LISTING PROGRAM
void ImplementationToolStripMenuItemClick(object sender, EventAr gs e)
void HelpToolStripMenuItemClick(object sender, EventArgs e) {
FormHelp fh = new FormHelp(); fh.ShowDialog();
}
void AboutToolStripMenuItemClick(object sender, EventArgs e) {
FormAbout fa = new FormAbout(); fa.ShowDialog();
▸ Baca selengkapnya: pernyataan yang sesuai dengan ajaran punarbhawa sebagai wahana memperbaiki kualitas diri adalah
(2)}
/// Description of FormImplementation. /// </summary>
{ 350 px and max 500 x 500 px", "Warning");
{
= new Rectangle(bitmap.Width / 4, bitmap.Height / 4, 200, 100); Bitmap cropped = bitmap.Clone(rect, bitmap.PixelFormat);
= new Rectangle(bitmap.Width / 4, bitmap.Height / 4, 250, 150);
Bitmap cropped = bitmap.Clone(rect, bitmap.PixelFormat); // clone = mengklonikan sebagian objek bitmap
GH.DrawImage(citra2, citra1.Width / 4, citra1.Height / 4);
pictureBox5.Image = Gabung(PB2, PB8); ght >= 350 && bit.Width >= 350 )
{ 350 px and max 500 x 500 px", "Warning");
Forms designer support. //
InitializeComponent();
//
// TODO: Add constructor code after the InitializeComponent() call.
CURRICULUM VITAE
Data Diri
Nama : Khalida Zia
Tempat/Tanggal Lahir : Medan / 26 April 1994
Alamat Sekarang : Jl. Denai Gg. Galon No. 6 Medan Alamat Orang Tua : Jl. Denai Gg. Galon No. 6 Medan Agama : Islam
Jenis Kelamin : Perempuan Nomor Hp : 087869164102
Email : khalidazia26@gmail.com
Riwayat Pendidikan
2000 – 2006 : SD Negeri 068084 Medan 2006 – 2009 : SMP Negeri 13 Medan 2009 – 2012 : SMA Negeri 6 Medan
2012 – : S1 Ilmu Komputer Universitas Sumatera Utara, Medan
Seminar/Kursus/Workshop
2015 : Kursus Bahasa Pemorgraman Java di Binus Center 2014 : Seminar Nasional Literasi Informasi
2013 : Workshop Pemrograman Object Oriented
Keahlian
Bahasa : Indonesia, Inggris Bahasa Pemrograman : C++ dan C#
DBMS : MySQL
Pengalaman Organisasi
DAFTAR PUSTAKA
Ahmad, U. 2005. Pengolahan Citra Digital dan Teknik Pemrogramannya. Yogyakarta: Graha Ilmu.
Astuti, F & Hermawati. 2013. Pengolahan Citra Digital Konsep dan Teori. Yogyakarta: Andi. Huang, C.-H & Wu, J.-L. 2004. Attacking visible watermarking schemes. Journal of IEEE
Transactions on Multimedia Vol.6.
Kadir, A dan Susanto, A. 2013. Teori dan Aplikasi Pengolahan Citra. Yogyakarta: ANDI.
Nasir, G. 2014. Implementasi Harmonic Mean Filter untuk Mereduksi Noise pada Citra BMP dan PNG. Skripsi. Universitas Sumatera Utara.
Prasetyo, E. 2011. Pengolahan Citra Digital dan Aplikasinya Menggunakan Matlab. Yogyakarta: ANDI.
Putra, D. 2010. Pengolahan Citra Digital. Yogyakarta: ANDI.
Putra, P.S. 2008. Watermarking pada Citra Digital dengan Menggunakan Discrete Cosine
Transform. Skripsi. Universitas Sumatera Utara.
Sutoyo, T. dan Mulyanto, E. 2009. Teori Pengolahan Citra Digital. Yogyakarta: ANDI.
Wang, Houng-Jyh Mike, Su, Po-Chyi and C. Jay Kuo. 1998. Wavelet-based digital image watermarking. Journal Optics Express Vol. 3, No 12.
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Analisis sistem merupakan suatu teknik penyelesaian masalah yang pada dasarnya dilakukan untuk mengembangkan sebuah sistem juga suatu tahapan awal yang harus dilakukan untuk membantu memahami suatu masalah yang dibutuhkan oleh sistem. Tujuan dari analisis sistem adalah membangun model dari sebuah sistem dengan beberapa tahapan fase yang harus dilalui sehingga menghasilkan informasi yang dapat digunakan dalam membangun model sistem tersebut. Pada tahap ini akan diuraikan hal-hal yang dibutuhkan oleh sistem dengan memberikan gambaran yang jelas terhadap komponen-komponen yang ada di dalamnya sehingga sistem yang dibangun dan nantinya akan diimplementasikan dapat sesuai dengan yang diinginkan. Analisis sistem yang digunakan terdiri atas analisis masalah, analisis kebutuhan dan analisis proses.
3.1.1 Analisis Masalah
Analisis masalah merupakan sebuah tahapan menganalisis kelayakan berbagai masalah sehingga diperlukannya suatu penelitian untuk menyelesaikan masalah tersebut. Pada penelitian ini masalah yang paling utama adalah perbaikan kualitas citra pada citra yang telah ditanamkan visible watermark sehingga citra tersebut mengalami gangguan pada piksel-piksel tetangganya pada piksel daerah watermark.
Untuk menganalisis masalah tersebut dapat digambarkan menggunakan sebuah diagram yaitu diagram Ishikawa, yang lebih dikenal dengan nama Cause and Effect Diagram atau Fishbone Diagram.
berhubungan dengan suatu permasalahan. Diagram Fishbone ini bentuknya menyerupai kerangka tulang ikan yang bagian-bagiannya meliputi kepala, sirip, dan duri dimana digambarkan seperti susunan tulang ikan yang terbagi atas dua bagian yaitu bagian kepala ikan yang merupakan masalah, bagian utama tulang belakang merupakan kemungkinan-kemungkinan penyebab masalah. Diagram Ishikawa sistem ini dapat dilihat pada Gambar 3.1 sebagai berikut.
Gambar 3.1 Diagram Ishikawa Sistem
3.1.2 Analisis Kebutuhan
3.1.2.1Kebutuhan Fungsional (Functional Requirement)
Kebutuhan fungsional merupakan segala deskripsi mengenai aktivitas dan layanan yang dapat dan harus dimiliki oleh sistem. Dalam proses perbaikan citra hasil dari citra yang telah ditanamkan visible watermark menggunakan metode Image Averaging terdapat beberapa hal yang menjadi persyaratan fungsional yang harus dipenuhi, yaitu :
1. Sistem hanya menerima citra berwarna dengan format (.bmp) dengan ukuran maksimal 500 x 500 piksel.
2. Sistem akan mengeksekusi citra daerah visible watermark dengan ukuran 200 x 100 piksel dan 250 x 150 piksel.
3. Sistem menggunakan matriks kernel 5x5 pada proses Image Averaging dengan cara perata-rataan piksel.
4. Sistem akan menghitung nilai MSE (Mean Square Error) dan PSNR (Peak Signal
to Noise Ratio) dan running time sebagai parameter untuk membandingkan hasil
citra Anti Watermarking dan citra asli.
5. Citra hasil perbaikan akan disimpan dengan format (.bmp).
3.1.2.2Kebutuhan Non-fungsional
Kebutuhan non-fungsional merupakan segala deskripsi dari berbagai fitur, karakteristik, dan batasan lain yang harus dimiliki oleh sistem sehingga dapat menentukan non-fungsional sistem terdiri beberapa aspek yaitu :
1. Tampilan (Performance)
Sistem yang akan dibangun menggunakan tampilan yang sederhana, mudah digunakan dan mudah dimengerti (user friendly).
2. Penyimpanan Data (Dokumentasi)
Sistem yang akan dibangun dapat menyimpan citra hasil dengan format (.bmp). 3. Kontrol
4. Segi Ekonomi
Sistem yang akan dibangun berbasis desktop yang dapat digunakan secara bebas, tidak memerlukan perangkat tambahan dalam proses eksekusinya sehingga tidak mengeluarkan biaya tambahan.
