i
IMPLEMENTASI
AUDIO WATERMARKING
MENGGUNAKAN
METODE DWT-SVD DENGAN TEKS SEBAGAI
WATERMARK
BAMBANG WIJONARKO
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
ii
IMPLEMENTASI
AUDIO WATERMARKING
MENGGUNAKAN
METODE DWT-SVD DENGAN TEKS SEBAGAI
WATERMARK
BAMBANG WIJONARKO
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
i
ABSTRACT
BAMBANG WIJONARKO. Implementation of Audio Watermarking using DWT-SVD Method with Text as Watermark. Supervised by HENDRA RAHMAWAN.
The growth of data and network communication technologies has made digital data, such as audio, easier to be distributed illegally. Therefore, copyright protection becomes an important issue. Digital audio watermarking has been proposed as one of the possible solutions. It is a process of information insertion and extraction to and from an audio file without influencing the audio quality. Digital audio watermarking has been developed in several domains, such as time domain, frequency domain, and spatial domain. In this research, the audio watermarking has been implemented using DWT-SVD method that combines the frequency and spatial domain. This method works by combining the virtue of mathematical transform: the discrete wavelet transform (DWT) and singular value decomposition (SVD). Perceptibility and robustness of this method were analyzed using variance of watermark intensity and several attacks. It was found that the watermarked audio has good perceptibility at low watermark intensity of 0.1 to 0.3. Furthermore, the watermarked audio was found to be robust to some attacks namely amplify, invert, low pass filtering, high pass filtering, and resampling attacks at higher watermark intensity. Thus, this research proved the trade-off between perceptibility and robustness in digital audio watermarking.
ii
Judul Skripsi : Implementasi Audio Watermarking Menggunakan Metode DWT-SVD dengan Teks sebagai Watermark
Nama : Bambang Wijonarko
NIM : G64080052
Menyetujui: Pembimbing
Hendra Rahmawan, S.Kom, M.T NIP.198205012009121004
Mengetahui:
Ketua Departemen Ilmu Komputer
Dr. Ir. Agus Buono, M.Si, M.Kom NIP.196607021993021001
iii
PRAKATA
Puji syukur kepada Allah subhanahu wa ta’ala yang telah memberikan rahmat dan hidayah-Nya sehingga skripsi ini dapat diselesaikan. Skripsi ini disusun berdasarkan hasil penelitian dengan judul Impelementasi Audio Watermarking Menggunakan Metode DWT-SVD dengan Teks sebagai Watermark. Penulis mengucapkan terima kasih kepada semua pihak yang telah mendukung sehingga skripsi ini dapat diselesaikan, di antaranya:
1 Kedua orang tua dan keluarga atas segala doa dan dukungannya.
2 Bapak Hendra Rahmawan, S.Kom, M.T selaku dosen pembimbing yang telah memberikan saran dan bimbingan.
3 Bapak Aziz Kustiyo, S.Si, M.Kom dan Ibu Karlisa Priandana, S.T, M.Eng selaku dosen penguji.
4 Rekan-rekan Ilkomerz 45 atas persahabatan dan kebersamaan selama ini. 5 Rekan-rekan satu kontrakan Suhandas dan Wisma Alma.
6 Seluruh staf dan karyawan Departemen Ilmu Komputer FMIPA IPB.
Penulis menyadari bahwa masih banyak kekurangan dalam penelitian ini. Oleh karena itu, penulis mengharapkan kritik dan saran yang membangun demi perbaikan penelitian selanjutnya. Semoga skripsi ini bermanfaat.
Bogor, Januari 2013
iv
RIWAYAT HIDUP
v
DAFTAR ISI
Halaman
DAFTAR TABEL ...vi
DAFTAR GAMBAR ...vi
PENDAHULUAN Latar Belakang ...1
Tujuan ...1
Ruang Lingkup ...1
TINJAUAN PUSTAKA Digital Watermarking ...1
Audio Watermarking...2
Discrete Wavelet Transform (DWT) ...2
Singular Value Decomposition (SVD) ...2
Signal to Noise Ratio (SNR) ...2
Serangan Terhadap Audio Watermarking ...3
METODE PENELITIAN Lingkungan Penelitian ...3
Penyisipan Watermark ...3
Pengekstraksian Watermark ...5
Rancangan Pengujian dan Analisis Hasil ...6
HASIL DAN PEMBAHASAN Analisis Perseptibilitas ...6
Analisis Ketahanan Terhadap Serangan ...7
Analisis Ketahanan Terhadap Serangan Amplify ...7
Analisis Ketahanan Terhadap Serangan Invert ...7
Analisis Ketahanan Terhadap Serangan Low Pass Filtering ...8
Analisis Ketahanan Terhadap Serangan High Pass Filtering...8
Analisis Ketahanan Terhadap Serangan Resampling ...8
Analisis Ketahanan Terhadap Serangan Kompresi MP3 ...9
Perbandingan Waktu Eksekusi ...9
SIMPULAN DAN SARAN Simpulan ... 10
Saran ... 10
DAFTAR PUSTAKA ... 10
vi
DAFTAR TABEL
Halaman
1 Daftar berkas audio ... 6
2 Daftar nilai alpha yang tidak memiliki ketahananpada setiap serangan ... 7
3 Daftar percobaan perbandingan waktu eksekusi ... 9
DAFTAR GAMBAR
Halaman 1 Dekomposisi DWT 4 level (Al Haj & Mohammad 2010). ... 22 Alur pemrosesan berkas watermark. ... 3
3 Alur penyisipan watermark. ... 4
4 Formulasi matriks DC. ... 4
5 Alur pengekstraksian watermark. ... 5
6 Grafik hasil perhitungan SNR... 6
1
PENDAHULUAN
Latar Belakang
Perkembangan teknologi komunikasi data dan jaringan saat ini telah membuat penyebaran data digital, seperti audio, dan penyalahgunaan kepemilikannya menjadi semakin mudah. Teknik digital watermarking
dapat diterapkan sebagai salah satu solusi untuk perlindungan kepemilikan dari suatu data digital. Teknik digital watermarking
yang efisien harus dapat menyimpan informasi tersembunyi dalam suatu data digital tanpa merusak kualitas berkas aslinya dan memiliki ketahanan terhadap manipulasi digital sehingga informasi watermark yang disimpan tetap dapat diekstrak kembali.
Beberapa domain teknik digital audio
watermarking yang telah dikembangkan di
antaranya domain waktu, frekuensi, dan spasial (Gordy 2000). Teknik digital
watermarking dengan domain spasial
memiliki kelebihan dalam menghasilkan
imperceptibility yang baik. Teknik digital
watermarking pada domain frekuensi
memiliki kelebihan dalam menghasilkan
robustness yang baik.
Pada penelitian ini dilakukan teknik digital
audio watermarking dengan menggabungkan
domain frekuensi dan spasial, yaitu Discrete
Wavelet Transform (DWT) dan Singular
Value Decomposition (SVD) dengan berkas
watermark berupa teks. DWT dapat
menghasilkan rekonstruksi sinyal yang sempurna sehingga dapat meningkatkan
robustness. SVD memungkinkan penyisipan
informasi dengan mengubah nilai-nilai singular dan perubahan yang tidak signifikan pada nilai singular tersebut dapat menjamin
imperceptibility yang baik. Penggabungan
domain ini merujuk pada algoritme yang diajukan Al-Haj dan Mohammad (2010) yang telah dicobakan dengan berkas watermark
berupa citra grayscale.
