IMPLEMENTASI DAN ANALISIS VIDEO WATERMARKING MENGGUNAKAN DISCRETE COSINE TRANSFORM DAN LOGIKA FUZZY BERDASARKAN HUMAN VISUAL SYSTEM

Transkripsi

1 IMPLEMENTASI DAN ANALISIS VIDEO WATERMARKING MENGGUNAKAN DISCRETE COSINE TRANSFORM DAN LOGIKA FUZZY BERDASARKAN HUMAN VISUAL SYSTEM SYAHRANY KURNIAWATY DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012

2 IMPLEMENTASI DAN ANALISIS VIDEO WATERMARKING MENGGUNAKAN DISCRETE COSINE TRANSFORM DAN LOGIKA FUZZY BERDASARKAN HUMAN VISUAL SYSTEM SYAHRANY KURNIAWATY 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 2012

3 ABSTRACT SYAHRANY KURNIAWATY Implementation and Analysis Video Watermarking Using Discrete Cosine Transform and Fuzzy Logic Based on the Human Visual System Supervised by ENDANG PURNAMA GIRI and KARLINA KHIYARIN NISA Nowadays, usage of digital data format has become more popular, because digital data is easier to distribute Unfortunately, it makes easier to pirate it Watermarking is a technique of information hiding in a specific media This research is to implement and analyze video watermarking using Discrete Cosine Transform and fuzzy logic based on Human Visual System Discrete cosine transform is a compression technique used to transform digital image and digital signal Discrete cosine transform separates each data byte into two groups, namely high-frequency (DC) coefficient and low frequency (AC) coefficients DC coefficient is used to insert a watermark Fuzzy logic is an appropriate way to map an input space into an output space Human Visual System is a method of image compression techniques, which is based on human visual characteristics Human Visual System is used to calculate the sensitivity of the luminance and texture sensitivity Fuzzy logic is used to determine the amount of insertion on each DC coefficient The result of the experiment showed that the execution time for insertion is longer than the execution time for extraction Moreover, the watermarked video has a Mean Structural Similarity of 0934 This is a relatively good result The whole watermarked message is always successfully extracted with 100% similarity Also, the test result confirmed that the watermark video is invulnerable to cutting and adding attack It is proven by the undamaged watermark message Keywords: Discrete cosine transform, fuzzy logic, human visual system, mean structural similarity

4 Penguji : 1 Hendra Rahmawan SKom MT 2 Dr Sugi Guritman

5 Judul Skripsi Nama NRP : Implementasi dan Analisis Video Watermarking Menggunakan Discrete Cosine Transform dan Logika Fuzzy Berdasarkan Human Visual System : Syahrany Kurniawaty : G Pembimbing I, Menyetujui: Pembimbing II, Endang Purnama Giri SKom MKom NIP Karlina Khiyarin Nisa SKom MT Mengetahui: Ketua Departemen Ilmu Komputer Dr Ir Agus Buono MSi MKom NIP Tanggal Lulus :

6 PRAKATA Segala puji dan syukur penulis panjatkan ke hadirat Allah Subhanahu wa Ta ala, karena berkat rahmat dan karunia-nya penulis dapat menyelesaikan tugas akhir yang berjudul Implementasi dan Analisis Video Watermarking Menggunakan Discrete Cosine Transform dan Logika Fuzzy Berdasarkan Human Visual System Penyelesaian tugas akhir ini tidak lepas dari bantuan dan dukungan berbagai pihak Oleh karena itu, penulis ingin menyampaikan terima kasih kepada: 1 Ibunda Sutinah dan Ayahanda Syaiful Djohar atas cinta, do a restu, dukungan serta motivasi yang telah diberikan serta kepada kedua kakakku 2 Bapak Endang Purnama Giri SKom MKom selaku dosen pembimbing I yang dengan sabar memberikan arahan dan bimbingan kepada penulis dari awal hingga terselesainya tugas akhir ini 3 Ibu Karlina Khiyarin Nisa SKom MT selaku dosen pembimbing II yang telah memberikan saran dan masukan untuk penulis 4 Bapak Hendra Rahmawan SKom MT dan Bapak Dr Sugi Guritman selaku dosen penguji I dan II 5 Nina, Okta, Yuni, Nela, Lina, Teh Inthan, Desta, Pauzi, Hafiz serta semua rekan-rekan seperjuangan Alih Jenis Ilmu Komputer Angkatan 4 6 Seluruh dosen dan staf Departemen Ilmu Komputer, Institut Pertanian Bogor Juga kepada semua pihak yang telah membantu selama pengerjaan penyelesaian tugas akhir ini yang tidak dapat disebutkan satu-persatu Semoga tugas akhir ini dapat memberikan manfaat Bogor, Juli 2012 Syahrany Kurniawaty

7 RIWAYAT HIDUP Penulis dilahirkan di Bogor pada tanggal 26 Februari 1988 Penulis merupakan anak bungsu dari tiga bersaudara dari pasangan Bapak Syaiful Djohar dan Ibu Sutinah SPdSD Penulis menyelesaikan pendidikan sekolah dasar di SD Negeri Cimanggu Kecil Bogor Pada tahun 2000, melanjutkan pendidikan sekolah lanjutan tingkat pertama di SLTP Negeri 4 Bogor lalu melanjutkan sekolah menengah atas di SMA Negeri 5 Bogor dan lulus pada tahun 2006 Pada tahun yang sama, penulis diterima di Direktorat Program Diploma, Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB pada Program Keahlian Teknik Komputer Pada tahun 2009, penulis lulus dari Program Diploma IPB dan di tahun yang sama penulis melanjutkan program studi Sarjana di Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor Selama mengikuti perkuliahan, penulis pernah menjadi asisten Mata Kuliah Aplikasi Komputer dan Dasar Pemrograman di Program Diploma IPB pada tahun akademik 2009/2010 sampai dengan 2011/2012

8 DAFTAR ISI Halaman DAFTAR TABEL vi DAFTAR GAMBAR vi DAFTAR LAMPIRAN vii PENDAHULUAN Latar Belakang 1 Tujuan 1 Ruang Lingkup 1 Manfaat 1 TINJAUAN PUSTAKA Digital Watermarking 1 Discrete Cosine Transform (DCT) 2 Least Significant Bit (LSB) 3 Fuzzy Inference System (FIS) 3 Human Visual System (HVS) 5 File Audio Video Interleave (AVI) 5 Structural Similarity (SSIM) 5 Mean Opinion Score (MOS) 6 METODE PENELITIAN Penyisipan Watermark 6 Pengambilan Watermark 9 Analisis Hasil Implementasi 10 Analisis Kekuatan Video Watermark 10 Lingkungan Pengembangan 10 HASIL DAN PEMBAHASAN Penyisipan Watermark 10 Pengambilan Watermark 12 Analisis Waktu Eksekusi 13 Analisis Kualitas Video Watermark 14 Analisis Kekuatan Watermark 14 KESIMPULAN DAN SARAN Kesimpulan 16 Saran 16 DAFTAR PUSTAKA 16 LAMPIRAN 17 v

9 DAFTAR TABEL Halaman 1 Bobot penilaian MOS 6 2 Himpunan fuzzy 7 3 Deskripsi cover video 10 4 Deskripsi watermark message 10 5 Analisis Waktu Eksekusi 13 6 ANOVA 13 7 Kualitas secara objektif 14 8 Kekuatan watermark terhadap serangan cutting 14 9 Kekuatan watermark terhadap serangan odd video watermark Kekuatan watermark terhadap serangan even video watermark Kekuatan watermark terhadap serangan adding Kekuatan watermark terhadap serangan adding dan cutting 15 DAFTAR GAMBAR Halaman 1 Proses penyisipan watermark secara umum 2 2 Proses pengambilan watermark secara umum 2 3 Ilustrasi LSB 3 4 Skema pengembangan sistem pakar berbasis fuzzy (Zimmermann 1991) 4 5 Kurva segitiga 4 6 Kurva linier turun 4 7 Kurva linier naik 4 8 Proses penyisipan watermark 6 9 Proses makroblok pada frame 7 10 Matriks kuantisasi (Wallace 1991) 7 11 Model fuzzy dari HVS 7 12 Derajat keanggotaan input 8 13 Derajat keanggotaan output 8 14 Proses pengambilan watermark 9 15 Potongan piksel cover video Potongan piksel makroblok (1,1) layer ke-1 dari frame pertama Potongan makroblok (1,1) dikurangi Potongan piksel implementasi DCT Potongan piksel hasil kuantisasi Potongan nilai sensitivitas tekstur Potongan nilai sensitivitas pencahayaan Output fuzzy Output kelas fuzzy Proses penyisipan biner Hasil invers kuantisasi makroblok Hasil IDCT Matriks hasil penyisipan Potongan piksel watermark video Pengambilan watermark Analisis waktu eksekusi Grafik kualitas video secara subjektif 14 vi

