Watermarking Citra Digital Menggunakan Teknik full Counterpropagation Neural Network (FCNN) - Digital Image Watermarking Using Full Counterpropagation Neural Network (FCNN) Technique.

(1)

i Universitas Kristen Maranatha

Watermarking Citra Digital Dengan Menggunakan Teknik Full

Counterpropagation Neural Network (FCNN)

Ryan Aprianto (1122040)

Email: aprianto_ryan@ymail.com

Program Studi Teknik Elektro, Fakultas Teknik Universitas Kristen Maranatha

Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia

ABSTRAK

Penyebaran konten digital yang mudah membuat pemberian identitas pada konten digital menjadi penting. Konten digital yang tidak beridentitas membuatnya mudah diklaim oleh pihak yang tidak bertanggung jawab. Watermarking merupakan salah satu cara pemberian watermark yang mudah dan tanpa merusak konten yang disisipi.

Pada Tugas Akhir ini direalisasikan watermarking citra digital dengan menggunakan teknik Full Counterpropagation Neural Network (FCNN). Citra host akan dipisah menjadi 3 channel warna yaitu R (Red), G (Green), dan B (Blue). Tiap

channel warna dari citra host disisipkan security bit dalam domain DCT untuk

meningkatkan keamanan. Kemudian citra watermark (citra biner) disisipkan pada

channel R, G, dan B yang sudah disisipi security bit menggunakan teknik Full Counterpropagation Neural Network.

Hasil percobaan menunjukkan bahwa, citra ber-watermark memiliki rata-rata nilai PSNR lebih besar dari 60dB dan nilai MOS lebih besar dari 4 (good – citra

ber-watermark mirip dengan citra host). Watermark tahan terhadap kompresi JPEG dengan

faktor kualitas Q = 10, 30, dan 50, Cropping dengan persentase 25%, 35%, dan 50%,

Scaling dengan persentase 50%, 75%, dan 125%, Rotation dengan sudut 0.25⁰, 5⁰, dan 90⁰, Median Filtering dengan persentase 3x3, 5x5, dan 7x7, Gaussian Noise 20%, 60%,

& 80%, kecuali watermark pada citra boats tidak tahan terhadap Gaussian noise sebesar 60% & 80%.

(2)

ii Universitas Kristen Maranatha

Digital Image Watermarking Using Full Counterpropagation Neural

Network (FCNN) Technique

Ryan Aprianto(1122040)

Email: aprianto_ryan@ymail.com

Department of Electrical Engineering, Faculty of Engineering Maranatha Christian University

Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia

ABSTRACT

The spread of digital content that is easy to make the provision of identity in

the digital content becomes important. Digital content unmarked makes it easy claimed

by parties who are not responsible. Watermarking is one way of giving watermarks

easily and without damaging the inserted content.

In this final project is realized by using the digital image watermarking

technique Counterpropagation Full Neural Network (FCNN). The image of the hosts

will be split into three color channels, namely R (Red), G (Green), and B (Blue). Each

color channel of the image of the host security bit is inserted in the DCT domain to

improve security. Then the watermark image (binary image) is inserted in the channel

R, G, and B that security bit has been inserted using techniques Full

Counterpropagation Neural Network.

The results showed that, watermarked image has an average value of greater

than 60dB PSNR and MOS values greater than 4 (good - watermarked image similar

to the image of the host). Watermark is resistant to JPEG compression with a quality

factor Q = 10, 30, and 50, Cropping with a percentage of 25%, 35% and 50%, Scaling

with a percentage of 50%, 75% and 125%, with an angle Rotation 0.25⁰, 5⁰ and 90⁰,

Median Filtering with the percentage of 3x3, 5x5, and 7x7, Gaussian noise 20%, 60%,

and 80%, except for the watermark on the image of the boats are not resistant to

Gaussian noise by 60% and 80%.

