Upload
truongtuong
View
218
Download
0
Embed Size (px)
Citation preview
i
IMPLEMENTASI AUDIO WATERMARKING MENGGUNAKAN
METODE DWT-SVD DENGAN TEKS SEBAGAI WATERMARK
BAMBANG WIJONARKO
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
ii
IMPLEMENTASI AUDIO WATERMARKING MENGGUNAKAN
METODE DWT-SVD DENGAN TEKS SEBAGAI WATERMARK
BAMBANG WIJONARKO
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
i
ABSTRACT
BAMBANG WIJONARKO. Implementation of Audio Watermarking using DWT-SVD Method
with Text as Watermark. Supervised by HENDRA RAHMAWAN.
The growth of data and network communication technologies has made digital data, such
as audio, easier to be distributed illegally. Therefore, copyright protection becomes an important
issue. Digital audio watermarking has been proposed as one of the possible solutions. It is a
process of information insertion and extraction to and from an audio file without influencing the
audio quality. Digital audio watermarking has been developed in several domains, such as time
domain, frequency domain, and spatial domain. In this research, the audio watermarking has been
implemented using DWT-SVD method that combines the frequency and spatial domain. This
method works by combining the virtue of mathematical transform: the discrete wavelet transform
(DWT) and singular value decomposition (SVD). Perceptibility and robustness of this method
were analyzed using variance of watermark intensity and several attacks. It was found that the watermarked audio has good perceptibility at low watermark intensity of 0.1 to 0.3. Furthermore,
the watermarked audio was found to be robust to some attacks namely amplify, invert, low pass
filtering, high pass filtering, and resampling attacks at higher watermark intensity. Thus, this
research proved the trade-off between perceptibility and robustness in digital audio watermarking.
Keywords: audio watermarking, discrete wavelet transform (DWT), singular value decomposition
(SVD), perceptibility, robustness.
ii
Judul Skripsi : Implementasi Audio Watermarking Menggunakan Metode DWT-SVD dengan
Teks sebagai Watermark
Nama : Bambang Wijonarko
NIM : G64080052
Menyetujui:
Pembimbing
Hendra Rahmawan, S.Kom, M.T
NIP.198205012009121004
Mengetahui: Ketua Departemen Ilmu Komputer
Dr. Ir. Agus Buono, M.Si, M.Kom
NIP.196607021993021001
Tanggal Lulus :
iii
PRAKATA
Puji syukur kepada Allah subhanahu wa ta’ala yang telah memberikan rahmat dan
hidayah-Nya sehingga skripsi ini dapat diselesaikan. Skripsi ini disusun berdasarkan hasil
penelitian dengan judul Impelementasi Audio Watermarking Menggunakan Metode DWT-SVD
dengan Teks sebagai Watermark. Penulis mengucapkan terima kasih kepada semua pihak yang
telah mendukung sehingga skripsi ini dapat diselesaikan, di antaranya:
1 Kedua orang tua dan keluarga atas segala doa dan dukungannya.
2 Bapak Hendra Rahmawan, S.Kom, M.T selaku dosen pembimbing yang telah memberikan
saran dan bimbingan.
3 Bapak Aziz Kustiyo, S.Si, M.Kom dan Ibu Karlisa Priandana, S.T, M.Eng selaku dosen
penguji.
4 Rekan-rekan Ilkomerz 45 atas persahabatan dan kebersamaan selama ini.
5 Rekan-rekan satu kontrakan Suhandas dan Wisma Alma.
6 Seluruh staf dan karyawan Departemen Ilmu Komputer FMIPA IPB.
Penulis menyadari bahwa masih banyak kekurangan dalam penelitian ini. Oleh karena itu,
penulis mengharapkan kritik dan saran yang membangun demi perbaikan penelitian selanjutnya.
Semoga skripsi ini bermanfaat.
Bogor, Januari 2013
Bambang Wijonarko
iv
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 20 Juni 1990. Penulis adalah anak pertama dari
tiga bersaudara, pasangan Sujarno dan Marjuati. Penulis lulus dari SMA Negeri 89 Jakarta pada
tahun 2008. Pada tahun yang sama penulis melanjutkan pendidikan di Institut Pertanian Bogor
(IPB) melalui jalur USMI (Ujian Seleksi Masuk IPB) pada Departemen Ilmu Komputer, Fakultas
Matematika dan Ilmu Pengetahuan Alam (FMIPA). Penulis menjadi salah satu pengurus Himpunan Mahasiswa Ilmu Komputer (Himalkom) IPB pada tahun 2009 hingga tahun 2011. Pada
tahun 2011 penulis menjalani kegiatan praktik kerja lapangan di Fungsi Network Support – CSS
PT. Pertamina (Persero). Penulis menjadi asisten praktikum Mata Kuliah Basis Data dan Mata
Kuliah Komunikasi Data dan Jaringan Komputer pada semester genap tahun 2012.
v
DAFTAR ISI
Halaman
DAFTAR TABEL ......................................................................................................................vi
DAFTAR GAMBAR ..................................................................................................................vi
PENDAHULUAN Latar Belakang ........................................................................................................................1 Tujuan .....................................................................................................................................1 Ruang Lingkup ........................................................................................................................1
TINJAUAN PUSTAKA Digital Watermarking ..............................................................................................................1 Audio Watermarking................................................................................................................2 Discrete Wavelet Transform (DWT) ........................................................................................2 Singular Value Decomposition (SVD) ......................................................................................2 Signal to Noise Ratio (SNR) ....................................................................................................2 Serangan Terhadap Audio Watermarking .................................................................................3
METODE PENELITIAN Lingkungan Penelitian .............................................................................................................3 Penyisipan Watermark .............................................................................................................3 Pengekstraksian Watermark .....................................................................................................5 Rancangan Pengujian dan Analisis Hasil ..................................................................................6
HASIL DAN PEMBAHASAN Analisis Perseptibilitas .............................................................................................................6 Analisis Ketahanan Terhadap Serangan ....................................................................................7 Analisis Ketahanan Terhadap Serangan Amplify .......................................................................7 Analisis Ketahanan Terhadap Serangan Invert ..........................................................................7 Analisis Ketahanan Terhadap Serangan Low Pass Filtering ......................................................8 Analisis Ketahanan Terhadap Serangan High Pass Filtering.....................................................8 Analisis Ketahanan Terhadap Serangan Resampling .................................................................8 Analisis Ketahanan Terhadap Serangan Kompresi MP3 ...........................................................9 Perbandingan Waktu Eksekusi .................................................................................................9
SIMPULAN DAN SARAN Simpulan ............................................................................................................................... 10 Saran ..................................................................................................................................... 10
DAFTAR PUSTAKA ................................................................................................................ 10
LAMPIRAN .............................................................................................................................. 11
vi
DAFTAR TABEL
Halaman
1 Daftar berkas audio ................................................................................................................... 6
2 Daftar nilai alpha yang tidak memiliki ketahanan pada setiap serangan ...................................... 7
3 Daftar percobaan perbandingan waktu eksekusi ......................................................................... 9
DAFTAR GAMBAR
Halaman
1 Dekomposisi DWT 4 level (Al Haj & Mohammad 2010). .......................................................... 2
2 Alur pemrosesan berkas watermark. .......................................................................................... 3
3 Alur penyisipan watermark. ...................................................................................................... 4
4 Formulasi matriks DC. .............................................................................................................. 4
5 Alur pengekstraksian watermark. .............................................................................................. 5
6 Grafik hasil perhitungan SNR.................................................................................................... 6
7 Grafik perbandingan waktu eksekusi. ........................................................................................ 9
1
PENDAHULUAN
Latar Belakang
Perkembangan teknologi komunikasi data
dan jaringan saat ini telah membuat
penyebaran data digital, seperti audio, dan
penyalahgunaan kepemilikannya menjadi semakin mudah. Teknik digital watermarking
dapat diterapkan sebagai salah satu solusi
untuk perlindungan kepemilikan dari suatu
data digital. Teknik digital watermarking
yang efisien harus dapat menyimpan
informasi tersembunyi dalam suatu data
digital tanpa merusak kualitas berkas aslinya
dan memiliki ketahanan terhadap manipulasi
digital sehingga informasi watermark yang
disimpan tetap dapat diekstrak kembali.
Beberapa domain teknik digital audio watermarking yang telah dikembangkan di
antaranya domain waktu, frekuensi, dan
spasial (Gordy 2000). Teknik digital
watermarking dengan domain spasial
memiliki kelebihan dalam menghasilkan
imperceptibility yang baik. Teknik digital
watermarking pada domain frekuensi
memiliki kelebihan dalam menghasilkan
robustness yang baik.