10 DAFTAR LAMPIRAN Halaman 1 Antarmuka hasil penyisipan watermark 18 2 Antarmuka hasil pengambilan watermark 18 3 Hasil survei kuesioner 19 4 Antarmuka hasil serangan adding dan cutting 20 vii

11 1 Latar Belakang PENDAHULUAN Dewasa ini, pemanfaatan data dalam format digital semakin umum digunakan Hal ini terjadi karena data dalam representasi digital relatif lebih mudah untuk didistribusikan Sebagai contoh, data video digital yang di-publish di Youtube dapat dilihat serta diambil dari manapun, dan juga diduplikasi atau dimanipulasi secara bebas Akan tetapi, aksi ini terkadang dilakukan tanpa seizin pemiliknya, bahkan tidak menutup kemungkinan file video tersebut diakui sebagai milik dari pihak lain yang tidak berhak Watermarking merupakan teknik menyisipkan atau menyembunyikan informasi tambahan terhadap suatu media Pada digital watermarking, informasi yang disisipkan berupa sinyal digital dan media yang disisipi dapat berupa ragam bentuk representasi (format) digital Informasi yang disisipkan disebut sebagai watermark message, sedangkan media yang disisipi disebut cover work Dengan menggunakan watermarking, pemilik asli file video dapat menyisipkan suatu sinyal digital ke dalam file video yang dimilikinya untuk kemudian dapat mengambil kembali watermark tersebut sebagai bentuk penyangkalan ketika ada pihak yang tidak bertanggung jawab dan berupaya mengakui kepemilikan video tersebut Watermarking video mempunyai keuntungan dapat menyisipkan informasi dalam ukuran besar karena pada dasarnya video merupakan gabungan image Penelitian yang telah dilakukan sebelumnya oleh Sinambela et al (2006) menggunakan metode Discrete Cosine Transform (DCT) bagi watermarking video dengan format MPEG Selanjutnya, penelitian oleh Oueslati et al (2010) dalam jurnal yang berjudul A fuzzy watermarking approach based on the human visual system menyatakan bahwa DCT yang digabungkan dengan Fuzzy Inference System (FIS) berdasarkan Human Visual System (HVS) dapat meningkatkan kekokohan watermark pada gambar dalam hal kualitas dan kerahasiaan Berdasarkan hasil yang dicapai pada beberapa penelitian tersebut, penulis mencoba menerapkan DCT dan logika fuzzy video watermarking berdasarkan HVS Kombinasi ini diharapkan menghasilkan metode watermarking yang robust Sebagai cover work data, dipilih uncompressed video dengan format AVI Tujuan Tujuan dari penelitian ini adalah menerapkan teknik video watermarking menggunakan Discrete Cosine Transform (DCT) dan logika fuzzy berdasarkan Human Visual System (HVS) dalam bentuk pengimplementasian dan analisis hasil implementasi Ruang Lingkup Ruang lingkup penelitian ini, yaitu : 1 Modul watermarking DCT dan logika fuzzy diimplementasikan menggunakan MATLAB 2 Format video yang digunakan adalah AVI tidak terkompresi 3 Video yang digunakan memiliki spesifikasi resolusi 320x240 piksel, frame rate 15 fps dan durasi 7 detik 4 Watermark message ialah gambar yang berformat BMP 5 Jenis watermark adalah invisible watermarking 6 Proses verifikasi watermark adalah unblind detectors 7 Pengukuran kualitas watermark yang dilakukan pada tahapan analisis meliputi pengukuran subjektif dan objektif Pengukuran subjektif dengan survei sedangkan pengukuran objektif dengan metode Mean Structural Similarity (MSSIM) Manfaat Penelitian ini diharapkan bisa memberikan suatu teknik proteksi hak cipta yang baik (robustness dan imperceptibility) terhadap media video digital TINJAUAN PUSTAKA Digital Watermarking Data digital yang dapat dilindungi dengan menggunakan enkripsi contohnya ialah digital watermarking Digital watermarking merupakan salah satu cara untuk melindungi hak cipta dengan memasukkan sinyal yang tidak terlihat (Wolfgang et al 2007) Watermark bisa berupa teks, gambar, suara, atau video Menurut Huber (1997) ada dua jenis watermark, yaitu: 1 Visible watermark; watermark yang terlihat pada media Visible watermark digunakan untuk klaim kepemilikan Keuntungan

12 2 utamanya yaitu mencegah duplikasi yang tidak sah Contoh visible watermark pada video ialah penempatan logo di sudut gambar layar 2 Invisible watermark; watermark yang tidak terlihat pada media Invisible watermark digunakan untuk mengautentikasi data digital Kegunaan dari kedua jenis watermark di atas adalah mengurangi nilai komersil Watermark dapat dibedakan menjadi dua jenis berdasarkan kekuatannya terhadap serangan, yaitu fragile watermark dan robust watermark Fragile watermark merupakan metode watermark yang apabila mendapat serangan-serangan seperti cropping, filtering dan lain-lain, watermark-nya akan mudah hancur Robust watermark adalah metode watermark yang apabila mendapat seranganserangan seperti cropping, filtering, dan lainlain, watermark-nya tidak akan hancur dan kualitas media tetap terjaga Menurut Cox et al (2002), watermark dapat dibedakan berdasarkan pada teknik pengambilan yang digunakan, yaitu: 1 Blind detectors; teknik pengambilan watermark yang tidak membutuhkan berkas asli 2 Informed detectors; teknik pengambilan watermark yang harus mengetahui berkas asli Teknik ini biasa disebut juga dengan unblind detectors Proses penyisipan watermark secara umum dapat dilihat pada Gambar 1 Digital watermark Cover work Kunci Algoritme penyisipan Watermark data Gambar 1 Proses penyisipan watermark secara umum Proses penyisipan watermark harus memenuhi persyaratan sebagai berikut (Cox et al 2002): Invisibility Watermark yang disisipkan harus tetap tak terlihat dengan sistem visual manusia Robustness Penghapusan watermark yang disengaja atau tidak disengaja seharusnya tidak merusak data asli Security Watermarking harus tahan terhadap usaha sengaja memindahkan atau menyalin watermark dari satu data multimedia ke data multimedia lainnya Menurut Zhu dan Sang (2008), proses secara umum pengambilan watermark dapat dilihat pada Gambar 2 Watermark data Cover work Algoritme pengambilan Kunci Gambar 2 Proses pengambilan watermark secara umum Discrete Cosine Transform (DCT) Digital watermark Pada konsep pengolahan citra, citra harus diubah ke domain yang lain Perubahan ini bertujuan mempermudah pengkodean Proses perubahan ini dinamakan transformasi Transformasi merupakan suatu langkah yang harus dilakukan untuk mengubah penyajian suatu sinyal dari suatu domain ke domain yang lain Salah satu kegunaan transformasi adalah untuk proses kompresi citra (Krisnawati 2006) DCT adalah teknik kompresi yang digunakan untuk mengubah pemrosesan gambar digital dan pemrosesan sinyal DCT memisahkan byte data tersebut menjadi dua kelompok, yaitu frekuensi tinggi (koefisien DC) dan frekuensi rendah (koefisien AC) Koefisien DC yang letaknya di bagian pojok kiri atas, digunakan untuk tempat menyisipkan watermark Hal ini dikarenakan koefisien DC memiliki kapasitas persepsi yang lebih tinggi daripada koefisien AC sehingga proses penyisipan tidak akan mengubah kualitas gambar secara visual Selain itu, sinyal proses dan distorsi gambar memiliki pengaruh yang lebih rendah terhadap koefisien DC daripada koefisien AC (Zhu & Sang 2008) DCT merupakan suatu metode transformasi yang digunakan sebagai dasar untuk kompresi JPEG DCT yang digunakan adalah DCT 2 dimensi karena diterapkan pada gambar yang memiliki ukuran M x N Untuk

