ANALISA DETEKSI VIDEO MESUM MIRIP ARTIS CUT TARI-ARIEL

Menanggapi beredarnya video mesum mirip artis negri ini, kami mahasiswa jurusan Teknik Informatika Universitas Muria Kudus turut serta mencoba menganalisa fenomena video tersebut. Sebagai mahasiswa yang mempelajari bidang Ilmu Teknologi Informasi dan Komunikasi kami mencoba mencari bahan referensi pembelajaran sesuai dengan bidang yang kami pelajari. Bukan masalah moral asusila atau pikiran-pikiran negative terhadap pornografi. Namun bagaimana mencari fakta dan keaslian video tersebut dengan menerapkan Ilmu TIK.

Untuk mendeteksi keaslian video tersebut, kami melakukan beberapa langkah yang umum dilakukan oleh para pakar IT. Pendeteksian ini menggunakan software verilook face identification dengan metode Features Matching.
Langkah pertama download software tersebut ke computer anda. Kemudian kami membandingkan foto asli artis tersebut dengan screenshoot foto mirip artis yang ada divideo tersebut.

Dan hasil screenshoot running program tersebut seperti di bawah ini:



Dari deteksi software tersebut dihasilkan kecocokan sebesar 65,72.

Kami minta maaf kepada semua pihak yang bersangkutan, kami tidak bermaksud menghakimi pelaku video tersebut dengan menyatakan bahwa pemeran adegan video mesum tersebut adalah Ariel dan Cut Tari. Serta kami tidak menilai penelitian ini sebagai hal untuk mendiskriminasikan seseorang namun sebagai pembelajaran yang positif bagi kami. Demikian hasil penelitian kami, tentang kebenarannya hanya pemeran video tersebut dan Tuhan yang tahu.
Untuk dapat mendeteksi keaslian video tersebut juga bisa melihat Metadata di dalam file video tersebut, dapat. Metadata adalah informasi di dalam data misalnya tanggal pembuatan, jenis file, software untuk capture, dan unsur-unsur file yang bisa dievaluasi apakah ini masuk akal sebagai video Ariel dan Cut tari atau bukan.

Deteksi Pornografi Pada Citra Digital Menggunakan Pengolahan Citra dan Jaringan Syaraf Tiruan

Perkembangan teknologi komunikasi dan informasi memiliki dampak positif dan negatif. Salah satu dampak negatifnya adalah penyebaran gambar-gambar yang tidak pantas tanpa terkendali sehingga dapat diakses oleh pengguna di bawah umur. Dengan memanfaatkan pengolahan citra digital dan jaringan saraf tiruan mengenali dan mendeteksi sebuah citra yang memiliki nilai pornografi atau tidak. Pada pengolahan citra digunakan metode deteksi tepi (edge detection) dengan operator sobel, pendeteksian ini menggunakan pendekatan dua objek setengah lingkaran dan lingkaran didalamnya yang memiliki jarak berdekatan yang kemudian diubah dalam bentuk vektor untuk diolah menggunakan Jaringan Saraf Tiruan dengan algoritma LVQ(Learning Vector Quantization) untuk mengenali pola tersebut. Penelitian ini dilakukan dengan menggunakan software Matlab 7.1 yang memiliki toolbox Image Processing dan Neural Network. Dalam Paper ini menerangkan langkah awal dari pengenalan dan peneteksian pornografi dari pola yang terbentuk hasil deteksi tepi. Penelitian ini masih dapat dikembangkan dengan berbagai metode lain ataupun menggabungkan beberapa metode untuk pengoptimasian hasil deteksi. Pendeteksian pornografi dapat diaplikasikan lebih lanjut dalam pemfilteran pada proses upload citra ke server atau dapat digunakan pada aplikasi desktop untuk pencegahan citra pornografi masuk dalam komputer yang digunakan.

Source Code Matlab untuk Pelatihan:

data = [A1 A2 A3 A4 A5 A6 A7 A8 A9 B1 B2];

Target = [1 1 1 2 2 2 3 3 3 3 3];% 1:Porno, 2:porno/mendekati porno, 3:bukan porno
T = ind2vec(Target);
kelas=size(full(T),1);%mencari jumlah kelas
neuron=7;%jumlah neuron

%bentuk jaringan LVQ
jst=newlvq([min max],neuron,(1/kelas)*ones(1,kelas));
%Pengaturan Nilai epoch, Nilai hasil(goal) yang diinginkan
jst.trainParam.epochs       =1000;  %nilai epoch maksimal yang di inginkan
jst.trainParam.goal         =1e-4;  %nilai hasil akhir yang diinginkan
%Pembelajaran
jst=train(jst,data,T);
%Nilai bobot dan bias
BobotAkhir_Input         =jst.IW{1,1};
BobotAkhir_Bias_Input    =jst.b{1,1};
BobotAkhir_Lapisan       =jst.LW{2,1};
BobotAkhir_Bias_Lapisan  =jst.b{2,1};
grid;

NB: Data A1 A2 dan sterusnya adalah data yang akan dikenali berupa matrix vector kolom (matrix 1*5000).

