METODE WATERMARKING UNTUK PENYISIPAN INDEKS DATA PADA IMAGE MENGGUNAKAN HAAR TRANSFORMASI WAVELET

Transkripsi

1 METODE WATERMARKING UNTUK PENYISIPAN INDEKS DATA PADA IMAGE MENGGUNAKAN HAAR TRANSFORMASI WAVELET Maryanti 1, Nana Juhana, ST. 1, Manahan P.Siallagan S.Si, MT. 1 1) Jurusan Teni Informatia, FT, UNIKOM JURUSAN TEKNIK INFORMATIKA UNIVERSITAS KOMPUTER INDONESIA 24 ABSTRAKSI Penting bagi seseorang untu mampu menyisipan indes data atau informasi rahasia tanpa unci spesifi, etia data indes disisipan e dalam image digital. Dalam tugas ahir ini, metode yang digunaan untu menyisipan indes data e dalam image berwarna yaitu menggunaan haar transformasi wavelet. Metode ini bertujuan untu mengetahui apaah ada penurunan ualitas dari image dengan tida menggunaan unci spesifi tetapi memanfaatan haar transformasi wavelet. Dan pengestrasian dilauan setelah proses penyisipan dari proses deomposisi, sebelum image direonstrusi embali. Kata unci : haar transformasi wavelet, digital watermaring, image digital, indes data. ABSTRACT It is necessary for anyone to be able to embedded index data without specific eys, when index data are embedded into digital content. In this final report, I propose a method for embedding index data into color images using haar wavelet transform. This method aim to now do there is degradation of quality of image without using specific ey but utilizing haar wavelet transform and extracted is done after embedded process of decomposition process, before image re-reconstructed. Keywords : haar wavelet transform, digital watermar, image digital, index data. 1.Pendahuluan Pada tahun-tahun terahir ini digital watermaring telah banya dimanfaatan bai itu dalam melindungi sound digital, text digital, video digital, image digital dan lainnya. Digital watermaring adalah suatu teni untu meyisipan data e dalam [muatan/indes] digital. Sebagian dari metode watermaring bertujuan untu melindungi ha cipta dari pemaaian yang tida seharusnya. Metode watermaring umumnya membutuhan unci yang spesifi untu dapat menambah eoohan (robustness) dan menjaga penurunan ualitas citra. Tida sama dengan watermar untu perlindungan ha cipta, ita mempertimbangan pemaaian suatu watermar untu menyisipan indes data, dimana indes data berarti memo yang dapat dibaca oleh seseorang, sebagai contoh suatu tempat dan tanggal etia suatu foto digital telah diambil. Keuntungan menyisipan indes data e dalam image sebagai beriut: jia indes data diletaan pada header dari format image,

2 indes data aan terhapus oleh onversi format. Tetapi indes data yang disisipan e dalam sebuah image dengan watermaring tida aan terhapus oleh onversi format. Kemudian indes data ini hanya bisa dilihat oleh orangorang yang mengetahui unci spesifi untu emudian indes data itu diestra. Maa itu perlu watermar untu menyisipan indes data yang tida memerluan unci spesifi sehingga seseorang dapat meng-estras indes data. Sebagai tambahan, jumlah indes data yang disisipan lebih besar dari informasi ha cipta. Dengan begitu banya metode watermar yang diperenalan untu perlindungan ha cipta tida sesuai untu menyisipan indes data, sebab merea memerluan unci spesifi dan tida cuup menyisipan sejumlah data. Mesipun beberapa metode watermaring untu melindungi ha cipta tida mempunyai unci spesifi, merea tida bisa menyisipan sejumlah data. Haar Transformasi wavelet menguraian suatu image asli e dalam empat subband dan masing-masing subband dapat digunaan untu suatu tujuan yang tepat. 2. Haar Transformasi Wavelet Citra asli V dengan M x N pisel dideomposisi menjadi empat subband menjadi LL 1, LH 1, HL 1 dan HH 1 dengan menggunaan Haar transformasi wavelet. Komponen dari LL 1, LH 1, HL 1 dan HH 1 secara matematis untu transformasi wavelet dengan filter Haar (Daubechies orde 1) dihasilan dengan menggunaan persamaan sebagai beriut [6]: Dimana v(x,y) merupaan nilai pixel pada oordinat (x,y)pada citra V. Sedangan ll 1 (x,y), lh 1 (x,y), hl 1 (x,y), dan hh 1 (x,y) secara berturutturut adalah omponen pada oordinat (x,y) dari LL 1, LH 1, HL 1 dan HH 1. LL merupaan setengah resolusi dari citra asli. LH merupaan subband detail horizontal, HL subband detail vertical, HH subband detail diagonal. LL 1 selanjutnya dideomposisi menjadi empat subband LL 2, LH 2, HL 2 dan HH 2. Operasi ini dapat diulang sampai LL sama dengan 1 x 1. 3.Penyisipan Indes Data Misalan indes data yang aan disisipan e dalam citra berwarna yang mempunyai uuran M x N pisel, merupaan sebuah rangaian bit biner ( dan 1) dengan panjang L, Pertama dengan menggunaan Haar transformasi wavelet pada citra pembawa (citra asli), aan didapatan subband LL 2, LH 2, dan HL 2 Kemudian ita menghitung dengan menggunaan nilai luminance Y dari LL 2 sebagai beriut [6][1] : dimana : y(x,y) adalah nilai pisel pada oordinat (x,y) dari Y, ll 2 r(x,y) adalah nilai pisel dari oordinat (x,y) dari channel R pada ll 2, ll 2 g(x,y) adalah nilai pisel dari oordinat (x,y) dari channel G pada ll 2, ll 2 b(x,y) adalah nilai pisel dari oordinat (x,y) dari channel B pada ll 2. LH 2 dan HL 2 dibagi menjadi blo-blo 2x2 dan sisipan e dalam -th blo 2x2 dalam LH 2 dan HL 2. r g b Misalan LHB, LHB, LHB merupaan blo-blo e -th dan LH 2 yang berisi omponen warna dari R,G dan B. Dan [6] (,) adalah omponen pada iri atas dalam, (1,) adalah omponen pada anan atas dalam, (,1) adalah omponen pada iri atas dalam,

