JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014)
1
Implementasi Digital Audio Watermarking pada Berkas Suara dengan Menggunakan Metode Least Significant Bit Aldhi Reza S, Prof. Akinori Ito Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia e-mail:
[email protected],
[email protected]
Abstrak—Keamanan atas kepemilikan aset informasi menjadi kebutuhan utama. Perkembangan aset informasi pada industri media digital mulai dari gambar, musik dan video semakin mengalami pertumbuhan yang cepat. Selain itu, peran teknologi informasi juga berpengaruh besar dalam distribusi dan penggandaan aset informasi. Distribusi yang tidak dapat dikontrol ini menjadi masalah bagi aset informasi yang memiliki hak cipta intelektual maupun kepemilikan atas media digital tersebut. Salah satu cara untuk mengontrol perkembangan media digital adalah dengan menerapkan digital audio watermarking. Digital audio watermarking khususnya digunakan untuk mengidentifikasi kepemilikan atau hak cipta pada sebuah gelombang sinyal suara. Dengan digital watermarking maka informasi dapat disembunyikan kedalam media digital. Tugas akhir ini menerapkan konsep audio watermaking dengan menggunakan metode Least Significant Bit. Sehingga dengan adanya digital audio watermarking ini dapat memproteksi berkas suara dengan menambahkan informasi digital kedalam berkas suara tersebut. Uji coba dilakukan dengan mengukur kualitas berkas suara asli sebelum ditambahakan watermark dan dibandingkan dengan kualitas berkas suara setelah ditambahkan watermark. Hasil uji coba pada tugas akhir ini menunjukkan bahwa berkas suara yang telah mengalami penambahan watermark mengalami penurunan kualitas suara. Hasil ini didapatkan setelah dilakukan perhitungan dengan nilai Signal to Noise Ratio. Namun secara pendengaran normal manusia tidak ada perbedaan antara berkas suara asli dan berkas suara yang sudah disisipkan watermark. Kata Kunci—digital audio watermarking, least significant bit, signal to noise ratio, steganografi.
I. PENDAHULUAN
K
Eamanan Keamanan aset informasi menjadi pada saat sekarang ini menjadi kebutuhan utama. Aset informasi memiliki nilai yang tinggi apabila menyangkut dengan keputusan bisnis, keamanan data dan kepemilikan hak intelektual. Perkembangan aset informasi pada industri media digital mulai dari gambar, musik dan video semakin mengalami pertumbuhan yang cepat. Selain itu, peran teknologi informasi juga berpengaruh besar dalam distribusi dan penggandaan aset informasi. Distribusi yang tidak dapat dikontrol ini menjadi masalah bagi aset informasi yang memiliki hak cipta intelektual maupun kepemilikan atas media digital tersebut. Hak cipta merupakan hak ekslusif yang diberikan kepada
pencipta dari suatu karya original, termasuk hak untuk mengopi, mendistribusi maupun mengadaptasi karya tersebut. Seorang artis yang menerbitkan album lagu melalui sebuah label atau rumah produksi, maka hak cipta untuk memperbanyak terdapat pada label tersebut. Didalamnya telah ada perjanjian antara label atau rumah produksi dengan artis pemilik lagu untuk pengaturan pembagian keuntungan. Pada saat album dibeli oleh seseorang, orang tersebut tidak memiliki hak untuk memperbanyak dan menyebarkannya ke orang lain. Banyak upaya yang sudah dilakukan untuk melakukan perlindungan terhadap berkas suara digital yang diproduksi oleh label untuk mencegah orang memperbanyak berkas suara tersebut. Salah