WATERMARKING PADA MEDIA CITRA RASTER METODE HYBRID DWT DENGAN SVD

  

Raster Versus Vektor

Artikel ini sebagai tugas KOM611 - Topik Dalam Keamanan Informasi. 

Sebelum membahas watermarking mari kita bahas jenis citranya terlebih dahulu. Terdapat 2 jenis citra digital yaitu vektor dan raster (bitmap). Mari kita simak penjelasan dari citra raster dan vektor.

Apa Itu Citra Raster?

Raster adalah jenis gambar digital yang merepresentasikan gambar sebagai susunan titik-titik atau matriks. Tiap titik disebut pixel sebagai elemen terkecil yang menyusun gambar. Citra digital bitmap (citra bitmap) secara teknis sering disebut sebagai raster images. Citra digital jenis ini tersusun atas titik-titik yang disebut piksel (pixel). Manipulasi pada citra bitmap adalah manipulasi yang dilakukan pada tingkat piksel. Citra bitmap banyak digunakan pada media elektronik yang berbasis pada warna yang kontinyu atau citra dengan gradasi warna, misalnya dalam dunia fotografi digital ataupun menggambar digital. Citra bitmap adalah citra digital yang resolution-dependent, artinya citra yang bergantung pada resolusi. Resolusi adalah jumlah piksel persatuan luas, misalnya 72 piksel/inci yang merupakan ukuran standar dari citra bitmap.

Sebuah citra bitmap tersusun atas piksel-piksel yang posisinya tertentu dengan nilai kedalaman warna tertentu. Jika resolusi piksel terlalu rendah maka citra bitmap tampak bergerigi. Dalam dunia komputer grafis, citra bitmap murni ditulis dengan ekstension bmp (*.bmp), misal pemandangan.bmp. Pada gambar hitam-putih, pixel hanya bisa berwarna hitam atau putih. Sedangkan pada gambar berwarna, tiap-tiap pixel memiliki warna.

Foto adalah gambar raster atau bitmap yang paling umum

Jadi file gambar disimpan sebagai data matriks. Makin besar gambarnya, makin besar grid matriksnya. Otomatis makin banyak data yang disimpan dan makin besar ukuran filenya. Jadi file gambar dengan ukuran 18 megapixel, berukuran lebih besar dari file gambar berukuran 5 megapixel. Karena dimensinya berbeda. 

Apa Itu Citra Vektor?

Sebuah citra digital yang berbasis vektor (citra vektor/vector image) merupakan kumpulan garis dan kurva yang didefinisikan oleh persamaan matematika yang disebut vektor-vektor (vectors). Karena citra vektor tersusun dari vektor-vektor, maka citra tersebut dapat dimanipulasi tanpa kehilangan kualitas. Citra vektor merupakan jenis citra yang resolution-independent, artinya citra yang tidak bergantung pada resolusi. Citra jenis ini dapat diperbesar dan dicetak tanpa kehilangan kualitasnya. Namun citra vektor memerlukan banyak perhitungan matematika dalam proses.Pada gambar yang berjenis vektor, gambar didefinisikan dalam bentuk data informasi. Jadi gini, misalkan ada file gambar segitiga, maka datanya kira-kira seperti ini:

• koordinat tiap-tiap titik yang membentuk segitiga
• informasi garisnya, yaitu warna, ketebalan, jenis (garis solid, garis putus-putus)
• warna segitiga (warna solid, warna gradasi)

Grafik logo dan icon sederhana.

Jadi misalnya di sebelah gambar segitiga ada gambar lingkaran, maka ada data objek kedua berisi informasi koordinat pusat dari lingkaran, serta diameter, jenis garis dan warna. Seperti itulah gambaran data dalam gambar vektor. Jadi bentuk-bentuk geometris, shape, titik-titik, ataupun kurva, bisa dirangkai menjadi bentuk yang kompleks.

Format vektor jenis ini sangat mudah untuk diedit. Misalnya desainer yang menggambar logo bisa dengan mudah merubah warna bagian tertentu, merubah shapenya, membengkokkan garis, dan lainnya. Dan dengan karakteristik seperti ini, format vektor cocok untuk gambar yang non realistis/ non foto. Umumnya untuk pembuatan logo, layout, ilustrasi, infografis, peta, kartun dan lainnya.