3 (1,1) adalah omponen pada anan atas dalam, Dapat dilihat pada gambar dibawah ini : p Gambar 1 Gambar 2 adalah penjumlahan dari omponenomponen pada blo-blo e dalam LH 2 dan HL 2 ditandai dengan P seperti yang terlihat pada gambar 2 dan q adalah penjumlahan dari omponen-omponen pada blo-blo -th dalam LH 2 dan HL 2 ditandai dengan Q, sebagaimana persamaan beriut [6] : Alasan enapa ita membagi dengan 6 adalah arena C didistribusian e 6 blo, masing-masing yaitu LHB dan HLB dalam R, G, B subband LH 2 dan HL 2 dimana indes data disimpan, dihasilan dengan menggunaan C R (i,j) dengan persamaan sebagai beriut [6] : Jia =1 maa : jia = maa : Kemudian disisipan dengan menggunaan hubungan uantitatif antara p q dengan p - p - q Tw Untu dan =1 dan q Tw untu =. Dalam proses penyisipan indes data selanjutnya, pertama ita menghitung nilai C yang merupaan perubahan pada lhb (i,j) dan hlb (i,j) dengan melibatan Tw dimana T adalah nilai tresholding yang dimasuan oleh pemaai (user), untu membuat nilai absolut dari perbedaan antara dihitung dengan [6]: p dan q. C Alasan mengapa ita mendistribusian C menggunaan R (i,j) adalah bahwa perubahan dalam area dengan luminance rendah lebih jelas daripada dalam area dengan luminance tinggi [6]. Terahir didapatan citra dengan watermar menggunaan LH 2 dan HL 2 dengan invers transformasi wavelet (reonstrusi wavelet).gambar a dan gambar b dibawah ini merupaan contoh dari penyisipan yang telah diuraian diatas. Dari metode yang diajuan, jumlah bit L yang dapat disimpan e dalam citra dengan M x N pisel adalah [6]: Jia C <, maa C =. Kemudian ita menghitung R (i,j) yang merupaan perbandingan dari total jumlah dari nilai luminance y (i,j) dari Y yang berorespondensi dengan lhb (i,j) dan hlb (i,j). R (i,j) dihitung dengan [6] : Gambar a Contoh proses penyisipan menggunaan nilai numeri pada W =