13 3 mentransformasikan blok 8 x 8 piksel yang berurutan menjadi 64 bit koefisien DCT, setiap koefisien DCT C(u,v) dari gambar A(m,n) dapat dihitung dengan menggunakan Persamaan 1 (Jain 1989) Persamaan 1 DCT 2 u ncos 0-1, 0-1 Dengan: cos n n, mengubah C(p,q) menjadi matrik A(m,n) persamaan IDCT 2 dapat dilihat pada Persamaan 3 (Jain 1989) Least Significant Bit (LSB) Teknik yang paling banyak digunakan untuk menyembunyikan data adalah LSB Untuk menyembunyikan pesan rahasia dalam gambar, dibutuhkan sebuah gambar cover Metode ini menggunakan bit dari setiap piksel dalam gambar Metode LSB menyembunyikan data dengan mengganti bit-bit data yang paling tidak berarti pada cover dengan bit-bit watermark message Susunan bit dalam sebuah byte (1 byte = 8 bit), terdiri atas bit yang paling berarti (Most Significant Bit [MSB]) dan bit yang kurang berarti (Least Significant Bit [LSB]) yang diilustrasikan Gambar MSB LSB Setelah koefisien-koefisien DCT C(u,v) diperoleh dari Persamaan 1, dilakukan kuantisasi menggunakan Persamaan 2 (Ardhyana & Juarna 2008) Persamaan 2 u DCT 2 dimensi dari suatu citra A akan menghasilkan citra B Kebalikan dari persamaan DCT disebut Inverse Discrete Cosine Transform (IDCT) IDCT berfungsi untuk mengembalikan citra B menjadi citra A n Persamaan 3 IDCT 2 0-1, Dengan : - cos u u cos Transformasi DCT 2 pada Persamaan 1 dapat di-invers menggunakan IDCT 2 yang n, Gambar 3 Ilustrasi LSB Mengubah LSB dari byte akan mengakibatkan sedikit perubahan warna Fuzzy Inference System (FIS) Logika fuzzy pertama kali diperkenalkan oleh Lofti A Zadeh dari universitas Barkley California pada tahun 1965 Zadeh memodifikasi teori himpunan yang setiap anggotanya memiliki derajat keanggotaan yang bernilai kontinu antara 0 sampai 1 yang digunakan untuk menangani kekaburan Himpunan ini disebut dengan himpunan kabur (fuzzy set) (Zimmermann 1991) Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output (Kusumadewi & Purnomo 2004) Logika fuzzy sudah banyak diterapkan di berbagai bidang, baik di dunia industri maupun bisnis Berbagai teori di dalam perkembangan logika fuzzy dapat digunakan untuk memodelkan berbagai sistem Bahkan sekarang ini, aplikasi logika fuzzy semakin menjamur seiring dengan pesatnya perkembangan teknologi komputasi Penelitian aplikasi logika fuzzy telah banyak dilakukan Menurut Kusumadewi dan Purnomo (2004), alasan menggunakan logika fuzzy yaitu: Konsep logika fuzzy mudah dimengerti Sangat fleksibel Memiliki toleransi terhadap data-data yang ambigu

14 4 Mampu memodelkan data-data nonlinier yang sangat kompleks Dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan Dapat bekerjasama dengan teknik kendali secara konvensional pada bahasa alami Fuzzy inference system (FIS) adalah suatu kerangka komputasi yang didasarkan pada teori himpunan fuzzy, aturan fuzzy dan penalaran fuzzy (Kusumadewi & Hartati 2006) Secara garis besar, input crisp dimasukkan ke FIS Input ini kemudian dikirim ke basis pengetahuan yang berisi n aturan fuzzy dalam bentuk if-then Fire strength atau derajat kebenaran akan dicari pada setiap aturan Jika jumlah aturan lebih dari satu, dilakukan inferensi dari semua aturan Untuk mendapatkan nilai crisp sebagai output sistem, dilakukan defuzzifikasi dari hasil inferensi Skema dari pengembangan sistem pakar berbasis fuzzy dapat dilihat pada Gambar 4 Domain masalah Fuzzifikasi Pembuatan aturan fuzzy seperti pada Gambar 5 dapat dilihat pada Persamaan 4 Persamaan 4 a b a a atau 2 Representasi kurva linier turun b Gambar 6 Kurva linier turun Fungsi keanggotaan untuk kurva linier turun seperti pada Gambar 6 dapat dilihat pada Persamaan 5 Persamaan 5 b b a a b a a b 3 Representasi kurva linier naik b b Defuzzifikasi Evaluasi Gambar 4 Skema pengembangan sistem pakar berbasis fuzzy (Zimmermann 1991) Fungsi keanggotaan (membership function) adalah suatu kurva yang memetakan titik-titik input data ke dalam derajat keanggotaannya Derajat keanggotaan memiliki interval nilai [0, 1] Di antara jenis fungsi keanggotaan adalah sebagai berikut: 1 Representasi kurva segitiga Gambar 5 Kurva segitiga Fungsi keanggotaan untuk kurva segitiga Gambar 7 Kurva linier naik Fungsi keanggotaan untuk kurva linier naik seperti pada Gambar 7 dapat dilihat pada Persamaan 6 Persamaan 6 a b a a a b Fuzzy inference system (FIS) dapat dilakukan dengan tiga metode, yaitu dengan metode Mamdani, metode Sugeno, dan metode Tsukamoto (Kusumadewi & Purnomo 2004) Metode Mamdani lebih sering digunakan karena dapat mendeskripsikan pendapat pakar secara lebih "humanmanner" daripada metode yang lain (Vrusias 2005) b

15 5 Penghitungan nilai crisp pada penalaran Mamdani diperoleh dengan menggunakan centroid of gravity yang dapat dilihat pada Persamaan 7 Persamaan 7 n n n n Nilai µ c adalah fungsi keanggotaan agregat yang dihasilkan oleh µ c sekumpulan output fuzzy, i n adalah seluruh bidang yang sesuai dengan centroid dari µ c, dan i k adalah blok k tertentu dari sebuah gambar Human Visual System (HVS) Human Visual System (HVS) merupakan salah satu metode teknik pemampatan citra, yang pemampatannya didasarkan pada karakteristik visual manusia Karena penerimaan mata manusia merupakan tujuan akhir dari penyajian bentuk visual tersebut, perlu diadakan penyesuaian-penyesuaian atau konversi antara sistem visual yang menayangkan bentuk visual sebagai layananan jasanya dengan sistem visualisasi mata manusia sehingga informasi visual yang kurang atau tidak dapat diamati oleh mata manusia dapat dihilangkan Hal ini sangat penting dalam menghindari pemborosan sumber daya media display, media penyimpanan, dan media transmisi Sensitivitas pencahayaan dapat diperoleh dari Persamaan 8 Persamaan 8 n File Audio Video Interleave (AVI) Audio Video Interleave (AVI) adalah format multimedia yang dikenalkan oleh Microsoft pada bulan November 1992 sebagai bagian dari teknologi video untuk Windows File AVI adalah sebuah standardisasi yang berisikan sinkronisasi antara audio dan video Seperti DVD, file AVI mendukung multi streaming audio dan video Pengembangan file AVI, yaitu AVI 20, digunakan khusus untuk kasus Resources Interchange File Format (RIFF) Sebuah file AVI dapat dikompresi ke dalam bentuk format kompresi multimedia seperti Motion JPEG, VDOWave, dan ClearVideo/RealVideo serta dapat melakukan share file dan melakukan proses rendering seperti capture, edit, dan playback Structural Similarity (SSIM) Video merupakan gabungan gambar SSIM adalah metode yang digunakan untuk menghitung kesamaan antara dua gambar Pengukuran gambar didasarkan pada gambar asli sebelum disisipi pesan atau gambar bebas distorsi sebagai referensi SSIM dirancang sebagai perbaikan metode Peak Signal to Noise Ratio (PSNR) dan Mean Squared Error (MSE) yang terbukti tidak konsisten dengan persepsi mata manusia (Wang et al 2004) Nilai SSIM dapat diperoleh dari Persamaan 10 Persamaan 10 Nilai V DC,k adalah koefisien DC dari blok k th, adalah nilai rata-rata dari semua koefisien V DC,k dari gambar tertentu, dan diatur ke 1 untuk mengontrol tingkat sensitivitas pencahayaan Sensitivitas tekstur dapat diperoleh dari Persamaan 9 Persamaan 9 T cond Dimana (x,y) merepresentasikan lokasi dari blok k th dan cond(r) mengambil nilai pembulatan dari R dan mengembalikan nilai jika nilai nya tidak sama dengan 0, selainnya Dengan: µ x = Nilai rataaan dari x µ y = Nilai rataan dari y = Nilai varian dari x = Nilai varian dari y = Nilai kovarian dari x dan y = (k 1 L) 2,C 2 = (k 2 L) 2 L = 2 #bit per piksel 1 k 1 = 001, k 2 = 003 (default) Langkah-langkah yang dilakukan: 1 Pengambilan video AVI sebelum dan sesudah disisipi pesan 2 SSIM digunakan untuk mengukur kualitas semua frame pada kedua video tersebut 3 Mencari nilai rata-rata dari semua nilai SSIM yang diperoleh / Mean SSIM (MSSIM)