Contoh lain penerapan vektor yang umum adalah font. Font modern di komputer berbasis data vektor. Jadi misalnya anda mengetik di Microsoft Word menggunakan font arial, ukuran font bisa diubah-ubah sekehendak hati tanpa kehilangan kualitasnya.

Jadi kalau gambar vektor, mau dicetak di kartu nama kecil, ukuran A4, bahkan ukuran spanduk segede gaban juga gambar atau teksnya tetap tajam dan mulus.

Bedanya raster dan vektor ketika di zoom

Bila ada gambar vektor dan raster, dengan dimensi yang sama, ketika diperbesar, barulah kelihatan bedanya. Raster akan terlihat susunan pixel-pixelnya. Sedangkan vektor, sama sekali tidak kehilangan kualitasnya.

Raster jika dizoom akan terlihat pixel kotak-kotak nya.

Sedangkan vector, diperbesar berapapun masih halus dan tajam.

Jadi cukup jelas kan dari definisi raster dan vektor diatas. Kita bisa simpulkan bahwa raster cocok untuk gambar detail rumit seperti foto atau painting. Sedangkan vektor cocok untuk logo, icon, ilustrasi, yang disusun dari shape-shape. Perbedaan paling jelas adalah ketika diperbesar.

Catatan: Ketika raster diperbesar, sebenarnya tidak selalu mengakibatkan efek kotak-kotak jaggy seperti contoh diatas. Ini karena seringkali software modern merender ulang gambar tersebut dengan menerapkan filter smoothing, demi mempertahankan kehalusannya. Hasilnya seperti efek blurry. Tapi tetap jelek dan tidak ideal.

Ukuran File Raster dan File Vektor

Seperti udah dibahas tadi, ukuran file raster akan membesar seiring dengan membesarnya ukuran gambar. Hitung-hitungan kasar aja, misalnya suatu gambar disimpan dalam format raster tertentu. Karena gambar ini berwarna, maka tiap titik pixelnya juga berwarna yang dibentuk dari gabungan tiga warna dasar R (red), G (green), B (blue). Jika masing-masing elemen warna berukuran 8 bit, artinya secara digital, 1 elemen warna bisa mencakup 256 kemungkinan atau variasi.

Hal ini mirip dengan teknologi display/layar. Tiap pixel di layar terdiri dari 3 lampu R, G, B. Nilai 0 artinya mati, nilai 255 artinya menyala penuh. Misal suatu pixel bernilai R=255, G=0, B=0, maka lampu led berwarna merah akan menyala full, lampu hijau dan biru mati. Misal bernilai R=255, G=128, B=128, maka lampu merah menyala full, lampu hijau dan biru menyala 50%, dan akan menghasilkan warna pink. Kalau contoh gambar di bawah, warna oranye muda adalah gabungan dari R= 251, G= 176 dan B= 59.

256 x 256 x 256 = 16,78 juta warna. Itulah jumlah warna berbeda yang bisa dimiliki tiap 1 pixel. Karena 1 pixel berupa data RGB, yang tiap elemen warna 8 bit, maka 1 pixel 8×3 = 24bit = 3 byte. Anggap ada foto 18 megapixel, dari namanya berarti ada 18 juta pixel. Ketika dibuka ternyata ukuran gambarnya 5184 x 3456px, jadi secara teknis 17.9 megapixel, atau dibulatkan menjadi 18 megapixel (pembulatan seperti ini sudah umum, termasuk ukuran storage seperti flashdisk, harddisk). Kemudian dikalikan 3 byte per pixel = 53.7 megabyte. Wow untuk 1 foto butuh segitu gedenya? Yup. Jika foto disimpan sesuai rumus kasar diatas. Bahkan harusnya lebih, karena ada data-data tambahan atau metadata.

Ukuran file vektor karena sifatnya yang resolution-independent, maka tidak tergantung dimensi, maka walau diperbesar berapa kali lipat pun, ukurannya pun tetap sama (atau tidak berbeda jauh). Misalnya gambar ukuran 100x100px bisa diperbesar dua kali lipat menjadi 200x200px. Wajar saja, karena yang berubah kira-kira hanya data dimensi atau kordinat saja. Ketika di-zoom pun, pada dasarnya tinggal dirender ulang pake skala yang baru.

Apa Itu Watermarking?