(3)

v Universitas Kristen Maranatha

DAFTAR ISI

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ... v

DAFTAR GAMBAR ... viii

DAFTAR TABEL ... ix

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Perumusan Masalah ... 1

1.3 Tujuan ... 2

1.4 Pembatasan Masalah ... 2

1.5 Sistematika Penulisan... 2

BAB II LANDASAN TEORI ... 4

2.1 Teori Citra ... 4

2.1.1 Citra Digital ... 4

2.1.2 Klasifikasi Citra Digital ... 6

2.1.3 Model Warna RGB ... 9

2.2 Digital Watermarking ... 9

2.3 Discrete Cosine Transform (DCT) Dimensi Dua (2-D DCT) ... 11

2.4 Full Counterpropagation Neural Network... 12

2.5 Kualitas Citra ... 15

2.5.1 Peak Signal To Noise Rasio ... 15

(4)

vi Universitas Kristen Maranatha

2.5.3 Normalized Cross Corelation (NCC)... 17

BAB III PERANCANGAN PERANGKAT LUNAK ... 19

3.1 Proses Penyisipan Watermark ... 19

BAB IV DATA PENGAMATAN DAN ANALISIS ... 38

(5)

vii Universitas Kristen Maranatha

4.6 Pengujian Jumlah Neuron Yang Bisa Digunakan ... 79

BAB V SIMPULAN DAN SARAN ... 80

5.1 Simpulan ... 80

5.2 Saran ... 81

DAFTAR PUSTAKA ... 82

LAMPIRAN A LISTING PROGRAM ... A-1

(6)

viii Universitas Kristen Maranatha

DAFTAR GAMBAR

Gambar 2.1 Koordinat Citra Digital... 5

Gambar 2.2 Citra Biner ... 7

Gambar 2.3 Citra Grayscale ... 7

Gambar 2.4 8 Bit Truecolor ... 8

Gambar 2.5 16 Bit Highcolor... 8

Gambar 2.6 Ruang Warna RGB... 9

Gambar 2.7 Skema Full Counterpropagation Neural Network ... 13

Gambar 3.1 Diagram Blok Proses Penyisipan ... 19

Gambar 3.2 Diagram Alir Proses Penyisipan ... 21

Gambar 3.3 Diagram Alir Subrutin Penyisipan Security Bit ... 23

Gambar 3.4 Diagram Alir Subrutin Full Counterpropagation Neural Network ... 25

Gambar 3.4 Diagram Alir Subrutin Full Counterpropagation Neural Network (Lanjutan) ... 26

Gambar 3.4 Diagram Alir Subrutin Full Counterpropagation Neural Network (Lanjutan) ... 27

Gambar 3.5 Diagram Blok Proses Ekstraksi Watermark ... 29

Gambar 3.6 Diagram Alir Proses Ekstraksi Watermark ... 31

Gambar 3.7 Diagram Alir Subrutin Ekstraksi security bit ... 33

Gambar 3.8 Diagram Alir Subrutin Ekstraksi Full Counterpropagation Neural Network ... 35

Gambar 3.8 Diagran Alir Subrutin Ekstraksi Full Counterpropagation Neural Network (Lanjutan) ... 36

(7)

ix Universitas Kristen Maranatha

DAFTAR TABEL

Tabel 2.1 Kriteria Mean Opinion Score (MOS)... 16

Tabel 4.1 Hasil Kecocokan security bit ... 39

Tabel 4.2 Hasil Penyisipan dan Ekstraksi Watermark ... 40

Tabel 4.3 Penilaian MOS & PSNR Citra Airplane, Pepper, dan Boats Hasil

Penyisipan Watermark ... 42

Tabel 4.4 Watermark Hasil Ekstraksi Setelah Dilakukan Penambahan Gaussian

Noise Dengan Jumlah Neuron = 16 ... 44

Tabel 4.7 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Rotasi Dengan Jumlah Neuron = 16 ... 50

Tabel 4.10 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Scaling Dengan Jumlah Neuron = 16 ... 56

