Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam beberapa tahun terakhir, penelitian algoritma enkripsi citra menggunakan compressive sensing dan sistem chaotic telah banyak dikembangkan. Dengan memanfaatkan properti yang kompleks dari ergodisitas, tidak mudah untuk diprediksi, dan sensitifitas terhadap keadaan awal dari suatu sistem chaotic, suatu sistem chaotic dapat digabungkan dengan compressive sensing. Banyak algoritma enkripsi yang menggunakan sistem chaotic pada dimensi rendah menanggung risiko keamanan dan ekspansi data enkripsi. Selain itu, algoritma enkripsi menggunakan compressive sensing menghasilkan citra dekripsi dengan kualitas citra yang berbeda dengan citra awal. Penelitian ini bertujuan untuk mengatasi kelemahan ini dengan mengembangkan metode enkripsi citra menggunakan 2D Sine-Chebyshev-ICMIC Map, compressive sensing dan multi-level discrete wavelet transform. Representasi sparse dibentuk menggunakan multi-level discrete wavelet transform dengan mengelompokan koefisien wavelet. Fungsi hash SHA-256 dari citra awal digunakan untuk menghasilkan kondisi awal dari chaotic map sehingga dapat meningkatkan ketahanan terhadap serangan known-plaintext dan chosen-plaintext. Hasil penelitian menunjukkan metode enkripsi citra memiliki ketahanan dan keamanan dari beberapa serangan dengan hasil kompresi yang baik

---

In the past few years, the research in image encryption using compressive sensing and chaotic system has grown rapidly. With complex properties of ergodicity, unpredictability, and sensitivity to the initial states of chaotic system, chaotic system can be combined with compressive sensing. There are many encryption algorithm that used low-dimensional chaotic system that suffer security risks and expansion in encryption data. Furthermore, encryption algorithm using compressive sensing gives the differences between the plain image and the decrypted image. This study aims to overcome this weakness by developing image encryption method using 2D Sine-Chebyshev-ICMIC Map, compressive sensing and multi-level discrete wavelet transform by grouping the wavelet coefficient. SHA-256 hash function of the plain image is generated to calculate the initial states of chaotic system. Result from experiments shows that the enryption method has robustness and secure againts some attacks with good compression result"

"ABSTRAKWatermarking merupakan teknik penyisipan data atau informasi yang bersifat rahasia ke dalam media data digital lainnya. Watermarking pada citra digital dibutuhkan sebagai perlindungan terhadap kepemilikan citra digital. Tujuan penelitian ini adalah merancang simulasi algoritma watermarking dengan menggunakan transformasi wavelet diskrit dari beberapa mother wavelet seperti diskrit meyer, daubechies, symlet, dan haar. Hasil pengujian penyisipan citra watermark dengan beberapa dimensi yang berbeda, citra watermark dengan dimensi 64 x 64 piksel memiliki hasil yang paling baik. Proses watermarking dengan dekomposisi yang paling baik pada percobaan ini terjadi pada dekomposisi satu level. Pengujian penyisipan watermark dengan sub-band LL,LH,HL, dan HH, didapat bahwa penyisipan pada sub-band LL memiliki nilai PSNR yang paling baik. Citra asli yang telah disisipkan dengan citra watermark juga di uji secara subjektif. Hasil dari citra yang terwatermark tidak dapat dideteksi secara langsung oleh koresponden karena perubahan citra terwatermark tidak jauh berbeda dengan citra asli. Pengujian citra terwatermark terhadap robustness dengan ?salt & pepper? terjadi penurunan kualitas citra yang sangat tinggi. Pengujian citra terwatermark terhadap robustness dengan AWGN, tidak banyak mempengaruhi kualitas citra terwatermark. Nilai power noise dari AWGN yang diujikan dari 10-40 db, dengan nilai maksimum power noise dari AWGN adalah 40 db. Dari hasil percobaan beberapa jenis keluarga wavelet yang paling baik adalah diskrit meyer.

---

ABSTRACTWatermarking is a technique of embedding the data or information that is confidential to the other digital data media. Digital image watermarking is needed as a protection against the ownership of digital images. The purpose of this study is to design a simulated watermarking algorithm using discrete wavelet transform of a mother wavelet such as discrete meyer, daubechies, symlet, and haar. Test results with the embedding a watermark image several different dimensions, watermark image with dimensions of 64 x 64 pixels have the best result. The best decomposition process of watermarking in this study occurred at a single level of decomposition. Watermark embedding testing with sub-bands LL, LH, HL, and HH, found that the embedding in sub-band LL has the best PSNR values. The original image has been embedded with a watermark image was tested subjectively. The results of the watermarked image can not be detected directly by the correspondents because the change of watermarked image is not much different from the original image. The robustness of watermarking image with "salt and pepper" shows decrease in quality greatly. However, the test by adding the AWGN showed that the robustness did not affect the quality of watermarked image. The experimental result by varying power noise, ranged from 10 db to 40 db, with a maximum power noise of AWGN is 40 db. From the experimental results, the discrete meyer is the best type among the wavelet family."