5. Pelayanan sistem (service)
Sistem dapat melakukan proses Image Averaging dan menghitung nilai MSE, PSNR, dan Running Time sehingga menghasilkan citra yang berkualitas.
3.1.3 Analisis Proses
Analisis proses bertujuan untuk mengetahui cara kerja suatu sistem secara detail dengan melakukan pemodelan terhadap sistem. Pemodelan sistem dapat dilakukan menggunakan
Unified Modelling Language (UML). Unified Modelling Language (UML) merupakan
sebuah bahasa spesifikasi yang telah menjadi standar suatu model yang berfungsi untuk membantu menggambar, merancang dan mendokumentasikan perancangan model sebuah sistem.
3.2 Pemodelan
Pada bagian ini Unified Modelling Language (UML) akan diterapkan secara langsung. Model UML yang digunakan dalam penelitian ini yaitu use case diagram, sequence
diagram dan activity diagram.
3.2.1 Use case diagram
Use case diagram adalah rangkaian / uraian sekelompok yang saling terkait dan
Gambar 3.2 Diagram use case
Pada use case ini terdapat actor yang memiliki pilihan untuk :
a. Home adalah menu tampilan awal sistem.
b. Implementation adalah menu yang terdapat bagian menjalankan proses
pengolahan citra dimana proses input citra, crop citra, perataan piksel oleh sistem, menampilkan hasil citra kemudian menyimpan hasil citra.
c. Help adalah menu yang berisi petunjuk penggunaan sistem.
d. About adalah menu yang berisi tentang profile pembuat sistem.
Kemudian dibawah ini merupakan tabel dokumen naratif dari use case Home yang dapat dilihat pada tabel 3.1 sebagai berikut :
Tabel 3.1 Dokumentasi Naratif Use Case Diagram pada Home
Nama Use case Home
Description Use case ini menjalankan tampilan awal digunakan dari sistem ini
Pre-Condition Aplikasi siap untuk menerima inputan.
Typical course of
event
Kegiatan pengguna Respon sistem 1. Menekan tombol
Home
2. Menampilkan tampilan awal dari pilihan home.
Alternatecourse Aksi Aktor Respon sistem
Post condition Sistem telah melakukan proses pemilihan menu home.
Berikut ini merupakan tabel dokumen naratif dari use case Implementation yang dapat dilihat pada Tabel 3.2 sebagai berikut :
Tabel 3.2 Dokumentasi Naratif Use Case Diagram pada Implementation
Nama Use case Implementasi
Actor Pengguna
Description Use case ini menjalankan proses perbaikan citra yang akan digunakan dari sistem ini
Pre-Condition Aplikasi siap untuk menerima inputan.
Typical course of
event
Kegiatan pengguna Respon sistem
1. Menekan tombol
5. Menampilkan citra yang telah dipilih oleh
10. Selanjutnya user
11. Sistem akan menghitung nilai MSE, PSNR, dan
Alternatecourse Aksi Aktor Respon sistem
Post condition Sistem telah melakukan proses perbaikan citra yang menghasilkan citra.
Berikut ini merupakan tabel dokumen naratif dari use case Help yang dapat dilihat pada tabel 3.3 sebagai berikut :
Tabel 3.3 Dokumentasi Naratif Use Case pada Help
Nama Use case Help
Actor Pengguna
Description Use case ini menjelaskan cara penggunaan dari system ini.
Pre-Condition Aplikasi siap untuk menerima inputan.
Typical course of
event
Kegiatan pengguna Respon system
1. Menekan menu Help
2. Menampilkan isi dari Help tersebut.
Alternatecourse Aksi Aktor Respon system
Post condition Sistem telah melakukan proses pemilihan menu Help
Berikut ini merupakan tabel dokumen naratif dari use case About dapat dilihat pada Tabel 3.4 sebagai berikut :
Tabel 3.4 Dokumentasi Naratif Use Case Diagram pada About
Nama Use case About
Actor Pengguna
Pre-Condition Aplikasi siap untuk menerima inputan.
Typical course of
event
Kegiatan pengguna Respon system
1. Menekan menu About
2. Menampilkan isi dari About tersebut.
Alternatecourse Aksi Aktor Respon system
Post condition Sistem telah melakukan proses pemilihan menu About
3.2.2 Sequence Diagram
Squence Diagram (diagram urutan) adalah sutau diagram yang memperlihatkan atau
menampilkan interaksi-interaksi antar objek di dalam sistem yang disusun pada sebuah urutan atau rangkaian waktu. Sequence diagram digunakan untuk menggambarkan
scenario atau rangkaian langkah-langkah yang dilakukan sebagai sebuah respon dari
suatu kejadian / event untuk menghasilkan output apa yang dhasilkan. Dibawah ini dapat dilihat pada Gambar 3.3 merupakan sequence diagram sebagai berikut :
3.2.3 Activity diagram
Activity Diagram menggambarkan berbagai proses aktivitas dalam system yang sedang
dirancang, bagaimana masing-masing proses berawal, decision yang mungkin terjadi, dan bagaimana mereka berakhir. Activity diagram juga dapat menggambarkan proses paralel yang mungkin terjadi pada beberapa eksekusi. Berikut ini merupakan activity diagram pada sistem yang akan dirancang dapat dilihat pada Gambar 3.4 sebagai berikut :
3.3 Pseudecode Program
Pseudecode adalah deskripsi dari algoritma pemrograman komputer yang menggunakan
struktur sederhana dari beberapa bahasa pemograman tetapi bahasa tersebut hanya ditujukan agar dapat dibaca manusia.Tujuan penggunaan utama dari pseudocode adalah untuk memudahkan manusia dalam memahami prinsip-prinsip dari suatu algoritma pada bahasa pemrograman.
3.3.1 Pseudecode Image Averaging
Dibawah ini dapat dilihat Tabel 3.5 pseudecode dari metode Image Averaging sebagai berikut :
Tabel 3.5 Pseudecode Image Averaging kernel 5x5
1. for any row y 2. for any column x 3. { for any y = 0 to y = 4 4. for any x = 0 to x = 4 5. sum += imageIn[y, x] 6. imageOut[y,x] = sum / 25 } Keterangan :
1. Baris y 2. Kolom x
3. Perulangan baris dari 0 sampai 4 4. Perulangan kolom dari 0 sampai 4
3.3.2 Pseudecode Menghitung nilai MSE dan PSNR
Dibawah ini dapat dilihat Tabel 3.6 pseudecode untuk menghitung nilai Mean Square
Error (MSE) dan Peak Signal to Noise Ratio (PSNR) sebagai berikut :
Tabel 3.6 Pseudecode nilai MSE dan PSNR
1. [M N] <- size (citra)
2. Error <- citra_awal – citra_noise
3. MSE <- sum(sum(error .* error)) / (M * N) 4. PSNR <- 10 * log(255*255/MSE) / log10 Keterangan :
1. Deklarasi ukuran matriks citra kolom adalah M dan baris adalah N 2. Deklarasi nilai error
3. Hitung nilai MSE 4. Hitung nilai PSNR
3.4 Perancangan Sistem
Perancangan sistem merupakan perancangan proses, alur dan gambaran sistem. Ketiga hal tersebut digambarkan dengan perancangan flowchart dan interface.
3.4.1 Flowchart Sistem
Flowchart adalah suatu bagan dengan simbol-simbol tertentu yang menggambarkan
Gambar 3.5 Flowchart Sistem
Keterangan : 1. Mulai
2. User melakukan input citra yang sudah disisipkan watermark visible berformat
(.bmp).
Mulai
Masukkan citra ber- watermark visible (.bmp)
Ukuran citra <= 500 x 500 piksel
Proses image averaging (perataan) piksel citra daerah watermark berukuran 200x100 piksel, 250x150 piksel menggunakan matriks kernel 5x5
Tampilkan hasil citra
Hitung MSE, PSNR, dan Running Time
Tampilkan nilai MSE, PSNR dan Running Time
Yes
No
3. Jika ukuran citra kurang dari atau sama dengan 500 x 500 piksel maka proses akan dilanjutkan, jika tidak proses akan kembali kepada user melakukan input citra. 4. Piksel citra daerah watermark akan dieksekusi berukuran 200 x 100 piksel atau
250 x 150 piksel menggunakan matriks kernel 5x5 proses Image Averaging piksel akan dilakukan oleh sistem.