Tabel 4.13 Watermark Hasil Ekstraksi Setelah Dilakukan Proses JPEG Compression Dengan Jumlah Neuron = 16 ... 61

(8)

x Universitas Kristen Maranatha Tabel 4.15 Watermark Hasil Ekstraksi Setelah Dilakukan Proses JPEG Compression

Dengan Jumlah Neuron = 64 ... 65

Tabel 4.16 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Cropping Dengan Jumlah Neuron = 16 ... 67

Tabel 4.19 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Median Filtering Dengan Jumlah Neuron = 16 ... 73

(9)

Bab I Pendahuluan

1 Universitas Kristen Maranatha BAB I

PENDAHULUAN

Pada bab ini membahas mengenai latar belakang, perumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan dari Tugas Akhir ini.

1.1 Latar Belakang

Perkembangan teknologi digital serta internet yang cukup pesat telah memberi kemudahan dalam mengakses dan mendistribusikan berbagai informasi dalam format digital, baik berupa teks, citra, audio, maupun video. Kemudahan tersebut dapat dipergunakan secara negatif tanpa memperhatikan aspek hak cipta seperti duplikasi dan distribusi data atau dokumen digital secara illegal. Hal tersebut membuat kekhawatiran bagi pemilik hak cipta, seperti fotografer professional

sehingga dibutuhkan suatu cara untuk melindungi hak cipta.

Salah satu solusi yang dikembangkan untuk citra digital adalah dengan

menggunakan digital watermarking. Watermarking bekerja dengan menyisipkan informasi yang menunjukkan kepemilikan, tujuan atau data lain pada citra digital yang disebut watermark. Penyisipan watermark dilakukan sedemikian rupa sehingga tidak merusak citra digital yang dilindungi dan tidak terlihat oleh mata manusia.

Dalam Tugas Akhir ini, penulis merealisasikan watermarking untuk citra RGB (Red, Green, Blue) menggunakan teknik Full Counterpropagataion Neural

Network (FCNN). Teknik penyisipan berdasarkan Full Counterpropagation Neural Network (FCNN) digunakan dengan prinsip penyisipan watermark ke dalam

sinapsis dari jaringan syaraf dari citra host untuk meningkatkan PSNR dari citra yang sudah disisipi watermark dan mencegah degradasi kualitas citra berwatermark[2].

1.2 Perumusan Masalah

Perumusan masalah pada tugas akhir ini, yaitu:

1. Bagaimana merealisasikan watermarking citra digital dengan teknik Full

Counterpropagation Neural Network?

(10)

Bab I Pendahuluan₂

Universitas Kristen Maranatha 3. Bagaimana ketahanan watermark terhadap pemrosesan citra?

1.3 Tujuan

Tugas akhir ini dilakukan dengan tujuan:

1. Merealisasikan watermarking citra digital menggunakan teknik Full

Counterpropagation Neural Network.

2. Menganalisis kualitas citra yang telah disisipi watermark. 3. Menganalisis ketahanan watermark terhadap pemrosesan citra.

1.4 Pembatasan Masalah

Pembatasan masalah pada laporan tugas akhir ini adalah :

1. Menggunakan citra host berwarna dalam format BMP (Bitmap) berukuran 256x256 piksel dan citra watermark biner (hitam-putih) dengan format

BMP (Bitmap) berukuran 32x32 piksel.

2. Kualitas citra yang telah disisipi watermark diukur dengan penilaian

obyektif menggunakan PSNR (Peak Signal to Noise Ratio) dan penilaian subyektif menggunakan MOS (Mean Opinion Score).

3. Kualitas watermark hasil ekstraksi diukur dengan koefisien korelasi atau

NCC (Normalized Cross Corelation).

4. Pengujian ketahanan watermark yang akan dilakukan antara lain

penambahan Gaussian Noise, JPEG compression, cropping, scaling, dan

rotation.

1.5 Sistematika Penulisan

Sistematika yang akan digunakan untuk menyusun laporan ini adalah sebagai berikut :

Bab I. Pendahuluan.