Pada penelitian ini dilakukan teknik digital
audio watermarking dengan menggabungkan
domain frekuensi dan spasial, yaitu Discrete Wavelet Transform (DWT) dan Singular
Value Decomposition (SVD) dengan berkas
watermark berupa teks. DWT dapat
menghasilkan rekonstruksi sinyal yang
sempurna sehingga dapat meningkatkan
robustness. SVD memungkinkan penyisipan
informasi dengan mengubah nilai-nilai
singular dan perubahan yang tidak signifikan
pada nilai singular tersebut dapat menjamin
imperceptibility yang baik. Penggabungan
domain ini merujuk pada algoritme yang diajukan Al-Haj dan Mohammad (2010) yang
telah dicobakan dengan berkas watermark
berupa citra grayscale.
Pada penelitian ini, berkas watermark
yang digunakan adalah teks ASCII. Karakter
teks ASCII sangat rentan terhadap perubahan
yang terjadi. Perubahan satu bit saja dapat
mengubah nilai ASCII suatu karakter dan
menghasilkan karakter yang berbeda. Oleh
karena itu, penelitian ini dilakukan untuk
mengetahui ketahanan metode audio
watermarking jika berkas watermark yang disisipkan berupa teks.
Tujuan
Tujuan penelitian ini adalah:
1 Mengimplementasikan teknik digital
audio watermarking menggunakan
Discrete Wavelet Transform dan Singular
Value Decomposition dengan teks sebagai
watermark.
2 Menganalisis perseptibilitas watermarked
audio dengan variasi intensitas watermark
yang berbeda.
3 Menganalisis ketahanan watermarked audio terhadap beberapa jenis serangan.
Ruang Lingkup
Berkas audio yang digunakan adalah mono
audio dengan format WAV dan sampling rate
44100 Hz. Berkas watermark yang disisipkan
berupa teks ASCII berisi 10 karakter. Analisis
uji ketahanan dilakukan dengan serangan
amplify, invert, low pass filtering, high pass
filtering, resampling, dan kompresi MP3.
TINJAUAN PUSTAKA
Digital Watermarking
Digital watermarking merupakan teknik
penyisipan informasi tertentu ke dalam data
digital. Watermark dapat berupa teks, gambar,
audio, atau rangkaian bit yang menunjukkan
informasi kepemilikan suatu data digital.
Secara umum, digital watermarking terdiri atas dua tahapan, yaitu penyisipan watermark
dan pengekstraksian watermark. Penyisipan
watermark dilakukan tanpa merusak kualitas
data aslinya. Watermark yang telah disisipkan
akan tersimpan secara permanen dalam data
digital sehingga watermark akan tetap terbawa
jika data digital tersebut didistribusikan atau
diduplikasi.
Terdapat beberapa kriteria yang harus
dipenuhi oleh aplikasi watermarking, yaitu
imperceptibility, robustness, dan security. Imperceptibility berarti bahwa berkas hasil
penyisipan watermark harus dibuat semirip
mungkin dengan berkas aslinya. Robustness
berarti bahwa berkas hasil penyisipan
watermark harus memiliki ketahanan terhadap
berbagai teknik manipulasi digital dan
watermark harus dapat diekstraksi kembali.
Security berarti bahwa keberadaan watermark
tidak mudah dideteksi dan dihilangkan (Gordy
2000).
2
Audio Watermarking
Audio watermarking merupakan bagian
dari digital watermarking yang terdiri atas
proses penyisipan informasi ke dalam berkas
audio dan pengambilan informasi dari berkas
audio tanpa memengaruhi kualitas berkas
audio tersebut. Informasi yang disisipkan
dapat berupa berkas yang tidak dapat didengar
seperti teks, gambar, atau serangkaian bit
tertentu (Cvejic 2004). Berdasarkan domain
penyisipannya metode audio watermarking terbagi menjadi domain waktu, frekuensi, dan
spasial.
Metode pada domain waktu bekerja
dengan mengubah berkas audio yang akan
disisipkan watermark secara langsung dalam
domain waktu. Secara umum metode ini
rentan terhadap proses kompresi, filtering,
transmisi, dan encoding. Beberapa metode
yang termasuk dalam domain waktu adalah
Least Significant Bit (LSB) dan Echo Hiding.
(Bender et al. 1996).
Metode pada domain frekuensi bekerja
dengan mengubah spektrum frekuensi dari
sinyal audio. Teknik ini biasanya
menggunakan DFT (Discrete Fourier
Transform), DCT (Discrete Cosine
Transform), atau DWT (Discrete Wavelet
Transform) yang mengubah sinyal audio
untuk menempatkan lokasi penyisipan
watermark (Mitra 1998).
Discrete Wavelet Transform (DWT)
Discrete Wavelet Transform (DWT) adalah algoritme transformasi yang dapat
memberikan representasi time-frequency dari
sinyal dengan pemfilteran digital. Berawal
dari sinyal audio asli S, DWT menghasilkan
dua himpunan koefisien. Koefisien
aproksimasi A dihasilkan dengan melewatkan
sinyal S melalui low pass filter. Koefisien
detail D dihasilkan dengan melewatkan sinyal
S melalui high pass filter (Mallat 1989).
Persamaan DWT didefinisikan sebagai
berikut:
W(j, k) = ∑ ∑ ( ) - ⁄ - -
dengan t adalah mother wavelet dan
adalah sampel sinyal. Transformasi wavelet
dapat dilakukan secara iteratif dalam beberapa
tingkat. Ilustrasi dekomposisi sinyal pada
transformasi wavelet secara bertingkat dapat
dilihat pada Gambar 1. Sinyal hasil
dekomposisi dapat dibentuk kembali menjadi sinyal baru dengan tahapan invers wavelet.
Salah satu jenis wavelet yang banyak
digunakan adalah wavelet Haar. Wavelet
Haar merupakan jenis wavelet yang sederhana
yang dapat diterapkan pada transformasi
sinyal.
S
D1
A1
D2
A2
D3
A3
D4
A4
Gambar 1 Dekomposisi DWT 4 level (Al Haj
& Mohammad 2010).
Singular Value Decomposition (SVD)
Singular Value Decomposition (SVD) adalah proses faktorisasi matriks yang
mendekomposisi suatu matriks menggunakan
basis vektor Eigen (Kardamis 2007). SVD
dari suatu matriks A berukuran NxN
didefinisikan oleh operasi A = U S VT yang
ditunjukkan pada formula berikut:
[
] [
] [
]
Diagonal entri dari S disebut nilai singular
dari matriks A dan diasumsikan untuk disusun
menurun Si > Si+1. Matriks U disebut vektor
singular kiri dan matriks V disebut vektor
singular kanan dari matriks A.
Signal to Noise Ratio (SNR)
Signal to Noise Ratio (SNR) adalah suatu
ukuran dalam bidang engineering yang
membandingkan antara kekuatan sinyal asli
yang diinginkan dan kekuatan sinyal yang
mengandung noise. Nilai SNR yang rendah menunjukkan sinyal telah mengalami distorsi
yang besar. Kualitas sinyal yang baik
memiliki nilai SNR lebih dari 30 dB (Pelton
1993). Secara umum, perhitungan SNR
ditunjukkan pada persamaan berikut:
( ) ∑ n n
∑ e n n
dengan x(n) adalah sinyal asli dan e(n) adalah
sinyal yang mengandung noise.
Dalam penelitian audio watermarking,
SNR digunakan untuk mengukur kesamaan
antara sinyal audio asli yang tidak terdistorsi
dan sinyal watermarked audio yang terdistorsi
3
(Gordy 2000). Perhitungan SNR pada audio
watermarking adalah sebagai berikut:
SNR(dB) = ∑
n
[ (n) - n ]
-
n
dengan N adalah jumlah sampel audio, n
adalah nilai sampel audio asli dan n adalah
nilai sampel watermarked audio.
Serangan Terhadap Audio Watermarking
Menurut Lang et al. (2006), terdapat suatu
standar pengujian ketahanan watermarked
audio yang terdiri atas serangkaian serangan
yaitu Stirmark Watermarking Benchmark for
Audio (SMBA) merupakan. Untuk melakukan
serangan terhadap watermarked audio dapat
digunakan bantuan aplikasi Audacity sebagai
alternatif dalam pengujian ketahanan terhadap
serangan. Beberapa jenis serangan yang dapat
dilakukan dengan bantuan aplikasi Audacity
di antaranya:
Amplify, yaitu mengubah tingkat kebisingan watermarked audio dengan
meningkatkan amplitudonya dengan
rumusan sebagai berikut.