Pada penelitian ini, berkas watermark
yang digunakan adalah teks ASCII. Karakter teks ASCII sangat rentan terhadap perubahan yang terjadi. Perubahan satu bit saja dapat mengubah nilai ASCII suatu karakter dan menghasilkan karakter yang berbeda. Oleh karena itu, penelitian ini dilakukan untuk mengetahui ketahanan metode audio
watermarking jika berkas watermark yang
disisipkan berupa teks.
Tujuan
Tujuan penelitian ini adalah:
1 Mengimplementasikan teknik digital
audio watermarking menggunakan
Discrete Wavelet Transform dan Singular
Value Decomposition dengan teks sebagai
watermark.
2 Menganalisis perseptibilitas watermarked audio dengan variasi intensitas watermark
yang berbeda.
3 Menganalisis ketahanan watermarked audio terhadap beberapa jenis serangan.
Ruang Lingkup
Berkas audio yang digunakan adalah mono audio dengan format WAV dan sampling rate
44100 Hz. Berkas watermark yang disisipkan berupa teks ASCII berisi 10 karakter. Analisis uji ketahanan dilakukan dengan serangan
amplify, invert, low pass filtering, high pass filtering, resampling, dan kompresi MP3.
TINJAUAN PUSTAKA
Digital Watermarking
Digital watermarking merupakan teknik
penyisipan informasi tertentu ke dalam data digital. Watermark dapat berupa teks, gambar, audio, atau rangkaian bit yang menunjukkan informasi kepemilikan suatu data digital. Secara umum, digital watermarking terdiri atas dua tahapan, yaitu penyisipan watermark
dan pengekstraksian watermark. Penyisipan
watermark dilakukan tanpa merusak kualitas data aslinya. Watermark yang telah disisipkan akan tersimpan secara permanen dalam data digital sehingga watermark akan tetap terbawa jika data digital tersebut didistribusikan atau diduplikasi.
Terdapat beberapa kriteria yang harus dipenuhi oleh aplikasi watermarking, yaitu
imperceptibility, robustness, dan security.
Imperceptibility berarti bahwa berkas hasil penyisipan watermark harus dibuat semirip mungkin dengan berkas aslinya. Robustness
berarti bahwa berkas hasil penyisipan
watermark harus memiliki ketahanan terhadap
berbagai teknik manipulasi digital dan
watermark harus dapat diekstraksi kembali.
Security berarti bahwa keberadaan watermark
2
Audio Watermarking
Audio watermarking merupakan bagian
dari digital watermarking yang terdiri atas proses penyisipan informasi ke dalam berkas audio dan pengambilan informasi dari berkas audio tanpa memengaruhi kualitas berkas audio tersebut. Informasi yang disisipkan dapat berupa berkas yang tidak dapat didengar seperti teks, gambar, atau serangkaian bit tertentu (Cvejic 2004). Berdasarkan domain penyisipannya metode audio watermarking
terbagi menjadi domain waktu, frekuensi, dan spasial.
Metode pada domain waktu bekerja dengan mengubah berkas audio yang akan disisipkan watermark secara langsung dalam domain waktu. Secara umum metode ini rentan terhadap proses kompresi, filtering, transmisi, dan encoding. Beberapa metode yang termasuk dalam domain waktu adalah
Least Significant Bit (LSB) dan Echo Hiding. (Bender et al. 1996).
Metode pada domain frekuensi bekerja dengan mengubah spektrum frekuensi dari sinyal audio. Teknik ini biasanya menggunakan DFT (Discrete Fourier
Transform), DCT (Discrete Cosine
Transform), atau DWT (Discrete Wavelet
Transform) yang mengubah sinyal audio
untuk menempatkan lokasi penyisipan
watermark (Mitra 1998).
Discrete Wavelet Transform (DWT)
Discrete Wavelet Transform (DWT)
adalah algoritme transformasi yang dapat memberikan representasi time-frequency dari sinyal dengan pemfilteran digital. Berawal dari sinyal audio asli S, DWT menghasilkan dua himpunan koefisien. Koefisien aproksimasi A dihasilkan dengan melewatkan sinyal S melalui low pass filter. Koefisien detail D dihasilkan dengan melewatkan sinyal S melalui high pass filter (Mallat 1989). Persamaan DWT didefinisikan sebagai berikut:
W(j, k) = ∑ ∑ -⁄ -
-dengan t adalah mother wavelet dan adalah sampel sinyal. Transformasi wavelet
dapat dilakukan secara iteratif dalam beberapa tingkat. Ilustrasi dekomposisi sinyal pada transformasi wavelet secara bertingkat dapat dilihat pada Gambar 1. Sinyal hasil dekomposisi dapat dibentuk kembali menjadi sinyal baru dengan tahapan invers wavelet. Salah satu jenis wavelet yang banyak
digunakan adalah wavelet Haar. Wavelet Haar merupakan jenis wavelet yang sederhana yang dapat diterapkan pada transformasi sinyal.
Gambar 1 Dekomposisi DWT 4 level (Al Haj & Mohammad 2010).
Singular Value Decomposition (SVD)
Singular Value Decomposition (SVD)
adalah proses faktorisasi matriks yang mendekomposisi suatu matriks menggunakan basis vektor Eigen (Kardamis 2007). SVD dari suatu matriks A berukuran NxN didefinisikan oleh operasi A = U S VT yang ditunjukkan pada formula berikut:
[
Diagonal entri dari S disebut nilai singular dari matriks A dan diasumsikan untuk disusun menurun Si > Si+1. Matriks U disebut vektor
singular kiri dan matriks V disebut vektor singular kanan dari matriks A.
Signal to Noise Ratio (SNR)
Signal to Noise Ratio (SNR) adalah suatu ukuran dalam bidang engineering yang membandingkan antara kekuatan sinyal asli yang diinginkan dan kekuatan sinyal yang mengandung noise. Nilai SNR yang rendah menunjukkan sinyal telah mengalami distorsi yang besar. Kualitas sinyal yang baik memiliki nilai SNR lebih dari 30 dB (Pelton 1993). Secara umum, perhitungan SNR ditunjukkan pada persamaan berikut:
∑∑n e nn n
dengan x(n) adalah sinyal asli dan e(n) adalah sinyal yang mengandung noise.
Dalam penelitian audio watermarking,
3
(Gordy 2000). Perhitungan SNR pada audio
watermarking adalah sebagai berikut:
SNR(dB) = ∑ n nilai sampel watermarked audio.
Serangan Terhadap Audio Watermarking
Menurut Lang et al. (2006),terdapat suatu standar pengujian ketahanan watermarked audio yang terdiri atas serangkaian serangan yaitu Stirmark Watermarking Benchmark for
Audio (SMBA) merupakan. Untuk melakukan
serangan terhadap watermarked audio dapat digunakan bantuan aplikasi Audacity sebagai alternatif dalam pengujian ketahanan terhadap serangan. Beberapa jenis serangan yang dapat dilakukan dengan bantuan aplikasi Audacity di antaranya:
Amplify, yaitu mengubah tingkat
kebisingan watermarked audio dengan meningkatkan amplitudonya dengan rumusan sebagai berikut.
sampel audio dengan nilai kebalikannya berdasarkan phase shift 180° dengan rumusan sebagai berikut.
adalah sampel audio setelah serangan dan adalah sampel audio asli.
