Implementasi Audio Watermarking Menggunakan Metode DWT-SVD dengan Teks sebagai Watermark

(1)

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

(2)

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

(3)

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.

(4)

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

(5)

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

(6)

iv

RIWAYAT HIDUP

(7)

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

(8)

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). ... 2

2 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

(9)

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

(10)

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 n_n n

dengan x(n) adalah sinyal asli dan e(n) adalah sinyal yang mengandung noise.

Dalam penelitian audio watermarking,

(11)

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

(12)

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:

(13)

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.

(14)

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.

(15)

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.

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 - - -

Invert

Uji ketahanan terhadap serangan invert

(16)

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.

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

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

(17)

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

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

(18)

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.

(19)

11

(20)

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]

(21)

13

Lanjutan

-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 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 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 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 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:

(22)

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 A22: [0.000549316; 0.004592896; 0.002227783; 0.006912231; -0.001312256; -0.000213623; -0.00718689; -0.007522583; 0.007461548; 0.00479126; ..., 0.001907349]

(23)

15

Lanjutan

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 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]

-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 A4221: [0.002868652; -0.00062561; -0.000534058; 0.001754761; 0.000274658; -0.001205444; -0.002212524; 0.001174927; 0.002426147; -0.00088501; ...; 0.005828857]

(24)

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 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]