( ) fact
adalah sampel audio setelah
serangan, ( ) adalah sampel audio asli,
dan fact
adalah 0.5.
Invert, yaitu mengubah seluruh nilai
sampel audio dengan nilai kebalikannya
berdasarkan phase shift 180° dengan
rumusan sebagai berikut.
( ) adalah sampel audio setelah serangan
dan ( ) adalah sampel audio asli.
Low Pass Filtering, yaitu memfilter sinyal
audio yang memiliki frekuensi lebih tinggi
dari 15000 Hz dengan rumusan sebagai
berikut.
( ) ( ) ( )
e h esh ld a le ate
adalah sampel audio setelah
serangan, ( ) adalah sampel audio asli,
dan Threshold adalah 15000.
High Pass Filtering, yaitu memfilter sinyal audio yang memiliki frekuensi lebih
rendah dari 150 Hz dengan rumusan
sebagai berikut.
( ) ( ) ( )
e h esh ld a le ate
-
adalah sampel audio setelah
serangan, ( ) adalah sampel audio asli,
dan Threshold adalah 150.
Resampling, yaitu mengubah sample rate
dari berkas audio.
Pengubahan format audio menjadi MP3, kemudian mengubah formatnya kembali
menjadi WAV.
METODE PENELITIAN
Lingkungan Penelitian
Berkas audio yang digunakan terdiri atas
instrument, speech, dan pop dengan format WAV. Jenis audio instrument mewakili audio
yang terdiri atas suara alat musik saja. Jenis
audio speech mewakili audio yang terdiri atas
suara vokal manusia saja. Jenis audio pop
mewakili audio yang merupakan gabungan
antara suara alat musik dan vokal manusia.
Berkas watermark yang digunakan berupa
teks ASCII yang berisi 10 karakter.
Implementasi metode audio watermarking ini
dibuat menggunakan MATLAB R2008b.
Pengujian serangan terhadap watermarked audio menggunakan bantuan aplikasi
Audacity 2.02.
Penyisipan Watermark
Proses penyisipan watermark memerlukan
berkas audio asli dan berkas watermark yang
akan disisipkan sehingga menghasilkan sinyal
watermarked audio. Alur pemrosesan berkas
dapat dilihat pada Gambar 2. Alur penyisipan
watermark dapat dilihat pada Gambar 3.
Rincian perhitungan tiap tahap pada proses
penyisipan watermark dapat dilihat pada Lampiran 1.
Berkas
watermark
Bit-bit
watermark
Konversi karakter
ASCII ke karakter
biner
Hitung jumlah bit
watermark
Jumlah bit
watermark
Mulai
Selesai
Gambar 2 Alur pemrosesan berkas
watermark.
4
Mulai
Sinyal
audio asli
Jumlah bit
watermark
Hitung panjang
sampel audio asli
Pembagian frame
sinyal audio
Transformasi DWT
4 level pada tiap
frame
Pembentukan
matriks DC
Transformasi SVD
Penyisipan bit
watermark pada nilai
singular
Invers SVD
Invers DWT 4 level
Sinyal watermarked
audio
Selesai
Penggabungan
seluruh watermarked
frame
Nilai
singular
audio asli
Apakah masih
ada frame?
Tidak
Ya
Watermarked
frame
Simpan nilai
singular pada tiap
frame
Berkas
kunci
watermark
Bit-bit
watermark
Gambar 3 Alur penyisipan watermark.
Penjelasan dari alur penyisipan watermark
adalah sebagai berikut:
1 Baca berkas watermark berupa teks ASCII
yang berisi 10 karakter. Konversi setiap
karakter menjadi rangkaian bit sesuai nilai
ASCII dalam bentuk matriks satu dimensi,
kemudian hitung jumlah bit watermark
yang akan disisipkan.
2 Sampling sinyal audio asli dengan
sampling rate 44100 Hz. Setelah itu,
partisi sinyal tersebut menjadi beberapa frame. Jumlah frame ditentukan sebanyak
jumlah bit watermark dan setiap frame
berukuran sama. Selanjutnya, setiap frame
dilakukan penyisipan satu bit watermark.
3 Lakukan transformasi DWT 4 level pada
setiap frame Fi. Jenis DWT yang
digunakan adalah wavelet Haar.
Transformasi tersebut menghasilkan
beberapa matriks koefisien hasil
transformasi: D1, D2, D3, D4, dan A4. Dn
menunjukkan koefisien detail dan A4
menunjukkan koefisien aproksimasi.
4 Susun matriks-matriks koefisien detail D1,
D2, D3, dan D4 dari hasil transformasi
DWT menjadi matriks yang dinamakan
DC dengan ukuran 4 x (L/2). L adalah
panjang tiap frame. Formulasi matriks DC
ditunjukkan pada Gambar 4.
D1
D2 D2
D3 D3 D3 D3
D4 D4 D4 D4 D4 D4 D4 D4
Gambar 4 Formulasi matriks DC.
5 Dekomposisi matriks DC dengan operator
SVD yang menghasilkan tiga matriks
orthonormal S, U, VT sebagai berikut:
DC =
dengan S adalah matriks diagonal 4 x 4
berikut:
[
]
Diagonal Sii merupakan nilai singular
bukan nol dari matriks DC. Nilai S11 digunakan untuk penyisipan bit watermark
pada setiap frame, simpan nilai S11
sebagai berkas kunci untuk pembandingan
pada proses ekstraksi watermark.
Kumpulan nilai S11 dari setiap frame
disimpan dalam suatu file teks yang
disusun secara berurutan.
6 Sisipkan bit watermark dari karakter
ASCII pada teks ke dalam sinyal audio
yang telah ditransformasi DWT-SVD
dengan formula berikut:
w n
dengan w n adalah bit watermark 0 atau
1, adalah intensitas watermark, S11
adalah nilai kiri atas dari matriks S, dan
S11w adalah S11 yang telah diubah. Rentang
nilai intensitas watermark ( ) adalah 0
sampai 1.
7 Susun kembali sinyal akhir watermarked
audio dengan proses berikut:
hitung operasi invers SVD dengan
matriks U dan VT yang tidak diubah
5
dan matriks S yang sudah dimodifikasi
sehingga menghasilkan matriks yang
dinamakan CDW. Matriks ini
merupakan matriks DC yang
dimodifikasi. Bentuk persamaannya
ditunjukkan sebagai berikut:
hitung operasi invers DWT pada
matriks untuk mendapatkan
masing-masing sinyal watermarked audio dari setiap frame
gabungkan keseluruhan sinyal
watermarked audio dari semua frame
secara berurutan.
Pengekstraksian Watermark
Pada tahap pengekstraksian watermark
diperlukan sinyal watermarked audio dan nilai
singular dari setiap frame pada sinyal audio
asli. Alur pengekstraksian watermark dapat
dilihat pada Gambar 5. Rincian perhitungan
tiap tahap pada proses pengekstraksian watermark dapat dilihat pada Lampiran 2.
Mulai
Sinyal
watermarked
audio
Berkas kunci
watermark
Hitung panjang
sampel watermarked
audio
Hitung banyaknya
nilai singular
Hitung banyaknya
frame pada audio
Pembagian frame
sinyal audio
Transformasi DWT
4 level pada tiap
frame
Pembentukan
matriks DC
Transformasi SVD
Pembandingan nilai
singular
Pembentukan teks
watermak
Teks
watermark
Selesai
Bit-bit hasil
ekstraksi
Apakah masih
ada frame?
Tidak
Ya
Gambar 5 Alur pengekstraksian watermark.
Penjelasan alur pengekstraksian watermark
adalah sebagai berikut:
1 Baca berkas kunci watermark berupa file
teks yang berisi kumpulan nilai singular
dari sinyal audio asli dalam bentuk
matriks satu dimensi, kemudian hitung
banyaknya nilai singular.
2 Baca sinyal watermarked audio dan partisi
menjadi beberapa frame yang berukuran
sama. Jumlah frame ditentukan sebanyak nilai singular dari berkas kunci.
Selanjutnya, lakukan transformasi pada
setiap frame dan proses ekstraksi bit
watermark. Setiap frame menghasilkan
satu bit hasil ekstraksi watermark.
3 Lakukan transformasi DWT 4 level pada
setiap frame seperti pada tahap penyisipan
watermark. Transformasi tersebut juga
menghasilkan beberapa matriks koefisien
hasil transformasi: D1, D2, D3, D4, dan A4.
