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%.
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%.
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
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
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
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
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 4.5 Watermark Hasil Ekstraksi Setelah Dilakukan Penambahan Gaussian
Noise Dengan Jumlah Neuron = 32 ... 46
Tabel 4.6 Watermark Hasil Ekstraksi Setelah Dilakukan Penambahan Gaussian
Noise Dengan Jumlah Neuron = 64 ... 48
Tabel 4.7 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Rotasi Dengan Jumlah Neuron = 16 ... 50
Tabel 4.8 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Rotasi Dengan Jumlah Neuron = 32 ... 52
Tabel 4.9 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Rotasi Dengan Jumlah Neuron = 64 ... 54
Tabel 4.10 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Scaling Dengan Jumlah Neuron = 16 ... 56
Tabel 4.11 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Scaling Dengan Jumlah Neuron = 32 ... 58
Tabel 4.12 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Scaling Dengan Jumlah Neuron = 64 ... 59
Tabel 4.13 Watermark Hasil Ekstraksi Setelah Dilakukan Proses JPEG Compression Dengan Jumlah Neuron = 16 ... 61
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 4.17 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Cropping Dengan Jumlah Neuron = 32 ... 69
Tabel 4.18 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Cropping Dengan Jumlah Neuron = 64 ... 71
Tabel 4.19 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Median Filtering Dengan Jumlah Neuron = 16 ... 73
Tabel 4.20 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Median Filtering Dengan Jumlah Neuron = 32 ... 75
Tabel 4.21 Watermark Hasil Ekstraksi Setelah Dilakukan Proses Median Filtering Dengan Jumlah Neuron = 64 ... 77
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?
Bab I Pendahuluan 2
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.
Bab I Pendahuluan 3
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.
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
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,
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
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
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
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.