implementasi dan analisis video watermarking menggunakan ... · daftar isi . halaman daftar tabel...
Post on 02-Mar-2019
238 Views
Preview:
TRANSCRIPT
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
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
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
0.934. 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
Penguji : 1. Hendra Rahmawan SKom MT
2. Dr Sugi Guritman
Judul Skripsi : Implementasi dan Analisis Video Watermarking Menggunakan Discrete
Cosine Transform dan Logika Fuzzy Berdasarkan Human Visual System
Nama : Syahrany Kurniawaty
NRP : G64096062
Menyetujui:
Pembimbing I, Pembimbing II,
Endang Purnama Giri SKom MKom Karlina Khiyarin Nisa SKom MT
NIP. 19821010 200604 1 027
Mengetahui:
Ketua Departemen Ilmu Komputer
Dr Ir Agus Buono MSi MKom
NIP. 19660702 199302 1 001
Tanggal Lulus :
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
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.
v
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
vi
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 ...................................................... 15 10 Kekuatan watermark terhadap serangan even video watermark ...................................................... 15 11 Kekuatan watermark terhadap serangan adding .............................................................................. 15 12 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. ........................................................................................................... 10 16 Potongan piksel makroblok (1,1) layer ke-1 dari frame pertama..................................................... 10 17 Potongan makroblok (1,1) dikurangi 128. ....................................................................................... 11 18 Potongan piksel implementasi DCT. ............................................................................................... 11 19 Potongan piksel hasil kuantisasi. ..................................................................................................... 11 20 Potongan nilai sensitivitas tekstur. ................................................................................................... 11 21 Potongan nilai sensitivitas pencahayaan. ......................................................................................... 11 22 Output fuzzy. .................................................................................................................................... 11 23 Output kelas fuzzy. ........................................................................................................................... 11 24 Proses penyisipan biner. .................................................................................................................. 11 25 Hasil invers kuantisasi makroblok. .................................................................................................. 12 26 Hasil IDCT2. .................................................................................................................................... 12 27 Matriks hasil penyisipan. ................................................................................................................. 12 28 Potongan piksel watermark video. ................................................................................................... 12 29 Pengambilan watermark. ................................................................................................................. 13 30 Analisis waktu eksekusi. .................................................................................................................. 13 31 Grafik kualitas video secara subjektif. ............................................................................................. 14
vii
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
1
PENDAHULUAN
Latar Belakang
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
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 serangan-
serangan seperti cropping, filtering, dan lain-
lain, 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.
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.
Gambar 2 Proses pengambilan watermark
secara umum.
Discrete Cosine Transform (DCT)
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
Watermark
data
Cover
work
Algoritme
pengambilan Digital
watermark
Kunci
Digital
watermark
Cover
work
Kunci
Algoritme
penyisipan Watermark
data
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
n
cos n
,
0 ≤ ≤ -1,
0 ≤ ≤ -1
Dengan:
≤ ≤
≤ ≤
Setelah koefisien-koefisien DCT C(u,v)
diperoleh dari Persamaan 1, dilakukan
kuantisasi menggunakan Persamaan 2
(Ardhyana & Juarna 2008).
Persamaan 2
u u
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.
Persamaan 3
IDCT 2
n cos
-
-
cos n
,
0 ≤ ≤ -1,
0 ≤ ≤ -1
Dengan :
≤ ≤
≤ ≤
Transformasi DCT 2 pada Persamaan 1
dapat di-invers menggunakan IDCT 2 yang
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 3.
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.
MSB LSB
1 0 1 0 1 0 1 0
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.
Fuzzifikasi
Evaluasi
Pembuatan aturan
fuzzy
Domain masalah
Defuzzifikasi
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
seperti pada Gambar 5 dapat dilihat pada
Persamaan 4.
Persamaan 4
a atau a
b a a b
b b
2 Representasi kurva linier turun
Gambar 6 Kurva linier turun.
Fungsi keanggotaan untuk kurva linier turun
seperti pada Gambar 6 dapat dilihat pada
Persamaan 5.
Persamaan 5
ab
b a a≤ ≤b
b
3 Representasi kurva linier naik
Gambar 7 Kurva linier naik.
Fungsi keanggotaan untuk kurva linier naik
seperti pada Gambar 7 dapat dilihat pada
Persamaan 6.
Persamaan 6
a a
b a a≤ ≤b
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).