5. Tampilkan hasil citra yang telah diproses.
6. Hitung nilai MSE, PSNR dan Running Time pada citra yang telah diproses. 7. Tampilkan hasil nilai MSE, PSNR dan Running Time.
8. Selesai.
Sub Flowchart Image Averaging dapat dilihat pada Gambar 3.6 sebagai berikut :
Gambar 3.6 Flowchart Image Averaging Mulai
sum += int[baris,kolom]
sum= sum / 25
Selesai sum for baris <- 0 to 4
for kolom <- 0 to 4
Y N
Y
Sub Flowchart MSE dan PSNR dapat dilihat pada Gambar 3.7 sebagai berikut :
Gambar 3.7 Flowchart MSE dan PSNR
Proses menghitung nilai MSE dan PSNR diperoleh dengan pertama sekali menentukan matriks m,n dari citra awal dan citra yang telah diperbaiki. Selanjutnya mencari nilai error dengan melakukan pengurangan nilai matriks citra awal dengan citra hasil. Kemudian nilai error tersebut diolah dalam rumus MSE dan PSNR yang tertera pada flowchart diatas untuk mencari seberapa baik kualitas citra hasil perbaikan tersebut.
3.4.2 Perancangan Antarmuka (Interface) Sistem
Perancangan sebuah sistem dapat dimulai dengan melakukan perancangan antarmuka atau interface sistem berdasarkan flowchart sistem pada Gambar 3.5. Antarmuka /
interface ini dirancangan dengan memperhatikan faktor pengguna yang akan berinteraksi
dengan sistem tersebut, sehingga sistem dapat digunakan dengan mudah dan nyaman. Tampilan antarmuka yang akan dimiliki sistem terdiri atas form menu Home, form menu
Implementation, form menu Help dan form menu About.
Mulai
MSE = jumlah(jumlah(error. * error)) / (m,n)
PSNR=
10*log(255*255/MSE)/log10
Selesai MSE, PSNR Nilai matriks
(m,n) citra
3.4.2.1Form Home
Form Home adalah tampilan utama dalam sistem yang akan muncul pertama kalinya
ketika program dieksekusi. Berikut ini merupakan tampilan form home dapat dilihat pada Gambar 3.8 dibawah ini :
Gambar 3.8 Form Home
Keterangan :
1. Menu bar yang memiliki 4 menu yaitu menu Home, menu Implementation, menu
Help dan menu About.
2. Judul penelitian.
3. Logo fakultas yaitu Fakultas Ilmu Komputer dan Teknologi Informasi. 4. Nama dan Nim penulis.
5. Program Studi.
3.4.2.2Form Implementation
Form Implementation merupakan tampilan yang berisi segala proses yang terjadi pada
sistem yaitu proses metode dan segala perhitungan dari metode yang digunakan pada 1
2
3
4
penelitian yaitu metode Image Averaging dan parameter MSE, PSNR dan running time. Tampilan dari form implementasi ini dapat dilihat pada Gambar 3.9 dibawah ini :
Gambar 3.9 Form Implementation
Keterangan :
1. Picturebox untuk menampilkan citra inputan / citra awal yaitu citra yang telah
ditanamkan visible watermark.
2. Text Box untuk menampilkan nama file dari citra inputan dari picture box 1.
3. Text Box untuk menampilkan ukuran panjang piksel dari citra inputan picture box
1.
4. Text box untuk menampilkan ukuran lebar piksel dari citra inputan picture box 1.
5. Button browse untuk mencari file citra yang akan di input dalam format .bmp.
6. Button clear image untuk menghapus semua citra .bmp yang masih terdapat pada
semua picture box dan identitas citra pada semua text box pada sistem apabila tidak sesuai dengan yang diinginkan user.
7. Picture box untuk menampilkan citra yang telah di input. Pada picture box ini
daerah citra yang ber-watermark akan dieksekusi.
8. Button generate untuk memulai memproses citra agar masuk ke picture box 7.
9. Picture box untuk menampilkan citra yang telah dieksekusi daerah piksel citra
yang ber-watermark dan seluruh piksel citra.
10.Button result untuk memulai memproses citra agar masuk ke picture box 9
kemudian akan menghitung nilai MSE, PSNR dan running time.
11.Button save untuk menyimpan citra yang telah diproses pada picture box 9.
Deksripsi komponen sistem dari nomor 7 hingga 14 merupakan deksripsi untuk citra yang piksel nya akan di eksekusi berukuran 200 x 100 piksel.
12.Text box untuk menampilkan nilai dari MSE yang telah diproses.
13.Text box untuk menampilkan nilai dari PSNR yang telah diproses.
14.Text box untuk menampilkan nilai dari running time yang telah diproses.
15.Picture box untuk menampilkan citra yang telah di input. Pada picture box ini
daerah citra yang ber-watermark akan dieksekusi.
16.Button generate untuk memulai memproses citra agar masuk ke picture box 15.
17.Picture box untuk menampilkan citra yang telah dieksekusi daerah piksel citra
yang ber-watermark dan seluruh piksel citra.
18.Button result untuk memulai memproses citra agar masuk ke picture box 17
kemudian akan menghitung nilai MSE, PSNR dan running time.
19.Button save untuk menyimpan citra yang telah diproses pada picture box 17.
Deksripsi komponen sistem dari nomor 15 hingga 22 merupakan deksripsi untuk citra yang piksel nya akan di eksekusi berukuran 250 x 150 piksel.
20.Text box untuk menampilkan nilai dari MSE yang telah diproses.
21.Text box untuk menampilkan nilai dari PSNR yang telah diproses.
22.Text box untuk menampilkan nilai dari running time yang telah diproses.
23.Picturebox untuk menampilkan citra inputan / citra awal yaitu citra asli tanpa
watermark.
24.Text Box untuk menampilkan nama file dari citra inputan dari picture box 23.
25.Text Box untuk menampilkan ukuran panjang piksel dari citra inputan picture box
23.
26.Text box untuk menampilkan ukuran lebar piksel dari citra inputan picture box 23.
28.Button clear image untuk menghapus semua citra .bmp yang masih terdapat pada
semua picture box citra asli dan identitas citra pada semua text box pada sistem apabila tidak sesuai dengan yang diinginkan user.
29.Picture box untuk menampilkan citra asli yang akan dianalisis nilai MSE, PSNR
dan running time nya.
30.Button result akan memproses agar citra masuk ke picture box 29 kemudian akan
menghitung nilai MSE, PSNR dan running time nya. 31.Button save untuk menyimpan citra asli.
32.Text box untuk menampilkan nilai MSE yang telah diproses.
33.Text box untuk menampilkan nilai PSNR yang telah diproses.
34.Text box untuk menampilkan nilai dari running time yang telah diproses.
3.4.2.3Form Help
Form Help merupakan tampilan untuk memberitahukan petunjuk cara penggunaan
sistem. Berikut ini merupakan tampilan form Help dapat dilihat pada Gambar 3.10 sebagai berikut :
Gambar 3.10 Form Help
Keterangan :
1. Rich text box untuk menampilkan petunjuk penggunaan sistem.
3.4.2.4Form About
Form About adalah menu untuk menampilkan tentang foto dan data programmer /
pembuat sistem. Berikut ini merupakan tampilan dari form about dapat dilihat pada Gambar 3.11 sebagai berikut :
Gambar 3.11 Form About
Keterangan :
1. Picture box untuk menampilkan foto dari pembuat sistem.
2. Rich text box untuk menampilkan biodata dari pembuat sistem.
4.1 Implementasi Sistem
Setelah melakukan proses analisis dan perancangan sistem, proses selanjutnya dalam penerapan pembuatan sistem adalah proses implementasi dan pengujian sistem. Implementasi sistem merupakan hasil dari penerapan proses analisis dan perancangan sehingga mendapatkan sebuah sistem yang utuh. Sistem pada penelitian ini dirancang dengan menggunakan bahasa pemrograman C# dan menggunakan software SharpDevelop 4.2. Sistem ini memiliki 4 menu yaitu menu Home, menu Implementation, menu Help, menu About.