16 6 Perbandingan dilakukan terhadap hasil MSSIM yang diperoleh dengan threshold sebesar 07 Video hasil penyisipan pesan dikatakan dalam kategori baik jika nilai MSSIM yang dihasilkan lebih besar atau sama dengan 07 (MSSIM >= 07) Sebaliknya, perbedaan video hasil penyisipan akan signifikan jika hasil perhitungan MSSIM di bawah 07 (Hariyanto 2008) Mean Opinion Score (MOS) MOS merupakan analisis secara subjektif Penilaian MOS didasarkan pada pengamatan hasil survei sehingga baik buruknya hasil penyisipan pesan ke dalam video bergantung pada penilaian subjektif masing-masing responden (Parenreng et al 2011) MOS memiliki kriteria penilaian kualitatif seperti pada Tabel 1: Tabel 1 Bobot penilaian MOS MOS Kualitas Pengertian 5 Sangat baik (excellent) Perbedaan tidak terlihat 4 Baik (good) Terlihat perbedaan tetapi tidak mengganggu 3 Cukup (fair) Sedikit berbeda 2 Kurang (poor) Mengganggu 1 Buruk (bad) Sangat mengganggu Secara matematis MOS dapat dihitung menggunakan Persamaan 11 Persamaan 11 Dengan: x(i) = nilai sampel ke-i k = nilai bobot N = jumah pengamat n = jumlah kriteria METODE PENELITIAN Penelitian ini mengembangkan aplikasi yang menggunakan teknik watermarking sebagai proteksi hak cipta pada media video Teknik watermarking yang digunakan adalah DCT dan logika fuzzy Aplikasi terdiri atas tiga fungsi utama, yaitu fungsi untuk penyisipan n watermark, pengambilan watermark, dan serangan watermark video Fungsi penyisipan watermark menghasilkan video yang memiliki watermark Fungsi pengambilan watermark digunakan untuk mengambil kembali watermark yang ada pada video Fungsi pengambilan watermark juga menghitung nilai kualitas dari watermark yang didapatkan Fungsi serangan watermark video digunakan untuk menganalisis kekuatan dan kualitas video yang telah tertanam watermark Penyisipan Watermark Penyisipan watermark adalah proses untuk menyisipkan informasi nilai watermark pada media yang ingin dilindungi Watermark yang akan disisipkan berupa gambar dengan format BMP dan sebagai cover work digunakan video dengan format AVI Pada penelitian ini, digunakan metode DCT dan logika fuzzy yang diterapkan pada blok 8x8 piksel di setiap frame Selanjutnya, dilakukan pencarian koefisien yang dapat disisipi watermark Koefisien yang disisipi watermark adalah koefisien DC dari matrik frekuensi gambar Besarnya penyisipan berdasarkan kelas fuzzy hasil perhitungan sensitivitas pencahayaan dan tekstur di setiap koefisien DC Koefisien DC selanjutnya dikonversi dalam bentuk biner Penyisipan bitbit pesan dilakukan pada Least Significant Bit (LSB) biner dari koefisien DC tersebut Video watermark, yaitu video yang telah tertanam watermark, akan diukur kualitasnya menggunakan MSSIM dan penilaian responden Proses penyisipan watermark dapat dilihat pada Gambar 8 watermark Penyisipan watermark IDCT Lk Mulai Pemecahan frame Windowing DCT Aplikasikan model HVS Aplikasikan model FIS Kelas Fuzzy Penyimpanan Delta α Tk Delta DC Frame Video Makroblok 8x8 pixel Koefisien DC Selesai Video watermark Gambar 8 Proses penyisipan watermark

17 7 Tahapan proses penyisipan watermark pada Gambar 8 dapat dijelaskan berikut: 1 Pemecahan frame Cover video dipecah menjadi beberapa frame dan setiap frame terbagi dalam 3 layer, yaitu Red, Green, dan Blue (RGB) Setiap informasi warna piksel di setiap frame dikurangi dengan 128 Hal ini dilakukan karena range DCT antara -128 sampai dengan Windowing Windowing adalah memecah setiap frame dari video menjadi makroblok berukuran 8 x 8 Cover video yang telah disiapkan, yaitu rhinosavi, menghasilkan 40 x 30 makroblok per frame per layer Nilai 40 didapat dari 320 dibagi 8, sedangkan nilai 30 didapat dari 240 dibagi 8 Proses makroblok dapat dilihat pada Gambar 9 Gambar 9 Proses makroblok pada frame 3 DCT 320 px Gambar 10 Matriks kuantisasi (Wallace 1991) Langkah selanjutnya yaitu mengimplementasikan DCT di setiap makroblok Setelah itu, dilakukan pembagian setiap koefisien DC dan AC dengan matriks kuantisasi Matrik kuantisasi dapat dilihat pada Gambar 10 4 Aplikasikan model HVS Berdasarkan penelitian yang dilakukan oleh Oueslati et al (2010) terdapat fakta bahwa ternyata mata manusia sensitif terhadap tekstur dan pencahayaan Sensitivitas pencahayaan dapat dilihat dari Persamaan 8 dan sensitivitas tekstur dapat dilihat pada Persaman 9 5 Aplikasikan model FIS Setelah mengaplikasikan model HVS, didapatlah nilai dari sensitivitas tekstur dan pencahayaan Nilai-nilai tersebut dimasukkan ke dalam variabel fuzzy Variabel fuzzy untuk input ialah pencahayaan dan tekstur sedangkan untuk output ialah penyisipan Model fuzzy dari HVS dapat dilihat pada Gambar 11 Input : Output : pencahayaan n tekstur Fuzzy Inference System Gambar 11 Model fuzzy dari HVS Untuk himpunan fuzzy nya, yaitu : Penyisipan Sensitivitas pencahayaan {gelap, agak cerah, cerah} Sensitivitas tekstur {halus, agak kasar, kasar} Penyisipan {sangat kecil, agak kecil, agak besar, cenderung besar, sangat besar} Himpunan fuzzy dapat dilihat pada Tabel 2 Derajat keanggotaan input dapat dilihat pada Gambar 12 Rentang sensitivitas pencahayaan adalah (-464) 614 Fungsi keanggotaan untuk input sensitivitas pencahayaan dapat dilihat Tabel 2 Himpunan fuzzy Fungsi Variabel Himpunan Notasi Domain Input Pencahayaan (a) Gelap g [ ] Agak Cerah ac [ ] Cerah c [ ] Tekstur (b) Halus h [ ] Agak Kasar ak [ ] Kasar k [ ] Output Penyisipan (c) Sangat Kecil sk [ ] Agak Kecil ae [ ] Agak Besar ab [ ] Cenderung Besar cb [ ] Sangat Besar sb [ ]

