Sagala, Hetthroh (1222049) (2018) Digital Image Watermarking Dalam Domain Discrete Wavelet Transform Menggunakan Teknik Back Propagation Neural Network. Undergraduate thesis, Universitas Kristen Maranatha.
|
Text
1222049_Abstract_TOC.pdf - Accepted Version Download (361Kb) | Preview |
|
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
1222049_Appendices.pdf - Accepted Version Restricted to Repository staff only Download (5Mb) |
|
|
Text
1222049_Chapter1.pdf - Accepted Version Download (50Kb) | Preview |
|
|
Text
1222049_Chapter2.pdf - Accepted Version Restricted to Repository staff only Download (830Kb) |
|
|
Text
1222049_Chapter3.pdf - Accepted Version Restricted to Repository staff only Download (803Kb) |
|
|
Text
1222049_Chapter4.pdf - Accepted Version Restricted to Repository staff only Download (2499Kb) |
|
|
Text
1222049_Conclusion.pdf - Accepted Version Download (175Kb) | Preview |
|
|
Text
1222049_Cover.pdf - Accepted Version Download (391Kb) | Preview |
|
|
Text
1222049_References.pdf - Accepted Version Download (186Kb) | Preview |
Abstract
Perlindungan hak cipta dalam dunia digital sekarang sudah menjadi isu yang penting karena semakin pesatnya perkembangan jaringan internet dan teknologi digital sehingga orang dapat dengan mudah menyalahgunakan media digital. Sebagai salah satu solusi untuk isu ini, digital watermarking menjadi populer saat ini. Pada Tugas Akhir ini, direalisasikan digital image watermarking dengan menggunakan teknik Back Propagation Neural Network (BPNN) dalam domain Discrete Wavelet Transform (DWT). Citra host dipisah menjadi tiga kanal yaitu Red (R), Green (G), dan Blue (B) lalu pilih kanal Blue untuk dilakukan DWT 2-level dan sebagai tempat penyisipan watermark. Hasil DWT 2-level dikuantisasi sebesar Q lalu bagi manjadi 3x3 overlapping block untuk menjadi input BPNN. Keluaran dari BPNN digunakan untuk penyisipan dan ekstraksi watermark. Hasil yang diperoleh dari watermarking ini menunjukkan nilai PSNR sekitar 64dB sampai 74 dB dan nilai MOS sekitar 4,2 sampai 4,6. Watermark tahan terhadap serangan (terlihat secara visual dan dapat dikenali) Cropping 20%, 30%, 40%, 50%, JPEG Compression dengan quality factor (Q) = 20, 40, 60, 80, Rotation 20°, 30°, 40°, 50°, Median filtering 3x3, 5x5, 7x7, 9x9, Salt & Pepper Noise 0,01, 0,03, 0,05, 0,07, dan Scaling 50%, 75%, 150%, 200%. Arsitektur BPNN 8-3-1 memiliki hasil PSNR dan Nilai NCC lebih baik dibandingkan dengan arsitektur 8-5-1 dan 8-7-1. Nilai Kuantisasi 16 menghasilkan nilai NCC lebih baik dibandingkan dengan nilai kuantisasi 8. Learning rate 0,2 adalah yang paling baik daripada 0,1 dan 0,3 saat penyisipan watermark karena menghasilkan PSNR paling tinggi.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Digital image watermarking, DWT, back propagation neural network |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Faculty of Engineering > 22 Electrical Engineering Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 28 Mar 2018 03:17 |
| Last Modified: | 28 Mar 2018 03:17 |
| URI: | http://repository.maranatha.edu/id/eprint/24241 |
Actions (login required)
 |
View Item |