Abad ke-13 Tahun 1282 pabrik kertas di Fabriano, Italia membuat kertas yang diberi watermark dengan menekan bentuk cetakan gambar pada kertas (Cox et al. 2002) yang baru setengah jadi. Ketika kertas dikeringkan terbentuklah suatu kertas yang ber-watermark. Kertas ini biasa digunakan oleh seniman/sastrawan untuk mengidentifikasi karya seni milik mereka. Teknologi watermarking muncul pada tahun 1990 dan tahun 1993 oleh Andrew Tirkel et al. (1992) "Electronic Watermark" DICTA 93, Macquarie University, p.666-673 mulai menggunakan kata watermark dalam paper-nya. Teknologi watermarking merupakan suatu solusi didalam melindungi hak cipta kepemilikan terhadap data-data digital yang akhir-akhir ini dikembangkan para peneliti, yang memiliki sifat-sifat invisibility dan robustness yang dapat diatur serta data yang terwatermark dapat dipublikasikan layaknya data digital. 

Digital watermarking didasarkan pada ilmu steganografi, yaitu ilmu yang mengkaji tentang penyembunyian data. Teknik ini mengambil keuntungan dari keterbatasan indra manusia, khususnya penglihatan dan pendengaran, sehingga watermark yang dibutuhkan pada dokumen tidak akan disadari kehadirannya oleh manusia. Digital watermarking dikembangkan sebagai salah satu jawaban untuk menentukan keabsahan pencipta atau pendistribusian suatu data digital dan integritas suatu data digital. Teknik watermarking bekerja dengan menyisipkan sedikit informasi yang menunjukan kepemilikan, tujuan, dan data lain pada media digital tanpa mempengaruhi kualitasnya.

Watermarking sebenarnya berkaitan dengan steganografi, tetapi digunakan dalam konteks dan cara pandang yang berbeda. Secara literatur, kata Steganografi berasal dari Yunani yaitu Steganographia, yang berarti tulisan tersembunyi (covered writing) Steganografi adalah ilmu dan seni menyembunyikan pesan rahasia (hidding message) sedemikian sehingga keberadaan pesan tidak terdeteksi oleh manusia (Munir 2004). Baik watermarking maupun steganografi digunakan untuk menyembunyikan informasi atau memindahkan informasi ke dalam suatu media cover. Beberapa aplikasi watermarking antara lain, Broadcast Monitoring, Owner Identification, Proof of Ownership, Authentication, Fingerpriting, Copy control, dan Covert Communication. Teknik-teknik watermarking untuk citra digital yang telah dikembangkan, misalnya LSB, Amplitude Modulation, Patchwork, Spread Spectrum dan lain-lain. Persyaratan umum watermarking harus imperceptible, robustness dan secure.

Jenis Watermarking:

• Watermarking Gambar (citra: Gambar JPEG/GIF/BMNP/TIFF)
• Penandaan Air Video (video  MPEG)
• Tanda Air Audio (audio  MP3/WAV)
• Teks Watermarking  (Dokumen Ms. Word, PDF)

Menurut Kipper (2004) Tujuan Penggunaan Watermarking:

1. Fragile Watermarking: untuk menjaga integritas/orisinalitas media digital. Watermark serentan mungkin atau rusak apabila terjadi manipulasi pada media penyisipan.
2. Robust Watermarking: untuk menyisipkan informasi kepemilikan media digital dan watermark sekuat mungkin bertahan atau terdeteksi apabila terjadi manipulasi pada media penyisispan.

Menurut Kipper (2004) Jenis Watermarking Pada Citra Berdasarkan Karakteristiknya:

• Visible Watermarking: watermark yang terlihat pada media. Media akan mengalami perubahan tampilan setelah penyisipan.
• Invisible Watermarking: watermark yang tidak terlihat pada media. Media tidak akan mengalami perubahan tampilan secara signifikan setelah penyisipan.

(a) Invisible Watermark (b) Visible Watermark

Menurut Cox  et al. (2002)  Watermark  Berdasarkan Teknik Ekstraksi, yaitu :

1. Blind detectors: cara pengambilan watermark yang tidak membutuhkan berkas asli untuk mendeteksi keberadaan watermark disebut Public Watermarking Systems.
2. Informed detectors: cara pengambilan watermark yang harus mengetahui berkas asli untuk mendeteksi keberadaan watermark disebut Private Watermarking System.