satunya yaitu watermark digital pada berkas suara. Watermarking digital bisa menjadi solusi yang baik untuk mencegah penduplikasian secara ilegal, modifikasi dan distribusi data multimedia[1]. Audio watermark digital dapat digunakan untuk tujuan berbeda, salah satunya termasuk untuk mencatat informasi pemilik hak cipta, informasi label atau rumah produksi, dan mengidentifikasi pemilik berkas suara. Hal-hal ini dapat membantu menyediakan bukti legal dalam manajemen hak cipta atas berkas suara digital. II. TINJAUAN PUSTAKA A. Digital Audio Watermarking Digital audio watermarking adalah sebuah penanda rahasia yang tertanam didalam sinyal suara. Digital audio watermarking khususnya digunakan untuk mengidentifikasi kepemilikan dari hak cipta pada sebuah gelombang sinyal suara. Watermarking adalah proses menyembunyikan informasi digital didalam sinyal asli, informasi tersebut harus tersembunyi, tetapi tidak harus memiliki hubungan dengan sinyal asli[2]. Ada dua alternatif untuk menjaga dan perlindungan pesan terhadap pendeteksian, yaitu steganografi dan kriptografi. Steganografi menyembunyikan keberadaan pesan, dan sedangkan kriptografi mengenkripsi pesan, tetapi tidak menyembunyikan pesan[3]. Banyak parameter yang memperngaruhi kualitas sistem steganografi pada audio. Diantaranya jumlah data yang disisipkan dan tingkat
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) keterlihatannya, tingkat robustness terhadap penghapusan atau pengerusakan atas data yang disisipkan, mengingat hal ini menjadi hal yang paling penting dalam sistem steganografi[4]. B. Waveform Audio File Format Waveform Audio File Format (wave) atau yang lebih biasa dikenal dengan wav berdasarkan nama ekstensinya[5] atau juga dikenal dengan Audio for Windows adalah sebuah standar Microsoft dan IBM audio file format untuk menyimpan audio bitstream pada komputer. Ini adalah sebuah aplikasi dari Resource Interchange File Format (RIFF), metode format bitsream untuk menyimpan data dalam “chunks”, dan dekat juga dengan format 8SVX dan AIFF format yang digunakan pada Amiga dan Macintosh. Ini merupakan format utama yang digunakan pada sistem Windows untuk audio standar dan biasanya tidak terkompresi. Karena media penyimpanan yang tidak terkompresi yang mana menyimpan semua sampel dari track audio, maka pengguna profesional dan ahli audio dapat menggunakan format wave untuk kualitas audio yang maksimal. C. Least Significant Bit Least significant bit adalah bagian dari barisan data biner (basis dua) yang mempunyai nilai paling tidak berarti atau yang paling kecil. Letaknya adalah paling kanan dari barisan bit. Sedangkan most significant bit adalah sebaliknya, yaitu angka yang paling berarti atau paling besar dan letaknya disebelah paling kiri.
2
kemungkinan jalur itu dipakai untuk lalu-lintas komunikasi data dan sinyal dalam kecepatan tinggi. Kalkulasi SNR digunakan untuk melakukan evaluasi. Kalkulasi dilakukan dengan menhitung sinyal suara asli dan dibandingkan dengan sinyal suara setelah dimodifikasi[6]. 1 0 1 0
0 1 0 1
1 0 1 0
0 1 0 1
1 0 1 0
0 1 0 1
1 0 1 0
1 1 1 1 1
1 0 1 0
0 1 0 1
1 0 1 0
0 1 0 1
1 0 1 0
0 1 0 1
1 0 1 0
1
1
1
0
0
0
0
0 0 0 0
Gambar 3 Metode Least Significant Bit
Berikut rumus untuk menghitung nilai SNR yang membandingkan rasio antara kekuatan sinyal (signal strength) dan kekuatan derau (noise). Perhitungan SNR dapat dilihat pada persamaan berikut.
