IMPLEMENTASI MACHINE LEARNING PADA IMAGE WATERMARKING BERBASISKAN DOMAIN TRANSFORM PADA APLIKASI MOBILE - Dalam bentuk buku karya ilmiah

MUHAMMAD FARHAN ATTILA

Informasi Umum

Kode

25.04.6221

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

59 kali

Informasi Lainnya

Abstraksi

Seiring dengan pesatnya perkembangan teknologi digital, perlindungan terhadap konten informasi, khususnya gambar digital, menjadi semakin penting. Maraknya penggunaan media sosial dan aplikasi berbagi foto membuka peluang luas bagi penyebaran konten, namun juga meningkatkan risiko penyalahgunaan serta pelanggaran hak cipta. Salah satu solusi yang berkembang untuk menghadapi permasalahan ini adalah teknik invisible image watermarking, yaitu penyisipan informasi kepemilikan secara tersembunyi tanpa mengganggu kualitas visual gambar. Penelitian ini bertujuan untuk mengembangkan sistem watermarking dengan implementasi machine learning berbasis transform domain yang diimplementasikan dalam aplikasi mobile. Pendekatan ini dirancang untuk meningkatkan ketahanan watermark terhadap berbagai bentuk serangan digital, sekaligus menjaga kualitas visual gambar agar tetap tidak terganggu (imperceptibility) serta memastikan performa aplikasi tetap optimal. Metode yang digunakan dalam penelitian ini adalah penggabungan machine learning dan machine learning dengan berbagai teknik transformasi domain, seperti Discrete Wavelet Transform (DWT), Discrete Sine Transform (DST), Discrete Cosine Trasnform (DCT), Singular Value Decomposition (SVD), QR Decomposition, Spread Spectrum (SS). Hasil penelitian ini menunjukkan bahwa kombinasi metode watermarking yang diusulkan mampu mencapai rata-rata PSNR di atas 30 dB dengan nilai BER hampir 0 pada kondisi tanpa serangan, serta tetap mempertahankan PSNR di atas 30 dB dengan BER mendekati 0 ketika diuji terhadap berbagai serangan. Integrasi metode watermarking dengan machine learning menghasilkan akurasi rata-rata di atas 60%, dengan kualitas gambar yang tetap baik secara kualitatif (watermark tidak terlihat) dan kuantitatif (PSNR > 30 dB dan BER ? 0). Namun, pengujian metode watermarking yang dikombinasikan dengan machine learning belum memenuhi ekspektasi, dengan rata-rata akurasi hanya sekitar 30%. Penelitian ini juga menghasilkan aplikasi mobile yang mampu menyisipkan dan mengekstraksi watermark secara efektif, dengan antarmuka sederhana, kualitas visual gambar yang tetap terjaga, serta ketahanan terhadap sebagian besar serangan digital.