18 8 pada Persamaan 12, sedangkan fungsi keanggotaan untuk input sensitivitas tekstur dapat dilihat pada Persamaan 13 Rentang sensitivitas tekstur adalah 1 64 Sensitivitas Pencahayaan Gelap Agak Cerah Cerah 1 Derajat keanggotaan output penyisipan dapat dilihat pada Gambar 13 1 Sangat Kecil Agak Kecil Penyisipan Agak Besar Cenderung Besar Sangat Besar Sensitivitas Tekstur Halus Agak Kasar Kasar Gambar 12 Derajat keanggotaan input Persamaan 12 a a a a a a a a a a a a atau a a a a a a Persamaan 13 h b a b b b b b b b b b b atau b b b b b b 0 Gambar 13 Derajat keanggotaan output Rentang output penyisipan adalah 1 64 Fungsi keanggotaan untuk output penyisipan dapat dilihat pada Persamaan 14 Persamaan 14 a ab b b atau atau atau b Terdapat 9 aturan fuzzy Aturan-aturan ini diperoleh berdasarkan analisis hasil yang dicobakan ke gambar Aturan 1: Jika pencahayaan GELAP dan Tekstur HALUS, maka penyisipan AGAK KECIL Aturan 2: Jika pencahayaan GELAP dan Tekstur AGAK KASAR, maka penyisipan AGAK BESAR

19 9 Aturan 3: Jika pencahayaan GELAP dan Tekstur KASAR, maka penyisipan SANGAT BESAR Aturan 4: Jika pencahayaan AGAK CERAH dan Tekstur HALUS, maka penyisipan AGAK BESAR Aturan 5: Jika pencahayaan AGAK CERAH dan Tekstur AGAK KASAR, maka penyisipan AGAK BESAR Aturan 6: Jika pencahayaan AGAK CERAH dan Tekstur KASAR, maka penyisipan CENDERUNG BESAR Aturan 7: Jika pencahayaan CERAH dan Tekstur HALUS, maka penyisipan SANGAT KECIL Aturan 8: Jika pencahayaan CERAH dan Tekstur AGAK KASAR, maka penyisipan AGAK KECIL Aturan 9: Jika pencahayaan CERAH dan Tekstur KASAR, maka penyisipan AGAK BESAR Untuk defuzzifikasi, metode reasoning yang digunakan adalah Mamdani Setelah model FIS diaplikasikan, didapatkan Koefisien DC yang telah dikonversi dalam bentuk biner kemudian disisipi bit-bit watermark message berdasarkan output penyisipan Output 1: Output 2: Output 3: Jika penyisipan SANGAT KECIL, maka bit LSB yang diganti sebanyak 0 Jika penyisipan AGAK KECIL, maka bit LSB yang diganti sebanyak 0 Jika penyisipan AGAK BESAR, maka bit LSB yang diganti sebanyak 1 Output 4: Jika penyisipan CENDERUNG BESAR, maka bit LSB yang diganti sebanyak 2 Output 5: Jika penyisipan SANGAT BESAR, maka bit LSB yang diganti sebanyak 3 6 Penyisipan watermark Setelah didapatkan output penyisipan maka diketahui besarnya penyisipan di setiap koefisien DC Besarnya penyisipan berdasarkan kelas fuzzy output penyisipan Koefisien diubah dalam bentuk biner Watermark message disisipkan di setiap LSB di setiap makroblok 7 IDCT Setelah penyisipan watermark, proses selanjutnya yaitu mengembalikan nilai biner menjadi desimal Setelah itu, tahapanya merupakan kebalikan dari tahapan penyisipan Mula-mula, setiap makroblok di-invers kuantisasi, lalu di-invers DCT sesuai dengan Persamaan 3 Lalu, hasil invers DCT ditambahkan dengan 128 setiap pikselnya 8 Penyimpanan delta Setelah proses IDCT, tidak semua piksel gambar berada di range 0 sampai dengan 255 Ada yang kurang dari 0 dan lebih dari 255 Nilai yang kurang dari 0 akan dibulatkan ke 0 sedangkan nilai yang lebih dari 255 akan dibulatkan menjadi 255 Ini akan menjadi masalah ketika proses pengambilan watermark karena ada piksel yang berubah Maka dari itu, delta digunakan untuk menyimpan selisih nilai yang kurang dari 0 atau lebih dari 255, sehingga ketika proses pengambilan informasi pikselnya akan tetap sama Setelah proses ini selesai, makroblok-makroblok disatukan kembali menjadi frame-frame Frame-frame tersebut disatukan kembali menjadi sebuah video, sehingga didapatlah video watermark Pengambilan Watermark Pengambilan watermark adalah proses untuk mengambil invisible watermark message yang terdapat pada video watermark Pengambilan watermark ini dilakukan untuk mengetahui apakah video itu asli atau tidak Delta Mulai Pemecahan frame Windowing DCT Koefisien DC Ekstraksi watermark Watermark message Selesai Frame Video Makroblok 8x8 pixel Kelas Fuzzy Gambar 14 Proses pengambilan watermark Proses pengambilan watermark mirip dengan penyisipan watermark Mula-mula, video dipecah ke dalam frame-frame Frame video yang telah disisipi watermark dibagi ke dalam makroblok 8x8 piksel Selanjutnya, hitung DCT dari setiap makroblok lalu pilih koefisien DC nya Dari proses penyisipan, didapat informasi mengenai delta Delta inilah yang pertama kali diambil Informasi selisih

20 10 delta lalu disimpan lagi ke piksel-piksel yang melebihi 255 atau kurang dari 0 Kelas fuzzy digunakan untuk mengetahui berapa bit LSB yang diambil di setiap koefisien DC Selanjutnya koefisien DC dikonversi dalam bentuk biner Watermark diambil di setiap koefisien DC Informasi mengenai besarnya penyisipan koefisien DC diambil dari fuzzifikasi cover videonya Pengambilan watermark message diambil dari bit LSB dan dikonversi ke dalam gambar sehingga watermark message dapat dibandingkan Tahapan pengambilan watermark dapat dilihat pada Gambar 14 Analisis Hasil Implementasi Video watermark selanjutnya dianalisis, diuji, dan dievaluasi Analisis ini menjadi tolak ukur keberhasilan dari aplikasi Analisis yang dilakukan pada penelitian ini antara lain: Analisis kekuatan video watermark Analisis waktu eksekusi Analisis kualitas video watermark Analisis Kekuatan Video Watermark Serangan-serangan yang diterapkan pada penelitian ini adalah: Serangan cutting video watermark (clipping) Serangan odd video watermark Serangan even video watermark Serangan adding frame Serangan cutting dan adding frame Lingkungan Pengembangan Pada penelitian ini digunakan perangkat keras dan perangkat lunak sebagai berikut: Perangkat lunak yang digunakan dalam penelitian: Windows 7 Home Basic sebagai sistem operasi Matlab R2008b Perangkat keras yang digunakan dalam penelitian: Pro or Int l R or 3 RAM 8 GB Hard disk kapasitas 320 GB digunakan ialah file BMP Deskripsinya dapat dilihat pada Tabel 4 Tabel 3 Deskripsi cover video File Ukuran Resolusi Frame Rhinosavi 250 MB 320x Tabel 4 Deskripsi watermark message File Ukuran Resolusi Messagebmp 94 Bytes 8x8 Penyisipan Watermark Setelah dipilih cover video dan watermark message, tahapan detail mengenai penyisipan watermark message diuraikan di bawah ini: 1 Pemecahan frame Cover video dipecah menjadi frame-frame Dari cover video, terdapat 114 frame dan setiap frame nya terdiri atas matrik nilai warna dari gambar penyusun video dengan ukuran 320 x 240 piksel dan terdapat layer Red, Green, dan Blue (RGB) Potongan piksel cover video dapat dilihat pada Gambar 15 Gambar 15 Potongan piksel cover video 2 Windowing HASIL DAN PEMBAHASAN Cover video yang digunakan pada penelitian ini ialah rhinosavi Video tersebut terdapat pada sample video Matlab Deskripsinya dapat dilihat pada Tabel 3 Watermark yang Gambar 16 Potongan piksel makroblok (1,1) layer ke-1 dari frame pertama Resolusi frame dari cover video ialah 320 x 240 pixel Pada tahap ini, setiap frame dari cover video akan dipecah menjadi makroblok dengan ukuran 8x8 Cover video yang telah