4.1.1 Menu Home
Menu home merupakan form yang ditampilkan pertama kali pada saat sistem dijalankan.
Form ini berisi menu bar dan tentang informasi mengenai judul penelitian, logo fakultas,
Gambar 4.1 Menu Home
4.1.2 Menu Implementation
Menu implementation merupakan tampilan yang berisi segala proses pengolahan citra yang terjadi pada sistem yaitu proses metode dan segala perhitungan dari metode yang digunakan pada penelitian yaitu metode Image Averaging dan parameter Mean Square
Error (MSE), Peak Signal to Noise Ratio (PSNR) dan running time. Tampilan dari form
Gambar 4.2 Menu Implementation
4.1.3 Menu Help
Menu help merupakan form yang berisi tentang penjelasan dari cara penggunaan sistem. Berikut ini tampilan dari menu help dapat dilihat pada Gambar 4.4 sebagai berikut :
Gambar 4.4 Menu Help
4.1.4 Menu About
Gambar 4.5 Menu About
4.2 Pengujian Sistem
Pengujian sistem dilakukan untuk mengetahui apakah sistem yang dibangun telah berjalan dengan baik untuk memperbaiki kualitas citra digital yang telah ditanamkan
visible watermark dengan menggunakan photo editor seperti Adobe Photoshop.
4.2.1 Pengujian Image Averaging
Pengujian sistem pada metode Image Averaging ini menggunakan matrik kernel 5 x 5 kemudian dibagi menjadi 2 pengujian yaitu pada piksel-piksel citra daerah visible
watermark dengan ukuran 200 x 100 piksel dan 250 x 150 piksel.
4.2.1.1Image Averaging 200 x 100 piksel
Pada pengujian Image Averaging ini bertujuan untuk mengimplementasikan kinerja dari metode Image Averaging pada piksel citra daerah visible watermark dengan ukuran 200 x 100 piksel. Hal pertama yang dilakukan ketika sistem dijalankan yaitu memilih menu
Implementation pada form Home. Selanjutnya pilih citra dengan format *.bmp yang akan
diproses dengan menekan tombol Browse. Adapun proses tersebut dapat dilihat pada Gambar 4.6 dan Gambar 4.7 sebagai berikut :
Gambar 4.7 Browse citra *.bmp pada file direktori
Selanjutnya sistem akan menampilkan citra yang telah dipilih oleh user, dimana citra akan langsung masuk ke dalam picture box citra visible watermark sehingga nama
file dan ukuran citra akan tampil pada text box nama file dan ukuran file. Pada proses ini
Gambar 4.8 Hasil input citra visible watermark
Setelah proses input citra berhasil, maka dilakukan proses eksekusi piksel citra daerah visible watermark pada picture box dengan cara menekan tombol generate sehingga citra yang memiliki daerah piksel visible watermark akan melakukan proses
cropping dengan ukuran 200 x 100 piksel kemudian citra ini akan memproses metode
Image Averaging yang hasilnya akan ditampilkan pada picture box. Proses ini dapat
Gambar 4.9 Hasil citra daerah visible watermark 200 x 100 piksel
Setelah proses cropping citra piksel daerah visible watermark dan proses Image
Averaging diatas berhasil kemudian citra akan memulai untuk proses perbaikan citra
keseluruhan yang akan ditampilkan pada picture box dengan menekan tombol result, kemudian sistem akan menghitung nilai Mean Square Error (MSE), Peak Signal to Noise
Ratio (PSNR) dan running time selama proses berlangsung. Proses ini dapat dilihat pada
Gambar 4.10 Hasil perbaikan citra 200 x 100 piksel
Setelah hasil perbaikan citra telah didapatkan dan telah mengetahui nilai dari MSE, PSNR, dan running time pada citra selama proses berlangsung citra dapat langsung disimpan pada direktori dengan menekan tombol save.
4.2.1.2Image Averaging 250 x 150 piksel
Pada pengujian Image Averaging bagian ini yang akan diproses yaitu piksel citra daerah
visible watermark dengan ukuran 250 x 150 piksel. Hal ini dapat dilakukan berlanjut dari
proses-proses yang telah dilakukan sebelumnya. Hal pertama yang dilakukan adalah dengan menekan tombol generate untuk menampilkan citra proses cropping piksel 250 x 150 piksel citra daerah visible watermark yang kemudian citra ini akan diproses menggunakan metode Image Averaging. Citra yang telah diproses akan tampil pada
Gambar 4.11 Hasil citra daerah visible watermark 250 x 150 piksel
Setelah proses cropping citra piksel daerah visible watermark dan proses Image
Averaging diatas berhasil kemudian citra akan memulai untuk proses perbaikan citra
keseluruhan yang akan ditampilkan pada picture box dengan menekan tombol result, kemudian sistem akan menghitung nilai Mean Square Error (MSE), Peak Signal to Noise
Ratio (PSNR) dan running time selama proses berlangsung. Proses ini dapat dilihat pada
Gambar 4.12 Hasil perbaikan citra 250 x 150 piksel
Setelah hasil perbaikan citra telah didapatkan dan telah mengetahui nilai dari MSE, PSNR, dan running time pada citra selama proses berlangsung citra dapat langsung disimpan pada direktori dengan menekan tombol save.
4.2.2 Pengujian Analisis Citra
Pengujian analisis citra ini bertujuan untuk menganalisis citra asli / citra tanpa visible
watermark dan citra yang telah diperbaiki kualitas citranya. Pengujian ini dilakukan
dengan membandingkan citra menggunakan parameter Mean Square Error (MSE), Peak
Signal to Noise Ratio dan juga running time yang akan menghitung waktu selama proses
berlangsung.
dari citra yang telah ditanam visible watermark yang telah diproses sebelumnya. Proses ini dapat dilihat pada Gambar 4.13 sebagai berikut :
Gambar 4.13 Hasil input citra asli
Gambar 4.14 Hasil analisis citra asli dan citra visible watermark
Pada gambar 4.14 dapat dilihat bahwa nilai Mean Square Error (MSE) yang didapat lebih besar dari nilai Mean Square Error pada citra yang telah diperbaiki. Maka dari yang telah diketahui bahwa besarnya terjadi nilai error pada citra yang telah ditanamkan visible watermark. Dan kecilnya nilai dari Peak Signal to Noise Ratio nya.
4.3 Hasil Pengujian
Pengujian sistem dilakukan untuk mengetahui bagaimana hasil dari perbaikan citra dengan cara mengimplementasikan metode Image Averaging untuk memperbaiki kualitas citra digital yang telah rusak karena telah ditanamkan visible watermark pada citra digital. Pengujian akan dilakukan dengan menggunakan citra digital yang berformat *.bmp. Citra digital tersebut merupakan citra RGB. Sistem akan mengeksekusi citra daerah piksel
visible watermark kemudian memprosesnya menggunakan metode Image Averaging
citra dilakukan, hasil dari citra yang telah diproses tersebut dapat disimpan ke dalam format *.bmp.
Berikut ini daftar citra yang digunakan untuk melakukan pengujian Image
Averaging pada citra asli tanpa visible watermark dapat dilihat pada Tabel 4.1 dan citra
yang telah ditanamkan visible watermark dapat dilihat pada Tabel 4.2 sebagai berikut :
Tabel 4.1 Daftar citra asli tanpa visible watermark
No Nama citra Ukuran citra Citra
1 Apel asli.bmp 500 x 500 piksel
2 Burung asli.bmp 500 x 500 piksel
3 Orang asli.bmp 500 x 400 piksel
4 Kucing asli.bmp 400 x 500 piksel
Tabel 4.2 Daftar citra visible watermark
No Nama citra Ukuran citra Citra
1 Apel watermark.bmp 500 x 500 piksel
2 Burung watermark.bmp 500 x 500 piksel
3 Orang watermark.bmp 500 x 400 piksel
4 Kucing watermark.bmp 400 x 500 piksel
5 Langit watermark.bmp 500 x 420 piksel
4.3.1 Hasil Pengujian Image Averaging
pertama sekali di-input. Pada citra pertama yaitu citra “apel watermark.bmp” memiliki ukuran citra 500 x 500 piksel telah mendapatkan hasil perbaikan citra pada daerah piksel 200 x 100 piksel memiliki nilai MSE sebesar 1.9050 dan PSNR sebesar 4.5331 dB
Citra kedua yaitu citra “burung watermark.bmp” memiliki ukuran citra 500 x 500 piksel telah mendapatkan hasil perbaikan citra pada daerah piksel 200 x 100 piksel memiliki nilai MSE sebesar 2.1888 dan PSNR sebesar 4.4728 dB dengan running time 0.025s sedangkan hasil perbaikan citra pada daerah piksel 250 x 150 piksel memiliki nilai MSE sebesar 3.1241 dan PSNR sebesar 4.3183 dB dengan running time 0.028s, citra asli tanpa visible watermark yaitu “burung asli.bmp” memiliki nilai MSE sebesar 69.2440 dan PSNR sebesar 2.9726 dB terhadap citra visible watermark-nya.