Sorce Code Matlab Untuk Processing dan Pendeteksian:

%=======================================%
% Program ini untuk mendeteksi pornografi      %
% dengan Jaringan Saraf Tiruan menggunakan %
% metode Learning Vector Quantization(LVQ)  %
%       %
% Deteksi PornoGrafi, Oleh Rifqi Imanto  %
%======================================%
clc
echo off
data=double(0);
porn=double(0);
datavec=double(0);
loop=0;

gambar = imread('D:\PROJECT\MatLAB\imageprocessing\2.jpg');%Ambil Gambar
gambar = rgb2gray(gambar);%ubah gambar ke grayscale

%'deteksi tepi tipe sobel'
tepi = edge(gambar,'sobel',0.08);
u_tepi=size(tepi);%mencari ukuran matrix(gambar)

%menentukan luas matrix untuk wadah gambar
bag=u_tepi(1)/int16(50);
kur=(bag*50)-u_tepi(1);
if kur < 0 pjgX=(bag+1)*50; else pjgX=bag*50; end bag1=u_tepi(2)/int16(100); kur1=(bag1*100)-u_tepi(2); if kur1 < 0 pjgY=(bag1+1)*100; else pjgY=bag1*100; end  datagam(1:pjgX,1:pjgY)=0; %ciptakan matrix wadah yang bisa dibagi dengan 50*100 datagam(1:u_tepi(1),1:u_tepi(2))=tepi(1:u_tepi(1),1:u_tepi(2));%masukkan gambar ke matrix wadah %-------  %cari dalam gambar dengan frame100*50 tepibawmax=(pjgX/50); tepikanmax=(pjgY/100); batbaw=1; for vert = 1:tepibawmax batbaw_ak=batbaw+49; batkan=1; for horz = 1:tepikanmax batkan_ak=batkan+99;  data=datagam(batbaw:batbaw_ak,batkan:batkan_ak);  %'ubah 'data' matrix m*n(100*50) jadi 1 kolom' i=0; for m = 1:50 for n = 1:100 i=i+1; datavec(i,1) = data(m,n); end end %--------------------------------------------  %'Pengujian dengan JST LVQ' hasil=sim(jst,datavec); hasil=vec2ind(hasil); if hasil==1 | hasil==2 porn=porn+1; end %------------------------- loop=loop+1; batkan=batkan+100; end batbaw=batbaw+50; end

Sumber: http://www.rifqi.web.ugm.ac.id/tulisan/deteksi-pornografi.php

Image Processing untuk Perbaikan Akuisisi Citra

Dengan mengikuti perkembangan zaman, tentunya teknologi juga semakin berkembang. Semakin banyak penemuan-penemuan baru dan juga pengembangan dari teknologi yang sudah pernah ada sebelumnya yang memberikan berbagai dampak positif bagi kehidupan manusia. Salah satunya adalah dalam hal image processing. Kata image yang berarti gambar, memiliki banyak kegunaan dalam kehidupan sehari-hari. Gambar memberikan suatu informasi, interpretasi, ilustrasi, evaluasi, komunikasi dan hiburan bagi kita.

Image processing adalah suatu bentuk pengolahan atau pemrosesan sinyal dengan input berupa gambar (image) dan ditransformasikan menjadi gambar lain sebagai keluarannya dengan teknik tertentu. Image processing dilakukan untuk memperbaiki kesalahan data sinyal gambar yang terjadi akibat transmisi dan selama akuisisi sinyal, serta untuk meningkatkan kualitas penampakan gambar agar lebih mudah diinterpretasi oleh sistem penglihatan manusia baik dengan melakukan manipulasi dan juga penganalisisan terhadap gambar.