21 11 disiapkan menghasilkan 40 x 30 makroblok per frame per layer Nilai 40 didapat dari 320 dibagi 8 sedangkan nilai 30 didapat dari 240 dibagi 8 Potongan piksel makroblok (1,1) layer ke-1 dari frame pertama dapat dilihat pada Gambar 16 3 DCT Setelah mendapatkan makroblok per frame per layer, selanjutnya dilakukan perhitungan DCT di setiap makroblok Sebelum masuk proses DCT, setiap piksel makroblok dikurangi 128 Potongan piksel makroblok yang telah dikurangi 128 dapat dilihat pada Gambar 17 Gambar 17 Potongan makroblok (1,1) dikurangi 128 Setelah dikurangi 128, selanjutnya perhitungan DCT dilakukan di setiap makroblok Potongan piksel DCT 2D dapat dilihat pada Gambar 18 Gambar 18 Potongan piksel perhitungan DCT Agar hasilnya tidak besar sekali, perlu adanya proses kuantisasi Proses kuantisasi dilakukan dengan membulatkan hasil bagi setiap komponen nilai hasil DCT dengan matrik kuantisasi pada Gambar 10 Potongan piksel hasil kuantisasi dapat dilihat pada Gambar 19 al,, Gambar 19 Potongan piksel hasil kuantisasi 4 Aplikasikan model HVS Model HVS digunakan untuk mendapatkan informasi mengenai sensitivitas tekstur dan pencahayaan Sensitivitas tekstur didapat dari hasil kuantisasi Apabila hasilnya tidak sama dengan 0, diberi nilai 1, selainnya diberi nilai 0 Nilai tersebut dijumlahkan untuk setiap makroblok Jadi nilai maksimal sensitivitas tekstur adalah 64, sedangkan minimumnya adalah 0 Potongan nilai sensitivitas tekstur pada frame pertama, makroblok (1,1), layer pertama dapat dilihat pada Gambar 20 val(:,:,1) = 1 Gambar 20 Potongan nilai sensitivitas tekstur Sensitivitas pencahayaan didapat dari membagi koefisien DC dengan nilai rata-rata dari semua koefisien DC berdasarkan layernya Potongan nilai sensitivitas pencahayaan pada frame pertama, makroblok (1,1), layer pertama dapat dilihat pada Gambar 21 val(:,:,1) = Gambar 21 Potongan nilai sensitivitas pencahayaan 5 Aplikasikan model FIS Setelah didapatkan sensitivitas tekstur dan pencahayaan maka selanjutnya ialah memasukkan kedua nilai sensitivitas tersebut ke dalam fuzzy inference system Output fuzzy pada frame pertama, makroblok (1,1), layer pertama dapat dilihat pada Gambar 22 val(:,:,1) = Gambar 22 Output fuzzy Kelas fuzzy didapatkan dengan cara mengelompokkan output fuzzy berdasarkan kelasnya Output kelas fuzzy pada frame pertama, makroblok (1,1), layer pertama dapat dilihat pada Gambar 23 val(:,:,1) = 3 Gambar 23 Output kelas fuzzy Output kelas fuzzy adalah 3 sehingga besarnya penyisipan sebanyak 1 6 Penyisipan watermark Biner DC kuantisasi Bit watermark Biner hasil penyisipan Gambar 24 Proses penyisipan biner 1

22 12 Berdasarkan Gambar 19, potongan piksel hasil kuantisasi didapatlah koefisien DC sebesar 40 Hasil biner dari desimal 40 adalah Penyisipan watermark message dilakukan dengan mengganti nilai biner LSB koefisien DC pada tahap 3 dengan bit watermark message Watermark message ialah file gambar dengan format BMP yang hanya mempunyai 2 nilai, yaitu 0 atau 1 Proses penyisipan watermark diilustrasikan pada Gambar 24 7 Penyimpanan delta Setelah watermark message selesai disisipkan, selanjutnya yaitu mengubah kembali nilai biner koefisien DC ke dalam bentuk desimal Setelah itu dilakukan invers kuantisasi Proses invers kuantisasi yaitu mengalikan setiap nilai dengan matrik kuantisasi sesuai dengan Gambar 10 Contoh hasil invers kuantisasi makroblok pertama dapat dilihat pada Gambar 25 al,, desimal warna dari piksel Untuk menghindari kehilangan data pada saat pembentukan video, setiap selisih baik nilai yang melebihi 255 maupun yang kurang dari 0 akan disimpan untuk digunakan kembali pada saat proses pengambilan al,, Gambar 27 Matriks hasil penyisipan Tahapan paling akhir dari proses penyisipan watermark message adalah penyatuan makroblok-makroblok lalu pembentukan kembali frame-frame hasil penyisipan ke bentuk video AVI sehingga berbentuk watermark video Potongan piksel watermark video dapat dilihat pada Gambar 28 Antarmuka hasil penyisipan watermark dapat dilihat pada Lampiran 1 Gambar 25 Hasil invers kuantisasi makroblok Setelah dilakukan invers kuantisasi, langkah selanjutnya adalah invers DCT (IDCT) menggunakan persamaan 3 Proses IDCT yang dilakukan merupakan IDCT dua dimensi karena matrik yang digunakan sebagai input memiliki bentuk dua dimensi Hasil IDCT 2 ditunjukkan pada Gambar 26 al,, Gambar 26 Hasil IDCT2 Setelah mendapatkan matrik hasil IDCT2, kemudian ditambahkan dengan 128 Hasil matrik akhir nilai piksel setelah penyisipan dapat dilihat pada Gambar 27 Pada implementasinya, nilai-nilai hasil penyisipan tidak selalu berada di range Hal ini terjadi dikarenakan modifikasi pada biner koefisien DC dapat mengubah nilai Gambar 28 Potongan piksel watermark video Pengambilan Watermark Proses pengambilan watermark hampir sama dengan penyisipan watermark Perbedaannya terdapat pada tahapan pengambilan Watermark message yang telah disisipi tadi diambil pada proses ini Pengambilan watermark message dilakukan di setiap koefisien DC pada bit biner LSB Pada akhir proses pengambilan, cover video tidak perlu dikembalikan ke bentuk semula Tahapan 1 sampai dengan 3 hampir sama dengan proses penyisipan watermark Akan tetapi, sebelum melakukan proses DCT, nilai piksel yang bersesuaian ditambah dengan delta Setelah itu,