Low Pass Filtering, yaitu memfilter sinyal
audio yang memiliki frekuensi lebih tinggi dari 15000 Hz dengan rumusan sebagai dan Threshold adalah 15000.
High Pass Filtering, yaitu memfilter sinyal audio yang memiliki frekuensi lebih rendah dari 150 Hz dengan rumusan dan Threshold adalah 150.
Resampling, yaitu mengubah sample rate
dari berkas audio.
Pengubahan format audio menjadi MP3, kemudian mengubah formatnya kembali menjadi WAV.
METODE PENELITIAN
Lingkungan Penelitian
Berkas audio yang digunakan terdiri atas
instrument, speech, dan pop dengan format WAV. Jenis audio instrument mewakili audio yang terdiri atas suara alat musik saja. Jenis audio speech mewakili audio yang terdiri atas suara vokal manusia saja. Jenis audio pop
mewakili audio yang merupakan gabungan antara suara alat musik dan vokal manusia. Berkas watermark yang digunakan berupa teks ASCII yang berisi 10 karakter. Implementasi metode audio watermarking ini dibuat menggunakan MATLAB R2008b. Pengujian serangan terhadap watermarked
audio menggunakan bantuan aplikasi
Audacity 2.02.
Penyisipan Watermark
Proses penyisipan watermark memerlukan berkas audio asli dan berkas watermark yang akan disisipkan sehingga menghasilkan sinyal
watermarked audio. Alur pemrosesan berkas
dapat dilihat pada Gambar 2. Alur penyisipan
watermark dapat dilihat pada Gambar 3.
Rincian perhitungan tiap tahap pada proses penyisipan watermark dapat dilihat pada Lampiran 1.
Gambar 2 Alur pemrosesan berkas
4
Gambar 3 Alur penyisipan watermark.
Penjelasan dari alur penyisipan watermark
adalah sebagai berikut:
1 Baca berkas watermark berupa teks ASCII yang berisi 10 karakter. Konversi setiap karakter menjadi rangkaian bit sesuai nilai ASCII dalam bentuk matriks satu dimensi, kemudian hitung jumlah bit watermark
yang akan disisipkan.
2 Sampling sinyal audio asli dengan
sampling rate 44100 Hz. Setelah itu,
partisi sinyal tersebut menjadi beberapa
frame. Jumlah frame ditentukan sebanyak jumlah bit watermark dan setiap frame
berukuran sama. Selanjutnya, setiap frame
dilakukan penyisipan satu bit watermark. 3 Lakukan transformasi DWT 4 level pada
setiap frame Fi. Jenis DWT yang
digunakan adalah wavelet Haar. Transformasi tersebut menghasilkan beberapa matriks koefisien hasil
transformasi: D1, D2, D3, D4, dan A4. Dn
menunjukkan koefisien detail dan A4
menunjukkan koefisien aproksimasi.
4 Susun matriks-matriks koefisien detail D1,
D2, D3, dan D4 dari hasil transformasi
DWT menjadi matriks yang dinamakan DC dengan ukuran 4 x (L/2). L adalah panjang tiap frame. Formulasi matriks DC ditunjukkan pada Gambar 4.
D1
D2 D2
D3 D3 D3 D3
D4 D4 D4 D4 D4 D4 D4 D4
Gambar 4 Formulasi matriks DC.
5 Dekomposisi matriks DC dengan operator SVD yang menghasilkan tiga matriks
orthonormal S, U, VT sebagai berikut:
digunakan untuk penyisipan bit watermark
pada setiap frame, simpan nilai S11
sebagai berkas kunci untuk pembandingan pada proses ekstraksi watermark. Kumpulan nilai S11 dari setiap frame
disimpan dalam suatu file teks yang disusun secara berurutan.
6 Sisipkan bit watermark dari karakter ASCII pada teks ke dalam sinyal audio yang telah ditransformasi DWT-SVD dengan formula berikut:
7 Susun kembali sinyal akhir watermarked audio dengan proses berikut:
5
dan matriks S yang sudah dimodifikasi sehingga menghasilkan matriks yang dinamakan CDW. Matriks ini
merupakan matriks DC yang dimodifikasi. Bentuk persamaannya ditunjukkan sebagai berikut:
hitung operasi invers DWT pada matriks untuk mendapatkan masing-masing sinyal watermarked audio dari setiap frame
gabungkan keseluruhan sinyal
watermarked audio dari semua frame
secara berurutan.
Pengekstraksian Watermark
Pada tahap pengekstraksian watermark
diperlukan sinyal watermarked audio dan nilai singular dari setiap frame pada sinyal audio asli. Alur pengekstraksian watermark dapat dilihat pada Gambar 5. Rincian perhitungan tiap tahap pada proses pengekstraksian
watermark dapat dilihat pada Lampiran 2.
Mulai
Gambar 5 Alur pengekstraksian watermark.
Penjelasan alur pengekstraksian watermark
adalah sebagai berikut:
1 Baca berkas kunci watermark berupa file
teks yang berisi kumpulan nilai singular
dari sinyal audio asli dalam bentuk
matriks satu dimensi, kemudian hitung banyaknya nilai singular.
2 Baca sinyal watermarked audio dan partisi menjadi beberapa frame yang berukuran sama. Jumlah frame ditentukan sebanyak nilai singular dari berkas kunci. Selanjutnya, lakukan transformasi pada setiap frame dan proses ekstraksi bit
watermark. Setiap frame menghasilkan
satu bit hasil ekstraksi watermark. 3 Lakukan transformasi DWT 4 level pada
setiap frame seperti pada tahap penyisipan
watermark. Transformasi tersebut juga
menghasilkan beberapa matriks koefisien hasil transformasi:D1, D2, D3, D4, dan A4.
4 Susun matriks-matriks koefisien detail D1,
D2, D3, dan D4 dari hasil transformasi
DWT menjadi matriks yang dinamakan DC dengan ukuran 4 x (L/2). L merupakan panjang tiap frame. Formulasi matriks DC sama dengan formulasi pada penyisipan
watermark.
5 Dekomposisi matriks DC dengan operator SVD yang menghasilkan tiga matriks S, U, VT sebagai berikut:
tersebut dibandingkan dengan nilai singular S11 dari sinyal audio asli pada
berkas kunci yang dibaca.
6 Penentuan bit watermark n hasil ekstraksi dengan membandingkan nilai S11
pada watermarked audio (S11w) dengan
nilai S11 pada berkas kunci dari audio asli,
jika hasil S11w / S11 = 1, bit watermark
hasil ekstraksi adalah 0
jika hasil S11w / S11≠ bit watermark
hasil ekstraksi adalah 1.
6
menjadi karakter ASCII sehingga membentuk suatu pesan teks.
Rancangan Pengujian dan Analisis Hasil
Daftar berkas audio yang digunakan dapat dilihat pada Tabel 1.
Tabel 1 Daftar berkas audio
Jenis Audio Durasi Ukuran
Instrument 22 detik 1896 KB
Pop 21 detik 1891 KB
Speech 21 detik 1873 KB
Pengujian dan analisis hasil dilakukan dalam hal perseptibilitas (imperceptibility) dan ketahanan (robustness). Pengujian dilakukan dengan penyisipan watermark pada setiap jenis audio dengan intensitas watermark
(alpha) yang bervariasi mulai dari 0.1 sampai 0.9. Hal ini diujikan untuk mengetahui pengaruh intensitas watermark terhadap perseptibilitas dan ketahanan watermarked audio.