Citra ketiga yaitu citra “orang watermark.bmp” memiliki ukuran citra 500 x 400 piksel telah mendapatkan hasil perbaikan citra pada daerah piksel 200 x 100 piksel memiliki nilai MSE sebesar 6.0452 dan PSNR sebesar 4.0316 dB dengan running time 0.011s sedangkan hasil perbaikan citra pada daerah piksel 250 x 150 piksel memiliki nilai MSE sebesar 8.7957 dan PSNR sebesar 3.8688 dB dengan running time 0.015s, citra asli tanpa visible watermark yaitu “orang asli.bmp” memiliki nilai MSE sebesar 312.8193 dan PSNR sebesar 2.3177 dB terhadap citra visible watermark-nya.
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Setelah melakukan tahap analisis, perancangan implementasi dan pengujian terhadap sistem Analisis dan Implementasi Anti Watermarking untuk Memperbaiki Kualitas Citra Digital Menggunakan Metode Image Averaging, maka diperoleh kesimpulan sebagai berikut :
1. Citra yang telah ditanamkan visible watermark akan mengalami gangguan berupa variasi intensitas piksel yang tidak berkolerasi dengan piksel-piksel tetangganya dapat diperbaiki menggunakan metode Image Averaging.
2. Berdasarkan hasil pengujian yang telah dilakukan, didapatkan beberapa poin, antara lain :
a. Kinerja metode Image Averaging lebih baik pada perbaikan daerah piksel citra dengan ukuran 200 x 100 piksel daripada perbaikan daerah piksel citra dengan ukuran 250 x 150 piksel. Hal ini dibuktikan dengan diperolehnya nilai MSE terkecil yaitu 1.9050 dan nilai PSNR terbesar yaitu 4.5331 dB.
b. Waktu yang dibutuhkan untuk memproses kinerja metode Image Averaging pada perbaikan daerah piksel citra dengan ukuran 200 x 100 piksel lebih cepat daripada waktu perbaikan daerah piksel citra dengan ukuran 250 x 150 piksel. Hal ini dibuktikan dengan diperolehnya nilai running time terkecil yang didapat yaitu 0.008s saat proses berlangsung.
c. Didapatkan besarnya nilai MSE dan kecilnya nilai PSNR pada analisis citra asli tanpa visible watermark terhadap citra yang telah ditanamkan visible
watermark. Kemudian didapatkan nilai MSE yang semakin mengecil dan nilai
5.2 Saran
Berikut saran-saran yang dapat dipertimbangkan untuk mengembangkan penelitian yang berhubungan dengan topik ini :
1. Sistem ini dapat dikembangkan dengan menambah pengujian jenis format citra digital lain seperti *.png, *.jpg dan *.jpeg.
2. Sistem ini menggunakan metode Image Averaging untuk perbaikan kualitas citra, selanjutnya dapat menambahkan teknik serangan visible watermark seperti teknik inpainting dan teknik lainnya.
LANDASAN TEORI
2.1 Pengenalan Citra
Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpanan (Astuti & Hermawati, 2013). Citra secara umum terbagi menjadi dua bagian, yaitu citra analog dan citra digital.
2.1.1 Citra Analog
Citra analog adalah citra yang bersifat kontinu, seperti gambar pada monitor televise, foto sinar-X, foto yang tercetak di kertas foto, lukisan, pemandangan alam, hasil CT scan, gambar-gambar yang terekam pada pita kaset, dan lain sebagainya (Sutoyo & Mulyanto, 2009).
Citra analog tidak dapat direpresentasikan dalam komputer sehingga tidak bisa diproses di komputer secara langsung. Oleh sebab itu, agar citra ini dapat diproses di komputer, proses konversi analog ke digital harus dilakukan terlebih dahulu. Citra analog dihasilkan dari alat-alat analog diantaranya adalah video kamera analog, kamera foto analog dan CT scan. Salah satu contoh citra analog yang telah didapatkan dari proses
Gambar 2.1 Citra Analog
2.1.2 Citra Digital
Citra digital adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar /
pixel) menyatakan tingkat keabuan pada titik tersebut (Sutoyo & Mulyanto, 2009). Citra
digital merupakan citra yang dapat diproses oleh perangkat komputer (Ahmad, 2005). Citra digital adalah citra yang dinyatakan secara diskrit (tidak kontinu), baik untuk posisi koordinatnya maupun warnanya. Dengan demikian, citra digital dapat digambarkan sebagai suatu matriks, dimana indeks baris dan indeks kolom dari matriks menyatakan posisi suatu titik di dalam citra dan harga dari elemen matriks menyatakan warna citra pada titik tersebut. Dalam citra digital yang dinyatakan sebagai susunan matriks seperti ini, elemen-elemen matriks tadi disebut juga dengan istilah piksel yang berasal dari kata
picture element. Citra juga dapat didefinisikan fungsi dua variabel, ƒ(x,y), di mana x dan y
adalah koordinat spasial sedangkan nilai ƒ(x,y) adalah intensitas citra pada koordinat tersebut (Kadir & Susanto 2013, 2013).
nilai amplitude f secara keseluruhan berhingga (finite) dan bernilai diskrit maka dapat dikatakan bahwa citra tersebut adalah citra digital (Putra, 2010).
Sistem koordinat citra digital pada Gambar 2.2 tersebut dapat ditulis dalam bentuk matriks pada persamaan (1) sebagai berikut:
( , ) =
(0,0) (0,1) … (0, −1)
(1,0) (1,1) … (1, −1)
. . . .
. . . .
( −1,0) −1,1 . … ( −1, −1)
...(1)
Nilai pada suatu irisan antara baris dan kolom (pada posisi x,y) disebut dengan picture
elements, image elements, pels, atau pixels. Namun istilah yang sering digunakan dalam
citra digital adalah pixels (Sutoyo & Mulyanto, 2009).
2.2 Jenis Citra Digital
Nilai suatu piksel memiliki nilai dalan rentang tertentu, dari nilai minimum sampai nilai maksimum. Jangkauan yang digunakan berbeda-beda tergantung dari jenis warnanya, namun secara umum jangkauannya adalah 0-255. Citra dengan penggambaran seperti ini digolongkan ke dalam citra integer (Putra, 2010). Berikut ada jenis-jenis citra berdasarkan nilai pikselnya sebagai berikut :
1. Citra Biner
Citra biner adalah citra digital yang hanya memiliki dua kemungkinan nilai piksel yaitu hitam dan putih. Citra biner juga disebut sebagai citra B&W (black and
white) atau citra monokrom. Hanya dibutuhkan 1 bit untuk mewakili nilai setiap
pixel dari citra biner.
Citra biner seringkali muncul sebagai hasil dari proses pengolahan seperti segmentasi, pengambangan, morfologi, ataupun dithering (Putra, 2010).