Bab ini menjelaskan mengenai latar belakang masalah, rumusan masalah, tujuan dan sistematika penulisan dari Tugas Akhir ini.

Bab II. Landasan Teori.

(11)

Bab I Pendahuluan₃

Universitas Kristen Maranatha Bab III. Perancangan Perangkat Lunak.

Bab ini berisi penjelasan desain yang akan dilakukan untuk merancang perangkat lunak Teknik Watermarking Citra Digital Berbasis Full Counterpropagation

Neural Network (FCNN).

Bab IV. Data Pengamatan dan Analisis.

Bab ini berisi hasil yang diperoleh dari data pengamatan dan analisa data yang diperoleh melalui Tugas Akhir ini.

Bab V. Simpulan dan Saran.

(12)

Bab V Simpulan Dan Saran

80 Universitas Kristen Maranatha BAB V

SIMPULAN DAN SARAN

5.1 Simpulan

Simpulan yang dapat diperoleh dari Tugas Akhir ini adalah sebagai berikut : 1. Watermarking Citra Digital Menggunakan Teknik Full

Counterpropagation Neural Network (FCNN) dapat direalisasikan dengan

baik.

2. Jumlah neuron dalam kohonen layer yang semakin besar menghasilkan nilai

PSNR yang lebih besar. Walaupun kenaikannya relatif kecil, namun ketahan terhadap watermarknya tetap.

3. Watermark yang disisipkan pada citra umumnya tahan terhadap pemrosesan

citra :

• JPEG Compression dari 10 hingga 50,

• Gaussian Noise sebesar 20%, 60%, dan 80%.

• Rotation sebesar 0.25⁰, 5⁰, dan 90⁰.

• Cropping dengan persentase 25%, 35%, dan 50% .

• Scalling dengan persentase 25%, 75%, dan 125%.

• Median Filtering 3x3, 5x5, dan 7x7.

4. Watermark pada citra boats tidak tahan terhadap pemrosesan citra berupa

penambahan Gaussian Noise sebesar 60% & 80%.

5. Untuk ukuran citra 256x256, ukuran citra watermark 32x32, dan Ec = Em ≤0.05, jumlah neuron dalam kohonen layer meliputi 8, 12, 13, 14, 15, 16, 32, 64. Namun, untuk jumlah neuron < 15 jangka waktu dalam proses

(13)

Bab V Simpulan Dan Saran 81

Universitas Kristen Maranatha 5.2 Saran

Saran yang dapat diberikan untuk mengembangkan Tugas Akhir ini adalah :.

Watermarking dapat dicoba dengan menggunakan neural network yang lain,

(14)

WATERMARKING CITRA DIGITAL MENGGUNAKAN

TEKNIK FULL COUNTERPROPAGATION NEURAL

NETWORK (FCNN)

DIGITAL IMAGE WATERMARKING USING FULL

COUNTERPROPAGATION NEURAL NETWORK (FCNN)

TECHNIQUE

LAPORAN TUGAS AKHIR

Diajukan Untuk Memenuhi Persyaratan Program Studi Sarjana Strata Satu (S1) Program Studi Teknik Elektro – Fakultas Teknik

Universitas Kristen Maranatha Bandung

Disusun Oleh:

Ryan Aprianto (1122040)

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK

UNIVERSITAS KRISTEN MARANATHA

BANDUNG

(15)

KATA PENGANTAR

Puji dan syukur penyusun panjatkan ke hadirat Tuhan Yang Maha Esa, atas berkat dan karunia-Nya sehingga penyusun dapat menyelesaikan Tugas Akhir yang

berjudul “Watermarking Citra Digital Dengan Menggunakan Teknik Full

Counterpropagation Neural Network (FCNN)” tepat pada waktunya.