4 Gambar b Contoh proses penyisipan menggunaan nilai numeri pada W = 1 4. Proses Estrasi Indes Data Proses estrasi ini dilauan setelah adanya proses deomposisi dan proses penyisipan. Secara singat proses estrasi indes data adalah sebagai beriut : 1. Dari proses penyisipan aan didapat nilai LH 2 dan HL 2 yang baru, maa nilai P dan Q aan berubah. 2. Setelah proses (1) diatas, aan didapatan dari blo e -th sesuai dengan persamaan beriut [6] : 3. Mengonversi bit-bit biner dari yang telah diperoleh dari proses (2), sehingga aan didapat indes data embali. 5. Proses Invers Wavelet Setelah Image dideomposisi dengan Haar tansformasi wavelet emudian dilauan penyisipan pada daerah LH 2 dan HL 2, proses selanjutnya mengembalian deomposisi haar menjadi sebuah image embali (Reonstrusi), secara singat proses inversnya adalah : 1. Mengembalian LL 2, HL 2, LH 2, dan HH 2 menjadi LL1, dengan cara Mengambil 1 pisel di LL 2, HL 2, LH 2, dan HH 2 dengan oordinat yang sama, begitu seterusnya sampai oordinat terahir. 2. Mengembalian LL 1, HL 1, LH 1, dan HH 1 menjadi Image embali dengan cara yang sama seperti proses satu. Gambar Proses Deomposisi dan Reonstrusi (Invers Haar) 6.Kriteria Pengujian Untu menentuan ualitas citra asal dengan citra terwatermar diperluan suatu pengujian yang meliputi pengujian secara obyetif. Adapun pengujian pada tugas ahir ini adalah : 6.1 Pengujian Secara Obyetif Parameter yang dijadian riteria pengujian adalah [[6]] : 1. Mean Square Error (MSE) MSE merupaan parameter yang menguur error antara citra asli dengan citra reonstrusi. Jia nilai MSE besar maa aan terjadi penurunan pada image, begitupun sebalinya.. 2. Signal To Noise Ratio (SNR) SNR merupaan parameter yang menguur ualitas citra dengan membandingan citra reonstrusi dan citra asli. Jia nilai SNR ecil maa ualitas image aan menurun, begitupun sebalinya. Keterangan : M = tinggi citra N = lebar citra Ori = sample citra asli emb= sample citra terwatermar / citra reonstrusi

5 7. Analisis Hasil Pengujian 7.1 Pengaruh Filter Haar terhadap Kualitas Citra Reonstrusi (tanpa disisipi Watermar) Pengaruh filter haar pada proses deomposisi yang dilauan terhadap parameter SNR tanpa disisipi watermar dapat dilihat pada grafi dibawah ini : S N R Asua256 Image Grafi Perbandingan Nilai SNR terhadap Citra yang belum disisipi Parameter SNR merupaan parameter yang menguur ualitas citra dengan membandingan citra reonstrusi dengan citra asli. Semain tinggi nilai SNR suatu citra reonstrusi, maa dapat diataan bahwa citra tersebut memilii ualitas yang bai. Dari grafi diatas dapat dietahui nilai SNR yang paling tinggi ada pada Image dan nilai SNR yang paling rendah ada pada Image. Parameter MSE merupaan parameter yang menguur error antara citra asli dengan citra reonstrusi. Semain besar nilai MSE maa semain besar pula tingat error yang terjadi. Hal ini terjadi dengan diiuti menurunnya nilai SNR. Sehingga dapat diataan nilai MSE ebalian dari nilai SNR. Untu melihat pengaruh filter haar terhadap image yang belum disisipi pada nilai MSE, dapat dilihat pada gambar dibawah ini : M S E Asua256 Image Grafi Perbandingan Nilai MSE terhadap Citra yang belum disisipi Pada gambar diatas nilai MSE pada Image mempunyai nilai paling ecil dan nilai MSE pada image mempunyai nilai paling besar. Jia ita lihat dari gambar diatas Ketia nilai SNR suatu image tinggi maa nilai MSE ecil, begitu juga sebalinya, jia nilai SNR ecil maa nilai MSE pada citra reonstrusi besar. Sehingga dapat diataan Nilai SNR berbanding terbali dengan nilai MSE. 7.2 Pengaruh Besarnya Bit Watermar yang disisipan Terhadap Parameter SNR dan MSE Pengujian ini dilauan dengan mengubah jumlah bit dari tes yang aan disisipan, yaitu apasitas masimum yang dapat disimpan, ¼ dari apasitas masimum dan ½ dari apasitas masimum. Jumlah masimum bit yang aan disisipan dapat ditentuan dengan persamaan. Jadi untu citra beruuran 128x128 adalah 256 bit, dan untu citra beruuran 256x256 adalah 124 bit. Gambar dibawah ini memperlihatan pengaruh banyanya bit yang disimpan pada citra media. S N R /4 Kap Mas 1/2 Kap Mas Kap Mas Jumlah Bit Watermar Grafi SNR citra reonstrusi yang telah disisipi watermar dengan apasitas masimum, ½ dari apasitas masimum, dan ¼ dari apasitas masimum dengan nilai thresholding 1 Asua256 Dari grafi diatas, ita dapat menyimpulan nilai SNR aan berubah etia jumlah bit yang ita sisipan berbeda, yaitu semain banya bit-bit watermar yang disisipan, maa nilai SNR dari citra terwatermar aan semain ecil. Hal ini disebaban arena banyanya nilai oefisien transform yang berubah. Dengan semain banyanya nilai oefisien transform (nilai intensitas citra dari hasil deomposisi dengan filter haar) yang berubah, maa aan

