ABSTRAKSI: Perkembangan jaringan multimedia yang kian pesat semakin memudahkan orang untuk menduplikasi dan menyebarkan konten multimedia khususnya citra digital. Hal ini menjadikan watermarking sebagai teknik otentikasi untuk perlindungan hak cipta pada citra digital makin penting untuk digunakan. Pada tugas akhir ini akan dilakukan implementasi dan analisis non-blind watermarking dengan Spread Spectrum, Discrete Wavelet Transform (DWT) dan Principal Component Analysis (PCA).
Pada metode ini, citra masukan akan dikonversi ke domain frekuensi dengan DWT dua dimensi satu level untuk mendapatkan sub-band. Setelah itu, sub-band yang telah didapatkan dibagi menjadi beberapa sub-blok. Pada tiap sub-blok akan dilakukan PCA untuk mendapatkan koefisien skor Principal Component (PC). Watermark kemudian disisipkan pada koefisien skor PC pada setiap sub-blok dengan teknik spread spectrum. Selanjutnya, reverse PCA dan reverse DWT dilakukan untuk mendapatkan citra yang ter-watermark.
Dari hasi pengujian didapatkan bahwa peningkatan nilai alpha sebanyak dua kali lipat akan menurunkan kualitas citra ter-watermark sebesar ±6 desibel namun meningkatkan ketahanan terhadap serangan. Sedangkan penambahan jumlah skor principal component yang digunakan akan menaikkan kapasitas penyisipan watermark namun menurunkan kualitas citra ter-watermark sebesar ±3 desibel untuk setiap kenaikan dua kali lipat penggunaan jumlah skor principal component. Didapatkan pula bahwa penyisipan pada subband HL dan LH cenderung tahan terhadap serangan brightness, contrast, noise, dan kompresi JPEG walau tidak sebaik HH pada serangan brightness/contrast dan LL pada serangan kompresi JPEG.Kata Kunci : watermarking, dwt, pca, spread spectrum, non-blindABSTRACT: Rapid development in multimedia networks help people to duplicate and distribute multimedia content easier, especially digital images. This means that watermarking gains more important role as authentication technique for copyright protection. In this final project, an image watermark system using Spread Spectrum, Discrete Wavelet Transform (DWT) dan Principal Component Analysis (PCA) will be implemented and analyzed.
In this final project, the input image will be converted into frequency domain using one level 2-D DWT to get the subbands. The subbands then will be divided into blocks. PCA will be implemented for each block get the Principal Component (PC) score coefficients. Watermark will be embeded in PC score for each block using spread spectrum. After that, the new coefficients will be reconstructed using reverse PCA dan reverse DWT to get watermarked image.
From the test result we obtained that two-fold increase in alpha value will decrease the quality of watermarked image about ±6 dB but increase the robustness from attacks. Whereas the addition of principal component score column used will increase the embedding capacity but decrease the quality of watermarked image about ±3 dB for each twofold increment of principal component score column used. We also obtained that watermark embedding in HL and LH subband are robust from brightness, contrast, noise, and JPEG compression attacks even though not as good as HH for brightness/contrast attack or LL for JPEG compression attacks.Keyword: watermarking, dwt, pca, spread spectrum, non-blind