4 Susun matriks-matriks koefisien detail D1, D2, D3, dan D4 dari hasil transformasi
DWT menjadi matriks yang dinamakan
DC dengan ukuran 4 x (L/2). L merupakan
panjang tiap frame. Formulasi matriks DC
sama dengan formulasi pada penyisipan
watermark.
5 Dekomposisi matriks DC dengan operator
SVD yang menghasilkan tiga matriks S, U,
VT sebagai berikut:
DC =
dengan S adalah matriks diagonal 4 x 4
berikut:
[
]
Selanjutnya nilai S11 dari hasil operasi
tersebut dibandingkan dengan nilai singular S11 dari sinyal audio asli pada
berkas kunci yang dibaca.
6 Penentuan bit watermark n hasil
ekstraksi dengan membandingkan nilai S11
pada watermarked audio (S11w) dengan
nilai S11 pada berkas kunci dari audio asli,
jika hasil S11w / S11 = 1, bit watermark
hasil ekstraksi adalah 0
jika hasil S11w / S11 ≠ bit watermark
hasil ekstraksi adalah 1.
7 Gabungkan semua bit watermark hasil
ekstraksi dari semua frame dan konversi
6
menjadi karakter ASCII sehingga
membentuk suatu pesan teks.
Rancangan Pengujian dan Analisis Hasil
Daftar berkas audio yang digunakan dapat
dilihat pada Tabel 1.
Tabel 1 Daftar berkas audio
Jenis Audio Durasi Ukuran
Instrument 22 detik 1896 KB
Pop 21 detik 1891 KB
Speech 21 detik 1873 KB
Pengujian dan analisis hasil dilakukan
dalam hal perseptibilitas (imperceptibility)
dan ketahanan (robustness). Pengujian dilakukan dengan penyisipan watermark pada
setiap jenis audio dengan intensitas watermark
(alpha) yang bervariasi mulai dari 0.1 sampai
0.9. Hal ini diujikan untuk mengetahui
pengaruh intensitas watermark terhadap
perseptibilitas dan ketahanan watermarked
audio.
Analisis perseptibilitas dilakukan dengan
perhitungan SNR dari watermarked audio
yang dihasilkan dengan nilai alpha yang
berbeda. Analisis perseptibilitas ini juga
dilakukan dengan pengamatan langsung pada berkas audio asli dan watermarked audio oleh
lima responden.
Analisis ketahanan dilakukan berdasarkan
hasil pengujian watermarked audio terhadap
beberapa serangan. Serangan dilakukan
dengan bantuan aplikasi Audacity. Jenis-jenis
serangan yang dilakukan di antaranya amplify,
invert, low pass filtering, high pass filtering,
resampling, dan kompresi MP3.
HASIL DAN PEMBAHASAN
Analisis Perseptibilitas
Pengujian perseptibilitas secara objektif
dilakukan dengan perhitungan SNR pada
watermarked audio yang dihasilkan dengan
variasi nilai intensitas watermark (alpha)
yang berbeda. Rentang nilai alpha yang
diujikan adalah 0.1 sampai 0.9. Kualitas watermarked audio yang baik memiliki nilai
SNR di atas 30 db. Grafik hasil perhitungan
SNR dapat dilihat pada Gambar 6.
Dari hasil perhitungan, dapat diketahui
bahwa penyisipan watermark dengan nilai
alpha 0.1 sampai 0.4 menghasilkan nilai
SNR di atas 30 db untuk jenis audio
instrument dan pop. Untuk jenis audio
speech, penyisipan watermark dengan nilai
alpha 0.1 sampai 0.9 tetap menghasilkan
nilai SNR di atas 30 db. Semakin besar nilai
alpha menyebabkan nilai SNR yang semakin
menurun. Hal ini terjadi karena nilai alpha
pada proses penyisipan watermark
merupakan faktor pengali yang mengubah
nilai-nilai singular pada setiap frame dari
berkas audio asli. Semakin besar nilai alpha menyebabkan perubahan pada nilai-nilai
singular yang semakin besar. Oleh karena itu,
watermarked audio yang dihasilkan semakin
banyak mengalami perubahan nilai sampel
audio dibandingkan dengan nilai-nilai sampel
berkas audio aslinya. Semakin banyak
perbedaan nilai sampel antara watermarked
audio dan berkas audio asli mengakibatkan
tingkat distorsi yang semakin besar dan
kualitas audio yang semakin menurun.
Perbedaan nilai SNR pada ketiga jenis audio tersebut karena adanya kemungkinan
perbedaan karakteristik pada ketiga jenis
audio tersebut. Nilai-nilai sampel pada jenis
audio speech secara keseluruhan relatif lebih
rendah dibandingkan dengan nilai-nilai
sampel pada jenis audio instrument dan pop.
Oleh karena itu, proses penyisipan
watermark pada audio speech dengan nilai
alpha yang sama menyebabkan perubahan
pada nilai-nilai singular yang relatif lebih
sedikit dibandingkan dengan perubahan nilai-nilai singular pada jenis audio instrument dan
pop. Hal ini menyebabkan tingkat distorsi
pada audio speech lebih kecil dibandingkan
dengan jenis audio lainnya.
Gambar 6 Grafik hasil perhitungan SNR.
Pengujian perseptibilitas secara subjektif
dilakukan dengan pengamatan langsung oleh
lima orang responden secara berulang.
0
10
20
30
40
50
60
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
SNR
alpha
instrument
pop
speech
7
Responden diminta mendengarkan audio asli
dan watermarked audio yang dihasilkan
untuk nilai alpha yang bervariasi. Dari hasil
pengujian, semua responden tidak mendengar
derau untuk watermarked audio hasil
penyisipan watermark dengan nilai alpha 0.1
sampai 0.3 pada semua jenis audio.
Watermarked audio terdengar adanya derau
untuk penyisipan dengan nilai alpha 0.4
sampai 0.9.
Dari kedua pengujian tersebut, dapat diketahui bahwa peningkatan nilai alpha
menyebabkan perseptibilitas watermarked
audio semakin menurun. Watermarked audio
yang dihasilkan memiliki perseptibilitas yang
baik untuk penyisipan watermark dengan
nilai alpha 0.1 sampai 0.3. Hasil ekstraksi
watermarked audio tanpa serangan
menunjukkan bahwa watermark yang
dihasilkan tidak berubah dari watermark asal
yang disisipkan pada semua jenis audio
dengan variasi nilai alpha 0.1 sampai 0.9.
Analisis Ketahanan Terhadap Serangan
Pengujian ketahanan dilakukan dengan
pengekstraksian watermark dari watermarked
audio setelah dilakukan beberapa serangan.
Jenis-jenis serangan yang dilakukan adalah
amplify, invert, low pass filtering, high pass
filtering, resampling, dan kompresi MP3.
Serangan diberikan pada watermarked audio
yang dihasilkan dengan nilai intensitas
watermark (alpha) yang berbeda. Hasil
pengujian nilai alpha yang tidak memiliki ketahanan terhadap serangan dapat dilihat
pada Tabel 2.
Jika watermark hasil ekstraksi sama
dengan watermark asal yang disisipkan,
watermarked audio memiliki ketahanan
terhadap serangan tertentu. Jika watermark
hasil ekstraksi mengalami perubahan dari
watermark asal yang disisipkan,
watermarked audio tidak memiliki ketahanan
terhadap serangan tertentu. Dari hasil
pengujian, dapat diketahui bahwa variasi
nilai alpha pada proses penyisipan watermark memengaruhi ketahanan
watermarked audio terhadap serangan.
Analisis Ketahanan Terhadap Serangan
Amplify
Uji ketahanan terhadap serangan amplify
dilakukan dengan mengubah tingkat
kebisingan watermarked audio melalui
peningkatan amplitudo dengan amplifikasi
sebesar 0.5 dB. Hasil pengujian menunjukkan
bahwa watermark hasil ekstraksi tidak
mengalami perubahan dari watermark asal
yang disisipkan pada semua jenis audio dan
semua variasi nilai alpha. Hal ini disebabkan
oleh peningkatan amplitudo yang
mengakibatkan perubahan nilai sampel
watermarked audio yang semakin meningkat.
Oleh karena itu, nilai-nilai singular yang
dihasilkan pada setiap frame juga mengalami
peningkatan sehingga terdapat perbedaan
dengan nilai-nilai singular pada berkas kunci.
Meskipun demikian, perubahan nilai-nilai singular tersebut tidak memengaruhi hasil
pembandingan nilai singular pada setiap
frame. Oleh sebab itu, bit hasil ekstraksi tidak
mengalami perubahan dan menghasilkan
watermark hasil ekstraksi yang sama dengan
watermark yang disisipkan. Dari pengujian
tersebut dapat disimpulkan bahwa metode
audio watermarking ini memiliki ketahanan
terhadap serangan amplify.