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
n
Nilai µc adalah fungsi keanggotaan agregat
yang dihasilkan oleh µc sekumpulan output
fuzzy, in adalah seluruh bidang yang sesuai
dengan centroid dari µc, dan ik 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
Nilai VDC,k adalah koefisien DC dari blok
kth
, adalah nilai rata-rata dari semua
koefisien VDC,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 kth
dan cond(R) mengambil nilai
pembulatan dari R dan mengembalikan nilai ‘ ’
jika nilai nya tidak sama dengan 0, selainnya
‘ ’.
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 2.0, 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
Dengan:
µx = Nilai rataaan dari x
µy = Nilai rataan dari y
= Nilai varian dari x
= Nilai varian dari y
= Nilai kovarian dari x dan y
= (k1L)2,C2 = (k2L)
2
L = 2 #bit per piksel
– 1
k1 = 0.01, k2 = 0.03 (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).
6
Perbandingan dilakukan terhadap hasil
MSSIM yang diperoleh dengan threshold
sebesar 0.7. Video hasil penyisipan pesan
dikatakan dalam kategori baik jika nilai MSSIM
yang dihasilkan lebih besar atau sama dengan
0.7 (MSSIM >= 0.7). Sebaliknya, perbedaan
video hasil penyisipan akan signifikan jika hasil
perhitungan MSSIM di bawah 0.7 (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
n
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
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 bit-
bit 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.
Mulai
Pemecahan frame Video
FrameWindowing
DCT
Aplikasikan model
HVS
Aplikasikan model
FIS
Penyisipan
watermark
watermark
Video
watermark
Selesai
IDCT
Makroblok
8x8 pixel
Lk Tk
DC
Koefisien
DC
Kelas Fuzzy
Penyimpanan
DeltaDelta
α
Gambar 8 Proses penyisipan watermark.
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 127.
2 Windowing
Windowing adalah memecah setiap frame
dari video menjadi makroblok berukuran 8 x 8.
Cover video yang telah disiapkan, yaitu
‘rhinos.avi’, 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
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.
Gambar 11 Model fuzzy dari HVS.
Untuk himpunan fuzzy nya, yaitu :
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
3
0
40 8
8
24
0
320 px
Fuzzy Inference
System
pencahayaann tekstur
Input : Output :
Penyisipan
Tabel 2 Himpunan fuzzy
Fungsi Variabel Himpunan Notasi Domain
Input Pencahayaan (a) Gelap g [-464 -464 -195 74]
Agak Cerah ac [-195 74 343]
Cerah c [74 343 612 612]
Tekstur (b) Halus h [0 0 16 32]
Agak Kasar ak [16 32 48]
Kasar k [32 48 64 64]
Output Penyisipan (c) Sangat Kecil sk [0 0 11 21]
Agak Kecil ae [11 21 32]
Agak Besar ab [21 32 43]
Cenderung Besar cb [32 43 53]
Sangat Besar sb [43 53 64 64]
8
pada Persamaan 12, sedangkan fungsi
keanggotaan untuk input sensitivitas tekstur
dapat dilihat pada Persamaan 13. Rentang
sensitivitas tekstur adalah 1– 64.
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
≤b≤ b
≤b≤
b
a b
b
≤b≤
b
≤b≤
b≤ atau b
b
b≤ b
≤b≤
≤b≤
Derajat keanggotaan output penyisipan
dapat dilihat pada Gambar 13.
Gambar 13 Derajat keanggotaan output.
Rentang output penyisipan adalah 1 – 64.
Fungsi keanggotaan untuk output penyisipan
dapat dilihat pada Persamaan 14.
Persamaan 14
≤ ≤
≤ ≤
a
≤ ≤
≤ ≤
≤ atau
ab
≤ ≤
≤ ≤
≤ atau
b
≤ ≤
≤ ≤
≤ atau
b
≤
≤ ≤
≤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.
Sangat
Kecil
Agak Kecil
Sangat
Besar
0
1
30 10
Agak
Besar
Cenderung
Besar
20 50 60
Penyisipan
32
Halus Agak Kasar Kasar
0
1
64
Sensitivitas Tekstur
100
Gelap Agak Cerah Cerah
0
1
Sensitivitas Pencahayaan
-400 600
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: Jika penyisipan SANGAT KECIL,
maka bit LSB yang diganti
sebanyak 0.
Output 2: Jika penyisipan AGAK KECIL,
maka bit LSB yang diganti
sebanyak 0.
Output 3: 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.
Mulai
Pemecahan frame Video
FrameWindowing
DCT
Watermark
message
Selesai
Makroblok
8x8 pixel
Ekstraksi
watermark
Koefisien DC
Delta
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
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.