Gradasi Warna :
0 1
Gambar 2.3 Citra Biner
2. Citra abu-abu (Grayscale)
Citra grayscale merupakan citra digital yang hanya memiliki satu nilai kanal pada setiap pikselnya, dengan kata lain nilai bagian RED = GREEN = BLUE. Nilai tersebut digunakan untuk menunjukkan tingkat intensitas. Warna yang dimiliki adalah warna dari hitam, keabuan, dan putih. Tingkatan keabuan di sini merupakan warna abu dengan berbagai tingkatan dari hitam hingga mendekati putih. Citra grayscale berikut memiliki kedalaman warna 8 bit (256 kombinasi warna keabuan) (Putra, 2010). Berikut citra grayscale 2 bit mewakili 4 warna dengan gradasi warna sebagai berikut :
0 1 2 3
Contoh citra abu-abu (grayscale) dapat dilihat pada Gambar 2.4.
3. Citra warna (RGB)
Citra RGB merupakan jenis citra yang menyajikan warna dalam bentuk komponen R (merah), G (hijau), B (biru). Setiap komponen warna menggunakan delapan bit (nilainya berkisar antara 0 sampai dengan 255). Dengan demikian, kemungkinan warna yang dapat disajikan mencapai 255 x 255 x 255 atau 16.581.375 warna (Kadir & Susanto, 2013). Nilai intensitas warna atau penyusun warna dapat dilihat pada Tabel 2.1 sebagai berikut :
Tabel 2.1 Warna dan nilai penyusunan warna
Warna R G B
Merah 255 0 0
Hijau 0 255 0
Biru 0 0 255
Hitam 0 0 0
Putih 255 255 255
Kuning 0 255 255
Contoh citra warna atau citra RGB dapat dilihat pada gambar 2.5.
2.3 Format File Citra
Format File citra standar yang digunakan saat ini terdiri dari beberapa jenis. Format ini sering digunakan dalam menyimpan citra pada sebuah file. Setiap format file citra memiliki karakteristik masing-masing (Putra, 2010).
2.3.1 Format bitmap (.bmp)
Format bitmap (.bmp) adalah format penyimpanan standar tanpa kompresi yang umum dapat digunakan untuk menyimpan citra biner hingga citra warna. Format ini terdiri dari beberapa jenis yang setiap jenisnya ditentukan dengan jumlah bit yang digunakan untuk menyimpan sebuah nilai piksel (Putra, 2010). Format ini juga memiliki ukuran yang jauh lebih besar dibandingkan dengan format yang lain. Salah satu contoh citra berwarna dengan format bitmap dapat dilihat pada Gambar 2.6 sebagai berikut.
Gambar 2.6 Citra RGB dengan format bitmap
2.4 Pengolahan Citra Digital
Pengolahan citra digital adalah sebuah disiplin ilmu yang mempelajari hal-hal yang berkaitan dengan perbaikan kualitas gambar (peningkatan kontras, transformasi warna, restorasi citra), transformasi gambar (rotasi, translasi, skala, transformasi geometri), melakukan pemilihan ciri citra (feature images) yang optimal untuk tujuan analisis, melakukan proses penarikan informasi atau dekripsi objek atau pengenalan objek yang terkandung dalam citra, melakukan kompresi atau reduksi data untuk tujuan penyimpanan data, transmisi data, dan waktu proses data. Input dari pengolahan citra adalah citra, dan
Dalam mempelajari pengolahan citra digital sering kita jumpai empat istilah sebagai berikut (Putra, 2010) :
1. Image Processing memiliki input dan output-nya berupa citra. Sebagai contoh,
suatu citra ditransformasi ke bentuk citra yang lainnya.
2. Image Analysis memiliki input berupa citra dengan output bukan citra akan
tetapi berupa hasil pengukuran terhadap citra tersebut. Sebagai contoh, suatu citra wajah dianalisis untuk mendapatkan fitur wajah seperti jarak kedua mata dan jarak mata dengan hidung.
3. Image Understanding memiliki input berupa citra dengan output-nya adalah
deskripsi tingkat tinggi dari citra tersebut (output bukan berupa citra). Sebagai contoh, diberikan suatu input citra seseorang, keluarannya deskripsi dari orang tersebut dapat berupa seperti : orang tersebut sedang menangis, sedih, senyum, atau tertawa lebar.
4. Computer vision bertujuan untuk mengkomputerisasi penglihatan manusia
atau dengan kata lain membuat citra digital dari citra sebenarnya (sesuai dengan penglihatan manusia). Hal tersebut dapat disimpulkan input dari
computer vision adalah berupa citra penglihatan manusia sedangkan
output-nya berupa citra digital.
2.5 Watermark
Watermark adalah sebuah tulisan atau logo yang biasa ditemukan pada sebuah karya
2.5.1 Jenis-jenis watermark
Citra watermark dapat dibedakan berdasarkan persepsi manusia menjadi beberapa kategori berikut. (Sutoyo & Mulyanto, 2009).
a. Visible watermark
Visible watermark adalah sebuah watermark terlihat persis bahwa itu merupakan
sebuah teks atau logo yang jelas mengidentifikasi pemilik gambar dan itu hak cipta yang biasanya berisi nama fotografer atau situs. Visible watermark adalah cara termudah untuk mengidentifikasikan keaslian dari konten digital sejak tidak adanya perangkat khusus yang diperlukan untuk mengekstrak informasi hak cipta dari konten watermark (Yang, et al. 2008). Salah satu contoh citra berwarna yang telah disisipkan visible watermark dapat dilihat pada Gambar 2.7 sebagai berikut.
Gambar 2.7 Citra visible watermark
b. Invisible watermark
Invisible watermark adalah sebuah watermark tak terlihat oleh mata manusia.
Watermark ini agak berbeda dengan watermark pada uang kertas. Watermark
2.6 Perbaikan Kualitas Citra
Perbaikan kualitas citra (image enhancement) adalah suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis, pemfilteran, dan lain-lain. Tujuan utama dari peningkatan kualitas citra adalah untuk memproses citra sehingga citra yang dihasilkan lebih baik daripada citra aslinya untuk aplikasi tertentu. (Sutoyo & Mulyanto, 2009).
Peningkatan kualitas citra dibagi dalam dua kategori, yaitu metode domain spasial (ruang atau waktu) dan metode domain frekuensi. Teknik pemrosesan metode domain spasial adalah berdasarkan manipulasi langsung dari piksel di dalam citra. Sedangkan teknik pemrosesan metode domain frekuensi adalah berdasarkan perubahan transformasi fourier pada citra (Sutoyo & Mulyanto, 2009).
2.6.1 Kernel (mask)
1 0
0 1
(a)
(b)
Gambar 2.8 (a) Kernel 2x2 (b) Kernel 3x3
2.6.2 Metode Image Averaging
Metode Image Averaging adalah suatu metode untuk perbaikan kualitas citra (image
enhancement) yang mengambil nilai rata-rata dari nilai piksel pada jendela ketetanggaan.
Metode Image Averaging ini merupakan salah satu metode yang melakukan pencarian nilai rata-rata piksel dari beberapa frame citra pada posisi piksel yang bersesuaian. Pencarian nilai rata-rata piksel dilakukan dengan menjumlahkan nilai piksel yang bersesuaian pada beberapa frame citra yang mengalami transformasi geometris, kemudian membaginya dengan banyaknya frame citra.
Mekanisme metode Image Averaging dengan citra ƒ(x,y) berukuran M x N ini punya nilai 1 di semua piksel, kemudian dikalikan dengan 1/mn. Contoh pemrosesan dengan metode ini dapat kita lihat pada Gambar 2.9 sebagai berikut (Sutoyo & Mulyono, 2009).
ƒ , =
(a)
1 -1 1
-1 4 -1
1 -1 1
(x-1, y-1) (x-1, y) (x-1, y+1) (x, y-1) (x, y) (x, y+1) (x+1, y-1) (x+1, y) (x+1, y+1)
M
1
( , )=
(b)
Gambar 2.9 (a) Citra ƒ(x,y) berukuran M x N dan (b) g(x, y) berukuran 3x3
Maka hasil mekanisme proses metode ini pada titik (x,y) dapat ditulis dalam persamaan (2) :
( , ) = w0. ( , ) + w1. ( −1, −1) + w2. ( −1, ) +
w3. ( −1, + 1) + w4. ( , + 1) + w5. ( + 1, + 1) + ...(2) w6. ( + 1, ) + w7. ( + 1, −1) + w8. ( , −1)
Pada metode ini, nilai intensitas setiap piksel diganti dengan rata-rata dari nilai intensitas piksel tersebut dengan tetangganya. Jumlah tetangga yang dilibatkan tergantung pada matriks kernel yang digunakan.