Tabel 2 Daftar nilai alpha yang tidak
memiliki ketahanan pada setiap serangan
Jenis
serangan
Jenis audio
instrument pop Speech
amplify - - -
invert - - -
low pass
filtering 0.1 0.1 0.1
high pass
filtering 0.1 0.1 0.1-0.2
resampling
42000 Hz 0.1 0.1-0.3 0.1-0.9
resampling
48000 Hz 0.1-0.2 0.1-0.3 0.1-0.9
kompresi MP3
0.1-0.9 0.1-0.9 0.1-0.9
Analisis Ketahanan Terhadap Serangan
Invert
Uji ketahanan terhadap serangan invert
dilakukan dengan membalikkan semua nilai
sampel dari watermarked audio melalui
pengubahan nilai sampel dengan nilai
kebalikannya. Hasil pengujian menunjukkan
bahwa watermark hasil ekstraksi tidak
mengalami perubahan dari watermark asal
yang disisipkan pada semua jenis audio dan
semua variasi nilai alpha. Hal ini disebabkan oleh pengubahan nilai sampel dengan nilai
8
kebalikannya mengakibatkan perubahan pada
seluruh sampel audio. Meskipun demikian,
hasil perhitungan nilai singular pada setiap
frame tidak mengalami perubahan yang
signifikan dibandingkan dengan nilai singular
yang ada pada berkas kunci.
Perubahan tersebut tidak memengaruhi
hasil pembandingan nilai-nilai singular antara
watermarked audio dan audio asli pada proses
pengecekan bit. Oleh karena itu, bit hasil
ekstraksi tidak mengalami perubahan dan menghasilkan watermark hasil ekstraksi yang
sama dengan watermark yang disisipkan. Dari
pengujian tersebut dapat disimpulkan bahwa
metode audio watermarking ini memiliki
ketahanan terhadap serangan invert.
Analisis Ketahanan Terhadap Serangan
Low Pass Filtering
Uji ketahanan terhadap serangan low pass
filtering dilakukan dengan memfilter semua
sampel dari watermarked audio yang
memiliki frekuensi lebih tinggi dari 15000 Hz. Hasil pengujian menunjukkan bahwa
watermark hasil ekstraksi mengalami
perubahan dari watermark asal yang
disisipkan untuk nilai alpha 0.1 pada semua
jenis audio. Watermark dapat terekstraksi
dengan benar untuk nilai alpha di atas 0.1.
Hal ini disebabkan oleh serangan low pass
filtering mengakibatkan penurunan nilai-nilai
sampel pada watermarked audio. Oleh karena
itu, nilai-nilai singular yang dihasilkan pada
setiap frame juga mengalami penurunan.
Penurunan tersebut memengaruhi hasil
pembandingan nilai singular pada setiap
frame. Oleh sebab itu, watermark hasil
ekstraksi berbeda dengan watermark asal yang
disisipkan. Namun demikian, hal tersebut
tidak berpengaruh terhadap watermarked
audio yang dihasilkan dengan nilai alpha
lebih dari 0.1. Nilai alpha yang semakin besar
akan menghasilkan watermarked audio yang
memiliki ketahanan terhadap penurunan nilai
singular. Dari pengujian tersebut dapat
disimpulkan bahwa metode audio watermarking ini memiliki ketahanan
terhadap serangan low pass filtering untuk
nilai alpha di atas 0.1 pada semua jenis audio.
Analisis Ketahanan Terhadap Serangan
High Pass Filtering
Uji ketahanan terhadap serangan high pass
filtering dilakukan dengan memfilter semua
sampel dari watermarked audio yang
memiliki frekuensi lebih rendah dari 150 Hz.
Hasil pengujian menunjukkan bahwa
watermark hasil ekstraksi mengalami
perubahan dari watermark yang disisipkan
pada semua jenis audio untuk nilai alpha yang
kecil. Hal ini disebabkan oleh serangan high
pass filtering juga mengakibatkan penurunan
nilai sampel dan menghasilkan penurunan
nilai singular pada setiap frame dari
watermarked audio.
Untuk penyisipan watermark dengan nilai
alpha yang kecil, hal tersebut memengaruhi
hasil pembandingan nilai singular pada setiap frame sehingga watermark hasil ektraksi
mengalami perubahan. Dari pengujian
tersebut dapat disimpulkan bahwa metode
audio watermarking ini memiliki ketahanan
terhadap serangan high pass filtering untuk
nilai alpha diatas 0.2 pada jenis audio speech
dan nilai alpha diatas 0.1 pada jenis audio
instrument dan pop.
Analisis Ketahanan Terhadap Serangan
Resampling
Uji ketahanan terhadap serangan resampling dilakukan dengan mengubah nilai
sampling rate watermarked audio dari 44100
Hz menjadi 42000 Hz dan 48000 Hz.
Serangan resampling sebesar 42000 Hz akan
membuat durasinya menjadi lebih lama,
sedangkan resampling sebesar 48000 Hz akan
membuat durasinya menjadi lebih cepat. Hasil
pengujian menunjukkan bahwa watermark
hasil ekstraksi mengalami perubahan dari
watermark yang disisipkan untuk nilai alpha
tertentu.
Pada jenis audio instrument dan pop,
watermark tidak terekstraksi dengan benar
untuk nilai alpha yang kecil. Hal ini
disebabkan oleh serangan resampling yang
mengubah jumlah sampel per detik sehingga
nilai-nilai sampel dari watermarked audio
juga berubah. Perubahan nilai sampel tersebut
mengubah nilai singular yang dihasilkan pada
setiap frame. Hal ini memengaruhi hasil
pembandingan nilai singular pada setiap
frame. Penyisipan watermark dengan nilai
alpha yang kecil rentan terhadap serangan resampling sehingga watermark tidak
terekstraksi dengan benar.
Pada jenis audio speech, watermark tetap
tidak terekstraksi dengan benar untuk semua
variasi nilai alpha. Hal ini disebabkan oleh
nilai-nilai sampel pada audio speech relatif
lebih rendah dibandingkan dengan jenis audio
lainnya. Oleh karena itu, penyisipan
watermark dengan nilai alpha yang besar pun
tetap memengaruhi watermark hasil ekstraksi
9
setelah dilakukan serangan resampling. Dari
pengujian tersebut dapat disimpulkan bahwa
metode audio watermarking ini hanya
memiliki ketahanan terhadap serangan
resampling pada jenis audio instrument dan
speech untuk nilai alpha tertentu.
Analisis Ketahanan Terhadap Serangan
Kompresi MP3
Uji ketahanan terhadap serangan kompresi
MP3 dilakukan dengan mengubah format
audio menjadi MP3 kemudian mengubah formatnya kembali menjadi WAV. Hasil
pengujian menunjukkan bahwa watermark
hasil ekstraksi mengalami perubahan dari
watermark yang disisipkan pada semua jenis
audio dan semua variasi nilai alpha. Hal ini
disebabkan oleh serangan kompresi MP3
mengakibatkan perubahan nilai singular
secara tidak beraturan pada seluruh frame dari
watermarked audio sehingga watermark tidak
terekstraksi dengan benar. Dari pengujian
tersebut dapat disimpulkan bahwa metode audio watermarking ini tidak memiliki
ketahanan terhadap serangan kompresi MP3.
Perbandingan Waktu Eksekusi
Pengujian dan analisis hasil yang telah
dilakukan hanya menggunakan berkas audio
dengan durasi sekitar 20 detik dan berkas
watermark yang berisi 10 karakter. Untuk
mengetahui waktu eksekusi proses
watermarking jika diterapkan pada berkas
audio dalam kehidupan nyata, dilakukan
proses penyisipan dan ekstraksi watermark pada berkas audio dengan durasi yang lebih
panjang. Berkas audio dengan durasi yang
semakin lama memiliki ukuran sampel yang
semakin besar.
Pada proses penyisipan watermark, sampel
audio dipartisi menjadi frame sebanyak
jumlah bit dari hasil konversi karakter pada
berkas watermark. Jika berkas audio dengan
durasi yang berbeda disisipkan dengan jumlah
karakter tetap, berkas audio dengan ukuran
sampel yang lebih besar akan memiliki ukuran
frame yang lebih besar. Setelah dicobakan pada implementasi yang telah dibuat, terdapat
keterbatasan komputasi untuk perhitungan
nilai singular jika ukuran frame terlalu besar.