Analisis perseptibilitas dilakukan dengan perhitungan SNR dari watermarked audio
yang dihasilkan dengan nilai alpha yang berbeda. Analisis perseptibilitas ini juga dilakukan dengan pengamatan langsung pada berkas audio asli dan watermarked audio oleh lima responden.
Analisis ketahanan dilakukan berdasarkan hasil pengujian watermarked audio terhadap beberapa serangan. Serangan dilakukan dengan bantuan aplikasi Audacity. Jenis-jenis serangan yang dilakukan di antaranya amplify,
invert, low pass filtering, high pass filtering,
resampling, dan kompresi MP3.
HASIL DAN PEMBAHASAN
Analisis Perseptibilitas
Pengujian perseptibilitas secara objektif dilakukan dengan perhitungan SNR pada
watermarked audio yang dihasilkan dengan
variasi nilai intensitas watermark (alpha) yang berbeda. Rentang nilai alpha yang diujikan adalah 0.1 sampai 0.9. Kualitas
watermarked audio yang baik memiliki nilai
SNR di atas 30 db. Grafik hasil perhitungan SNR dapat dilihat pada Gambar 6.
Dari hasil perhitungan, dapat diketahui bahwa penyisipan watermark dengan nilai
alpha 0.1 sampai 0.4 menghasilkan nilai
SNR di atas 30 db untuk jenis audio
instrument dan pop. Untuk jenis audio
speech, penyisipan watermark dengan nilai
alpha 0.1 sampai 0.9 tetap menghasilkan
nilai SNR di atas 30 db. Semakin besar nilai
alpha menyebabkan nilai SNR yang semakin
menurun. Hal ini terjadi karena nilai alpha
pada proses penyisipan watermark
merupakan faktor pengali yang mengubah nilai-nilai singular pada setiap frame dari berkas audio asli. Semakin besar nilai alpha
menyebabkan perubahan pada nilai-nilai singular yang semakin besar. Oleh karena itu,
watermarked audio yang dihasilkan semakin banyak mengalami perubahan nilai sampel audio dibandingkan dengan nilai-nilai sampel berkas audio aslinya. Semakin banyak perbedaan nilai sampel antara watermarked audio dan berkas audio asli mengakibatkan tingkat distorsi yang semakin besar dan kualitas audio yang semakin menurun.
Perbedaan nilai SNR pada ketiga jenis audio tersebut karena adanya kemungkinan perbedaan karakteristik pada ketiga jenis audio tersebut. Nilai-nilai sampel pada jenis audio speech secara keseluruhan relatif lebih rendah dibandingkan dengan nilai-nilai sampelpada jenis audio instrument dan pop.
Oleh karena itu, proses penyisipan
watermark pada audio speech dengan nilai
alpha yang sama menyebabkan perubahan
pada nilai-nilai singular yang relatif lebih sedikit dibandingkan dengan perubahan nilai-nilai singular pada jenis audio instrument dan
pop. Hal ini menyebabkan tingkat distorsi pada audio speech lebih kecil dibandingkan
dengan jenis audio lainnya.
Gambar 6 Grafik hasil perhitungan SNR.
Pengujian perseptibilitas secara subjektif dilakukan dengan pengamatan langsung oleh lima orang responden secara berulang.
7
Responden diminta mendengarkan audio asli
dan watermarked audio yang dihasilkan
untuk nilai alpha yang bervariasi. Dari hasil pengujian, semua responden tidak mendengar derau untuk watermarked audio hasil penyisipan watermark dengan nilai alpha 0.1 sampai 0.3 pada semua jenis audio.
Watermarked audio terdengar adanya derau
untuk penyisipan dengan nilai alpha 0.4 sampai 0.9.
Dari kedua pengujian tersebut, dapat diketahui bahwa peningkatan nilai alpha
menyebabkan perseptibilitas watermarked
audio semakin menurun. Watermarked audio
yang dihasilkan memiliki perseptibilitas yang baik untuk penyisipan watermark dengan nilai alpha 0.1 sampai 0.3. Hasil ekstraksi
watermarked audio tanpa serangan
menunjukkan bahwa watermark yang dihasilkan tidak berubah dari watermark asal yang disisipkan pada semua jenis audio dengan variasi nilai alpha 0.1 sampai 0.9.
Analisis Ketahanan Terhadap Serangan
Pengujian ketahanan dilakukan dengan pengekstraksian watermark dari watermarked audio setelah dilakukan beberapa serangan. Jenis-jenis serangan yang dilakukan adalah
amplify, invert, low pass filtering, high pass filtering, resampling, dan kompresi MP3. Serangan diberikan pada watermarked audio
yang dihasilkan dengan nilai intensitas
watermark (alpha) yang berbeda. Hasil
pengujian nilai alpha yang tidak memiliki ketahanan terhadap serangan dapat dilihat pada Tabel 2.
Jika watermark hasil ekstraksi sama dengan watermark asal yang disisipkan,
watermarked audio memiliki ketahanan
terhadap serangan tertentu. Jika watermark
hasil ekstraksi mengalami perubahan dari
watermark asal yang disisipkan,
watermarked audio tidak memiliki ketahanan
terhadap serangan tertentu. Dari hasil pengujian, dapat diketahui bahwa variasi nilai alpha pada proses penyisipan
watermark memengaruhi ketahanan
watermarked audio terhadap serangan.
Analisis Ketahanan Terhadap Serangan
Amplify
Uji ketahanan terhadap serangan amplify
dilakukan dengan mengubah tingkat kebisingan watermarked audio melalui peningkatan amplitudo dengan amplifikasi sebesar 0.5 dB. Hasil pengujian menunjukkan bahwa watermark hasil ekstraksi tidak
mengalami perubahan dari watermark asal yang disisipkan pada semua jenis audio dan semua variasi nilai alpha. Hal ini disebabkan oleh peningkatan amplitudo yang mengakibatkan perubahan nilai sampel
watermarked audio yang semakin meningkat.
Oleh karena itu, nilai-nilai singular yang dihasilkan pada setiap frame juga mengalami peningkatan sehingga terdapat perbedaan dengan nilai-nilai singular pada berkas kunci.
Meskipun demikian, perubahan nilai-nilai singular tersebut tidak memengaruhi hasil pembandingan nilai singular pada setiap
frame. Oleh sebab itu, bit hasil ekstraksi tidak mengalami perubahan dan menghasilkan
watermark hasil ekstraksi yang sama dengan
watermark yang disisipkan. Dari pengujian
tersebut dapat disimpulkan bahwa metode
audio watermarking ini memiliki ketahanan
terhadap serangan amplify.
Tabel 2 Daftar nilai alpha yang tidak memiliki ketahanan pada setiap serangan
Jenis serangan
Jenis audio
instrument pop Speech
amplify - - -
Analisis Ketahanan Terhadap Serangan
Invert
Uji ketahanan terhadap serangan invert
8
kebalikannya mengakibatkan perubahan pada seluruh sampel audio. Meskipun demikian, hasil perhitungan nilai singular pada setiap
frame tidak mengalami perubahan yang
signifikan dibandingkan dengan nilai singular yang ada pada berkas kunci.