Metode Image Averaging dengan matriks kernel berukuran 5x5 dan memiliki nilai M = 5, N = 5 dapat dilihat pada persamaan (3) sebagai berikut :
1 1 1 1 1 1 1 1 1 1 , = 1
25 1 1 1 1 1 …...(3) 1 1 1 1 1
1 1 1 1 1
Contoh perhitungan menggunakan metode Image Averaging, misalnya nilai ƒ(x,y) diambil dari sebuah citra dan g(x, y) berukuran 5x5 sebagai berikut :
W1 W2 W3
W8 W0 W4
Citra RGB 300 x 300 piksel
Intensitas piksel pada matriks 10 x 10 piksel
103 81 73 88 97 78 74 84 80 107 ƒ , = 56 52 56 62 100
52 44 40 67 92
55 55 70 95 109
x
1 1 1 1 1 1 1 1 1 1 , = 1
25 1 1 1 1 1 1 1 1 1 1
Maka menggunakan persamaan (2) dan persamaan (3) diperoleh :
[(1x103) + (1x81) + (1x73) + (1x88) + (1x97) + (1x78) + (1x74) + (1x84) + (1x80) + (1x107) + (1x56) + (1x52) + (1x56) + (1x62) +
dcedcedcd(1x100) + (1x52) + (1x44) + (1x40) + (1x67) + (1x92) + (1x55) + (1x55) +
gubhbhbuy(1x70) + (1x95) + (1x109)]
h(1, 1) =
25
h(1, 1) = 74
Maka hasil konvolusi Image Averaging pada f(1,1) adalah h(1,1) = 74, sehingga nilai intensitas piksel sebelumnya adalah 56 akan terganti dengan nilai intensitas piksel yaitu 74, sehingga diperoleh hasil citra yang memiliki intensitas piksel yang baru yaitu,
93 92 93 93 103 103 92 130 192 218
2.7 Mean Square Error (MSE), Peak Signal to Noise Ratio (PSNR)
Ada beberapa parameter pengukuran kesalahan atau error dalam pemrosesan citra. Dua parameter yang paling umum digunakan adalah Mean Square Error (MSE) dan Peak
Signal to Noise Ratio (PNSR). Kedua besaran tersebut membandingkan piksel-piksel pada
posisi yang sama dari dua citra yang berbeda.
2.7.1 Mean Square Error (MSE)
Mean Square Error (MSE) adalah kesalahan kuadrat rata-rata. Nilai MSE didapat dengan
Sebaliknya, semakin kecil nilai MSE, maka tampilan pada citra hasil akan semakin baik. MSE dapat dihitung dengan menggunakan rumus:
2
2.7.2 Peak Signal to Noise Error (PSNR)
Peak Signal to Noise Error (PSNR) adalah perbandingan antara nilai maksimum dari
sinyal yang diukur dengan besarnya derau yang berpengaruh pada sinyal tersebut. PSNR biasanya diukur dalam satuan deciBell (dB) (Sutoyo & Mulyanto 2009).
Semakin besar nilai PSNR, semakin baik pula hasil yang diperoleh pada tampilan citra hasil. Sebaliknya, semakin kecil nilai PSNR, maka semakin buruk pula hasil yang diperoleh pada tampilan citra hasil. Secara matematis, nilai PSNR dapat dinyatakan dengan persamaan berikut :
atau
...(5) Keterangan :
PSNR : nilai Peak Signal to Noise Ratio
MSE : nilai Mean Squared Error
Tidak seperti MSE, nilai PSNR yang lebih besar mengindikasikan bahwa kualitas tersebut lebih baik.
2.8 Running Time
Proses waktu dari awal sampai akhir waktu biasa disebut dengan running time. Jika nilai
running time semakin kecil maka waktu yang digunakan untuk proses akan semakin
cepat, dan sebaliknya jika nilai running time semakin besar waktu yang digunakan untuk proses akan semakin lama (Nasir, 2014). Secara matematis untuk mengestimasi running
time T(n) suatu program dirumuskan pada persamaan (6)
T(n) ≈ cop C (n) ... (6)
T(n) : running time
cop : waktu eksekusi sebuah basic operation
C (n) : jumlah basic operation
PENDAHULUAN
1.1 Latar Belakang
Teknologi pengolahan citra berkembang sedemikian cepat saat ini. Berbagai aplikasi pengolahan citra baik dalam bentuk piranti keras maupun piranti lunak tersedia dengan berbagai fitur sebagai bentuk keunggulannya. Contoh penerapan pengolahan citra digital salah satunya adalah pada bidang fotografi. Kemajuan di bidang fotografi memberi dampak pada bidang-bidang astronomi, photogrammetry, dan fisika partikel dan sebagainya (Putra, 2010).
Seorang fotografer tidak jarang menanamkan suatu watermark untuk menandakan hak ciptanya. Watermark dapat diperoleh dari berbagai macam editor seperti Adobe PhotoShop dan sebagainya. Akan tetapi, proses watermarking ini akan mengalami gangguan pada citra pada umumnya berupa variasi intensitas suatu piksel yang tidak berkolerasi dengan piksel-piksel tetangganya. Secara visual, gangguan mudah dilihat oleh mata karena tampak berbeda dengan piksel tetangganya. Proses watermarking memiliki kelemahan terjadinya penurunan kualitas citra karena watermarking diterapkan langsung pada piksel citra (Wang, et al. 1998).
Watermark merupakan suatu tanda yang terdapat pada gambar, video, atau sesuatu
Oleh sebab itu penulis memiliki solusi mencari suatu cara untuk membuat suatu sistem yang akan melakukan proses Anti Watermarking untuk memperbaiki kualitas citra yang sudah ditanamkan watermark pada citra digital dengan menggunakan Metode Image
Averaging.
Metode Image Averaging ini merupakan salah satu metode yang melakukan pencarian nilai rata-rata piksel dari beberapa frame citra pada posisi piksel yang bersesuaian. Pencarian nilai rata-rata piksel dilakukan dengan menjumlahkan nilai piksel yang bersesuaian pada beberapa frame citra yang mengalami transformasi geometris, kemudian membaginya dengan banyaknya frame citra.
Berdasarkan latar belakang yang telah penulis uraikan maka penulis melakukan penelitian yang berjudul “Analisis dan Implementasi Anti Watermarking untuk Memperbaiki Kualitas Citra Digital Menggunakan Metode Image Averaging”.
1.2 Rumusan Masalah
Berdasarkan latar belakang yang telah penulis uraikan di atas, maka penulis membuat rumusan masalah yang nantinya akan diselesaikan pada penulisan skripsi ini, yaitu :
1. Bagaimana cara memperbaiki kualitas citra digital dengan melakukan Anti
Watermarking menggunakan Metode Image Averaging pada citra digital.
2. Bagaimana menganalisis citra Anti Watermarking dengan citra asli sebelum ditanamkan watermark menggunakan metode MSE (Mean Square Error) dan metode PSNR (Peak Signal to Noise Ratio).
1.3 Batasan Masalah
Batasan masalah yang dapat diambil dari latar belakang di atas adalah:
1. Menggunakan citra inputan yang sudah disisipkan watermark yang berupa visible
watermark.
3. Parameter yang digunakan untuk membandingkan hasil citra Anti Watermarking adalah Mean Square Error (MSE), Peak Signal to Noise (PSNR), dan running
time.
4. Menggunakan proses eksekusi piksel citra daerah watermark dengan ukuran 200 x 100 piksel dan 250 x 150 piksel.
5. Menggunakan matriks kernel 5x5 pada proses Image Averaging. 6. Menggunakan bahasa pemrograman C#.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk mengimplementasikan Metode Image Averaging dan memberitahukan kepada pembaca bagaimana memperbaiki kualitas citra digital yang telah ditanamkan visible watermark (watermark tampak).