Operasi image processing dapat dikelompokkan berdasarkan dari tujuan transformasinya, seperti:

Image Enhancement (peningkatan kualitas gambar)

Tahap ini seringkali dikenal dengan pre-processing. Operasi peningkatan kualitas gambar berfungsi untuk meningkatkan fitur tertentu pada citra sehingga tingkat keberhasilan dalam pengolahan gambar berikutnya menjadi tinggi. Operasi ini lebih banyak berhubungan dengan penajaman dari fitur tertentu pada gambar. Peningkatan kualitas gambar ini dapat dilakukan “secara manual”, dengan menggunakan program lukis atau dengan pertolongan rutin software.

Metoda untuk memperluas gambar grafis antara lain memperbaiki kontras diantara bidang-bidang yang terang dan yang gelap; menambahkan warna, menyaring ketidak seragaman sinyal kiriman yang membawa gambar, menghaluskan garis-garis yang bergerigi sehingga tampak lebih bersih; mempertajam sudut-sudut yang kabur dan mengkoreksi distorsi yang disebabkan alat optis atau tampilan.

Untuk melakukan proses image enhancement, ada beberapa teknik yang dapat dicoba berdasarkan cakupan pada operasinya:

1. Operasi TitikOperasi titik dalam image enhancement dilakukan dengan memodifikasi histogram citra masukan agar sesuai dengan karakteristik yang diharapkan. Histogram dari suatu citra adalah grafik yang menunjukkan distribusi frekuensi dari nilai intensitas piksel dalam citra tersebut. Teknik enhancement berdasarkan operasi titik dibagi tiga, yaitu:
   • Intensity Adjustment
     Intensity adjusment bekerja dengan cara melakukan pemetaan linear terhadap nilai intensitas pada histogram awal menjadi nilai intensitas pada histogram yang baru.
   • Histogram Equalization
     Teknik histogram equalization bertujuan untuk menghasilkan suatu citra keluaran yang memiliki nilai histogram yang relatif sama.
   • Thresholding
     Thresholding merupakan proses pemisahan piksel-piksel berdasarkan derajat keabuan yang dimilikinya. Piksel yang memiliki derajat keabuan lebih kecil dari nilai batas yang ditentukan akan diberikan nilai 0, sementara piksel yang memiliki derajat keabuan yang lebih besar dari batas akan diubah menjadi bernilai 1 .
2. Operasi SpasiaalOperasi spasial dalam pengolahan citra digital dilakukan melalui penggunaan suatu kernel konvolusi 2-dimensi. Teknik enhancement berdasarkan operasi titik dibagi tiga, yaitu:
   • Neighborhood Averaging
     Pada prinsipnya, filter yang digunakan dalam neighborhood averaging merupakan salah satu jenis low-pass filter, yang bekerja dengan cara mengganti nilai suatu piksel pada citra asal dengan nilai rata-rata dari piksel tersebut dan lingkungan tetangganya.
   • Median Filtering
     Median filter merupakan salah satu jenis low-pass filter, yang bekerja dengan mengganti nilai suatu piksel pada citra asal dengan nilai median dari piksel tersebut dan lingkungan tetangganya.
   • High-Pass Filtering
     Sebagaimana pada proses pengolahan sinyal satu dimensi, high-pass filter dua dimensi akan melewatkan komponen citra frekuensi tinggi dan meredam komponen citra frekuensi rendah.
3. Operasi Transformasi
   Operasi transformasi ini dilakukan dengan cara mentransformasi citra asal ke dalam domain yang sesuai bagi proses enhancement, melakukan proses enhancement pada domain tersebut, mengembalikan citra ke dalam domain spasial untuk ditampilkan/diproses lebih lanjut
   • Fast Fourier Transform (FFT)
     Transformasi ini memindahkan informasi citra dari domain spasial ke dalam domain frekuensi, yaitu dengan merepresentasikan citra spasial sebagai suatu penjumlahan eksponensial kompleks dari beragam frekuensi, magnituda, dan fasa.

Image Restoration (pemulihan gambar)

Operasi pemulihan gambar bertujuan untuk mengembalikan kondisi gambar yang telah rusak atau cacat (merekonstruksi gambar) yang sebelumnya telah diketahui menjadi gambar seperti pada kondisi awal, karena adanya gangguan yang menyebabkan penurunan kualitas gambar, misalnya mengalami suatu degradasi. Degradasi dalam hal ini maksudnya, gambar menjadi agak kabur (blur) sehingga menurunkan kualitas gambar. Blur dapat terjadi karena banyak factor. Bisa karena misalnya pergerakan selama pengambilan gambar oleh alat optik seperti kamera, penggunaan alat optik yang tidak fokus, pengguanaan lensa dengan sudut yang lebar, gangguan atmosfir, pencahayaan yang singkat sehingga mengurangi jumlah foton yang ditangkap oleh alat optik, dan sebagainya. Citra yang tertangkap oleh alat-alat optik seperti mata, kamera, dan sebagainya sebenarnya merupakan citra yang sudah mengalami degradasi. yang dalam hal ini jika f(x, y) adalah citra asli dan g(x, y) adalah citra terdegradasi, maka g(x, y) adalah perkalian f(x, y) dengan operator distorsi H ditambah dengan derau aditif n(x, y): g(x, y) = Hf(x, y) + n(x, y)