HASIL DAN PEMBAHASAN
Cover video yang digunakan pada penelitian
ini ialah ‘rhinos.avi’. Video tersebut terdapat
pada sample video Matlab. Deskripsinya dapat
dilihat pada Tabel 3. Watermark yang
digunakan ialah file BMP. Deskripsinya dapat
dilihat pada Tabel 4.
Tabel 3 Deskripsi cover video
File Ukuran Resolusi Frame
Rhinos.avi 25.0 MB 320x240 114
Tabel 4 Deskripsi watermark message
File Ukuran Resolusi
Message.bmp 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
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
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) diku-
rangi 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 layer-
nya. Potongan nilai sensitivitas pencahayaan
pada frame pertama, makroblok (1,1), layer
pertama dapat dilihat pada Gambar 21.
val(:,:,1) = 3.6890
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) = 28.9977
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
Gambar 24 Proses penyisipan biner.
Biner DC kuantisasi
Bit watermark
1
0 0 1 0 1 0 0 1
Biner hasil penyisipan
0 0 1 0 1 0 0 0
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 , ,
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 0-255.
Hal ini terjadi dikarenakan modifikasi pada
biner koefisien DC dapat mengubah nilai
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 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,
13
binerkan koefisien DC dari hasil kuantisasi.
Berikut tahapan proses pengambilan setelah
membinerkan koefisien DC:
1 Pengambilan watermark
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
‘rhinos.avi’ tetapi memiliki banyaknya frame
yang berbeda-beda. Banyaknya frame yang
digunakan ialah :
1 frame.
2 frame.
6 frame.
24 frame.
72 frame.
114 frame.
Tabel 5 Analisis waktu eksekusi
Banyaknya
Frame
Waktu (Menit)
Peyisipan Pengambilan
1 0.770 0.029
2 1.523 0.055
6 4.523 0.237
24 19.000 2.387
72 58.489 20.606
114 100.266 54.715
Dalam perhitungan waktu eksekusi
dilakukan pengulangan sebanyak 3 kali. Hal ini
dilakukan karena ada aspek stokastik pada
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 1 78.04991 0.00091
Residual 4
Total 5
Alpha 0.05000
F tabel 7.70860
F hitung (78.04991) > F tabel (7.70860)
Kesimpulan: Ada perbedaan yang nyata antara
penyisipan dan pengambilan.
0 0 0 1 0 1 0 0 0
Bit watermark
Biner watermark video
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 ‘rhinos.avi’ dapat dilihat pada
Tabel 7. Watermark video memiliki tampilan
yang mirip dengan aslinya.
Tabel 7 Kualitas secara objektif
Banyaknya
Frame Frame MSSIM Similarity
1 1 0.943 100
2 1-2 0.942 100
6 1-6 0.940 100
24 1-24 0.933 100
72 1-72 0.930 100
114 1-114 0.934 100
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 18-26 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.
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 serangan-
serangan. 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
1 1 100
1 114 100
111 2-113 100
40 40-80 100
10 20-30 100
Nilai similarity watermark message yang
telah mengalami serangan cutting dapat dilihat
pada Tabel 8.
0
1
2
3 Sangat
Bagus
Bagus
Cukup
Kurang
Bagus
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 0.5 kali lebih kecil
daripada ‘rhinos.avi’ agar terlihat lebih mirip
dengan ‘rhinos.avi’. 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
57 8 100
3 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 0.5 kali lebih kecil
daripada ‘rhinos.avi’ agar terlihat lebih mirip
dengan ‘rhinos.avi’. 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
57 8 100
4 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
title
Frame
watermark
Frame
credit Similarity
32 1 - 114 75 100
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
title
Frame
watermark
Frame
credit Similarity
32 40-80 75 100
Nilai similarity watermark message yang
telah mengalami serangan adding dan cutting
video dapat dilihat pada Tabel 12. Antarmuka
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]. http://www.Enseignement.
polytechnique.fr/profs/informatique/Francoi
s.Sillion/Majeure/Projets/huber/projet.html
[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):219-223.
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]. http://www.2dix.com/ppt/
fuzzy.php. [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):
600-612.
Wolfgang RB, Podilchuk CI, Delph JE. 1999.
Perceptual Watermarks for Digital Images
and Video. Proceedings of the IEEE
87(7):1108-1126
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.
LAMPIRAN
18
Lampiran 1 Antarmuka hasil penyisipan watermark
Lampiran 2 Antarmuka hasil pengambilan watermark
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 L.V 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
20
Lampiran 4 Antarmuka hasil serangan adding dan cutting
top related