Oleh karena itu, pada perbandingan waktu
eksekusi, ukuran frame pada berkas audio
harus dibuat konstan. Audio dengan durasi
yang lebih lama disisipkan watermark dengan
jumlah karakter yang lebih banyak. Daftar
percobaan yang dilakukan dalam
perbandingan waktu eksekusi dapat dilihat
pada Tabel 3.
Tabel 3 Daftar percobaan perbandingan
waktu eksekusi
Durasi
audio
Ukuran
sampel
Jumlah
bit
Ukuran
frame
1 menit 2649600 240 11040
2 menit 5299200 480 11040
3 menit 7948800 720 11040
4 menit 10598400 960 11040
Grafik perbandingan waktu eksekusi pada
berkas audio dengan durasi yang berbeda
dapat dilihat pada Gambar 7.
Gambar 7 Grafik perbandingan waktu
eksekusi.
Dari grafik tersebut dapat diketahui bahwa
waktu penyisipan watermark lebih lama
dibandingkan dengan waktu ekstraksi
watermark. Hal ini disebabkan oleh sinyal audio yang ditransformasi pada proses
penyisipan watermark harus dilakukan invers
transformasi untuk membentuk kembali sinyal
watermarked audio. Pada proses penyisipan
watermark, semakin panjang durasi audio,
semakin lama waktu eksekusinya. Hal ini
dipengaruhi oleh semakin banyaknya jumlah
bit yang harus disisipkan sehingga jumlah
frame yang harus diproses juga semakin
banyak. Oleh karena itu, jumlah iterasi pada
proses penyisipan bit watermark semakin
banyak sehingga waktu eksekusinya semakin lama pula.
0:00
0:05
0:10
0:15
0:20
0:25
0:30
0:35
0:40
0:45
0:50
0:55
240 480 720 960
Waktu
(menit)
Jumlah frame
Waktu Penyisipan
Waktu Ekstraksi
10
SIMPULAN DAN SARAN
Simpulan
Simpulan dari penelitian ini adalah:
1 Teknik audio watermarking menggunakan
metode DWT-SVD dengan teks sebagai
watermark telah diimplementasikan.
2 Metode DWT-SVD menghasilkan
perseptibilitas watermarked audio yang
baik untuk nilai alpha 0.1 sampai 0.3.
3 Semakin besar nilai alpha, perseptibilitas
watermarked audio yang dihasilkan
semakin menurun. Namun demikian,
ketahanan watermarked audio terhadap
serangan semakin baik sehingga terdapat
adanya trade-off nilai alpha antara
imperceptibility dan robustness.
4 Metode DWT-SVD memiliki ketahanan terhadap serangan amplify, invert, low
pass filtering, high pass filtering, dan
resampling untuk nilai alpha tertentu.
5 Nilai alpha yang menghasilkan
watermarked audio dengan perseptibilitas
dan ketahanan yang baik adalah 0.3.
Saran
Saran untuk penelitian selanjutnya adalah:
1 Mengembangkan proses penyisipan dan
ekstraksi watermark secara paralel agar
waktu eksekusinya lebih efisien.
2 Melakukan analisis kapasitas maksimum watermark yang dapat disisipkan.
3 Menerapkan metode audio watermarking
ini pada format audio yang terkompresi,
seperti MP3.
4 Menerapkan metode audio watermarking
ini dalam kehidupan nyata, seperti proses
otentikasi pada pemutaran berkas audio.
5 Membuktikan secara empririk penyebab
perbedaan nilai SNR pada ketiga jenis
audio yang diujikan.
DAFTAR PUSTAKA
Al-Haj A, Mohammad A. 2010. Digital audio watermarking based on the discrete
wavelets transform and singular value
decomposition. European Journal of
Scientific Research 39: 6-21.
Bender W, Gruhl D, Morimoto N, Lu A.
1996. Techniques for data hiding. IBM
System Journal 35: 313-336.
Cvejic N. 2004. Algorithm for audio
watermarking and steganography [tesis].
Oulu: University of Oulu.
Gordy JD. 2000. Performance evaluation of digital watermarking algorithms [tesis].
Kanada: University of Calgary.
Kardamis JR. 2007. Audio watermarking
techniques using singular value
decomposition [tesis]. Rochester:
Rochester Institute of Technology.
Lang A, Kraetzer C, Trofimova N, Ullerich C,
Westfeld A et al. 2006. Audio
Benchmarking Tools and Steganalysis.
European Network of Excellence in
Cryptology (ECRYPT). [terhubung
berkala]. http://ecrypt.ey.org/ecrypt1/docu ments/D.WVL.10-1.1.pdf. [1 Sep 2012].
Mallat S. 1989. A theory for multiresolution
signal decomposition: the wavelet
representation. IEEE Transactions on
Pattern Analysis and Machine
Intelligence; 11(7): 674-693.
Mitra S. 1998. Digital Signal Processing.
California: McGraw-Hill.
Pelton G. 1993. Voice Processing. Singapura:
McGraw-Hill.
11
LAMPIRAN
12
Lampiran 1 Perhitungan tiap tahap pada proses penyisipan watermark
- Pembacaan nilai sampel audio asli: [-0.017578125; -0.01940918; -0.015533447; -0.01260376; -0.014068604; -0.017913818; -0.022186279; -0.027526855; -0.034454346; -0.040313721; ...; 0]
- Panjang sampel audio: 970240
- Bit-bit watermark: [0, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 1, 0, 0, 0, 1, 1, 0, 0, 1, 0,
1, 0, 1, 1, 1, 0, 0, 1, 0, 0, 1, 1, 0, 1, 1, 0, 1, 0, 1, 1, 0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 0, 1, 0, 0, 1, 1, 0, 1, 0,
1, 1, 0, 0, 1, 1, 0, 0, 0, 1]
- Jumlah bit watermark: 80
- Banyaknya frame sinyal audio: 80
- Ukuran sampel tiap frame sinyal audio adalah panjang sampel audio dibagi jumlah frame:
970240/80 = 12128 sampel - Transformasi DWT pada frame 1:
- Frame1: [-0.017578125; -0.01940918; -0.015533447; -0.01260376; -0.014068604; -
0.017913818; -0.022186279; -0.027526855; -0.034454346; -0.040313721; ...; -
0.0652160644531250]
Hasil DWT level 1:
- Koefisien aproksimasi A1: [-0.026153974; -0.01989601; -0.022614987; -0.035152495;
0.052869007; -0.059472238; -0.047927373; -0.027232933; -0.012451191; -0.009300629; ...; -
0.0891651983]
- Koefisien detail D1: [0.001294751; -0.002071602; 0.002718977; 0.003776358; 0.004143204; -
0.000992643; -0.004553208; -0.005222163; -0.002093181; 0.000237371; ...; 0.003064244]
Hasil DWT level 2: - Koefisien aproksimasi A21: [-0.032562256; -0.040847778; -0.079437256; -0.053146362;
-0.015380859; -0.016418457; 0.011276245; 0.082260132; 0.080947876; 0.024017334 ; ...;
-0.123031616]
- Koefisien aproksimasi A22: [-0.000549316; 0.004592896; 0.002227783; -0.006912231; -
0.001312256; -0.000213623; -0.00718689; -0.007522583; 0.007461548; 0.00479126; ...;
0.001907349]
- Koefisien detail D21: [-0.004425049; 0.008865356; 0.004669189; -0.014633179; -
0.002227783; -0.000305176; -0.014480591; -0.015884399; 0.015884399; 0.00881958; ...;
0.003067017]
- Koefisien detail D22: [0.002380371; -0.000747681; 0.003631592; 0.000473022; -
0.001647949; 0.001251221; 0.002029419; -0.002883911; -0.002182007; 0.001373291; ...; -0.002426147]
Hasil DWT level 3:
- Koefisien aproksimasi A311: [-0.051908733; -0.093750775; -0.022485512; 0.066140206;
0.074221612; -0.047787108; -0.120045014; -0.052048998; 0.007196659; -0.138937592; ...; -
0.178956193]
- Koefisien aproksimasi A312: [0.003139772; -0.007045604; -0.001791072; -0.021471291;
0.017468351; 0.013584098; -0.003841095; -0.007034815; 0.003269247; 0.011749867; ...; -
0.000302109]
- Koefisien aproksimasi A321: [0.002859242; -0.003312405; -0.001078959; -0.010401168;
0.008664043; 0.006765075; -0.001791072; -0.003603724; 0.001650808; 0.005707695; ...;