Operator distorsi H disebut juga dengan Point Spread spectrum (PSF). PSF ini bisa dikatakan sebagai penyebaran titik-titik yang merupakan hasil ketidaksempurnaan gambar (kecacatan gambar). Misalnya pada gambar di kupu-kupu di bawah ini:

Bila gambar diambil dalam suatu kondisi yang sempurna (baik dari segi focus, kamera, sudut penglihatan dan yang lainnya), maka gambar akan terlihat jelas (kupu-kupu asli). Namun Karen ada factor-faktor pendukung ketidaksempurnaan, maka gambar yang dihasilkan menjadi menyebar ke beberapa pixel akibat distorsi oleh PSF sehingga gambar menjadi blur.

Derau n(x, y) adalah sinyal aditif yang timbul selama akuisisi citra sehingga menyebabkan citra menjadi rusak (mengalami degradasi). Derau (Noise) adalah gambar atau piksel yang mengganggu kualitas citra. Derau dapat disebabkan oleh gangguan fisis(optik) pada alat akuisisi maupun secara disengaja akibat proses pengolahan yang tidak sesuai. Contohnya adalah bintik hitam atau putih yang muncul secara acak yang tidak diinginkan di dalam citra. bintik acak ini disebut dengan derau salt & pepper.

Restorsi gambar dapat dilakukan dengan melewatkan gambar masukan pada penapis. Dan hasil dari restorsi ini seperti yang sudah dibahas sebelumnya, gambar yang sudah cacat (blur) akan mendekati hasil gambar aslinya menjadi lebih jelas.

Image Compression (kompresi gambar)

Kompresi gambar bertujuan untuk meminimalkan jumlah bit yang diperlukan untuk merepresentasikan citra. Hal ini sangat berguna apabila anda ingin mengirimkan gambar berukuran besar. Gambar yang berukuran besar akan berpengaruh pada lamanya waktu pengiriman. Maka dari itu kompresi gambar akan memadatkan ukuran gambar menjadi lebih kecil dari ukuran asli sehingga waktu yang diperlukan untuk transfer data juga akan lebih cepat.

Ada dua tipe utama kompresi data, yaitu kompresi tipe lossless dan kompresi tipe lossy. Kompresi tipe lossy adalah kompresi dimana terdapat data yang hilang selama proses kompresi. Akibatnya kualitas data yang dihasilkan jauh lebih rendah daripada kualitas data asli. Sementara itu, kompresi tipe lossless tidak menghilangkan informasi setelah proses kompresi terjadi, akibatnya kualitas citra hasil kompresi juga tidak berkurang

Ada yang perlu diperhatikan dalam melakukan proses kompresi gambar ini, antara lain:

• Resolusi
  Resolusi adalah ukuran panjang kali lebar dalam suatu gambar yang digambarkan dalam satuan pixel. Besar kecilnya resolusi akan berpengaruh pada kualitas gambar. Tetapi hal ini juga akan mempengaruhi jumlah bit datanya dan proses transfer datanya.
• Kedalaman bit
  Kedalaman bit adalah banyak sedikitnya jumlah bit yang dibutuhkan unruk menggambarkan suatu citra (gambar) dalam satuan bit/pixel. Tentu saja bila dinalar, semakin banyak bit maka gambar yang dihasilkan akan lebih bagus.
• Redundansi
  Redundansi adalah keadaan di mana representasi suatu elemen data tidak bernilai signifikan dalam menggambarkan keseluruhan data.

Image Refresention & Modelling (representasi dan permodelan gambar)

Representasi mengacu pada data konversi dari hasil segmentasi ke bentuk yang lebih sesuai untuk proses pengolahan pada komputer. Keputusan pertama yang harus sudah dihasilkan pada tahap ini adalah data yang akan diproses dalam batasan-batasan atau daerah yang lengkap. Batas representasi digunakan ketika penekanannya pada karakteristik bentuk luar, dan area representasi digunakan ketika penekanannya pada karakteristik dalam, sebagai contoh tekstur. Setelah data telah direpresentasikan ke bentuk tipe yang lebih sesuai, tahap selanjutnya adalah menguraikan data.