Perubahan tersebut tidak memengaruhi hasil pembandingan nilai-nilai singular antara
watermarked audio dan audio asli pada proses
pengecekan bit. Oleh karena itu, bit hasil ekstraksi tidak mengalami perubahan dan menghasilkan watermark hasil ekstraksi yang sama dengan watermark yang disisipkan. Dari pengujian tersebut dapat disimpulkan bahwa metode audio watermarking ini memiliki ketahanan terhadap serangan invert. Analisis Ketahanan Terhadap Serangan
Low Pass Filtering
Uji ketahanan terhadap serangan low pass
filtering dilakukan dengan memfilter semua
sampel dari watermarked audio yang memiliki frekuensi lebih tinggi dari15000 Hz. Hasil pengujian menunjukkan bahwa
watermark hasil ekstraksi mengalami
perubahan dari watermark asal yang disisipkan untuk nilai alpha 0.1 pada semua jenis audio. Watermark dapat terekstraksi dengan benar untuk nilai alpha di atas 0.1. Hal ini disebabkan oleh serangan low pass filtering mengakibatkan penurunan nilai-nilai sampel pada watermarked audio. Oleh karena itu, nilai-nilai singular yang dihasilkan pada setiap frame juga mengalami penurunan.
Penurunan tersebut memengaruhi hasil pembandingan nilai singular pada setiap
frame. Oleh sebab itu, watermark hasil
ekstraksi berbeda dengan watermark asal yang disisipkan. Namun demikian, hal tersebut tidak berpengaruh terhadap watermarked
audio yang dihasilkan dengan nilai alpha
lebih dari 0.1. Nilai alpha yang semakin besar akan menghasilkan watermarked audio yang memiliki ketahanan terhadap penurunan nilai singular. Dari pengujian tersebut dapat disimpulkan bahwa metode audio
watermarking ini memiliki ketahanan
terhadap serangan low pass filtering untuk nilai alpha di atas 0.1 pada semua jenis audio. Analisis Ketahanan Terhadap Serangan
High Pass Filtering
Uji ketahanan terhadap serangan high pass
filtering dilakukan dengan memfilter semua
sampel dari watermarked audio yang memiliki frekuensi lebih rendah dari 150 Hz. Hasil pengujian menunjukkan bahwa
watermark hasil ekstraksi mengalami
perubahan dari watermark yang disisipkan pada semua jenis audio untuk nilai alpha yang kecil. Hal ini disebabkan oleh serangan high pass filtering juga mengakibatkan penurunan nilai sampel dan menghasilkan penurunan nilai singular pada setiap frame dari
watermarked audio.
Untuk penyisipan watermark dengan nilai
alpha yang kecil, hal tersebut memengaruhi hasil pembandingan nilai singular pada setiap
frame sehingga watermark hasil ektraksi
mengalami perubahan. Dari pengujian tersebut dapat disimpulkan bahwa metode
audio watermarking ini memiliki ketahanan
terhadap serangan high pass filtering untuk nilai alpha diatas 0.2 pada jenis audio speech
dan nilai alpha diatas 0.1 pada jenis audio
instrument dan pop.
Analisis Ketahanan Terhadap Serangan
Resampling
Uji ketahanan terhadap serangan
resampling dilakukan dengan mengubah nilai
sampling rate watermarked audio dari 44100 Hz menjadi 42000 Hz dan 48000 Hz. Serangan resampling sebesar 42000 Hz akan membuat durasinya menjadi lebih lama, sedangkan resampling sebesar 48000 Hz akan membuat durasinya menjadi lebih cepat. Hasil pengujian menunjukkan bahwa watermark
hasil ekstraksi mengalami perubahan dari
watermark yang disisipkan untuk nilai alpha
tertentu.
Pada jenis audio instrument dan pop,
watermark tidak terekstraksi dengan benar
untuk nilai alpha yang kecil. Hal ini disebabkan oleh serangan resampling yang mengubah jumlah sampel per detik sehingga nilai-nilai sampel dari watermarked audio
juga berubah. Perubahan nilai sampel tersebut mengubah nilai singular yang dihasilkan pada setiap frame. Hal ini memengaruhi hasil pembandingan nilai singular pada setiap
frame. Penyisipan watermark dengan nilai
alpha yang kecil rentan terhadap serangan
resampling sehingga watermark tidak
terekstraksi dengan benar.
Pada jenis audio speech, watermark tetap tidak terekstraksi dengan benar untuk semua variasi nilai alpha. Hal ini disebabkan oleh nilai-nilai sampel pada audio speech relatif lebih rendah dibandingkan dengan jenis audio lainnya. Oleh karena itu, penyisipan
watermark dengan nilai alpha yang besar pun
9
setelah dilakukan serangan resampling. Dari pengujian tersebut dapat disimpulkan bahwa metode audio watermarking ini hanya memiliki ketahanan terhadap serangan
resampling pada jenis audio instrument dan
speech untuk nilai alpha tertentu.
Analisis Ketahanan Terhadap Serangan Kompresi MP3
Uji ketahanan terhadap serangan kompresi MP3 dilakukan dengan mengubah format audio menjadi MP3 kemudian mengubah formatnya kembali menjadi WAV. Hasil pengujian menunjukkan bahwa watermark
hasil ekstraksi mengalami perubahan dari
watermark yang disisipkan pada semua jenis audio dan semua variasi nilai alpha. Hal ini disebabkan oleh serangan kompresi MP3 mengakibatkan perubahan nilai singular secara tidak beraturan pada seluruh frame dari
watermarked audio sehingga watermark tidak
terekstraksi dengan benar. Dari pengujian tersebut dapat disimpulkan bahwa metode
audio watermarking ini tidak memiliki
ketahanan terhadap serangan kompresi MP3.
Perbandingan Waktu Eksekusi
Pengujian dan analisis hasil yang telah dilakukan hanya menggunakan berkas audio dengan durasi sekitar 20 detik dan berkas
watermark yang berisi 10 karakter. Untuk
mengetahui waktu eksekusi proses
watermarking jika diterapkan pada berkas
audio dalam kehidupan nyata, dilakukan proses penyisipan dan ekstraksi watermark
pada berkas audio dengan durasi yang lebih panjang. Berkas audio dengan durasi yang semakin lama memiliki ukuran sampel yang semakin besar.
Pada proses penyisipan watermark, sampel audio dipartisi menjadi frame sebanyak jumlah bit dari hasil konversi karakter pada berkas watermark. Jika berkas audio dengan durasi yang berbeda disisipkan dengan jumlah karakter tetap, berkas audio dengan ukuran sampel yang lebih besar akan memiliki ukuran
frame yang lebih besar. Setelah dicobakan pada implementasi yang telah dibuat, terdapat keterbatasan komputasi untuk perhitungan nilai singular jika ukuran frame terlalu besar.
Oleh karena itu, pada perbandingan waktu eksekusi, ukuran frame pada berkas audio harus dibuat konstan. Audio dengan durasi yang lebih lama disisipkan watermark dengan jumlah karakter yang lebih banyak. Daftar percobaan yang dilakukan dalam
perbandingan waktu eksekusi dapat dilihat pada Tabel 3.
Tabel 3 Daftar percobaan perbandingan waktu eksekusi
Grafik perbandingan waktu eksekusi pada berkas audio dengan durasi yang berbeda dapat dilihat pada Gambar 7.
Gambar 7 Grafik perbandingan waktu eksekusi.