Kegunaan Aplikasi Watermark yaitu sebagai berikut:

• Memberi label kepemilikan (ownership) karya digital
• Melindungi konten karya digital (copyright)
• Memeriksa integritas isi karya digital (tamper proofing): data authentification
• Otentikasi pengguna /sidik jari
• Aplikasi medis
• Komunikasi rahasia
• Perlindungan pembajakan

Metode Watermarking  adalah sebagai berikut:

1. Metode Spasial/ Spasial Domain:  Additive Wtermarking, Least Significant Bit  (LSB),  Patchwork Technique  dan T exture Mapping Coding.
2. Metode Transform/ Domain Frekuensi:  Discrete Cosine Transform  (DCT),  Discrete Wavelet Transform  (DWT),  Lifting Wavelet Transform,  Discrete Fourier Transform (DFT),  Discrete Hadammard Transform ,  Singular Value Decomposition (SVD).

Watermarking Citra Raster Digital Dengan Metode Hybrid Discrete Wavelet Transform (DWT) Dengan Singular Value Decomposition (SVD)

Salah satu cara untuk melindungi hak cipta produk digital adalah dengan menggunakan watermark. Watermark merupakan salah satu solusi untuk melindungi hak cipta terhadap citra digital yang diciptakan. Dengan diterapkannya watermarking ini maka hak cipta citra digital yang dihasilkan akan terlindungi dengan cara menyisipkan informasi tambahan seperti informasi pemilik, keaslian dalam bentuk teks, citra, audio, ataupun video ke dalam citra digital tersebut tanpa merusak citra asli. Discrete Wavelet Transform (DWT) dan Singular Value Decomposition (SVD) merupakan salah satu metode yang banyak digunakan dalam teknik watermarking dalam domain transformasi. Dalam Penelitian ini DWT digunakan untuk mentransformasi citra digital, sementara SVD digunakan sebagai proses penyisipan dan ekstraksi watermark.

Alfatwa membuat aplikasi watermarking menggunakan metode DWT. Mula-mula citra akan didekomposisi menjadi 4 subband, kemudian citra watermark akan disisipkan di salah satu subband tersebut. Hasil yang didapat cukup baik, citra cukup robust dengan serangan blurring dan kompresi. Basarudin dan Cahyana membuat apliaksi watermarking menggunakan metode SVD. Nilai singular dari watermark dikalikan dengan faktor scalling dan ditambahkan pada nilai singular dari citra asli. Metode ini tidak tergolong ke dalam blind watermarking karena membutuhkan citra asli dan citra yang telah disisipi watermark untuk melakukan proses ekstraksi watermark. Hasil yang didapat cukup memuaskan dalam proses penyisipan. Namun, saat citra berisi watermark mengalami serangan perubahan bentuk seperti rotasi citra, cropping, serta penambahan noise terhadap citra, citra watermark hasil ekstraksi yang diperoleh sangat buruk.

Sementara itu Shanti dan Thangavelu, membuat aplikasi watermarking dengan menggunakan kombinasi metode DWT dan SVD. Mula-mula citra akan didekomposisi dengan DWT menjadi 4 subband (LL, LH, HL dan HH), kemudian tiap subband akan didekomposisi menggunakan SVD sehingga menghasilkan nilai singular yang kemudian citra watermark akan disisipkan di dalamnya. Hasil pengujian yang diperoleh sangat baik, setelah dilakukan berbagai serangan terhadap citra, antara lain serangan rotasi, cropping, kompresi, penambahan noise, citra watermark hasil ekstraksi yang diperoleh tidak rusak. Berdasarkan permasalahan di atas, Penelitian ini akan menggunakan metode kombinasi DWT dan SVD. Maka penulis mencoba untuk mengimplementasikan metode hybrid DWT-SVD pada image watermarking. Dengan menggunakan citra host (asli) berwarna sehingga perlu dilakukan proses konersi citra RGB menjadi komponen Y, Cb, dan Cr. Pada masing-masing komponen warna tersebut akan dilakukan proses penyisipan citra watermark dengan metode DWT-SVD dan diakhir penyisipan dilakukan proses konversi kembali ke citra RGB.