23 13 binerkan koefisien DC dari hasil kuantisasi Berikut tahapan proses pengambilan setelah membinerkan koefisien DC: 1 Pengambilan watermark Biner watermark video Gambar 29 Pengambilan watermark Bit biner hasil konversi kemudian diambil bagian LSB nya sebanyak bit output penyisipan di setiap koefisien DC Pengambilan watermark dapat dilihat pada Gambar 29 2 Watermark message Pengambilan watermark message lalu dibandingkan dengan watermark message aslinya Hal ini dilakukan untuk mengetahui apakah watermark message yang diambil sama dengan watermark message aslinya, dan untuk mengukur seberapa banyak watermark message yang terambil Watermark message yang terambil harus 100% sama dengan watermark message aslinya Antarmuka hasil pengambilan watermark dapat dilihat pada Lampiran 2 Analisis Waktu Eksekusi Lamanya proses penyisipan dan pengambilan watermark dicatat untuk bisa dianalisis Cover video yang digunakan ialah rhinosavi tetapi memiliki banyaknya frame yang berbeda-beda Banyaknya frame yang digunakan ialah : 1 frame 2 frame 6 frame 24 frame 72 frame 114 frame Bit watermark Tabel 5 Analisis waktu eksekusi Banyaknya Waktu (Menit) Frame Peyisipan Pengambilan Dalam perhitungan waktu eksekusi dilakukan pengulangan sebanyak 3 kali Hal ini dilakukan karena ada aspek stokastik pada 0 komputer Aspek stokastik memiliki komponen input random, dan menghasilkan output yang random pula Rata-rata waktu penyisipan dan pengambilan dapat dilihat pada Tabel 5 Grafik analisis waktu eksekusi terdapat pada Gambar 30 Berdasarkan grafik pada Gambar 30, semakin banyak frame yang disisipkan watermark message semakin banyak pula waktu yang dibutuhkan untuk menyisipkan maupun untuk mengambil Dari grafik tersebut, juga dapat diketahui bahwa waktu penyisipan dan waktu pengambilan terhadap N frame didapat dengan Persamaan 15 dan Persamaan 16 Gambar 30 Analisis waktu eksekusi Persamaan 15 Persamaan 16 n a b lan Berdasarkan grafik regresi linear pada Gambar 30 dan juga Tabel 5, terlihat bahwa waktu penyisipan lebih lama daripada waktu pengambilan watermark Hal ini bisa dibuktikan melalui Analisys of Variance (ANOVA) yang terdapat pada Tabel 6 Tabel 6 ANOVA df F Significance F Regression Residual 4 Total 5 Alpha F tabel F hitung ( ) > F tabel (770860) Kesimpulan: Ada perbedaan yang nyata antara penyisipan dan pengambilan

24 14 Analisis Kualitas Video Watermark Pada penelitian ini, pengukuran kualitas video watermark dilakukan menggunakan dua perhitungan Kualitas secara objektif Pengukuran kualitas secara objektif adalah proses membandingkan setiap frame antara cover video dan video watermark Pengukuran dilakukan dengan menghitung SSIM setiap frame kedua video kemudian dicari mean dari nilai SSIM tersebut Nilai MSSIM yang didapat dari cover video rhinosavi dapat dilihat pada Tabel 7 Watermark video memiliki tampilan yang mirip dengan aslinya Tabel 7 Kualitas secara objektif Banyaknya Frame Frame MSSIM Similarity Kualitas secara subjektif Pengukuran kualitas secara subjektif menggunakan Mean Opinion Score (MOS) dengan melakukan survei kepada responden Penilaian video ialah dengan membandingkan tampilan dari cover video dan watermark video dipandang secara perspektif visual mata manusia Survei dilakukan kepada 45 orang responden dengan rentang usia tahun Responden laki-laki sebanyak 20 orang dan responden perempuan sebanyak 25 orang Gambar 31 Grafik kualitas video secara subjektif Pengkategorian nilainya, yaitu: 1 Sangat bagus 2 Bagus 3 Cukup 4 Kurang bagus Sangat Bagus Bagus Cukup Kurang Bagus Setelah didapatkan data tersebut, didapatkan grafik pada Gambar 31 Hasil survei kuesioner dapat dilihat pada Lampiran 3 Analisis Kekuatan Watermark Analisis kekuatan dilakukan dengan menguji watermark video dengan seranganserangan Serangan yang dilakukan pada penelitian ini adalah : 1 Serangan cutting video watermark (clipping) Serangan cutting ialah memotong frame video watermark menjadi hanya beberapa frame saja Cutting video yang dilakukan ialah memotong frame ke-2 sampai dengan 114 sehingga hanya menyisakan frame ke-1 saja, memotong frame ke-1 sampai dengan 113 sehingga hanya menyisakan frame ke-114 saja, memotong frame ke-1 dan 114 sehingga mendapatkan frame ke-2 sampai dengan 113, memotong frame ke-1 sampai dengan 39, dan memotong frame ke-81 sampai dengan 114 sehingga mendapatkan frame ke-40 sampai dengan 80 Serangan cutting juga memotong frame ke-1 sampai dengan 19 dan memotong frame ke-31 sampai dengan 114 sehingga mendapatkan frame ke-20 sampai dengan 30 Pengambilan watermark message dilakukan dengan cara membandingkan frame yang pertama dengan banyaknya digit yang disisipkan di setiap frame koefisien DC Contohnya pemotongan frame ke-1 sampai dengan 113 menyisakan 1 frame, yaitu frame ke-114 saja Pada frame ke-114 bandingkan banyaknya digit yang disisipkan di setiap koefisien DC pada frame pertama Apabila setelah pesannya diambil tetapi tidak sesuai dengan watermark message-nya bandingkan lagi banyaknya digit yang ada di setiap koefisien DC pada frame kedua, begitu seterusnya sampai dengan frame ke-114 Jika saat dibandingkan dengan frame ke-114 pesannya sesuai dengan watermark message, watermark message-nya diambil Tabel 8 Kekuatan watermark terhadap serangan cutting Banyaknya frame Frame Similarity Nilai similarity watermark message yang telah mengalami serangan cutting dapat dilihat pada Tabel 8

25 15 2 Serangan odd video watermark Serangan odd video dilakukan dengan memotong frame video watermark tetapi hanya mengambil frame-frame yang ganjil saja Setelah itu, videonya disimpan kembali dengan frame per second nya 05 kali lebih kecil daripada rhinosavi agar terlihat lebih mirip dengan rhinosavi Nilai similarity watermark message yang telah mengalami serangan odd video dapat dilihat pada Tabel 9 Tabel 9 Kekuatan watermark terhadap serangan odd video watermark Banyaknya frame Frame per second Similarity Serangan even video watermark Serangan even video dilakukan dengan memotong frame video watermark tetapi hanya mengambil frame-frame yang genap saja Setelah itu, videonya disimpan kembali dengan frame per second nya 05 kali lebih kecil daripada rhinosavi agar terlihat lebih mirip dengan rhinosavi Nilai similarity watermark message yang telah mengalami serangan even video dapat dilihat pada Tabel 10 Tabel 10 Kekuatan watermark terhadap serangan even video watermark Banyaknya frame Frame per second Similarity Serangan adding frame Serangan adding frame ialah menambahkan frame di awal dan di akhir video watermark Pada umumnya, apabila ada orang yang mau mengakui video yang padahal bukan miliknya di awal dan di akhir videonya acapkali ditambahkan dengan copyright Contoh lainnya ialah seseorang menambahkan title di awal dan credit di akhir Pada penelitian ini, ditambahkan sebanyak 32 frame di awal dan 75 frame di akhir Pengambilan watermark message dilakukan dengan cara membandingkan banyaknya digit yang disisipkan di setiap koefisien DC pada frame pertama terhadap setiap frame Contohnya apabila ada penambahan 32 frame di awal dan video watermark ada di frame 33 Mula-mula, bandingkan banyaknya digit yang disisipkan di setiap koefisien DC pada frame pertama terhadap setiap frame Apabila setelah pesannya diambil tetapi tidak sesuai dengan watermark message-nya, bandingkan lagi banyaknya digit yang di setiap koefisien DC pada frame kedua Begitu seterusnya sampai dengan frame ke-33 Jika saat dibandingkan dengan frame ke-33 pesannya sesuai dengan watermark message, watermark message-nya diambil Tabel 11 Kekuatan watermark terhadap serangan adding Frame Frame Frame Similarity title watermark credit Nilai similarity watermark message yang telah mengalami serangan adding video dapat dilihat pada Tabel 11 5 Serangan adding dan cutting frame Serangan adding dan cutting frame dilakukan dengan menambahkan frame di awal dan di akhir video watermark kemudian menyisipkan video watermark yang telah dipotong Pengambilan watermark message dilakukan dengan cara membandingkan banyaknya digit yang disisipkan di setiap koefisien DC pada frame pertama terhadap setiap frame Setelah itu, banyaknya digit yang disisipkan di setiap koefisien DC pada frame kedua terhadap setiap frame dibandingkan Begitu seterusnya sampai menemukan frame yang cocok dengan watermark message Contohnya apabila ada penambahan 32 frame di awal, 75 frame di akhir, dan video watermark ada di frame 33, tetapi video watermark hanya dari frame 40 sampai 80 Mula-mula, bandingkan banyaknya digit yang disisipkan di setiap koefisien DC pada frame pertama terhadap setiap frame Apabila setelah pesannya diambil tetapi tidak sesuai dengan watermark message-nya, bandingkan lagi banyaknya digit yang disisipkan di setiap koefisien DC pada frame kedua terhadap setiap frame, begitu seterusnya sampai dengan frame ke-40 Ketika membandingkan banyaknya digit yang disisipkan di setiap koefisien DC pada frame ke-40 terhadap frame ke-33 maka watermark message nya cocok kemudian watermark message-nya diambil Tabel 12 Kekuatan watermark terhadap serangan adding dan cutting Frame Frame Frame Similarity title watermark credit Nilai similarity watermark message yang telah mengalami serangan adding dan cutting video dapat dilihat pada Tabel 12 Antarmuka