Dari grafik tersebut dapat diketahui bahwa waktu penyisipan watermark lebih lama dibandingkan dengan waktu ekstraksi
watermark. Hal ini disebabkan oleh sinyal audio yang ditransformasi pada proses penyisipan watermark harus dilakukan invers transformasi untuk membentuk kembali sinyal
watermarked audio. Pada proses penyisipan
watermark, semakin panjang durasi audio,
semakin lama waktu eksekusinya. Hal ini dipengaruhi oleh semakin banyaknya jumlah bit yang harus disisipkan sehingga jumlah
frame yang harus diproses juga semakin
10
SIMPULAN DAN SARAN
Simpulan
Simpulan dari penelitian ini adalah:
1 Teknik audiowatermarking menggunakan metode DWT-SVD dengan teks sebagai
watermark telah diimplementasikan.
2 Metode DWT-SVD menghasilkan
perseptibilitas watermarked audio yang baik untuk nilai alpha 0.1 sampai 0.3. 3 Semakin besar nilai alpha, perseptibilitas
watermarked audio yang dihasilkan
semakin menurun. Namun demikian, ketahanan watermarked audio terhadap serangan semakin baik sehingga terdapat adanya trade-off nilai alpha antara
imperceptibility dan robustness.
4 Metode DWT-SVD memiliki ketahanan terhadap serangan amplify, invert, low pass filtering, high pass filtering, dan
resampling untuk nilai alpha tertentu. 5 Nilai alpha yang menghasilkan
watermarked audio dengan perseptibilitas dan ketahanan yang baik adalah 0.3.
Saran
Saran untuk penelitian selanjutnya adalah:
1 Mengembangkan proses penyisipan dan ekstraksi watermark secara paralel agar waktu eksekusinya lebih efisien.
2 Melakukan analisis kapasitas maksimum
watermark yang dapat disisipkan.
3 Menerapkan metode audio watermarking
ini pada format audio yang terkompresi, seperti MP3.
4 Menerapkan metode audio watermarking
ini dalam kehidupan nyata, seperti proses otentikasi pada pemutaran berkas audio.
5 Membuktikan secara empririk penyebab perbedaan nilai SNR pada ketiga jenis audio yang diujikan.
DAFTAR PUSTAKA
Al-Haj A, Mohammad A. 2010. Digital audio watermarking based on the discrete wavelets transform and singular value decomposition. European Journal of Scientific Research 39: 6-21.
Bender W, Gruhl D, Morimoto N, Lu A. 1996. Techniques for data hiding. IBM
System Journal 35: 313-336.
Cvejic N. 2004. Algorithm for audio watermarking and steganography [tesis]. Oulu: University of Oulu.
Gordy JD. 2000. Performance evaluation of digital watermarking algorithms [tesis]. Kanada: University of Calgary.
Kardamis JR. 2007. Audio watermarking techniques using singular value decomposition [tesis]. Rochester: Rochester Institute of Technology.
Lang A, Kraetzer C, Trofimova N, Ullerich C, Westfeld A et al. 2006. Audio Benchmarking Tools and Steganalysis.
European Network of Excellence in Cryptology (ECRYPT). [terhubung berkala]. http://ecrypt.ey.org/ecrypt1/docu ments/D.WVL.10-1.1.pdf. [1 Sep 2012].
Mallat S. 1989. A theory for multiresolution signal decomposition: the wavelet representation. IEEE Transactions on
Pattern Analysis and Machine
Intelligence; 11(7): 674-693.
Mitra S. 1998. Digital Signal Processing. California: McGraw-Hill.
11
12
Lampiran 1 Perhitungan tiap tahap pada proses penyisipan watermark
- Pembacaan nilai sampel audio asli: [-0.017578125; -0.01940918; -0.015533447; -0.01260376; -0.014068604; -0.017913818; -0.022186279; -0.027526855; -0.034454346; -0.040313721; ...; 0] - Panjang sampel audio: 970240
- Bit-bit watermark: [0, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 1, 0, 0, 0, 1, 1, 0, 0, 1, 0, 1, 0, 1, 1, 1, 0, 0, 1, 0, 0, 1, 1, 0, 1, 1, 0, 1, 0, 1, 1, 0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 0, 1, 0, 0, 1, 1, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 0, 0, 1]
- Jumlah bit watermark: 80
- Banyaknya frame sinyal audio: 80
- Ukuran sampel tiap frame sinyal audio adalah panjang sampel audio dibagi jumlah frame: 970240/80 = 12128 sampel
- Transformasi DWT pada frame 1:
-Frame1: [0.017578125; 0.01940918; 0.015533447; 0.01260376; 0.014068604; 0.017913818; 0.022186279; 0.027526855; 0.034454346; 0.040313721; ...; -0.0652160644531250]
Hasil DWT level 1:
-Koefisien aproksimasi A1: [-0.026153974;-0.01989601; -0.022614987; -0.035152495; 0.052869007; -0.059472238; -0.047927373; -0.027232933;0.012451191; 0.009300629; ...; -0.0891651983]
-Koefisien detail D1: [0.001294751; -0.002071602;0.002718977; 0.003776358; 0.004143204; -0.000992643;-0.004553208; -0.005222163; -0.002093181; 0.000237371; ...; 0.003064244] Hasil DWT level 2:
-Koefisien aproksimasi A21: [-0.032562256; -0.040847778; -0.079437256; -0.053146362; -0.015380859; -0.016418457; 0.011276245; 0.082260132; 0.080947876; 0.024017334 ; ...; -0.123031616]
-Koefisien aproksimasi A22: [0.000549316; 0.004592896; 0.002227783; 0.006912231; -0.001312256; -0.000213623; -0.00718689; -0.007522583; 0.007461548; 0.00479126; ...; 0.001907349]
-Koefisien detail D21: [0.004425049; 0.008865356; 0.004669189; 0.014633179; -0.002227783; -0.000305176; -0.014480591; -0.015884399; 0.015884399; 0.00881958; ...; 0.003067017]
-Koefisien detail D22: [0.002380371; 0.000747681; 0.003631592; 0.000473022;
0.001647949; 0.001251221; 0.002029419; 0.002883911; 0.002182007; 0.001373291; ...; -0.002426147]
Hasil DWT level 3:
-Koefisien aproksimasi A311: [-0.051908733; -0.093750775; -0.022485512; 0.066140206; 0.074221612; 0.047787108; 0.120045014; 0.052048998; 0.007196659; 0.138937592; ...; -0.178956193]
-Koefisien aproksimasi A312: [0.003139772; -0.007045604; -0.001791072; -0.021471291; 0.017468351; 0.013584098; 0.003841095; 0.007034815; 0.003269247; 0.011749867; ...; -0.000302109]
- Koefisien aproksimasi A321: [0.002859242; -0.003312405; -0.001078959; -0.010401168; 0.008664043; 0.006765075; -0.001791072; -0.003603724; 0.001650808; 0.005707695; ...; 0.000215792]
-Koefisien aproksimasi A322: [0.001154486; 0.002902401; 0.000280529; 0.000604217; 0.000571848; 0.000183423; 0.002244235; 0.000237371; 0.003398722; 0.003787147; ...; -0.001230014]
