IMPLEMENTASI DETEKSI OPTIMUM PADA

WATERMARK BERBASIS DOMAIN TRANSFORMASI

WAVELET
TUGAS AKHIR
untuk memenuhi persyaratan menyelesaikan
pendidikan Diploma IV

diajukan oleh:
RAHMAWATI HASANAH
091344022

JURUSAN TEKNIK ELEKTRO

PROGRAM STUDI TEKNIK TELEKOMUNIKASI
POLITEKNIK NEGERI BANDUNG
2013

BAB I
PENDAHULUAN
1.1 Latar Belakang
Watermarking kini sudah banyak diterapkan pada media digital yang disebut
dengan digital watermarking.
Digital watermarking terdiri atas dua bagian utama yaitu penyisipan watermark
dan pendeteksian watermark. Kinerja suatu sistem watermarking, selain dinilai
pada saat tahap penyisipan, juga tergantung pada tahap pendeteksian.
Berdasarkan proses pendeteksiannya, watermark dapat digolongkan menjadi tiga
jenis yaitu blind, semi blind, dan non blind.

Pada pendeteksian non blind, pendeteksian dilakukan dengan menggunakan citra

asli dan paramete-parameter yang telah ditentukan.
Bila penerima gambar berwatermark tidak memiliki citra asli, maka pendeteksian
harus dilakukan dengan cara blind atau semi blind, dimana pendeteksian hanya
menggunakan data watermark, kunci atau parameter-parameter untuk melakukan
pendeteksian dan algoritma pendeteksian watermark.
Meskipun beberapa algoritma pendeteksian watermark yang telah ada dapat
memberikan kinerja yang baik, namun sebagian besar dari algoritma tersebut tidak
optimal.

2. Pemecahan Masalah
Untuk mengatasi hal tersebut penulis mencoba menerapkan sistem
pendeteksian blind dengan menggunakan deteksi asimtotik optimal
adaptif. Deteksi asimtotik optimal adaptif diperoleh dengan terlebih
dahulu mengestimasi parameter bentuk dari setiap koefisien wavelet.
Adapun langkah-langkahnya ialah, penulis mendekomposisikan gambar
asli ke dalam DWT (Domain Wavelet Transform) 2 level, lalu menyisipkan
watermark ke semua koefisien yang sesuai dengan subband dari
transformasi 2 level, kecuali subband yang terkecil.

BAB II

TINJAUAN TEORITIS

Tinjauan Pustaka

Masalah dari pendeteksian watermark ialah pengujian dasar hipotesis biner dari statistik. berarti
tidak ada watermark yang terdeteksi setelah dilakukan test pada gambar dan berarti watermark
ada pada gambar. Dengan demikian, bentuk uji hipotesis akan menjadi:

k = indeks dari koefisien transformasi dimana watermark seharusnya disisipkan.

Y = gambar berwatermark yang kemungkinan diserang (oleh cropping, serangan geometris,
kompresi atau oleh penambahan noise).
X = gambar asli tertransformasi yang mengikuti model pdf tertentu.
W = watermark 2 dimensi yang disisipkan dalam gambar asli yang tertransformasi, dan adalah
parameter amplitude yang sesuai dengan kekuatan watermark.
Statistik dari X dan umumnya diketahui selama pendeteksian watermark. Kay , dalam jurnalnya
yang berjudul Asymptotically optimal detection in incompletely characterized non-Gaussian noise
telah membuktikan bahwa pengujian Rao mempunyai kinerja asimptotik yang optimal yang setara
dengan tes rasio kemungkinan umum (generalized likelihood ratio test atau GLRT).

 Tinjauan Teoritis
Digital Watermarking
Watermark merupakan sebuah informasi yang disisipkan pada
media lain dengan tujuan untuk menentukan keabsahan pencipta
atau pendistribusi suatu data digital dan integritas suatu data
digital, melindungi media yang disisipi oleh informasi tersebut dari
pembajakan, penyalahgunaan hak cipta, dan sebagainya.
Watermarking adalah cara untuk menyisipkan watermark ke dalam
media yang ingin dilindungi hak ciptanya. Teknik watermarking
bekerja dengan menyisipkan sedikit informasi yang menunjukkan
kepemilikan, tujuan, atau data lain, pada media digital tanpa
mempengaruhi kualitasnya. Pesan tersembunyi pada digital
watermarking berupa kumpulan bit yang disisipkan pada bit-bit
data digital.
Hal ini dilakukan untuk menghindari atau mencegah modifikasi data
digital atau menjaga keaslian dari suatu data digital.

 DWT level 2
Pembagian frekuensi dan pengelompokkannya :

Dimana:
LL
LH
HL
HH

= Low Low Frequency (most importance)

= Low High Frequency (more lesser importance)
= High Low Frequency (lesser importance)
= High High Frequency (most less importance)

BAB III
PERANCANGAN DAN REALISASI SISTEM
1. Penyisipan Watermark
2. Pendeteksian Watermark :
a) Mencari nilai varians dan rata-rata nilai absolut dari setiap
subband gambar.
b) Mencari nilai r(B) dan B sebagai Shape Parameter.
c) Melihat bentuk model Gaussian umum dari setiap subband
gambar yang telah diaproksimasikan dengan nilai B dan varians.
d) Mencari nilai Dr (Detektor Rao) dari setiap subband gambar.
e) Mencari nilai i(a) yang merupakan Fisher information Gaussian
umum.
f) Menampilkan grafik Pfa (Probability False Alarm) dan Pfr
(Probability False Rejection)

1. Penyisipan

Gambar Asli

Gambar
Watermark

Gambar Berwaterm

2. Pendeteksian
2. Pendeteksian Watermark :
a) Mencari nilai varians dan rata-rata nilai
absolut dari setiap subband gambar.
Hasil yang didapat dari perhitungan pada
Matlab:
Subband

HL1

LH1

Varians

5.1796494514 6.0758906512 2.9857491659

07481e+02
62000e+02
83374e+02

Subband

HL2

Varians

1.3906765577 1.4407605166 5.6310814784

09817e+03
25183e+03
37908e+02

LH2

HH1

HH2

B) Mencari nilai r(B) dan B sebagai Shape

Parameter.
Hasil yang didapat dari perhitungan pada
Matlab:
Subband

HL1

LH1

HH1

Shape
Parameter

1.3667

1.1673

1.5752

Subband

HL2

LH2

HH2

Shape
Parameter

1.0367

1.0802

1.3522

c) Melihat bentuk model Gaussian umum dari subband HL1

gambar yang telah diaproksimasikan dengan nilai B dan
varians dengan rumus :

 Menampilkan grafik Pfa (Probability False Alarm)

dan Pfr (Probability False Rejection)

Pfa<<Pfr