Penyisipan Watermark Pada Citra Digital Menggunakan Metode Singular Value Decomposition

Artikel ini membahas tentang penerapan teknik watermarking atau penyisipan tanda air (watermark) pada suatu citra digital. Watermark yang disisipkan berbentuk citra lain yang dimensinya lebih kecil ke dalam suatu citra inti yang dimensinya lebih besar. Watermark umumnya digunakan untuk kepentingan proteksi hak cipta dan otentikasi suatu citra digital. Misalkan pada dunia kedokteran, otentikasi citra medis dapat digunakan untuk membantu keakuratan diagnosis terhadap pasien. Menurut ranah cara kerjanya, watermark dapat dikelompokkan kedalam ranah spasial dan ranah frekuensi. Teknik yang dilakukan pada ranah spasial adalah menyisipkan data langsung dengan memodifikasi nilai piksel citra, sedangkan pada ranah frekuensi dengan memodifikasi nilai koefisien transformasinya. Pada artikel ini disajikan penggunaan metode singular value decomposition (SVD) yaitu metode yang menggunakan matriks sebagai alat bantu analisis numerik dengan penerapannya pada ranah spasial. Kata Kunci: watermark, ranah spasial, singular value decomposition 1. Pendahuluan Perkembangan teknologi digital memudahkan manusia untuk memodifikasi, menggandakan dan menyebarkan arsip multimedia digital. Salah satu bentuk arsip multimedia digital adalah citra digital. Selain memberikan nilai positif, kemudahan ini juga menimbulkan dampak negatif, yaitu jika modifikasi, penggandaan dan penyebaran citra digital dilakukan secara ilegal. Hal ini membuat otentikasi suatu citra digital diperlukan sebagai bukti kepemilikan. Salah satu metode yang membubuhkan tanda digital kedalam suatu citra digital untuk menandai kepemilikan citra digital tersebut adalah watermarking. Metode yang dilakukan adalah menyisipkan sebuah Watermark berupa citra digital ke dalam citra digital lain dengan tidak merubah hasil penampakan citra aslinya. Watermark tersebut dapat diekstraksi di kemudian hari untuk dilihat sebagai bukti kepemilikan atau pun keaslian citra. 2. Dasar Teori 2.1. Citra Digital dan Matriksnya Sebuah citra didefinisikan sebagai fungsi dua dimensi, f(x,y) dimana x dan y adalah koordinat spasial. Amplitudo fungsi pada setiap pasangan titik (x,y) merupakan intensitas atau kecemerlangan citra pada titik tersebut (Gonzales, 2004). Gray level digunakan untuk menyebut intensitas dari citra monokrom atau satu warna. Citra berwarna dibentuk oleh kombinasi dari beberapa citra monokrom, misalnya RGB dibentuk oleh kombinasi tiga warna yaitu, merah, hijau dan biru. Karena itu banyak teknik pemrosesan citra monokrom dapat digunakan untuk citra berwarna dengan memproses tiga komponen citra tersebut secara terpisah. Sebuah citra yang direkam oleh kamera merupakan citra analog. Untuk dapat diolah oleh komputer, citra analog tersebut harus dikonversi ke bentuk citra digital. Proses konversi nilai koordinat (x, y) disebut sampling, dan proses konversi nilai amplitudo f disebut quantisasi. Ketika x, y dan amplitude f semuanya bernilai diskrit, maka citra tersebut dapat dikatakan sebagai citra digital. Citra digital dapat di kodekan dalam bentuk matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai piksel) menyatakan tingkat keabuan pada titik tersebut. Pada gambar berikut ini ditampilkan contoh koordinat suatu piksel dari citra digital dengan x merepresentasikan baris dan y merepresentasikan kolom. Gambar 1. Koordinat Piksel Pada gambar diatas, piksel yang ditunjuk tanda panah berada pada koordinat (M, 4). Jika direpresentasikan dalam bentuk matriks dapat dilihat seperti pada persamaan berikut ini: (1) 2.2. Watermarking Watermarking merupakan suatu cara untuk penyembunyian atau penanaman data tertentu ke dalam suatu data digital lainnya, tetapi tidak diketahui kehadirannya oleh indera manusia dan mampu menghadapi proses-proses pengolahan sinyal digital sampai pada tahap tertentu (Supangkat, 2000). Ada berbagai tujuan yang ingin dicapai dari penggunaan watemarking sebagai suatu teknik penyembunyian data pada data digital lain (bender, 1996), yaitu: 1. Tamper-proofing Watemarking digunakan sebagai alat indikator yang menunjukkan apakah data digital yang asli telah mengalami perubahan dari aslinya (mengecek integritas data). 