-Koefisien detail D311: [0.005858749; -0.018590469; 0.000733692; -0.050193188;
0.040255972; 0.028365841; 0.006063751; 0.003884254; 0.009203523; 0.030523759; ...; -0.004963213]
-Koefisien detail D312: [-0.009397736; 0.013648835; -0.001359489; 0.000992643; 0.004995582; 0.00372241; 0.017651775; 0.007509557; 0.010735645; 0.024546325; ...; -0.004639525]
13
Lanjutan
-Koefisien detail D322: [0.002211867; 0.002233446; 0.002050023; 0.003474249;
-0.002513975; -0.000550269; -0.000604217; -0.004337416; -0.000960274; -0.003053455; ...; 0.002201077]
Hasil DWT level 4:
-Koefisien aproksimasi A4111: [0.102996826; 0.03086853; 0.018692017; 0.121688843; -0.093154907; -0.178695679; -0.020401001; -0.251052856; -0.102874756; 0.02545166; ...;-0.269821167]
-Koefisien aproksimasi A4112: [-0.009002686; -0.034973145; 0.048522949; -0.007034302; 0.028091431; -0.006271362; 0.007919312; 0.018478394; -0.009460449; -0.011260986; ...; 0.00402832]
-Koefisien aproksimasi A4121: [-0.002761841; -0.016448975; 0.021957397; -0.00769043; 0.010620117; -0.003860474; 0.002349854; 0.004425049; -0.005325317; -0.011810303; ...; 0.015258789]
-Koefisien aproksimasi A4122: [0.003005981; -0.000259399; 0.006164551; 0.017791748; 0.009765625; -0.010421753; -0.006530762; 0.004974365; 0.013687134; -0.00958252; ...; 0.024673462]
-Koefisien aproksimasi A4211: [-0.000320435; -0.008117676; 0.010910034; -0.003814697; 0.005203247; -0.001968384; 0.001251221; 0.001983643; -0.002593994; -0.005767822; ...; 0.007980347]
-Koefisien aproksimasi A4212: [0.001998901; -0.00038147; 0.002349854; 0.008026123; 0.004196167; -0.004714966; -0.003479004; 0.002532959; 0.006500244; -0.004272461; ...; 0.011993408]
-Koefisien aproksimasi A4221: [0.002868652; -0.00062561; -0.000534058; 0.001754761; 0.000274658; -0.001205444; -0.002212524; 0.001174927; 0.002426147; -0.00088501; ...; 0.005828857]
-Koefisien aproksimasi A4222: [0.003143311; 0.00100708; 0.002166748; 0.003494263; -0.002838135; -0.000686646; -0.001296997; -0.004257202; -0.00038147; -0.004882813; ...; 0.011398315]
-Koefisien detail D4111: [0.029586792; -0.062667847; 0.086273193; -0.048080444; 0.10333252; 0.013214111; 0.041000366; 0.084365845; 0.017471313; 0.028182983; ...; -0.016738892]
-Koefisien detail D4112: [0.017288208; 0.036010742; 0.008407593; 0.001541138; -0.015075684; 0.035949707; -0.054763794; 0.024398804; -0.081283569; -0.03086853; ...; 0.011047363]
-Koefisien detail D4121: [0.007202148; 0.013916016; 0.002746582; 0.002258301; -0.005996704; 0.012664795; -0.025543213; 0.011291504; -0.029327393; -0.013870239; ...; 0.015686035]
-Koefisien detail D4122: [0.016296387; 0.001663208; 0.000900269; 0.007171631; -0.02494812; -0.011871338; 0.020843506; 0.04284668; -0.001342773; -0.00831604; ...; 0.031234741]
-Koefisien detail D4211: [0.004364014; 0.006591797; 0.001342773; 0.001281738; -0.002868652; 0.006011963; -0.01272583; 0.005706787; -0.013961792; -0.006820679; ...; 0.007675171]
-Koefisien detail D4212: [0.007141113; 0.000717163; 0.000320435; 0.003417969; -0.012145996; -0.00567627; 0.010040283; 0.020294189; -0.000656128; -0.003829956; ...; 0.01550293]
-Koefisien detail D4221: [0.001235962; 0.000228882; 0.000274658; 0.001419067; -0.005081177; -0.002410889; 0.004226685; 0.007858276; -0.000488281; -0.000961304; ...; 0.007568359]
-Koefisien detail D4222: [-0.0000153; -0.00390625; -0.00138855; 0.002639771; 0.001480103; -0.004852295; 0.001815796; -0.00062561; 0.010375977; 0.001480103; ...; 0.008285522] - Pembentukan matrik DC:
14
Lanjutan
- Matriks singular S hasil transformasi SVD: [3.01140273052151, 0, 0, 0, ..., 0; 0, 2.03395617473146, 0, 0, ..., 0; 0, 0, 1.14739722788238, 0, ..., 0; 0, 0, 0, 0.589381549915988, ..., 0]
- Nilai singular S11 yang disimpan: 3.01140273052151
- Nilai S11 setelah penyisipan bit watermark: 3.01140273052151 - Matriks CDw hasil invers SVD:
[0.001294751, -0.002071602, 0.002718977, 0.003776358, 0.004143204, ..., 0.003064244; -0.004425049, 0.008865356, 0.004669189, -0.014633179, -0.002227783, ..., -0.002426147; 0.005858749, -0.018590469, 0.000733692, -0.050193188, 0.040255972, ..., 0.002201077; 0.029586792, -0.062667847, 0.086273193, -0.048080444, 0.10333252, ..., 0.008285522] Watermarked frame 1 hasil invers DWT 4 level: [0.017578125; 0.01940918; 0.015533447;
0.01260376; 0.014068604; 0.017913818; 0.022186279; 0.027526855; 0.034454346; -0.040313721; ..., -0.065216064]
Watermarked audio semua frame: [0.017578125; 0.01940918; 0.015533447; 0.01260376; -0.014068604; -0.017913818; -0.022186279; -0.027526855; -0.034454346; -0.040313721; ...; 0.000213623]
- Berkas kunci yang berisi kumpulan nilai singular pada semua frame: [3.011402731, 4.954037482, 7.736340865, 7.840442482, 7.90638249, 8.935993586, 8.907407512, 8.806524263, 9.446861893, 8.375714776, ..., 8.442070393]
Lampiran 2 Perhitungan tiap tahap pada proses pengekstraksian watermark
- Pembacaan nilai sampel watermarked audio: [0.017578125; 0.01940918; 0.015533447; 0.01260376; 0.014068604; 0.017913818; 0.022186279; 0.027526855; 0.034454346; -0.040313721; ...; 0.000213623]
- Panjang sampel watermarked audio: 970240
- Pembacaan nilai-nilai singular pada berkas kunci: [3.011402731, 4.954037482, 7.736340865, 7.840442482, 7.90638249, 8.935993586, 8.907407512, 8.806524263, 9.446861893,
8.375714776, ..., 8.442070393] - Banyaknya nilai singular 80: - Banyaknya frame sinyal audio: 80
- Ukuran sampel tiap frame sinyal audio adalah panjang sampel audio dibagi banyaknya nilai singular: 970240/80 = 12128 sampel
- Transformasi DWT pada frame 1:
-Frame1: [0.017578125; 0.01940918; 0.015533447; 0.01260376; 0.014068604; 0.017913818; 0.022186279; 0.027526855; 0.034454346; 0.040313721; ...; -0.0652160644531250]
Hasil DWT level 1:
-Koefisien aproksimasi A1: [0.026153974; 0.01989601; 0.022614987; 0.035152495; 0.052869007; 0.059472238; 0.047927373; 0.027232933; 0.012451191; 0.009300629; ..., -0.089165198]