0.000215792]
- Koefisien aproksimasi A322: [0.001154486; 0.002902401; -0.000280529; -0.000604217; -0.000571848; -0.000183423; 0.002244235; 0.000237371; -0.003398722; 0.003787147; ...; -
0.001230014]
- Koefisien detail D311: [0.005858749; -0.018590469; 0.000733692; -0.050193188;
0.040255972; 0.028365841; -0.006063751; -0.003884254; 0.009203523; 0.030523759; ...; -
0.004963213]
- Koefisien detail D312: [-0.009397736; 0.013648835; -0.001359489; 0.000992643;
0.004995582; 0.00372241; 0.017651775; 0.007509557; -0.010735645; 0.024546325; ...; -
0.004639525]
- Koefisien detail D321: [-0.003636093; 0.006462966; -0.000776851; 0.000237371;
0.001888179; 0.001435016; 0.008092195; 0.003258457; -0.005621378; 0.011555654; ...; -
0.002481606]
13
Lanjutan
- Koefisien detail D322: [0.002211867; 0.002233446; -0.002050023; 0.003474249; -
0.002513975; -0.000550269; -0.000604217; -0.004337416; -0.000960274; -0.003053455; ...;
0.002201077]
Hasil DWT level 4:
- Koefisien aproksimasi A4111: [-0.102996826; 0.03086853; 0.018692017; -0.121688843; -
0.093154907; -0.178695679; -0.020401001; -0.251052856; -0.102874756; 0.02545166; ...;-
0.269821167]
- Koefisien aproksimasi A4112: [-0.009002686; -0.034973145; 0.048522949; -0.007034302;
0.028091431; -0.006271362; 0.007919312; 0.018478394; -0.009460449; -0.011260986; ...;
0.00402832] - Koefisien aproksimasi A4121: [-0.002761841; -0.016448975; 0.021957397; -0.00769043;
0.010620117; -0.003860474; 0.002349854; 0.004425049; -0.005325317; -0.011810303; ...;
0.015258789]
- Koefisien aproksimasi A4122: [0.003005981; -0.000259399; 0.006164551; 0.017791748;
0.009765625; -0.010421753; -0.006530762; 0.004974365; 0.013687134; -0.00958252; ...;
0.024673462]
- Koefisien aproksimasi A4211: [-0.000320435; -0.008117676; 0.010910034; -0.003814697;
0.005203247; -0.001968384; 0.001251221; 0.001983643; -0.002593994; -0.005767822; ...;
0.007980347]
- Koefisien aproksimasi A4212: [0.001998901; -0.00038147; 0.002349854; 0.008026123;
0.004196167; -0.004714966; -0.003479004; 0.002532959; 0.006500244; -0.004272461; ...; 0.011993408]
- Koefisien aproksimasi A4221: [0.002868652; -0.00062561; -0.000534058; 0.001754761;
0.000274658; -0.001205444; -0.002212524; 0.001174927; 0.002426147; -0.00088501; ...;
0.005828857]
- Koefisien aproksimasi A4222: [0.003143311; 0.00100708; -0.002166748; -0.003494263; -
0.002838135; -0.000686646; -0.001296997; -0.004257202; -0.00038147; -0.004882813; ...;
0.011398315]
- Koefisien detail D4111: [0.029586792; -0.062667847; 0.086273193; -0.048080444;
0.10333252; 0.013214111; -0.041000366; -0.084365845; -0.017471313; -0.028182983; ...; -
0.016738892]
- Koefisien detail D4112: [0.017288208; 0.036010742; 0.008407593; -0.001541138; -0.015075684; 0.035949707; -0.054763794; 0.024398804; -0.081283569; -0.03086853; ...;
0.011047363]
- Koefisien detail D4121: [0.007202148; 0.013916016; 0.002746582; 0.002258301; -
0.005996704; 0.012664795; -0.025543213; 0.011291504; -0.029327393; -0.013870239; ...;
0.015686035]
- Koefisien detail D4122: [-0.016296387; -0.001663208; 0.000900269; 0.007171631; -
0.02494812; -0.011871338; 0.020843506; 0.04284668; -0.001342773; -0.00831604; ...;
0.031234741]
- Koefisien detail D4211: [0.004364014; 0.006591797; 0.001342773; 0.001281738; -
0.002868652; 0.006011963; -0.01272583; 0.005706787; -0.013961792; -0.006820679; ...;
0.007675171]
- Koefisien detail D4212: [-0.007141113; -0.000717163; 0.000320435; 0.003417969; -0.012145996; -0.00567627; 0.010040283; 0.020294189; -0.000656128; -0.003829956; ...;
0.01550293]
- Koefisien detail D4221: [-0.001235962; 0.000228882; -0.000274658; 0.001419067; -
0.005081177; -0.002410889; 0.004226685; 0.007858276; -0.000488281; -0.000961304; ...;
0.007568359]
- Koefisien detail D4222: [-0.0000153; -0.00390625; -0.00138855; 0.002639771; 0.001480103;
-0.004852295; 0.001815796; -0.00062561; 0.010375977; 0.001480103; ...; 0.008285522]
- Pembentukan matrik DC:
[0.001294751, -0.002071602, 0.002718977, 0.003776358, 0.004143204, ..., 0.003064244;
-0.004425049, 0.008865356, 0.004669189, -0.014633179, -0.002227783, ..., -0.002426147;
0.005858749, -0.018590469, 0.000733692, -0.050193188, 0.040255972, ..., 0.002201077; 0.029586792, -0.062667847, 0.086273193, -0.048080444, 0.10333252, ..., 0.008285522]
14
Lanjutan
- Matriks singular S hasil transformasi SVD:
[3.01140273052151, 0, 0, 0, ..., 0;
0, 2.03395617473146, 0, 0, ..., 0;
0, 0, 1.14739722788238, 0, ..., 0;
0, 0, 0, 0.589381549915988, ..., 0]
- Nilai singular S11 yang disimpan: 3.01140273052151
- Nilai S11 setelah penyisipan bit watermark: 3.01140273052151
- Matriks CDw hasil invers SVD:
[0.001294751, -0.002071602, 0.002718977, 0.003776358, 0.004143204, ..., 0.003064244;
-0.004425049, 0.008865356, 0.004669189, -0.014633179, -0.002227783, ..., -0.002426147; 0.005858749, -0.018590469, 0.000733692, -0.050193188, 0.040255972, ..., 0.002201077;
0.029586792, -0.062667847, 0.086273193, -0.048080444, 0.10333252, ..., 0.008285522]
- Watermarked frame 1 hasil invers DWT 4 level: [-0.017578125; -0.01940918; -0.015533447; -
0.01260376; -0.014068604; -0.017913818; -0.022186279; -0.027526855; -0.034454346; -
0.040313721; ..., -0.065216064]
- Watermarked audio semua frame: [-0.017578125; -0.01940918; -0.015533447; -0.01260376; -
0.014068604; -0.017913818; -0.022186279; -0.027526855; -0.034454346; -0.040313721; ...;
0.000213623]
- Berkas kunci yang berisi kumpulan nilai singular pada semua frame: [3.011402731,
4.954037482, 7.736340865, 7.840442482, 7.90638249, 8.935993586, 8.907407512,
8.806524263, 9.446861893, 8.375714776, ..., 8.442070393]
Lampiran 2 Perhitungan tiap tahap pada proses pengekstraksian watermark
- Pembacaan nilai sampel watermarked audio: [-0.017578125; -0.01940918; -0.015533447; -
0.01260376; -0.014068604; -0.017913818; -0.022186279; -0.027526855; -0.034454346; -
0.040313721; ...; 0.000213623]
- Panjang sampel watermarked audio: 970240
- Pembacaan nilai-nilai singular pada berkas kunci: [3.011402731, 4.954037482, 7.736340865,
7.840442482, 7.90638249, 8.935993586, 8.907407512, 8.806524263, 9.446861893,
8.375714776, ..., 8.442070393]
- Banyaknya nilai singular 80:
- Banyaknya frame sinyal audio: 80
- Ukuran sampel tiap frame sinyal audio adalah panjang sampel audio dibagi banyaknya nilai singular: 970240/80 = 12128 sampel
- Transformasi DWT pada frame 1:
- Frame1: [-0.017578125; -0.01940918; -0.015533447; -0.01260376; -0.014068604; -
0.017913818; -0.022186279; -0.027526855; -0.034454346; -0.040313721; ...; -
0.0652160644531250]
Hasil DWT level 1:
- Koefisien aproksimasi A1: [-0.026153974; -0.01989601; -0.022614987; -0.035152495; -
0.052869007; -0.059472238; -0.047927373; -0.027232933; -0.012451191; -0.009300629; ..., -
0.089165198]