2. Feature location Watemarking sebagai alat identifikasi isi dari data digital pada lokasi-lokasi tertentu, misalnya penamaan suatu objek tertentu dari beberapa objek yang ada pada suatu citra digital. 3. Annotation/caption Watermark berisi keterangan tentang data digital itu sendiri, misalnya pada broadcast monitoring pada penayangan iklan di stasiun TV. Selain itu, Watermark juga dapat digunakan untuk mengirimkan pesan rahasia. 4. Copyright-Labeling Watemarking digunakan sebagai metoda untuk menyembunyikan label hak cipta pada data digital atau sebagai bukti otentik kepemilikan atas dokumen digital tersebut. Untuk memenuhi tujuan diatas, teknik watermarking harus memenuhi beberapa kriteria berikut (Liu, 2002): 1. Imperceptibility: Antara citra asli dengan citra yang telah disisipi watermark, secara persepsi tidak dapat dibedakan oleh mata manusia. Watermark tidak mengalami interferensi dengan medianya. 2. Trustworthiness: Menjamin tidak akan dapat di bangkitkan watermark yang sama dengan watermark asli dan menyediakan bukti terpercaya untuk melindungi hak kepemilikan. 3. Robustness: Watermark tahan terhadap pengaruh modifikasi yang dilakukan kepada data tumpangannya. Modifikasi yang biasa dilakukan adalah pengubahan ukuran, kompresi, rotasi dan operasi pengolahan lainnya. Terdapat banyak metoda watermarking yang sudah diteliti. Teknik watermarking pada citra digital dapat diklasifikasikan dalam dua kategori, yaitu teknik ranah spasial dan teknik ranah frekuensi (Lee, 1999). Pada watermarking untuk citra yang dilakukan pada ranah spasial, penyisipan dilakukan dengan sedikit mengubah nilai piksel-piksel tertentu. Sedangkan jika menggunakan ranah frekuensi, maka citra tersebut diubah dahulu ke dalam ranah transformasi (biasanya dengan DFT atau DCT) kemudian penyisipan data dilakukan dengan sedikit mengubah nilai koefisien tertentu yang dipilih. 2.3. Singular Value Decomposition Singular Value Decomposition (SVD) adalah salah satu teknik dalam analisis numerik yang digunakan untuk “mendiagonalkan” matriks. Dalam sudut pandang pengolahan citra, singular value dari suatu citra memiliki stabilitas yang baik, dimana ketika ada sedikit gangguan diberikan pada citra tersebut, singular value tidak berubah secara signifikan (Liu, 2002). Keuntungan lain adalah ukuran matriks dari transformasi metode SVD tidak tetap dan dapat berupa persegi atau lingkaran. Kemudian singular value mengandung informasi properti persamaan linear citra (Chang, 2005). Misalkan A adalah sebuah matriks tidak nol berukuran m x n, maka a dapat direpresentasikan sebagai sebuah perkalian berikut: (2) U pada persamaan diatas adalah matriks orthogonal berukuran m x m, V adalah matriks orthogonal berukuran m x n dan S adalah matriks diagonal tidak bujur sangkar berukuran n x m. Dapat dilihat pada persamaan berikut: (3) Dekomposisi diatas disebut sebagai singular value decomposition. nilai dari S disebut sebagai nilai-nilai singular dari A, kolom-kolom dari U yang merupakan vektor ortonormal disebut sebagai vektor-vektor singular kiri dari A dan kolom-kolom dari V disebut sebagai vektor singular kanan dari A. Jika A adalah sebuah citra maka S mempunyai nilai-nlai luminance dari lapisan-lapisan citra yang dihasilkan oleh vektor-vektor singular kiri dan kanan. Vektor-vektor singular kanan merepresentasikan detail-detail horisontal, sedangkan vektor-vektor singular kiri merepresentasikan detail-detail vertikal dari citra. Pengubahan sedikit pada nilai-nilai singular tidak mempengaruhi kualitas citra dan nilai-nilai singular tidak berubah banyak setelah citra diserang. 