Transformasi Gelombang Diskrit  (DWT)

Transformasi wavelet diperkenalkan tahun 1980-an oleh Morlet dan Grossman sebagai fungsi matematis untuk mempresentasikan data atau fungsi alternatif transformasi matematika untuk menangani masalah resolusi. Dasar dari DWT dimulai tahun 1976 digunakan untuk mendekomposisi sinyal waktu diskrit ditemukan. DWT berfungsi sebagai transformasi citra digital untuk mendapatkan informasi frekuensi dan waktunya secara bersamaan. DWT menggunakan dua fungsi dalam melakukan operasinya yaitu fungsi skala dan wavelet. Masing-masing  fungsi menghasilkan koefisien  pendekatan dan detail. Proses untuk menghasilkan koefisien-koefisien ini disebut dekomposisi. Untuk  menyatukan kembali koefisien-koefisien tersebut dilakukan Inverse DWT, proses ini disebut rekontruksi citra. Sebuah citra didekomposisi menggunakan DWT akan menghasilkan 4 subband, yaitu LL (Low-Low), HL(HighLow), LH(Low-High), dan HH(High-High). Subband ini lah yang kemudian akan digunakan untuk proses selanjutnya.

Dekompresi DWT citra

Dekomposisi Nilai Singular  (SVD)

SVD merupakan suatu teknik untuk mendekomposisi matriks berukuran apa saja untuk mempermudah pengolahan data. Hasil dari SVD ini adalah nilai singular yang disimpan dalam sebuah matriks diagonal SVD tergolong ke dalam teknik non-blind watermarking, karena membutuhkan citra asli dan citra watermark saat melakukan ekstraksi. Sebuah citra didekomposisi dengan menggunakan SVD akan menghasilkan 3 matriks, yaitu U, S dan V. Di dalam matriks S tersimpan nilai singular yang nantinya akan digunakan dalam proses penyisipan : C=U*S*V^T.

Dimana U dan V adalah matrik orthogonal sehingga U*U^T=I dan V*V^T=I, dimana I adalah matrik identitas dan S adalah matrik diagonal. Nilai tersebut dikenal dengan singular value dan matrik U dan V diketahui sebagai vektor singular.

Operasi SVD pada citra C

Desain Sistem

Proses penyisipan citra watermark ke dalam citra host dengan metode DWT-SVD

Proses ekstraksi citra ber-watermark dengan metode DW-SVD

Hasil dan Diskusi

Simulasi menggunakan Matlab 7.9.0 (R2009b) dengan menggunakan beberapa citra host 

berwarna berukuran 256×256 pixel dan sebuah citra watermark berukuran 128×128 yaitu:

(a) Citra host (b) Citra watermark

Pada simulasi yang telah dilakukan, citra watermark disisipkan pada citra host dengan menggunakan dua metode yaitu metode discrete wavelet transform (DWT) saja dan metode hybrid yaitu Discrete Wavelet Transform (DWT) dengan  Singular Value Decomposition (SVD).  Hasil simulasi kedua metode tersebut menunjukkan perbedaan pada beberapa hal, seperti pada PSNR dan ketahanan terhadap attack. Hasil simulasi menggunakan metode DWT, dimana hasil penyisipan watermark pada citra host dengan α=0.01 yaitu watermarked image dengan PSNR dalam dB. Nilai PSNR dari beberapa watermarked image, penyisipan watermark  terhadap citra host taylor.jpg memiliki PSNR paling tinggi yaitu 94.2046 dB. Dalam simulasi ini masih mengabaikan attack. Proses ekstraksi watermark menggunakan nilai α yang sama. Sehingga dari hasil simulasi menunjukkan semakin tinggi PSNR suatu watermarked image akan menyebabkan hasil ekstraksi watermark semakin mendekati citra watermark:

PNSR dan hasil ekstraksi watermark DWT

PNSR dan hasil ekstraksi watermark DWT dengan attack

Rumus PSNR

Hasil simulasi metode DWT untuk proses penyisipan dan ekstraksi watermark, dimana setelah proses penyisipan watermark pada citra host, watermarked image tersebut diberi attack. Semua watermarked image yang diberi attack seperti ditunjukkan pada tidak dapat diekstraksi watermark-nya. Sehingga selanjutnya metode hybrid DWT-SVD digunakan untuk menangani attack, agar watermark tetap dapat diekstraksi.

Proses penyisipan watermark dengan Arnold transform menghasilkan PSNR lebih tinggi dibandingkan tanpa Arnold transform. Hal tersebut seperti ditunjukkan pada watermarked image taylor.jpg, dengan  Arnold transform PSNR = 85.7959 dB, dan tanpa Arnold transform PSNR = 85.3901 dB. Proses penyisipan watermark dengan Arnold transform membuat hasil ekstraksi berbeda dengan  proses penyisipan watermark tanpa Arnold transform.  Penggunaan Arnold transform membuat semakin rendah PSNR maka semakin jelas watermark-nya, sedangkan pada saat tidak menggunakan Arnold transform akan terjadi sebaliknya.

