berikut ini adalah spesifikasi perangkat keras yang digunakan untuk membandingkan waktu eksekusi: 1 Spesifikasi Perangkat Keras 1 a Intel Core 2 Duo processor T5550 (1.83 GHz, 667 MHz FSB, 2 MB L2 cache b RAM 2 GB DDR2 2 Spesifikasi Perangkat Keras 2 a Intel Pentium 4 CPU 3.00GHz b RAM 512 MB DDR2 Proses penyisipan watermark dilakukan secara otomatis oleh tool di mana pengguna hanya menginputkan host audio, citra, dan parameter-parameter yang diperlukan. Di lain pihak proses ekstraksi watermark masih menggunakan beberapa langkah yang dilakukan secara manual sehingga waktu yang diperlukan untuk ekstraksi lebih banyak daripada waktu yang diperlukan untuk penyisipan. Proses lokalisasi kerusakan juga menggunakan beberapa langkah awal ekstraksi sebelum proses lokalisasi kerusakan dieksekusi. Tabel 3 Proses Penyisipan Watermark Ekstraksi Watermark Lokalisasi Kerusakan Waktu Eksekusi dalam Spesifikasi Perangkat Keras yang Berbeda Waktu Eksekusi Spesifikasi 1 (menit) Waktu Eksekusi Spesifikasi 2 (menit) Tabel 3 menunjukkan perbedaan waktu eksekusi proses dengan menggunakan spesifikasi perangkat keras yang berbeda. Komputer dengan spesifikasi pertama lebih cepat dalam mengeksekusi ketiga proses. Berikut ini merupakan rata-rata selisih waktu eksekusi untuk proses: 1 penyisipan watermark, yaitu 1.16 detik, 2 ekstraksi watermark, yaitu detik, dan 3 lokalisasi kerusakan, yaitu 1.48 detik. Kesimpulan KESIMPULAN DAN SARAN 1 Teknik penggabungan ROI audio dan citra biner sebagai watermark dapat digunakan untuk digital audio watermarking karena nilai SNR yang dihasilkan untuk mengukur kualitas watermarked audio berada di atas 20 db. Hal ini berarti bahwa teknik audio watermarking pada penelitian ini tidak merusak kualitas audio yang akan disisipi watermark. 2 FastICA dapat digunakan dalam proses ekstraksi watermark di mana watermark ROI audio hasil ekstraksi memiliki pola yang sama dengan aslinya dengan range amplitudo yang berbeda dan watermark citra biner hasil ekstraksi identik dengan aslinya berdasarkan perhitungan dengan PSNR. 3 Serangan-serangan yang diberikan pada watermarked audio sama sekali tidak merusak watermark citra biner hasil ekstraksi. Watermark citra biner asli dan 11

21 hasil ekstraksi diukur kesamaannya dengan PSNR dan hasilnya adalah identik. 4 Secara umum pola sinyal Watermark ROI audio hasil ekstraksi dari watermarked audio yang telah diserang bila dilihat menggunakan human visual system (HVS) terlihat sama dengan watermark ROI audio asli, walaupun range nilai amplitudonya berbeda. Perbedaan pola sinyal terlihat jelas pada watermarked audio yang diserang dengan lowpass filtering 1105 Hz dan white noise sepanjang detik. 5 Lokalisasi kerusakan berhasil mendeteksi area yang rusak dari watermarked audio yang dikenakan white noise sepanjang detik pada area tertentu. 6 Rata-rata waktu ekstraksi watermark lebih lama daripada waktu penyisipan watermark dan lokalisasi kerusakan. Salah satu penyebabnya adalah penggunaan menu secara manual pada tools untuk proses ekstraksi. Saran 1 Pengujian ketahanan metode ini dengan melakukan serangan berbasis audio lain terhadap watermarked audio. 2 Pengembangan metode ini dalam lingkungan pengembangan yang lebih dinamis sehingga format audio yang bisa dipakai lebih banyak dan dapat digunakan oleh banyak orang. DAFTAR PUSTAKA Alfatwa DF Digital Audio Watermarking Menggunakan Analisis Audio Content. iptografi/ /makalah1/makalah1-085.pdf [25 Juni 2009] [Anonim]. Linear Feedback Shift Registers. [5 Juli 2009] Chen JM. Lifting Introduction. ts/lectures/lifting-1.ppt. [21 Agustus 2009] Gunawan SC Pemisahan Sinyal Audio Tercampur Secara Off-line dengan Metode Independent Component Analysis. Universitas Kristen Petra. Kaplan I Wavelets and Signal Processing. wavelets. [20 Juli 2009] Ketcham M, Vongpradhip S Intelligent Audio Watermarking using Genetic Algorithm in DWT Domain. World Academy of Science, Engineering and Technology. Ma X, Li X, Liu W A New Audio Watermarking Method for Copyright Protection and Tampering Localization. School of Electronic and Information Engineering, Dalian University of Technology, Dalian , China. Mulopulos GP, Hernandez AA, Gasztonyi LS Peak Signal to Noise Ratio Performance Comparison of JPEG and JPEG 2000 for Various Medical Image Modalities. Compressus Inc. Munir R, Bambang R, Sarwono S, Wiseto PA Modifikasi Spread Spectrum Watermarking dari Cox Berbasiskan pada Enkripsi Chaotic. Sekolah Teknik Elekto dan Informatika, ITB, Bandung Munir R Steganografi dan Watermarking. Departemen Teknik Informatika Institut Teknologi Bandung. Siregar IF Implementasi Steganografi pada Video Jenis AVI Menggunakan Transformasi Wavelet Diskrit. p?view=article&catid=15%3apemrosesan -sinyal&id=356%3atransformasiwavelet&option=com_content&itemid=15. [20 Juli 2009] Supangkat SH, Kuspriyanto, Juanda. et al Watermarking sebagai Teknik Penyembunyian Label Hak Cipta pada Data Digital. Departemen Teknik Elektro, Institut Teknologi Bandung. 12

22 13