Gambar 4 Signal to Noise Ratio
III. METODOLOGI 1
1
1
1
1
1
1
1
Gambar 1 Representasi Bilangan Biner
Contohnya adalah bilangan biner dari 255 adalah 1111 1111. Bilangan tersebut dapat berarti :
Berikut ini adalah gambar metodologi tugas akhir yang digunakan. Mulai
X
Studi Pustaka
Uji Coba
Gambar 2 Perhitungan Bilangan Biner Tidak
Dari barisan angka 1 di atas, angka 1 paling kanan bernilai 1, dan itu adalah yang paling kecil. Bagian tersebut disebut dengan least significant bit (bit yang paling tidak berarti), sedangkan bagian paling kiri bernilai 128 dan disebut dengan most significant bit (bit yang paling berarti). Proses penyisipan pesan menggunakan metode least significant bit dapat dilihat pada gambar 3[6]. D. Signal to Noise Ratio
SNR merupakan perbandingan (ratio) antara kekuatan sinyal (signal strength) dengan kekuatan derau (noise level). Nilai SNR dipakai untuk menunjukkan kualitas jalur atau media koneksi. Makin besar nilai SNR, makin tinggi kualitas jalur tersebut. Artinya, makin besar pula
Pembuatan Aplikasi
Ya Perhitungan Nilai SNR
Penyisipan Pesan Penyusunan Buku Tugas Akhir
X
Selesai
Gambar 5 Diagram Alur Metodologi
Pembuatan Aplikasi Pada tahapan ini dilakukan pembuatan aplikasi berbasis desktop dengan bahasa pemrograman Java. Pembuatan aplikasi dimulai dengan pembuatan fungsi read dan write data audio wave, kemudian setelah itu dilakukan pembuatan fungsi penyisipan pesan pada berkas suara dengan mengatur jumlah bit yang disisipkan, lalu dilakukan penggabungan data pesan
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) dengan berkas suara dalam format wav. Setelah pembuatan fungsi penyisipan pesan, fungsi selanjutnya adalah fungsi ekstraksi pesan dari berkas suara. Data yang terdapat pada berkas suara akan diekstrak untuk mendapatkan pesan yang tersimpan. Uji Coba Setelah dilakukan proses penyisipan pesan (encoding watermark), maka langkah selanjutnya adalah proses uji coba. Pada tahapan ini, berkas suara yang telah disisipkan watermark, dilakukan pengecekan, apakah data informasi yang disisipkan dapat dibaca oleh aplikasi dan dilihat apakah terdapat perbedaan informasi yang dihasilkan pada tahap decoding watermark. Tujuannya adalah untuk menjamin bahwa proses encoding berjalan dengan baik dan semua informasi yang disisipkan benar-benar telah tersimpan dalam berkas suara. Jika pesan yang dihasilkan berbeda dengan pesan yang disisipkan, maka dilakukan proses penyisipan ulang pesan kedalam berkas suara. Perhitungan Nilai SNR Setelah aplikasi selesai dibuat, maka proses yang dilakukan pada tahapan ini yaitu proses uji coba dan analisis hasil uji coba pada berkas suara. Tahapan ini bertujuan untuk mengukur kualitas berkas suara yang telah disisipkan watermark. Pengaruh watermark diukur terhadap kualitas sinyal suara yang dihasilkan.
IV. HASIL DAN PEMBAHASAN Uji coba dilakukan dengan memasukkan data teks dan data dokumen kedalam berkas suara. Setelah memasukkan pesan kedalam berkas suara kemudian dilakukan analisis terhadap kualitas suara dengan menghitung nilai Signal to Noise Ratio. Tabel 1 Hasil Uji Coba Kualitas Suara pada Data Teks
LSB
Ukuran Berkas (bytes)
Ukuran Pesan (bytes)
Kapasitas (bytes)
Nilai SNR (dB)
1
320,684
105
20,024
93.07760682
2
320,684
105
40,048
88.77874169
3
320,684
105
60,072
83.57861153
4
320,684
105
80,096
78.73321165
5
320,684
105
100,120
72.6327274
6
320,684
105
120,144
67.15944053
7
320,684
105
140,168
62.11727179
8
320,684
105
160,192
58.49576568
Pada tabel 1 menunjukkan kualitas berkas suara dengan penyisipan data teks dan dibandingkan dengan berkas suara asli. Untuk kualitas berkas suara dengan penyisipan data dokumen dapat dilihat pada tabel 2.
3
Tabel 2 Hasil Uji Coba Kualitas Suara pada Data Dokumen
LSB
Ukuran Berkas (bytes)
Ukuran Pesan (bytes)
Kapasitas (bytes)
Nilai SNR (dB)
1
320,684
19,572
20,024
70.86838922
2
320,684
19,572
40,048
66.67609934
3
320,684
19,572
60,072
62.08783576
4
320,684
19,572
80,096
57.15471445
5
320,684
19,572
100,120
51.875545
6
320,684
19,572
120,144
46.30037119
7
320,684
19,572
140,168
40.64054786
8
320,684
19,572
160,192
34.79175644
Berdasarkan hasil analisis hasil uji coba kualitas pada berkas suara setelah dilakukan penyisipan data teks maupun dokumen dapat dinyatakan bahwa : 1) Semakin besar nilai LSB yang digunakan maka akan berbanding lurus dengan kapasitas penyimpanan pesan. Saat nilai LSB 1, maka ukuran pesan yang dapat ditampung sebesar 20,024 bytes. Dan pada saat nilai LSB 8, maka ukuran pesan yang dapat ditampung juga meningkat menjadi 160,192 bytes. 2) Penggunaan nilai LSB yang kecil akan berdampak pada kualitas suara. Pada kasus data teks, saat nilai LSB 1, maka nilai SNR pada suara 93.07 dB. Begitu juga saat nilai LSB 8, maka nilai SNR akan menurun menjadi 58.49 dB. Sedangkan pada kasus data dokumen, saat nilai LSB 1, maka nilai SNR pada suara 70.87 dB. Begitu juga saat nilai LSB 8, maka nilai SNR akan menurun menjadi 34.79 dB. 3) Ukuran berkas suara sebelum dan setelah disisipkan watermark tidak mengalami perubahan. Ukuran berkas asli 320,684 bytes dan setelah dilakukan penyisipan pesan, ukuran berkas tetap sama sebesar 320,684 bytes.