3. Pengembangan dan Metodologi Pada artikel ini, penyisipan Watermark dilakukan pada ranah spasial. Secara umum Watermarking dibagi menjadi dua bagian, yaitu proses penyisipan dan proses ekstraksi atau deteksi (Mohanty 1999). Langkah-langkah yang dilakukan adalah sebagai berikut: 3.1. Tahap Penyisipan Pada tahap penyisipan, langkah yang dilakukan adalah sebagai berikut: 1. Memilih citra yang akan digunakan sebagai citra pembawa watermark. Citra yang dipilih adalah citra grayscale dengan dimensi dua. 2. Memilih citra yang akan dijadikan watermark. Citra watermark dipilih citra biner dengan ukuran yang lebih kecil dari citra pembawa. 3. Menentukan algoritma yang digunakan untuk penyisipan. 4. Membuat matriks penampung citra dan melakukan penyesuaian untuk citra watermark karena besarnya tidak sama dengan citra pembawa. Tahap penyisipan diatas dapat digambarkan sebagai berikut: Gambar 2. Gambar Alur Penyisipan watermark Algoritma yang digunakan adalah algoritma yang di usulkan oleh Ruizhen Liu dan Tieniu Tan. Yaitu dengan menjumlahkan secara langsung antara citra watermark pada intensitas tertentu dengan matriks diagonal hasil dekomposisi SVD dari citra pembawa. Penyesuaian harus dilakukan jika ukuran watermark tidak sama dengan ukuran matriks S. hal ini dapat dilakukan dengan meletakkan watermark pada suatu matriks nol berukuran sama dengan S pada posisi tertentu. Algoritma yang diusulkan bertipe non-blind, artinya hasil proses penyisipan tidak hanya berupa citra yang mengandung watermark, tetapi juga ada informasi tambahan yang didapat dari hasil perhitungan SVD pada citra pembawa dan citra watermark. Informasi tambahan tersebut tidak disebar luaskan bersama citra yang sudah disisipi watermark, tapi untuk disimpan sendiri guna kepentingan ekstraksi selanjutnya. Algoritma penyisipan Liu tersebut terlihat seperti pada pseudocode berikut ini: 3.2. Tahap Ekstraksi Pada tahap ekstraksi, langkah yang dilakukan adalah sebagai berikut: 1. Memilih citra yang sudah disisipi watermark. 2. Menyediakan parameter-parameter yang dibutuhkan dalam ekstraksi yaitu: citra asli, citra watermark, matriks S, V dan U serta intensitasnya. Parameter-parameter tersebut dihasilkan dalam proses penyisipan sebelumnya. 3. Melakukan ekstraksi. 4. Mengembalikan citra watermark yang ukurannya disesuaikan dengan citra pembawa. Tahap ekstraksi diatas dapat digambarkan sebagai berikut: Gambar 3. Gambar Alur Ekstraksi watermark Algoritma ekstraksi Liu terlihat seperti pada pseudocode berikut ini: 4. Cara Pemakaian Software Software simulasi yang dibuat dibagi menjadi dua bagian GUI, yaitu GUI untuk penyisipan dan GUI untuk ekstraksi. Untuk menjalankan aplikasi, dapat dilakukan langkah-langkah berikut: 1. Jalankan perangkat lunak MATLAB. 2. Atur current directory ke folder tempat modul M-File dan citra yang akan dianalisa disimpan. 3. Jalankan file svd_watermark.m. akan muncul jendela GUI berikut: Gambar 4. Tampilan Awal Program Penyisipan 4. Untuk melakukan penyisipan perlu di load citra pembawa dan citra watermark. Pengguna dapat menekan tombol “Load Citra Inti” dan “Load Watermark”. Dapat dilihat pada gambar berikut: Gambar 5. Program Mengambil Citra yang Diproses 5. Setelah didapat citra yang diproses, lakukan penyisipan dengan menekan tombol “Penyisipan”. Hasil citra yang sudah disisipi dapat dilihat pada GUI seperti berikut: Gambar 6. Program Selesai menyisipkan watermark 6. Setelah selesai proses penyisipan, hasil citra yang sudah disisipi dapat disimpan untuk keperluan ekstraksi nantinya dengan menekan tombol “Simpan Citra”. 