PROPOSAL TUGAS AKHIR

Judul : Digital Image Watermarking dalam Domain Discrete Wavelet

Transform Menggunakan Teknik Back Propagation Neural
Network
Penyusun : Hetthroh Sagala (1222049)
Pembimbing I : Dr. Ir. Daniel Setiadikarunia, M.T.
Pembimbing II : Ir. Yohana Susanthi, M.Sc.

I. Latar Belakang Masalah

Perlindungan hak cipta dalam dunia digital sekarang sudah menjadi isu
yang penting karena semakin pesatnya perkembangan jaringan internet dan
teknologi digital. Dengan kemudahan mengakses data digital di jaringan internet
ini juga dapat membuat pihak yang tidak bertanggung jawab bebas mengklaim hak
cipta orang lain, yang mana merugikan pemilik hak cipta. Informasi dalam bentuk
digital sendiri juga mudah dimodifikasi sehingga masalah kepemilikan informasi
rentan terjadi. Sebagai solusi untuk masalah ini, digital image watermarking
menjadi populer saat ini.
Digital image watermarking adalah jenis teknologi yang menyisipkan
informasi pemilik hak cipta ke dalam konten gambar tersebut. Skema dalam image
watermarking mencakup watermark generation, watermark embedding, watermark
detection, dan watermark attack [1]. Dalam digital image watermarking ada 4
faktor yang biasa digunakan untuk menentukan kualitas watermark tersebut, yaitu
robustness, impercebtibility , capacity, dan blindness. Robustness adalah ketahanan
watermark dari modifikasi dan manipulasi gambar seperti kompresi, rotasi, scaling,
serangan noise¸resizing, cropping , dll. Imperceptibility adalah kualitas dimana
citra host seharusnya tidak akan rusak dengan disisipkannya watermark tersebut.
Capacity mencakup teknik yang memungkinkan untuk menyisipkan sebagian besar
informasi [3]. Ekstraksi watermark dari citra yang sudah disisipkan watermark
tanpa memerlukan gambar aslinya disebut dengan teknik blind watermarking.
Teknik Non-blind watermarking memerlukan gambar aslinya untuk melakukan
deteksi dan ekstraksi sedangkan teknik semi-blind watermaking memerlukan kunci
rahasia dan urutan bit watermark untuk melakukan ekstraksi. Kategori yang lain
dari watermark berdasarkan penyisipan datanya, yaitu visible atau invisible [2].
Pada Tugas Akhir sebelumnya, telah dilakukan watermarking dengan citra
host RGB menggunakan teknik Full Counterpropagation Neural Network (FCNN)
pada domain spasial [4]. Pada Tugas Akhir ini, penulis mencoba merealisasikan
blind watermarking dengan menyisipkan citra watermark ke dalam kanal Blue (B)
dari citra host RGB (Red, Green, Blue) menggunakan teknik Back Propagation
Neural Network(BPNN) dalam domain Discrete Wavelet Transform(DWT). Saat
menyisipkan watermark, secret key dihasilkan untuk menentukan lokasi awal
watermark. BPNN digunakan untuk menyisipkan dan mengekstrak watermark.

II. Identifikasi Masalah

Masalah yang akan diidentifikasi pada Tugas Akhir ini adalah digital image
watermarking dengan teknik Back Propagation Neural Network (BPNN) pada
frekuensi mid-high dan harus memiliki kualitas imperceptibility serta robustness
yang baik.

III. Rumusan Masalah

Perumusan masalah yang ada pada tugas akhir ini, yaitu:
1. Bagaimana merealisasikan digital image watermarking menggunakan
BPNN dalam domain DWT?
2. Bagaimana kualitas citra setelah disisipi watermark?
3. Bagaimana ketahanan watermark terhadap pemrosesan dan modifikasi
citra?

IV. Tujuan
Tugas akhir ini dilakukan dengan tujuan:
1. Merealisasikan digital image watermarking menggunakan BPNN dalam
domain DWT
2. Menganalisa kualitas citra yang telah disisipi watermark.
3. Menganalisa ketahanan watermark terhadap pemrosesan dan modifikasi
citra.
V. Batasan Masalah
Pembatasan masalah pada tugas akhir ini adalah:
1. Menggunakan citra host berwarna berukuran 512x512 piksel dan citra
watermark berwarna hitam-putih dengan ukuran 64x64 piksel.
2. Peak Signal-to-Noise Ratio (PSNR) digunakan untuk mengukur
perbandingan kualitas citra yang telah disisipkan watermark.
3. Normalized Correlation Coefficient (NC) digunakan untuk mengukur
kesamaan antara hasil ekstraksi watermark dengan watermark asli.
4. Pengujian ketahanan watermark yang akan dilakukan antara lain cropping,
JPEG compression, median filtering, salt&pepper noise, dan rotation.
5. Realisasi aplikasi menggunakan software MATLAB.