Dalam kesempatan ini penyusun ingin mengucapkan terima kasih kepada

semua pihak yang telah memberikan bantuan, semangat, dan dukungan serta doa dalam menyelesaikan Tugas Akhir ini. Tanpa semua itu, penyusun yakin Tugas

Akhir ini belum tentu dapat diselesaikan dengan baik. Dengan segala kerendahan hati, penyusun ingin mengucapkan rasa terima kasih yang sebesar-besarnya kepada:

1) Dr. Ir. Daniel Setiadikarunia, M.T., selaku pembimbing Tugas Akhir yang

telah menyumbangkan pengetahuan dan memberikan masukan kepada penyusun,

2) Novie Theresia br Pasaribu, S.T, M.T. Ketua Program Studi Teknik Elektro

Universitas Kristen Maranatha.

3) Dr. Ratnadewi, S.T, M.T., Agus Prijono, S.T, M.T., dan Novie Theresia br

Pasaribu, S.T, M.T., selaku dosen penguji Tugas Akhir yang telah memberikan masukan dan saran kepada penyusun,

4) Ir. Yohana Susanti, M.Sc., selaku Koordinator Tugas Akhir Jurusan Teknik Elektro Universitas Kristen Maranatha,

5) Seluruh Karyawan dan Civitas Akademik Universitas Kristen Maranatha yang telah membantu dalam menyelesaikan Tugas Akhir ini,

6) Bapa, Mama, Bang Bram, Kak Fillin, serta seluruh keluarga besar penyusun atas segala kasih sayang, doa, nasehat dan dorongan semangat selama ini

untuk cepat-cepat lulus,

7) Angela Geraldine Hutabarat yang sudah selalu membantu, memberikan

semangat, dan motivasi dalam menyelesaikan Tugas Akhir ini dengan baik. 8) Sesto Sumurung, S.T., Andreas Simanjuntak, Billy Buana Putra, Victor

(16)

Penyusun menyadari sepenuhnya bahwa Tugas Akhir ini masih jauh dari sempurna yang disebabkan karena keterbatasan yang penyusun miliki. Untuk itu saran dan kritik yang bersifat membangun dari pembaca sangat penulis harapkan demi perbaikan dimasa yang akan datang.

Dengan segala kerendahan hati, penyusun berharap semoga Tugas Akhir ini dapat bermanfaat bagi semua pihak yang membutuhkan dan penyusun khususnya, serta bagi dunia pendidikan pada umumnya.

Bandung,22 Desember 2016

(17)

Daftar Pustaka

82 Universitas Kristen Maranatha

DAFTAR PUSTAKA

[1] Aprilius, G., 2015. "Teknik Watermarking Citra Digital Dalam Domain DCT (Discrete Cosine Transform) dengan Algoristma Double Embedding". Tugas Akhir Jurusan Teknik Elektro, Universitas Kristen Maranatha. Bandung, Indonesia.

[2] Barni, M., F.Bartolini, and A.Piva. Multichannel watermarking of color images.

IEEE Transaction on Circuits and Systems for Video Technology, 2002. [3] Chun-Yu-Cha g,”The Application of a Full Counterpropagation Neural Network to

I age Water arki g”,2005,IEEE.

[4] Gagalowicz, A., Wilfried Philips, 2005, Computer Analysis of Images and

Patterns: 11th International Conference, Versailles, France.

[5] Gonzalez, C.R. and Wood, E.R. 2008. Digital Image Processing, Third Edition,

Prentice Hall inc. Upper Saddle River, New Jersey.

[6] http://www.mathworks.com/help/images/ref/normxcorr2.html, diakses 7

September 2016.

[7] Li, X., & Xue, X. 2004. Improved robust watermarking in DCT domain for

color images. In Advanced Information Networking and Applications.

[8] M. Aryanto, 2015. "Blind Watermarking Pada Citra Digital Dalam Domain

Discrete Cosine Transform (DCT) Berbasis Algoritma Genetika". Tugas Akhir Jurusan Teknik Elektro, Universitas Kristen Maranatha. Bandung, Indonesia. [9] Samcovic, A., Jan Turan. Digital Image Watermarking by Spread Spectrum.