7. Untuk melakukan ekstraksi pengguna dapat menekan tombol “Ekstraksi”. GUI penyisipan akan tertutup dan GUI ekstraksi akan muncul. Atau dapat juga dengan menjalankan file svd_ekstrak.m. Dapat dilihat pada gambar berikut: Gambar 7. Tampilan Awal Program Ekstraksi 8. Pada proses ekstraksi, yang harus di lakukan adalah mengambil citra yang dibutuhkan sesuai dengan Bab Metodologi dan Pengembangan. Citra yang dibutuhkan adalah citra yang sudah disisipi watermark, citra pembawa aslinya dan citra watermark asli. Pengguna dapat menekan tombol “Load Citra Terwatermark”, “Load Citra Asli” dan “Load Watermark”. Dapat dilihat seperti pada gambar berikut: Gambar 8. Tampilan Program Sebelum Ekstraksi 9. Untuk melakukan ekstraksi watermark, pengguna dapat menekan tombol “Ekstrak Watermark”. Hasil citra watermark yang berhasil diekstraksi akan muncul pada kolom kosong dibawah kolom citra watermark. Dapat dilihat seperti pada gambar berikut ini: Gambar 9. Tampilan Program Setelah Ekstraksi 10. Untuk mengecek korelasi antara citra yang sudah disisipi watermark dengan citra pembawa aslinya, pengguna dapat menekan tombol “Cek Korelasi”. Nilai korelasi akan timbul pada kolom informasi tambahan. Nilai korelasi untuk dua buah citra yang sama adalah 1. Semakin kecil, nilai korelasinya maka semakin jauh kesamaan dua citra tersebut. Dan terlihat semakin berbeda pada pandangan mata manusia. 5. Hasil Simulasi Pada simulasi yang dilakukan di pilih beberapa citra sesuai pada Bab Metodologi dan Pengembangan. Citra-citra tersebut adalah: Gambar 10. Citra berukuran 512 x 512 Pada citra diatas, yang sebelah kiri adalah citra Lena dan yang sebelah kanan adalah citra Zahra. Keduanya berukuran 512 x 512. Gambar 11. Citra berukuran 150 x 150 Citra diatas adalah citra Dian Sastro dengan ukuran 150 x 150. Citra yang sebelah kiri diberi indeks 1 dan citra yang sebelah kanan diberi indeks 2. Citra watermark yang dipakai adalah citra persamaan differensial seperti pada gambar berikut: Gambar 12. Citra Watermark Simulasi dilakukan dengan nilai intensitas 0,3. Dari hasil simulasi didapatkan untuk citra Dian_2, citra yang disisipi watermark tidak terlihat berbeda dengan citra aslinya. Nilai korelasi antara keduanya adalah 0.998984 yang berarti tidak jauh berbeda. Citra watermark yang diekstraksi mengalami sedikit perubahan namun masih dapat dikenali sebagai watermark yang disisipi. Seperti terlihat pada gambar berikut: Gambar 13. Citra Watermark Asli dengan Hasil Ekstraksi Untuk citra Dian_1, citra yang disisipi watermark juga tidak terlihat berbeda dengan citra aslinya. Nilai korelasi antara keduanya adalah 0.999276 yang berarti juga tidak jauh berbeda. Citra watermark yang diekstraksi juga mengalami sedikit perubahan namun masih dapat dikenali sebagai watermark yang disisipi. Seperti terlihat pada gambar berikut: Gambar 14. Citra Watermark Asli dengan Hasil Ekstraksi Lainnya Untuk citra Lena dan citra Zahra hasil yang didapat juga tidak jauh berbeda dengan nilai korelasi masing-masing citra adalah 0.999949 dan 0.999953. 6. Kesimpulan Dari hasil uji coba didapatkan bahwa modul program dapat berjalan dengan baik. Algoritma yang digunakan memberikan hasil yang baik dalam kualitas citra yang disisipkan dan memenuhi aspek imperceptibility dan robustness. Karena tipe watermarking yang digunakan adalah non-blind, sehingga ada informasi yang dihasilkan pada tahap penyisipan tetap digunakan untuk proses ekstraksi watermark. Terlihat juga dari beberapa percobaan, citra yang sudah disisipi watermark terlihat lebih terang daripada citra aslinya. Hal ini terjadi disebabkan operasi penjumlahan yang dilakukan pada proses penyisipan.

Anatomy of a Friend

EYES To see you for your true self and always see the best in you...

EARS To always be open to listen and hear what you are really saying!

MOUTH To always tell you the truth and talk you through the tough times in life.

SHOULDER To offer strength when you need support and to be there when you need one to cry on.

ARMS To give you hugs, of course!

HANDS To hold when you need someone and to help you get up when you fall.

HEART To always hold a place for you inside it...

FEET To always walk by your side!

Thanks for being a Great Friend!