VI. Cara Kerja

Proses Penyisipan Watermark

Gambar 1. Diagram Blok Penyisipan Watermark

 Cara kerja penyisipan watermark yang ditunjukkan pada Gambar 1 yaitu
sebagai berikut [3]:
1. Baca citra berwarna berukuran 512x512 piksel sebagai citra host
2. Bagi citra host menjadi 3 kanal, yaitu: Red (R), Green (G), dan Blue
(B). Pilih kanal Blue (B) untuk menyisipkan watermark.
3. Baca citra dengan ukuran 64x64 piksel sebagai watermark.
4. Aplikasikan 3-level DWT pada kanal Blue (B) dari citra host RGB
sehingga mendapatkan frekuensi subkomponen {{HH1, HL1, LH1},
{HH2, HL2, LH2}, {HH3, HL3, LH3}}.
5. Pilih posisi awal watermark menggunakan secret key.
6. Inisialisasi bobot vector, tentukan learning rate
7. Kuantisasi koefisien DWT 𝑇(𝑗+𝑘𝑒𝑦) dengan Q sebagai input ke BPNN
8. Sisipkan watermark dengan menggunakan persamaan 𝑇′(𝑗+𝑘𝑒𝑦) =
𝐵𝑃𝑁𝑁(𝑟𝑜𝑢𝑛𝑑((𝑇(𝑗+𝑘𝑒𝑦)) /𝑄) +𝑥𝑗 , dimana 𝑥𝑗 adalah urutan watermark
acak.
9. Lakukan proses Inverse Discrete Wavelet Transform (IDWT) pada
setiap koefisien untuk mendapatkan citra yang sudah disisipkan
watermark.
Proses Ekstraksi Watermark

Gambar 3. Diagram Blok Ekstraksi Watermark

 Cara kerja ekstraksi watermark yang ditunjukkan pada Gambar 3 yaitu
sebagai berikut [3]:
1. Aplikasikan DWT pada citra yang telah disisipkan watermark.
2. Kuantisasi koefisien DWT 𝑇′′(𝑗) oleh Q, sebagai input dari BPNN,
kemudian mendapatkan output dari BPNN round[𝑇 ′′ (𝑗) /𝑄].
3. Ekstrak watermark x’ menggunakan persamaan 𝑥′𝑗 = 𝑇′′(𝑗) −
𝑇 ′′ (𝑗)
𝐵𝑃𝑁𝑁(𝑟𝑜𝑢𝑛𝑑 ( )) dimana j=1 sampai dengan 8.
𝑄

BPNN digunakan untuk menyisipkan dan mengekstraksi citra watermark.

BPNN sendiri mempunyai 3 layer, yaitu input layer, hidden layer, dan output layer.
Nilai bias pada BPNN selalu 1 pada setiap unit hidden maupun unit output. Tujuan
dari BPNN ini adalah untuk melatih pola agar dapat merespon dengan baik terhadap
input yang digunakan dalam pelatihan dan juga dapat merespon dengan baik input
yang serupa (namun tidak identik).

Gambar 4. Arsitektur Back Propagation Neural Network (BPNN)

Rumus pembaharuan bobot pada BPNN:

𝑊𝑗𝑘 (𝑡 + 1) = 𝑊𝑗𝑘 (𝑡) + 𝑎𝛿𝑘 𝑦𝑗 + 𝜇[𝑊𝑗𝑘 (𝑡) − 𝑈𝑗𝑘 (𝑡 − 1)]
𝑉𝑖𝑗 (𝑡 + 1) = 𝑉𝑖𝑗 (𝑡) + 𝑎𝛿𝑗 𝑥𝑖 + 𝜇[𝑉𝑖𝑗 (𝑡) − 𝑉𝑖𝑗 (𝑡 − 1)]
Keterangan 𝑊𝑗𝑘 adalah bobot antara hidden layer dan output layer
𝑉𝑖𝑗 adalah bobot antara input layer dan hidden layer
𝑎 adalah parameter tingkat pelatihan
𝜇 adalah faktor momentum
𝑡 adalah waktu waktu
𝛿𝑘 adalah sinyal error antara output dan hidden layer
𝛿𝑗 adalah sinyal error antara hidden dan input layer
Proses pelatihan selesai dilakukan sebelum penyisipan. Hasil kuantisasi koefisien
DWT digunakan sebagai input ke BPNN yang akan diterukan ke hidden layer lalu
ke output layer. Selama proses pelatihan error yang didapat akan di propagasi balik
ke input layer untuk memperbaharui bobot-bobot di setiap layer. BPNN dilatih
untuk memiliki kemampuan mengingat karakteristik hubungan antara citra yang
telah disisipi watermark dengan citra watermark itu sendiri. Fungsi aktivasi sigmoid
digunakan pada hidden layer sedangkan fungsi aktivasi linear digunakan pada
output layer.

VII. Rencana Kerja

Bulan
Kegiatan
Januari Februari Maret April Mei Juni

Pengumpulan
Bahan
Studi
Literatur
Perancangan
dan Simulasi
Pembahasan
Hasil
Penyusunan
Laporan
VIII. Daftar Pustaka

[1] Chen Yongqinang, Zhang Yanqing, and Peng Lihua, “A DWT Domain
Image Watermarking Scheme Using Genetic Algorithm and Synergetic
Neural Network”, Acedemy Publisher,2009,pp. 298-301.
[2] K. Yogalakshmi and R.Kanchana, “Blind Watermarking Scheme For
Digital Images”, International journal of technology and Engineering
systems- Jan-March 2011, Vol 2, No.3,pp 276-282.
[3] Nallagarla Ramamurthy, Dr.S.Varadarajan,”The Robust Digital Image
Watermarking Scheme with Back Propagation Neural Network in DWT
Domain”, International Conference on Modelling Optimisation and
Computing, 3769-3778, 2012.
[4] Siallagan Ryan. 2016. “Watermarking Citra Digital Dengan Menggunakan
Teknik Full Counterpropagation”, Universitas Kristen Maranatha.
 PROPOSAL TUGAS AKHIR

Digital Image Watermarking dalam Domain Discrete Wavelet

Transform Menggunakan Teknik Back Propagation Neural Network

Disusun oleh :
Hetthroh Sagala (1222049)

Dosen Pembimbing I : Dosen Pembimbing II:

Dr. Ir. Daniel Setiadikarunia, M.T. Ir. Yohana Susanthi, M.Sc.

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK
UNIVERSITAS KRISTEN MARANATHA
BANDUNG
2017