Citra lena.tif dan taylor.jpg digunakan  untuk mengamati pengaruh besarnya α  terhadap hasil ekstraksi watermark menunjukkan perubahan α dari 0.01 hingga 0.9. Perubahan α dalam simulasi dilakukan saat proses ekstraksi watermark. Sedangkan perubahan α tidak dilakukan dalam proses penyisipan watermark, dimana α yang digunakan  tetap 0.01 agar menghasilkan  watermarked image yang serupa dengan citra host. Watermarked image lena.tif memiliki similarity factor (SF) lebih tinggi dibanding watermarked image taylor.jpg. Hal tersebut dikarenakan PSNR watermarked image taylor.jpg lebih tinggi daripada watermarked image lena.tif, karena seperti yang dijelaskan sebelumnya bahwa semakin rendah PSNR maka semakin jelas watermark-nya. Perubahan nilai α berpengaruh terhadap seberapa jelas hasil ekstraksi watermark, dimana semakin tinggi nilai α dengan PSNR yang tetap, maka SF akan semakin mendekati satu. Penggunaan Arnold trasform tidak selalu memperbaiki hasil ekstraksi watermark, tetapi dengan transform  menggunakan Arnold transform nilai SF-nya cenderung lebih tinggi atau lebih mendekati satu.

Pengaruh α terhadap hasil ekstraksi watermark DWT-SVD tanpa Arnold Transform

Penggunaan nilai α saat proses penyisipan watermark ke dalam citra host sangat berpengaruh terhadap citra ter-watermark dan tentu saja terhadap nilai PSNR. Perbandingan hasil penggunaan α saat proses penyisipan dengan menggunakan metode DWT menunjukkan bahwa semakin besar nilai α maka watermark yang disisipkan akan semakin terlihat seiring dengan tingkat kecerahan citra host yang semakin rendah. Berdasarkan pengamatan, watermark mulai terlihat saat menggunakan nilai α  sama dengan 0.1, namun tidak tampak jelas tergantung citra host yang digunakan. Empat citra yang digunakan diketahui PSNR paling tinggi dihasilkan oleh citra taylor dengan nilai 94.2046 dB dan paling rendah dihasilkan oleh citra Hawaii dengan nilai 56.1324.

Pengaruh α terhadap hasil ekstraksi watermark DWT-SVD dengan  Arnold Transform

Selain itu perbandingan hasil penggunaan α saat proses penyisipan dengan menggunakan metode DWT-SVD menunjukkan bahwa besar nilai α yang digunakan saat penyisipan watermark berpengaruh terhadap citra hasil proses watermarking. Semakin besar nilai α yang digunakan maka citra ter-watermark semakin cenderung mengalami perubahan menjadi citra dengan unsur warna merah muda. Berdasarkan data penelitian, citra ter-watermark mulai terlihat unsur warna merah muda ketika α sama dengan 0.1 dan seterusnya. Selain itu, semakin besar nilai α yang digunakan pada saat penyisipan watermark maka semakin rendah nilai PSNR yang diperoleh. 

Pengaruh penggunaan α saat penyisipan watermark terhadap nilai PNSR

Hasil simulasi yang ditunjukkan merupakan hasil ekstraksi dari watermarked image yang diberi attack. Attack yang digunakan adalah Gaussian noise, rotation, dan  blurring. Menggunakan Arnold transform dan tanpa menggunakan Arnold transform. Pada simulasi penambahan Gaussian noise dan blurring menunjukkan bahwa penggunaan Arnold transform dapat memberikan hasil ekstraksi lebih jelas. Hal sebaliknya terjadi pada attack berupa rotation  yang menunjukkan tanpa Arnold transform dapat memberikan hasil ekstraksi lebih jelas. Penambahan attack tidak selalu menunjukkan nilai SF tinggi yang bisa menampilkan hasil ekstraksi lebih jelas atau mendekati citra watermark.

Hal tersebut seperti simulasi penambahan attack blurring, dimana saat α = 0.01, dengan Arnold transform menunjukkan SF = 0.2016 memiliki hasil ekstraksi lebih bagus, dibandingkan tanpa Arnold transform yang menunjukkan SF lebih tinggi yaitu 0.6038.  Ini dikarenakan saat SF = 0.2016, warnanya berlawanan dengan citra watermark. Berdasarkan hasil simulasi yang ditunjukkan, maka dengan menggunakan metode hybrid DWT-SVD ini, watermarked image lebih tahan terhadap attack. Sehingga walaupun diberi attack, watermarked image tetap dapat diekstraksi untuk mengetahui identitas dari citra.

