PENYISIPAN WATERMARK PADA CITRA DIGITAL MENGGUNAKAN METODE

SINGULAR VALUE DECOMPOSITION

Muhamad Taufik Yusuf
Departemen Teknik Elektro, Fakultas Teknik Universitas Indonesia
Kampus Baru UI, Depok 16424, Indonesia
E-mail: klepitom@yahoo.com

ABSTRAK
Makalah ini memaparkan tentang penerapan teknik watermarking atau penyisipan tanda air 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 makalah 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 Sebuah citra yang direkam oleh kamera

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.
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.

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 Gambar 1. Koordinat Piksel
teknik pemrosesan citra monokrom dapat digunakan Pada gambar diatas, piksel yang ditunjuk tanda
untuk citra berwarna dengan memproses tiga panah berada pada koordinat (M, 4). Jika
komponen citra tersebut secara terpisah.
direpresentasikan dalam bentuk matriks dapat dilihat
seperti pada persamaan berikut ini:
 f (1,1) f (1,2) ... f (1, N ) 
 f (2,1) f (2,2) ... f (2, N ) 
f =
 ... ... ... ... 
 
 f ( M ,1) f ( M ,2) ... f ( M , N )
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
(1) 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:
A = USV T (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:
σ1,1 0 ... 0 
 0 σ 2, 2 ... 0 
S= σ1,1≥σ 2 ,2 ≥ ...≥σ n,n ≥0 (3)
 ... ... ... ... 
 0 σ n ,n 
 0 ...

Dekomposisi diatas disebut sebagai singular
value decomposition. nilai σ1,1 ......σ n,n 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. kepentingan ekstraksi selanjutnya. Algoritma
Pengubahan sedikit pada nilai-nilai singular tidak penyisipan Liu tersebut terlihat seperti pada
mempengaruhi kualitas citra dan nilai-nilai singular pseudocode berikut ini:
tidak berubah banyak setelah citra diserang.
1. INPUT citra A, watermark W,
3. PENGEMBANGAN DAN METODOLOGI intensitas a
Pada makalah ini, penyisipan Watermark 2. OUTPUT citra terwatermark Aw
dilakukan pada ranah spasial. Secara umum 3. Langkah 1 [U, S, V] = svd(A);
Watermarking dibagi menjadi dua bagian, yaitu 4. Langkah 2 St = S + a.W
proses penyisipan dan proses ekstraksi atau deteksi 5. Langkah 3 [Uw, Sw, Vw] = svd(St);
(Mohanty 1999). Langkah-langkah yang dilakukan 6. Langkah 4 Aw = U.Sw.VT
adalah sebagai berikut: 7. Langkah 5 OUTPUT(Aw, S, Uw, Vw, a)
STOP
3.1 Tahap Penyisipan
Pada tahap penyisipan, langkah yang dilakukan
adalah sebagai berikut: 3.2 Tahap ekstraksi
Pada tahap ekstraksi, langkah yang dilakukan
1. Memilih citra yang akan digunakan sebagai citra
adalah sebagai berikut:
pembawa watermark. Citra yang dipilih adalah
1. Memilih citra yang sudah disisipi watermark.
citra grayscale dengan dimensi dua.
2. Menyediakan parameter-parameter yang
2. Memilih citra yang akan dijadikan watermark.
dibutuhkan dalam ekstraksi yaitu: citra asli, citra
Citra watermark dipilih citra biner dengan
watermark, matriks S, V dan U serta
ukuran yang lebih kecil dari citra pembawa.
intensitasnya. Parameter-parameter tersebut
3. Menentukan algoritma yang digunakan untuk
dihasilkan dalam proses penyisipan sebelumnya.
penyisipan.
3. Melakukan ekstraksi.
4. Membuat matriks penampung citra dan
4. Mengembalikan citra watermark yang
melakukan penyesuaian untuk citra watermark
ukurannya disesuaikan dengan citra pembawa.
karena besarnya tidak sama dengan citra
pembawa.
Tahap ekstraksi diatas dapat digambarkan
sebagai berikut:
Tahap penyisipan diatas dapat digambarkan
sebagai berikut:
Citra Ekstraksi Watermark
terwatermark
Citra Penyisipan Citra
terwatermark