6 semain besar pula penurunan ualitas citra (yang dinyataan dengan nilai SNR). Pengaruh banyanya bit watermar terhadap parameter MSE dapat dilihat pada gambar beriut : M S E Asua256 Nilai Thresholding M S E /4 Kap Mas 1/2 Kap Mas Kap Mas Jumlah Bit Watermar Asua256 Grafi MSE citra reonstrusi yang telahdisisipi watermar dengan apasitas masimum, ½ dari apasitas masimum, dan ¼ dari apasitas masimum dengan nilai thresholding 1 Dari Gambar diatas terlihat bahwa nilai-nilai MSE aan nai dengan semain banyanya bit watermar yang disisipan. Dengan semain besarnya nilai MSE berarti semain besar pula penurunan ualitas citra. Hal ini disebaban banyanya nilai oefisien citra asli yang berubah setelah mengalami penyisipan bit watermar. 7.3 Pengaruh Nilai Threshholding (Tw) terhadap Parameter SNR dan MSE Nilai thresholding berpengaruh pada perubahan image watermar, tetapi perubahannnya tida dapat dilihat secara visual namun dapat dilihat dari perubahan nilai SNR dan MSE-nya. Pengaruh nilai thresholding (Tw) terhadap parameter SNR dapat dilihat pada gambar beriut ini : S N R Nilai Thresholding Asua256 Grafi Perbandingan MSE dengan nilai Thresholding pada citra yang telah disisipi dengan jumlah bit watermar½ apasitas masimum. Dari gambar diatas terlihat ada perubahan nilai SNR dan MSE pada nilai thresholding (Tw) yang berbeda. Pada pengujian ini nilai Tw-nya adalah 1, 1, 2, 3, 4, 5, dan 1. Dalam menghitung nilai C (salah satu nilai yang digunaan untu proses penyisipan) dibutuhan nilai Tw, yang mana nilai Tw aan berpengaruh terhadap perubahan oefisien transform. Besarnya perubahan ini aan menyebaban perbedaan antara nilai intensitas citra asli dan citra reonstrusi. Dari gambar diatas dapat disimpulan bahwa nilai thresholding tida terlalu sensitif terhadap nilai SNR dan MSEnya. 8. Kesimpulan Berdasaran analisis diatas yang menunjuan performansi citra hasil (citra+watermar) menggunaan haar transformasi wavelet, maa dapat disimpulan : 1. Adanya penurunan ualitas dari image secara Visual. 2. Semain besar jumlah watermar yang disisipan, aan memberian nilai SNR yang rendah dan nilai MSE yang tinggi. 3. Nilai thresholding tida terlalu sensitif terhadap nilai SNR dan MSE. 4. Citra memilii nilai SNR paling tinggi dan nilai MSE paling rendah, dan citra memilii nilai SNR paling rendah dan nilai MSE paling tinggi. Grafi Perbandingan SNR terhadap nilai thresholding pada citra yang telah disisipi dengan jumlah bit watermar ½ apasitas masimum.

7 DAFTAR PUSTAKA 1. Andriyano Devid, Pembuatan Watermar dalam domain freuensi pada channel RGB, Insitut Tenologi Bandung C. Sidney Burrus, Ramesh A, Gopinath Haitao Guo, Introduction to Wavelet and Wavelet Transform, Prentice Hall International Gert Van De Wouwer, Wavelet for Multiscale Texture Analysis, Universitaire Instelling Antwerpen Gonzales Rafael, Wintz Paul, Second Edition digital Image processing, Addison Wesley Publishing Company Haryadi Ferdian, Perancangan dan Implementasi Teni Steganography pada citra digital dengan Metode DCT, Jurusan Teni Informatia STT Telom Bandung Iwata M., Shiozai A., Watermaring method for embedding index data into images utilizing features of Wavelet Transform, IEICE Trans. Fundamentals Poliar Robi, Wavelet Tutorial, Durham Computation Center Stephani Mallat, A Wavelet Tour of Signal Processing, Academic Press Supangat H Suhono., Kuspriyanto, Juanda, Watermaring sebagai Teni Penyembunyian Label Ha Cipta Pada Data Digital, Departemen Teni Eletro Insitut Tenologi Bandung 2.