Kesimpulan

1. Berdasarkan simulasi yang telah dilakukan maka dapat disimpulkan beberapa hal, yaitu : Penyisipan watermark terhadap citra host taylor.jpg memiliki PSNR paling tinggi yaitu 94.2046 dB saat proses ekstraksi watermark menggunakan nilai α yang sama dan masih mengabaikan attack.
2. Metode DWT-SVD lebih tahan terhadap attack dibandingkan dengan metode DWT.
3. Proses penyisipan watermark dengan  Arnold transform menghasilkan PSNR lebih tinggi dibandingkan tanpa Arnold transform, dimana dengan Arnold transform PSNR = 85.7959 dB, dan tanpa Arnold transform PSNR = 85.3901 dB.
4. Semakin rendah PSNR maka semakin tinggi nilai similarity factor (SF) dan semakin jelas watermark-nya.
5. Semakin besar nilai α yang digunakan pada saat penyisipan watermark maka semakin rendah nilai PSNR yang diperoleh.
6. Saat nilai PSNR tetap, semakin tinggi nilai α maka SF akan semakin mendekati satu.
7. Penggunaan Arnold transform tidak selalu memperbaiki hasil ekstraksi watermark, tetapi dengan menggunakan Arnold transform nilai SF-nya cenderung lebih tinggi atau lebih mendekati satu.
8. Penggunaan Arnold transform dapat mengenkripsi watermark sehingga lebih tahan terhadap attack dan watermark dapat diekstraksi kembali.

Referensi

• Alfatwa, D, F., 2007. Watermarking Pada Citra Digital Dengan Menggunakan Discrete Wavelet Transform. Skripsi S-1, Program Studi Teknik Informatika, Institut Teknologi Bandung, Bandung. 
• Basaruddin, T., et al. 2006. Penyisipan Tanda Air Pada Citra Dijital Berbasis Dekomposisi Nilai Singular (DNS). Skripsi S-1, Fakultas Ilmu Komputer, Universitas Indonesia, Depok. 
• Chaturvedi, Navnidhi dkk. 2012.  Analisis Image Watermarking dengan DWT dan Performance Under Attacks. Jurnal Internasional Teknologi Komputer dan Elektronika.
• Engineering (IJCTEE), Vol.2, Issue.3, Juni. Kamble, Sushila dkk. 2012. Watermarking Citra Robust Berbasis DWT-SVD  Menggunakan Peta Arnold. Jurnal Internasional Teknologi Informasi dan Manajemen Pengetahuan , Vol.5, No.1, hal 101-105, Januari-Juni.
• Jemi, A. 2007. Penerapan Watermarking Untuk Penyisipan Hak Cipta Pada Citra Digital Dengan Metode COX. Institut Pertanian Bogor.
• Maretha Ruswiansari  dkk . 2016.  Implementasi Discrete Wavelet Transform  (DWT) dan  Singular Value Decompsition  (SVD) pada  Image Watermarking .
• Munir, Rinaldi. 2006. Diktat Kuliah IF5054 Kriptografi. Bandung : Institut Teknologi Bandung. 
• Simanjuntak AC et al. 2015. Watermarking Citra Digital Pada Ruang Warna YUV Dengan Kombinasi Metoe DWT dan SVD.Universitas Diponegoro.
• Shanti, V. dan Thangavelu, A., “DWT-SVD  Combined Full Band Robust Watermarking Technique For Color Images in  YUV Color Space”, International Journal of Computer Theory and Engineering, Vol. 1 No. 4, Oktober 2009. 
• Tyas, L, A., 2011. Watermarking Citra Digital Berbasis DWT dan SVD dengan Detektor Non-Blind. Skripsi S-1, Program Studi Teknik Informatika. Universitas Diponegoro, Semarang.
• Zhou, Yaxun  dkk . 2012.  Skema Multi-watermarking Citra Digital yang Kuat di  Domain DWT. Konferensi Internasional tentang Sistem dan Informatika. 

Keterangan: Tulisan ini dibuat untuk memenuhi Tugas KOM611- Topik Dalam Keamanan Informasi (Alita Wulan Dini)