Citra
Watermark

Gambar 3. Gambar Alur Ekstraksi watermark

Gambar 2. Gambar Alur Penyisipan watermark

Algoritma ekstraksi Liu terlihat seperti pada

Algoritma yang digunakan adalah algoritma
pseudocode berikut ini:
yang di usulkan oleh Ruizhen Liu dan Tieniu Tan.
Yaitu dengan menjumlahkan secara langsung antara
1. INPUT Aw, S, Uw, Vw, a
citra watermark pada intensitas tertentu dengan 2. OUTPUT watermark W
matriks diagonal hasil dekomposisi SVD dari citra 3. Langkah 1 [U, Sw, V] = svd(Aw);
pembawa. Penyesuaian harus dilakukan jika ukuran
watermark tidak sama dengan ukuran matriks S. hal UwSw(Vw) T − S
4. Langkah 2 W =
ini dapat dilakukan dengan meletakkan watermark a
pada suatu matriks nol berukuran sama dengan S 5. Langkah 3 OUTPUT(W)
pada posisi tertentu. STOP
Algoritma yang diusulkan bertipe non-blind,
artinya hasil proses penyisipan tidak hanya berupa
4. CARA PEMAKAIAN SOFTWARE
citra yang mengandung watermark, tetapi juga ada
Software simulasi yang dibuat dibagi menjadi
informasi tambahan yang didapat dari hasil
dua bagian GUI, yaitu GUI untuk penyisipan dan
perhitungan SVD pada citra pembawa dan citra
GUI untuk ekstraksi. Untuk menjalankan aplikasi,
watermark. Informasi tambahan tersebut tidak
dapat dilakukan langkah-langkah berikut:
disebar luaskan bersama citra yang sudah disisipi
1. Jalankan perangkat lunak MATLAB.
watermark, tapi untuk disimpan sendiri guna
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:
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 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
Gambar 7. Tampilan Awal Program Ekstraksi
Watermark”. Dapat dilihat pada gambar berikut:
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 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 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 6. Program Selesai menyisipkan watermark

6. Setelah selesai proses penyisipan, hasil citra
yang sudah disisipi dapat disimpan untuk

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 13. 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.

PUSTAKA

Gonzalez, R. C., Woods, R. E., dan Eddins, S. L.

(2004). Digital Image Processing Using
MATLAB, NJ: Prentice Hall.
Supangkat, Suhono H., Kuspriyanto, Juanda. (2000).
Watermarking Sebagai Teknik Penyembunyian
Label Hak Cipta pada Data Digital, Majalah
Teknik elektro, Vol. 6, No. 3, 19-27.
Bender W., D. Gruhl, N. Morimoto, A. Lu. (1996).
Techniques for Data Hiding, IBM System
Journal, Vol. 35.
Liu, Ruizhen and Tieniu Tan. (2002). A SVD-Based
Watermarking Scheme for Protecting Rightful
Ownership, IEEE Trans. Multimedia 4, 121-
128.
Lee, Chang-Hsing and Yeuan-Kuen Lee. (1999). An
Adaptive Digital Image Watermarking
Technique for Copyright Protection, IEEE
Transactions on Consumer Electronics, Vol. 45,
No. 4.
Chang, C.C., P. Tsai, et al. (2005). SVD-Based
Digital Image Watermarking Scheme. Patern
Recognition Letters-Elsevier 26, 1577-1586.
Mohanty, S. P. (1999). Digital Watermarking: A
tutorial review.
MATLAB, Help, Release 14 Versi 7.0.0.19920.