26 16 hasil serangan adding dan cutting dapat dilihat pada Lampiran 4 KESIMPULAN DAN SARAN Kesimpulan Berdasarkan pengujian dan analisis pada bab sebelumnya, dari penelitian mplementasi dan Analisis Video Watermarking menggunakan Discrete Cosine Transform (DCT) dan Logika Fuzzy berdasarkan Human Visual System HV dapat diambil beberapa kesimpulan sebagai berikut : 1 Transformasi DCT dan HVS Fuzzy dapat diterapkan sebagai teknik watermarking pada berkas video berformat AVI yang tidak terkompresi 2 Waktu menyisipkan lebih lama daripada waktu mengpengambilan 3 Berdasarkan MSSIM dan MOS, terbukti bahwa teknik HVS fuzzy bisa menyembunyikan data watermark pada invisible watermark 4 Metode watermark yang diterapkan dapat mengakomodasikan serangan cutting dan adding Saran 1 Menggunakan file cover untuk video terkompresi 2 Menggunakan serangan yang lebih banyak untuk menghasilkan aplikasi watermarking yang lebih baik DAFTAR PUSTAKA Ardhyana AS, Juarna A 2008 Aplikasi Steganografi pada MP3 menggunakan teknik LSB Depok: Universitas Gunadarma Cox IJ, Miller ML, Bloom JA 2002 Digital Watermarking New York: Morgan Kaufmann Publishers Hariyanto PG 2008 Studi dan Implementasi Steganografi pada Video Digital di Mobile Phone Dengan DCT Modification Bandung: Institut Teknologi Bandung Huber A 1997 Digital Watermarking Programme European 1:1 [terhubung berkala] polytechniquefr/profs/informatique/francoi ssillion/majeure/projets/huber/projethtml [18 Agu 2011] Jain AK 1989 Fundamental of Digital Image Processing Englewood Cliffs: Prentice Hall Krisnawati 2006 Transformasi Fourier dan Transformasi Wavelet pada Citra Dasi 7(4):7 Kusumadewi S, Purnomo H 2004 Aplikasi Logika Fuzzy untuk Pendukung Keputusan Yogyakarta: Graha Ilmu Kusumadewi S, Hartati S 2006 Neuro-Fuzzy: Integrasi Sistem Fuzzy dan Jaringan Syaraf Yogyakarta: Graha Ilmu Oueslati S, Cherif A, Solaiman B 2010 A fuzzy watermarking approach based on the human visual system International Journal of Image Processing 4(3): Parenreng MM, Yuliana M, Santoso TB 2011 Analisa Sinyal Suara pada Layanan IVR dan Predictive Dialer Berbasis ICT Surabaya: ITS Sinambela F, Pramono R, Adirama K 2006 Teknologi Watermarking yang Kuat pada Video MPEG Bandung: Departemen Teknik Informatika ITB Vrusias BL 2005 Fuzzy Unis 1:1 [terhubung berkala] fuzzyphp [7 Okt 2011] Wallace GK 1992 The JPEG still picture compression standard IEEE Transactions on Consumer Electronics 38(1):29 Wang Z, Bovik AC, Sheikh HR, Simocelli EP 2004 Image quality assessment: from error measurement to structural similarity IEEE Transaction on Image Processing 13(4): Wolfgang RB, Podilchuk CI, Delph JE 1999 Perceptual Watermarks for Digital Images and Video Proceedings of the IEEE 87(7): Zimmermann HJ (1991) Fuzzy Set Theory and Its Application Dordrecht: Kluwer Academic Publisher Zhu G, Sang N 2008 Watermaking algorithm research and implementation based on DCT block World Academy of Science Engineering and Technology 45: 38-42

27 LAMPIRAN

28 18 Lampiran 1 Antarmuka hasil penyisipan watermark Lampiran 2 Antarmuka hasil pengambilan watermark

29 19 Lampiran 3 Hasil survei kuesioner Nomor Nama Umur Jenis Kelamin Pekerjaan Penilaian 1 Aditya Wicaksono 25 Laki-laki Mahasiswa Bagus 2 Rizqi Anugrah 19 Laki-laki Mahasiswa Bagus 3 Jatnika 20 Laki-laki Mahasiswa Bagus 4 Irsyam 19 Laki-laki Mahasiswa Bagus 5 Farizul 19 Laki-laki Mahasiswa Bagus 6 Ria 20 Perempuan Mahasiswi Bagus 7 Tentri 20 Perempuan Mahasiswi Bagus 8 Anggi 19 Perempuan Mahasiswi Bagus 9 Ayu 19 Perempuan Mahasiswi Bagus 10 Evi 19 Perempuan Mahasiswi Bagus 11 Syaiful 20 Laki-laki Mahasiswa Sangat bagus 12 Tri 18 Perempuan Mahasiswi Sangat bagus 13 Marni 19 Perempuan Mahasiswi Cukup 14 Vinni 19 Perempuan Mahasiswi Bagus 15 Rifki 20 Laki-laki Mahasiswa Bagus 16 Silva 21 Perempuan Mahasiswi Bagus 17 Tijani 20 Perempuan Mahasiswi Bagus 18 Rega 20 Perempuan Mahasiswi Bagus 19 Baroah 20 Perempuan Mahasiswi Sangat bagus 20 Budi 25 Laki-laki Staf Diploma Cukup 21 Syahrival 26 Laki-laki Mahasiswa Bagus 22 Rahmah 19 Perempuan Mahasiswi Bagus 23 Nina M Priyatina 24 Perempuan Mahasiswi Bagus 24 Ria Oktariana 24 Perempuan Asisten Dosen Cukup 25 Khaulah 19 Perempuan Mahasiswi Bagus 26 Triyani 20 Perempuan Mahasiswi Bagus 27 Aini 20 Perempuan Mahasiswi Bagus 28 Zulaikha Siti Anisah 24 Perempuan Mahasiswi Bagus 29 Aditya Riansyah L 24 Laki-laki Mahasiswa Bagus 30 Deby Puspa B 26 Perempuan Mahasiswi Bagus 31 Andri Setyawan 23 Laki-laki Mahasiswa Bagus 32 Rd Inthan LV 24 Perempuan Mahasiswi Bagus 33 Sevtriana 19 Perempuan Mahasiswi Bagus 34 April 19 Perempuan Mahasiswi Bagus 35 Gian 20 Laki-laki Mahasiswa Sangat bagus 36 Myrna 20 Perempuan Mahasiswi Sangat bagus 37 Fahmi 20 Laki-laki Mahasiswa Bagus 38 Imam 20 Laki-laki Mahasiswa Bagus 39 Fadil 19 Laki-laki Mahasiswa Bagus 40 Faris 20 Laki-laki Mahasiswa Bagus 41 Rizky 20 Laki-laki Mahasiswa Bagus 42 Pauzi 23 Laki-laki Mahasiswa Bagus 43 Nano 20 Laki-laki Mahasiswa Sangat bagus 44 Dian 19 Perempuan Mahasiswa Bagus 45 Ardiansyah 26 Laki-laki Dosen Bagus

30 Lampiran 4 Antarmuka hasil serangan adding dan cutting 20