V. KESIMPULAN Berdasarkan hasil penelitian tugas akhir, maka ada beberapa kesimpulan yang dapat diambil, diantaranya adalah : a. Dalam tugas akhir ini telah berhasil diimplementasikan konsep digital audio watermarking dengan menggunakan metode least significant bit pada berkas suara wave. Aplikasi sudah dapat melakukan proses penyisipan dan ekstraksi dari pesan yang akan disisipkan maupun telah disisipkan pada berkas suara. b. Penggunaan nilai Least Significant Bit (LSB) yang semakin kecil akan menghasilkan kualitas suara yang semakin baik. Karena semakin sedikit sinyal suara yang dimodifikasi. Kualitas berkas suara ini diukur dengan menghitung nilai Signal to Noise Ratio (SNR) pada berkas suara tersebut.
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) c.
d.
e.
f.
g.
Peningkatan kapasitas penyimpanan pesan atau watermark pada berkas suara akan berbanding lurus dengan jumlah nilai Least Significant Bit (LSB) yang digunakan saat penyisipan pesan. Karena semakin banyak sinyal yang harus dimodifikasi untuk menyisipkan informasi kedalam berkas suara. Metode Least Significant Bit (LSB) memiliki kapasitas penyimpanan pesan yang besar. Kapasitas ini dapat dilihat dari besarnya ukuran pesan yang dapat disisipkan dan dibandingkan dengan ukuran berkas suara. Besarnya nilai Least Significant Bit (LSB) yang digunakan tidak berpengaruh terhadap ukuran berkas suara. Pada penelitian ini dapat dilihat bahwa ukuran berkas baik yang menggunakan nilai LSB 1 hingga 8 tidak berpengaruh terhadap ukuran berkas suara hasil proses watermark. Pada metode Least Significant Bit (LSB) untuk mendapatkan kualitas suara yang maksimal, maka lebih baik ukuran pesan yang akan disisipkan semakin kecil, sehingga berkas suara yang dihasilkan juga akan semakin baik. Berdasarkan kalkulasi perhitungan nilai Signal to Noise Ratio (SNR), dapat dianalogikan bahwa apabila nilai SNR lebih dari 1 maka kekuatan sinyal asli lebih besar daripada kekuatan derau (noise) sehingga berkas suara tersebut memiliki kualitas yang baik. Pada penelitian ini nilai SNR yang dihasilkan memiliki angka yang besar (lebih besar dari 1 decibel), sehingga kekuatan sinyal asli lebih dominan dari kekuatan derau (noise).
DAFTAR PUSTAKA [1]
[2] [3] [4] [5]
[6]
Singh, V. (2011). Digital Watermarking: A Tutorial. Multidisciplinary Journals in Science and Technology, Journal of Selected Areas in Telecommunications (JSAT), 10-21. Cox, I. J. (2008). Digital watermarking and steganography. Burlington, MA, USA: Morgan Kaufmann. Adhiya, K. P. (2012). Hiding Text in Audio Using LSB Based Steganography. Information and Knowledge Management, 8-15. Djebbar, F. (2012). Comparative study of digital audio steganography techniques. EURASIP Journal on Audio, Speech, and Music Processing. IBM Corporation and Microsoft Corporation. (1991, August). Multimedia Programming Interface and Data Specifications 1.0. Retrieved May 1, 2014, from http://www.kk.iij4u.or.jp/~kondo/wave/mpidata.txt Wakiyama, M. (2010). An audio steganography by a low-bit coding method with wave files. International Conference on Intelligent Information Hiding and Multimedia Signal Processing, 530-533.
4
