Implementasi Dan Analisis Video Watermarking Menggunakan ... · DAFTAR ISI . Halaman DAFTAR TABEL...

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


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


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


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.


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


Tekstur KASAR, maka penyisipan

SANGAT BESAR.

Aturan 4: Jika pencahayaan AGAK CERAH

dan Tekstur HALUS, maka



dan Tekstur AGAK KASAR, maka



dan Tekstur KASAR, maka

penyisipan CENDERUNG

BESAR.

Aturan 7: Jika pencahayaan CERAH dan

Tekstur HALUS, maka penyisipan

SANGAT KECIL.


Tekstur AGAK KASAR, maka

penyisipan AGAK KECIL.


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,


sebanyak 0.

Output 3: Jika penyisipan AGAK BESAR,


sebanyak 1.

Output 4: Jika penyisipan CENDERUNG

BESAR, maka bit LSB yang

diganti sebanyak 2.

Output 5: Jika penyisipan SANGAT BESAR,


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


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


.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

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


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


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


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


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


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,


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


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.


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.


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.


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.


serangan adding

Frame

title

Frame

watermark

Frame

credit Similarity

32 1 - 114 75 100


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.


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


kedua terhadap setiap frame, begitu seterusnya

sampai dengan frame ke-40. Ketika

membandingkan banyaknya digit yang


ke-40 terhadap frame ke-33 maka watermark

message nya cocok kemudian watermark

message-nya diambil.


serangan adding dan cutting

Frame

title

Frame

watermark

Frame

credit Similarity

32 40-80 75 100


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.

http://www.2dix.com/ppt/%20fuzzy.php.%20%5b7%20Okt%202011

http://www.2dix.com/ppt/%20fuzzy.php.%20%5b7%20Okt%202011

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

Implementasi Dan Analisis Video Watermarking Menggunakan ... · DAFTAR ISI . Halaman DAFTAR TABEL...

Documents

Transcript of Implementasi Dan Analisis Video Watermarking Menggunakan ... · DAFTAR ISI . Halaman DAFTAR TABEL...