- Koefisien detail D1: [0.001294751; -0.002071602; 0.002718977; 0.003776358; 0.004143204; -
0.000992643; -0.004553208; -0.005222163; -0.002093181; 0.000237371; ...; 0.003064244]
Hasil DWT level 2: - Koefisien aproksimasi A21: [-0.032562256; -0.040847778; -0.079437256; -0.053146362; -
0.015380859; -0.016418457; 0.011276245; 0.082260132; 0.080947876; 0.024017334; ..., -
0.123031616]
- Koefisien aproksimasi A22: [-0.000549316; 0.004592896; 0.002227783; -0.006912231; -
0.001312256; -0.000213623; -0.00718689; -0.007522583; 0.007461548; 0.00479126; ...,
0.001907349]
- Koefisien detail D21: [-0.004425049; 0.008865356; 0.004669189; -0.014633179; -
0.002227783; -0.000305176; -0.014480591; -0.015884399; 0.015884399; 0.00881958; ...,
0.003067017]
15
Lanjutan
- Koefisien detail D22: [0.002380371; -0.000747681; 0.003631592; 0.000473022; -
0.001647949; 0.001251221; 0.002029419; -0.002883911; -0.002182007; 0.001373291; ..., -
0.002426147]
Hasil DWT level 3:
- Koefisien aproksimasi A311: [-0.051908733; -0.093750775; -0.022485512; 0.066140206;
0.074221612; -0.047787108; -0.120045014; -0.052048998; 0.007196659; -0.138937592; ..., -
0.178956193]
- Koefisien aproksimasi A312: [0.003139772; -0.007045604; -0.001791072; -0.021471291;
0.017468351; 0.013584098; -0.003841095; -0.007034815; 0.003269247; 0.011749867; ..., -
0.000302109] - Koefisien aproksimasi A321: [0.002859242; -0.003312405; -0.001078959; -0.010401168;
0.008664043; 0.006765075; -0.001791072; -0.003603724; 0.001650808; 0.005707695; ...;
0.000215792]
- Koefisien aproksimasi A322: [0.001154486; 0.002902401; -0.000280529; -0.000604217; -
0.000571848; -0.000183423; 0.002244235; 0.000237371; -0.003398722; 0.003787147; ..., -
0.001230014]
- Koefisien detail D311: [0.005858749; -0.018590469; 0.000733692; -0.050193188;
0.040255972; 0.028365841; -0.006063751; -0.003884254; 0.009203523; 0.030523759; ..., -
0.004963213]
- Koefisien detail D312: [-0.009397736; 0.013648835; -0.001359489; 0.000992643;
0.004995582; 0.00372241; 0.017651775; 0.007509557; -0.010735645; 0.024546325; ..., -0.004639525]
- Koefisien detail D321: [-0.003636093; 0.006462966; -0.000776851; 0.000237371;
0.001888179; 0.001435016; 0.008092195; 0.003258457; -0.005621378; 0.011555654; ...; -
0.002481606]
- Koefisien detail D322: [0.002211867; 0.002233446; -0.002050023; 0.003474249; -
0.002513975; -0.000550269; -0.000604217; -0.004337416; -0.000960274; -0.003053455; ...;
0.002201077]
Hasil DWT level 4:
- Koefisien aproksimasi A4111: [-0.102996826; 0.03086853; 0.018692017; -0.121688843; -
0.093154907; -0.178695679; -0.020401001; -0.251052856; -0.102874756; 0.02545166; ...; -
0.269821167] - Koefisien aproksimasi A4112: [-0.009002686; -0.034973145; 0.048522949; -0.007034302;
0.028091431; -0.006271362; 0.007919312; 0.018478394; -0.009460449; -0.011260986; ...;
0.00402832]
- Koefisien aproksimasi A4121: [-0.002761841; -0.016448975; 0.021957397; -0.00769043;
0.010620117; -0.003860474; 0.002349854; 0.004425049; -0.005325317; -0.011810303; ...;
0.015258789]
- Koefisien aproksimasi A4122: [0.003005981; -0.000259399; 0.006164551; 0.017791748;
0.009765625; -0.010421753; -0.006530762; 0.004974365; 0.013687134; -0.00958252; ...;
0.024673462]
- Koefisien aproksimasi A4211: [-0.000320435; -0.008117676; 0.010910034; -0.003814697;
0.005203247; -0.001968384; 0.001251221; 0.001983643; -0.002593994; -0.005767822; ...;
0.007980347] - Koefisien aproksimasi A4212: [0.001998901; -0.00038147; 0.002349854; 0.008026123;
0.004196167; -0.004714966; -0.003479004; 0.002532959; 0.006500244; -0.004272461; ...;
0.011993408]
- Koefisien aproksimasi A4221: [0.002868652; -0.00062561; -0.000534058; 0.001754761;
0.000274658; -0.001205444; -0.002212524; 0.001174927; 0.002426147; -0.00088501; ...;
0.005828857]
- Koefisien aproksimasi A4222: [0.003143311; 0.00100708; -0.002166748; -0.003494263; -
0.002838135; -0.000686646; -0.001296997; -0.004257202; -0.00038147; -0.004882813; ...;
0.011398315]
16
Lanjutan
- Koefisien detail D4111: [0.029586792; -0.062667847; 0.086273193; -0.048080444;
0.10333252; 0.013214111; -0.041000366; -0.084365845; -0.017471313; -0.028182983;
D4111; -0.016738892]
- Koefisien detail D4112: [0.017288208; 0.036010742; 0.008407593; -0.001541138; -
0.015075684; 0.035949707; -0.054763794; 0.024398804; -0.081283569; -0.03086853; ...;
0.011047363]
- Koefisien detail D4121: [0.007202148; 0.013916016; 0.002746582; 0.002258301; -
0.005996704; 0.012664795; -0.025543213; 0.011291504; -0.029327393; -0.013870239; ...;
0.015686035]
- Koefisien detail D4122: [-0.016296387; -0.001663208; 0.000900269; 0.007171631; -0.02494812; -0.011871338; 0.020843506; 0.04284668; -0.001342773; -0.00831604; ...;
0.031234741]
- Koefisien detail D4211: [0.004364014; 0.006591797; 0.001342773; 0.001281738; -
0.002868652; 0.006011963; -0.01272583; 0.005706787; -0.013961792; -0.006820679; ...;
0.007675171]
- Koefisien detail D4212: [-0.007141113; -0.000717163; 0.000320435; 0.003417969; -
0.012145996; -0.00567627; 0.010040283; 0.020294189; -0.000656128; -0.003829956; ...;
0.01550293]
- Koefisien detail D4221: [-0.001235962; 0.000228882; -0.000274658; 0.001419067; -
0.005081177; -0.002410889; 0.004226685; 0.007858276; -0.000488281; -0.000961304; ...;
0.007568359] - Koefisien detail D4222: [-0.0000153; -0.00390625; -0.00138855; 0.002639771; 0.001480103;
-0.004852295; 0.001815796; -0.00062561; 0.010375977; 0.001480103; ...; 0.008285522]
- Pembentukan matrik DC:
[0.001294751, -0.002071602, 0.002718977, 0.003776358, 0.004143204, ..., 0.003064244;
-0.004425049, 0.008865356, 0.004669189, -0.014633179, -0.002227783, ..., -0.002426147;
0.005858749, -0.018590469, 0.000733692, -0.050193188, 0.040255972, ..., 0.002201077;
0.029586792, -0.062667847, 0.086273193, -0.048080444, 0.10333252, ..., 0.008285522]
- Matriks singular S hasil transformasi SVD:
[3.011402731, 0, 0, 0, ..., 0;
0, 2.033956175, 0, 0, ..., 0;
0, 0, 1.147397228, 0, ..., 0; 0, 0, 0, 0.58938155, ..., 0]
- Nilai singular S11 dari watermarked audio: 3.011402731
- Pembandingan nilai singular watermarked audio dengan nilai singular audio asli pada berkas
kunci: 3.011402731 / 3.011402731 = 1
- Bit hasil ekstraksi: 0
- Nilai singular dari watermarked audio pada semua frame: [3.011402731, 5.944801075,
9.283784977, 9.407507801, 7.90638249, 10.72130823, 10.68583609, 10.56771179,
9.446861893, 10.05078796, ..., 10.12582621]
- Bit ekstraksi hasil pembandingan nilai singular pada semua frame: [0, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 0,
0, 0, 0, 1, 0, 1, 1, 1, 0, 1, 0, 0, 0, 1, 1, 0, 0, 1, 0, 1, 0, 1, 1, 1, 0, 0, 1, 0, 0, 1, 1, 0, 1, 1, 0, 1, 0, 1, 1,
0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 0, 1, 0, 0, 1, 1, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 0, 0, 1]