1.5 Manfaat Penelitian
Manfaat penelitian ini adalah menghasilkan suatu perangkat lunak (software) yang dapat menghasilkan citra hasil dari citra yang sudah ditanamkan visible watermark, perangkat lunak ini juga akan membandingkan kualitas hasil perbaikan sebuah citra dari citra aslinya. Sedangkan manfaat bagi penulis adalah untuk mengetahui hasil yang optimal dalam perbaikan kualitas citra digital hasil Anti Watermarking menggunakan Metode
Image Averaging.
1.6 Metodologi Penelitian
Penelitian ini menerapkan beberapa metode penelitian sebagai berikut: 1. Studi Literatur
perbaikan kualitas citra digital dan sebagainya. Hal ini dilakukan untuk memperoleh informasi dan data yang diperlukan untuk penulisan skripsi ini. Referensi yang digunakan dapat berupa buku, jurnal, artikel, situs internet yang berkaitan dengan penelitian ini.
2. Analisis sistem
Pada tahap ini dianalisis proses kerja perbaikan citra yang telah disisipkan visible
watermark dengan menggunakan metode Image Averaging.
3. Perancangan sistem
Pada tahap ini dilakukan perancangan sistem yang meliputi perancangan proses kerja sistem, perancangan design interface, serta pembuatan flowchart, dan Unified
Modeling Language (UML).
4. Implementasi
Implementasi dilakukan dengan menampilkan ke user hasil yang berbasis Graphic
User Interface (GUI) tentang hasil Anti Watermarking pada citra yang telah
disisipkan visible watermark pada metode Image Averaging. 5. Pengujian
Pada tahap ini dilakukan pengujian program untuk mengetahui apakah program sudah berjalan sesuai dengan tujuan penelitian atau tidak, dan melakukan perbandingan hasil citra yang sudah melakukan proses Image Averaging dan citra asli sebelum disisipkan watermark dengan cara menghitung MSE, PSNR dan Running Time.
6. Dokumentasi dan Laporan Akhir
Pada tahap ini dilakukan dokumentasi hasil analisa dan perancangan yang digunakan untuk menuangkan hasil penelitian tersebut ke dalam laporan akhir dalam bentuk skripsi.
1.7 Sistematika Penulisan
Agar pembahasan lebih sistematiks, maka tulisan ini dibuat dalam lima bab, yaitu :
Bab ini akan menjelaskan mengenai latar belakang pemilihan judul skripsi “Analisis dan Implementasi Anti Watermarking untuk Memperbaiki
Kualitas Citra Digital Menggunakan Metode Image Averaging.”, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, tinjauan pustaka dan sistematika penulisan
BAB 2 LANDASAN TEORI
Berisi tentang penjelasan singkat mengenai defenisi pengolahan citra,
watermark, metode Image Averaging, Mean Square Error (MSE), dan
Peak Signal to Noise Ratio (PSNR).
BAB 3 ANALISIS DAN PERANCANGAN
Berisi tentang uraian Analisis mengenai proses kerja dari metode Image
Averaging yang terdiri dari flowchart, Unified Modeling Language (UML)
serta perancangan tampilan form dari aplikasi.
BAB 4 IMPLEMENTASI DAN PENGUJIAN
Pada tahap ini dilakukan pembuatan system dan coding sesuai dengan analisis dan perancangan. Kemudian melakukan pengujian sistem.
BAB 5 KESIMPULAN DAN SARAN
ABSTRAK
Perbaikan kualitas citra merupakan suatu proses pengolahan citra yang sangat diperlukan untuk memperbaiki kualitas citra yang telah rusak dan mengalami penurunan kualitas yang disebabkan oleh beberapa gangguan, salah satunya adalah
watermark. Watermark merupakan suatu hak cipta dapat berupa watermark tampak
(visible watermark). Proses penanaman watermark ini akan mengalami gangguan pada citra pada umumnya berupa variasi intensitas suatu piksel yang tidak berkolerasi dengan piksel-piksel tetangganya, diterapkan secara langsung terhadap piksel citra sehingga secara visual gangguan mudah dilihat oleh mata karena tampak berbeda dengan piksel tetangganya, dan proses penanaman watermark ini memiliki kelemahan terjadinya penurunan kualitas citra. Maka dari itu dilakukan penelitian untuk memperbaiki kualitas citra dari citra yang telah ditanamkan visible watermark dengan menggunakan metode Image Averaging. Dimana pada penelitian ini akan melakukan proses Image Averaging pada daerah piksel yang memiliki visible watermark dengan ukuran 200 x 100 piksel dan ukuran 250 x 150 piksel. Kemudian melakukan proses perhitungan nilai Mean Square Error (MSE) dan Peak Signal to Noise Ratio (PSNR) dengan running time yang menghitung waktu saat proses berlangsung sebagai parameter pembanding pada citra hasil. Penurunan kualitas citra saat ditanamkan
visible watermark dibuktikan dengan besarnya nilai MSE dan kecilnya nilai PSNR
terhadap citra tanpa visible watermark. Kemudian didapatkan nilai MSE yang semakin mengecil dan nilai PSNR yang semakin membesar setelah proses perbaikan menggunakan metode Image Averaging dilakukan. Kinerja metode Image Averaging lebih baik pada perbaikan daerah piksel citra dengan ukuran 200 x 100 piksel dengan memperoleh nilai MSE terkecil yaitu 1.9050 dan nilai PSNR terbesar yaitu 4.5331 dB.
Kata kunci : Kualitas Citra, Image Averaging, Anti Watermarking, Visible
Watermark, Mean Square Error (MSE), Peak Signal to Noise Ratio
ANALYSIS AND IMPLEMENTATION OF ANTI WATERMARKING FOR
IMAGE QUALITY IMPROVEMENT BY USING
THE IMAGE AVERAGING METHOD
ABSTRACT
Image quality improvement is a process of image processing, which is needed to improve the quality of image that has been damaged and deteriorated due to some disturbances, the one of which is watermark. Watermark is a copyright, it can be a visible watermark. The process of embedding this watermark will get disruption in the image, generally the intensity variation of pixels those are not correlated with the pixels neighbor, applied directly to the image pixels so visually interference is easily seen by the eyes because those are looked different from the pixel neighbors, and the process of embedding watermark has the disadvantage like decreasing quality of the image. Therefore this has a goal to improve the image quality that has been embedded visible watermark by using the Image Averaging. Where in this study will make the process Image Averaging the pixel area which has a visible watermark with a size of 200 x 100 pixels and a size of 250 x 150 pixels. Then the process of calculating the value of Mean Square Error (MSE) and Peak Signal to Noise Ratio (PSNR) with a running time that counts the time during the process as a comparison parameter in the image results. A decrease in image quality when embedded visible watermark evidenced by the large value of MSE and the small value of PSNR to the image without visible watermark. Then obtained shrinking MSE value and growing PSNR value after the process improvement by using Image Averaging has been done. Image Averaging method perform is better on improve area pixel image with a size of 200 x 100 pixels with the smallest MSE value obtained is 1.9050 and the largest PSNR value is 4.5331 dB.
METODE IMAGE AVERAGING
SKRIPSI
KHALIDA ZIA
121401018
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
ANALISIS DAN IMPLEMENTASI ANTI WATERMARKING UNTUK MEMPERBAIKI KUALITAS CITRA DIGITAL MENGGUNAKAN
METODE IMAGE AVERAGING SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
KHALIDA ZIA 121401018
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : ANALISIS DAN IMPLEMENTASI ANTI
WATERMARKING UNTUK MEMPERBAIKI
KUALITAS CITRA DIGITAL DENGAN MENGGUNAKAN METODE IMAGE
AVERAGING
Kategori : SKRIPSI
Nama : KHALIDA ZIA
Nomor Induk Mahasiswa : 121401018
Program Studi : SARJANA (S1) ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
Diluluskan di
Medan, Juni 2016
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Drs. Dahlan Sitompul, M.Eng Dian Rachmawati, S.Si, M.Kom
NIP 1967707252005011002 NIP 198307232009122004
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
ANALISIS DAN IMPLEMENTASI ANTI WATERMARKING UNTUK MEMPERBAIKI KUALITAS CITRA DIGITAL MENGGUNAKAN
METODE IMAGE AVERAGING
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Juli 2016