-Koefisien detail D1: [0.001294751; 0.002071602; 0.002718977; 0.003776358; 0.004143204; -0.000992643; -0.004553208; -0.005222163; -0.002093181; 0.000237371; ...; 0.003064244] Hasil DWT level 2:
-Koefisien aproksimasi A21: [0.032562256; 0.040847778; 0.079437256; 0.053146362; 0.015380859; 0.016418457; 0.011276245; 0.082260132; 0.080947876; 0.024017334; ..., -0.123031616]
-Koefisien aproksimasi A22: [0.000549316; 0.004592896; 0.002227783; 0.006912231; -0.001312256; -0.000213623; -0.00718689; -0.007522583; 0.007461548; 0.00479126; ..., 0.001907349]
15
Lanjutan
-Koefisien detail D22: [0.002380371; 0.000747681; 0.003631592; 0.000473022;
0.001647949; 0.001251221; 0.002029419; 0.002883911; 0.002182007; 0.001373291; ..., -0.002426147]
Hasil DWT level 3:
-Koefisien aproksimasi A311: [-0.051908733; -0.093750775; -0.022485512; 0.066140206; 0.074221612; 0.047787108; 0.120045014; 0.052048998; 0.007196659; 0.138937592; ..., -0.178956193]
-Koefisien aproksimasi A312: [0.003139772; -0.007045604; -0.001791072; -0.021471291; 0.017468351; 0.013584098; 0.003841095; 0.007034815; 0.003269247; 0.011749867; ..., -0.000302109]
-Koefisien aproksimasi A321: [0.002859242; -0.003312405; -0.001078959; -0.010401168; 0.008664043; 0.006765075; -0.001791072; -0.003603724; 0.001650808; 0.005707695; ...; 0.000215792]
-Koefisien aproksimasi A322: [0.001154486; 0.002902401; 0.000280529; 0.000604217; 0.000571848; 0.000183423; 0.002244235; 0.000237371; 0.003398722; 0.003787147; ..., -0.001230014]
-Koefisien detail D311: [0.005858749; -0.018590469; 0.000733692; -0.050193188;
0.040255972; 0.028365841; 0.006063751; 0.003884254; 0.009203523; 0.030523759; ..., -0.004963213]
-Koefisien detail D312: [-0.009397736; 0.013648835; -0.001359489; 0.000992643; 0.004995582; 0.00372241; 0.017651775; 0.007509557; 0.010735645; 0.024546325; ..., -0.004639525]
-Koefisien detail D321: [-0.003636093; 0.006462966; -0.000776851; 0.000237371; 0.001888179; 0.001435016; 0.008092195; 0.003258457; 0.005621378; 0.011555654; ...; -0.002481606]
-Koefisien detail D322: [0.002211867; 0.002233446; 0.002050023; 0.003474249;
-0.002513975; -0.000550269; -0.000604217; -0.004337416; -0.000960274; -0.003053455; ...; 0.002201077]
Hasil DWT level 4:
-Koefisien aproksimasi A4111: [0.102996826; 0.03086853; 0.018692017; 0.121688843; 0.093154907; 0.178695679; 0.020401001; 0.251052856; 0.102874756; 0.02545166; ...; -0.269821167]
-Koefisien aproksimasi A4112: [-0.009002686; -0.034973145; 0.048522949; -0.007034302; 0.028091431; -0.006271362; 0.007919312; 0.018478394; -0.009460449; -0.011260986; ...; 0.00402832]
-Koefisien aproksimasi A4121: [-0.002761841; -0.016448975; 0.021957397; -0.00769043; 0.010620117; -0.003860474; 0.002349854; 0.004425049; -0.005325317; -0.011810303; ...; 0.015258789]
-Koefisien aproksimasi A4122: [0.003005981; -0.000259399; 0.006164551; 0.017791748; 0.009765625; -0.010421753; -0.006530762; 0.004974365; 0.013687134; -0.00958252; ...; 0.024673462]
-Koefisien aproksimasi A4211: [-0.000320435; -0.008117676; 0.010910034; -0.003814697; 0.005203247; -0.001968384; 0.001251221; 0.001983643; -0.002593994; -0.005767822; ...; 0.007980347]
-Koefisien aproksimasi A4212: [0.001998901; -0.00038147; 0.002349854; 0.008026123; 0.004196167; -0.004714966; -0.003479004; 0.002532959; 0.006500244; -0.004272461; ...; 0.011993408]
-Koefisien aproksimasi A4221: [0.002868652; -0.00062561; -0.000534058; 0.001754761; 0.000274658; -0.001205444; -0.002212524; 0.001174927; 0.002426147; -0.00088501; ...; 0.005828857]
16
Lanjutan
-Koefisien detail D4111: [0.029586792; -0.062667847; 0.086273193; -0.048080444; 0.10333252; 0.013214111; -0.041000366; -0.084365845; -0.017471313; -0.028182983; D4111; -0.016738892]
-Koefisien detail D4112: [0.017288208; 0.036010742; 0.008407593; 0.001541138; -0.015075684; 0.035949707; -0.054763794; 0.024398804; -0.081283569; -0.03086853; ...; 0.011047363]
-Koefisien detail D4121: [0.007202148; 0.013916016; 0.002746582; 0.002258301; -0.005996704; 0.012664795; -0.025543213; 0.011291504; -0.029327393; -0.013870239; ...; 0.015686035]
-Koefisien detail D4122: [0.016296387; 0.001663208; 0.000900269; 0.007171631; -0.02494812; -0.011871338; 0.020843506; 0.04284668; -0.001342773; -0.00831604; ...; 0.031234741]
-Koefisien detail D4211: [0.004364014; 0.006591797; 0.001342773; 0.001281738; -0.002868652; 0.006011963; -0.01272583; 0.005706787; -0.013961792; -0.006820679; ...; 0.007675171]
-Koefisien detail D4212: [0.007141113; 0.000717163; 0.000320435; 0.003417969; -0.012145996; -0.00567627; 0.010040283; 0.020294189; -0.000656128; -0.003829956; ...; 0.01550293]
-Koefisien detail D4221: [0.001235962; 0.000228882; 0.000274658; 0.001419067; -0.005081177; -0.002410889; 0.004226685; 0.007858276; -0.000488281; -0.000961304; ...; 0.007568359]
-Koefisien detail D4222: [-0.0000153; -0.00390625; -0.00138855; 0.002639771; 0.001480103; -0.004852295; 0.001815796; -0.00062561; 0.010375977; 0.001480103; ...; 0.008285522] - Pembentukan matrik DC:
[0.001294751, -0.002071602, 0.002718977, 0.003776358, 0.004143204, ..., 0.003064244; -0.004425049, 0.008865356, 0.004669189, -0.014633179, -0.002227783, ..., -0.002426147; 0.005858749, -0.018590469, 0.000733692, -0.050193188, 0.040255972, ..., 0.002201077; 0.029586792, -0.062667847, 0.086273193, -0.048080444, 0.10333252, ..., 0.008285522] - Matriks singular S hasil transformasi SVD:
[3.011402731, 0, 0, 0, ..., 0; 0, 2.033956175, 0, 0, ..., 0; 0, 0, 1.147397228, 0, ..., 0; 0, 0, 0, 0.58938155, ..., 0]
- Nilai singular S11 dari watermarked audio: 3.011402731
- Pembandingan nilai singular watermarked audio dengan nilai singular audio asli pada berkas kunci: 3.011402731 / 3.011402731 = 1
- Bit hasil ekstraksi: 0
- Nilai singular dari watermarked audio pada semua frame: [3.011402731, 5.944801075, 9.283784977, 9.407507801, 7.90638249, 10.72130823, 10.68583609, 10.56771179, 9.446861893, 10.05078796, ..., 10.12582621]