"Salah satu teknologi yang banyak diaplikasikan untuk mengolah data citra sebagai sumber informasi utama adalah teknologi penginderaan jauh atau remote sensing. Beberapa aplikasi remote sensing menuntut citra yang berkualitas baik, namun dalam ukuran yang lebih kecil mengingat ukurannya yang sangat besar. Kebutuhan inilah yang mendorong berkembangnya teknologi pemampatan citra atau image compression. Skripsi ini membahas tentang teknik kompresi citra gabungan antara prediksi linier antarband (kompresi spektral) dengan transformasi wavelet dan Discrete Cosine Transform (DCT) sebagai kompresi spasial. Jenis transformasi wavelet yang digunakan adalah LS 9/7, CDF 9/7, dan multiwavelet Daubechies 10 (Db10) + LS 9/7. Dari hasil ekperimen data MODIS berukuran 2048 x 2048, dapat disimpulkan rasio kompresi berbanding terbalik dengan nilai PSNR yang dihasilkan, sementara tingkat level dekomposisi sebanding dengan nilai PSNR dengan level ideal 5. Meskipun memiliki PSNR yang tinggi, metode DCT tidak menghasilkan kualitas citra hasil kompresi yang memadai, terbukti dengan rendahnya nilai co-histogram simetri (SCH). Metode kompresi yang paling baik adalah multiwavelet (Db10+LS9/7) karena menghasilkan PSNR yang stabil di atas 50 dB hingga rasio kompresi 100 dengan nilai SCH rata-rata 0.99.

---

An image/picture could contain thousands of information. Remote sensing is a technology which uses an image in the form of satellite imagery as the main source of information. Remote sensing applications require good quality of image, represented by smaller size, since satellite sensors have wide measurement coverage of Earth surface. In this regards, image compression is needed.

This thesis report covered image compression techniques using combination of interband prediction (as spectral compression) and discrete cosine transform (DCT) and wavelet transform (as spatial compression). Several wavelet transforms are applied in the experiment, such as LS 9/7, CDF 9/7, and multi-wavelet Daubechies 10 (Db10) + LS 9/7.

The experiment results showed that the higher the compression ratio, the smaller PSNR values. This applies to all four methods of compression which were tested in this study. The higher level of decomposition of wavelet transformation, resulted in better PSNR. While the ideal level of decomposition for wavelet transformation is level 5. Even the DCT method resulted in high PSNR, but the quality of compression image is poor, which is shown in low Symmetrical Co-Histogram (SCH) value. The best result was obtained by combined method (Db10+LS9/7) which resulted in high PSNR (up to 50 dB), high compression ratio (up to 100), and average SCH values of 0.99."

"Perkembangan teknologi sistem telekomunikasi berkembang sangat cepat. Berbagai cara dilakukan untuk meningkatkan kinerja sistem telekomunikasi yang handal. Seiring dengan perkembangan teknologi pita lebar, sistem telekomunikasi yang digunakan pada saat ini juga terus dikembangkan agar dapat menghasilkan performa yang lebih baik lagi. Teknik yang digunakan dalam sistem pita lebar tersebut saat ini yaitu menggunakan teknik Orthogonal Frequency Division Multiplexing (OFDM).Orthogonal Frequency Division Multiplexing (OFDM) merupakan suatu teknik transmisi yang menggunakan beberapa frekuensi subcarrier yang saling tegak lurus. Sistem OFDM mampu memberikan efisiensi bandwidth yang lebih tinggi dibandingkan dengan sistem Frequency Division Multiplexing (FDM) biasa. Untuk membuat sinyal OFDM diperlukan suatu teknik transformasi yang diterapkan dalam sistem OFDM. Beberapa transformasi yang biasanya digunakan dalam sistem OFDM ialah Discrete Fourier Transform (DFT) dan Discrete Wavelet Transform (DWT).Dalam skripsi ini dirancang dan dianalisa sistem OFDM yang menggunakan transformasi Lifitng Discrete Wavelet Transform (LDWT). LDWT merupakan pengembangan dari trasformasi DWT. Kelebihan-kelebihan yang dimiliki oleh transformasi LDWT ini mampu memberikan performa yang lebih baik untuk sistem OFDM. Dari hasil simulasi didapatkan bahwa sistem OFDM-LDWT menghasilkan nilai BER yang lebih baik dibandingkan sistem OFDM-DWT untuk wavelet Db2, Sym2, dan Coif2, sedangkan wavelet Haar menghasilkan nilai BER yang sama baik. Nilai BER paling baik yang dihasilkan sistem OFDM-LDWT yaitu pada saat menggunakan wavelet Haar, Db2, dan Sym2 pada kanal AWGN dengan menggunakan modulasi QPSK dan tanpa menggunakan Cyclic Prefix (CP).

---

The development of telecommunication system grows rapidly. Various methods are used to improve the performance of telecommunication system. Due to the development of broadband communication, telecommunication system should be developed to reach the good performance. The technology used in broadband system is Orthogonal Frequency Division Multiplexing (OFDM).Orthogonal Frequency Division Multiplexing (OFDM) uses multiple orthogonal subcarriers frequency. OFDM system can provide higher bandwidth efficiency than Frequency Division Multiplexing (FDM) system. A transformation technique is required to build the OFDM signal. Some transformations used in the OFDM system is the Discrete Fourier Transform (DFT) and Discrete Wavelet Transform (DWT).This final project designs and analyzes OFDM system using Lifting Discrete Wavelet Transform (LDWT). LDWT is the next generarion of DWT transform. The advantages of LDWT transform can improve the performance of OFDM system. The result of simulation shows that OFDM-LDWT system has a better BER than OFDM-DWT system in the wavelet Db2, Sym2, and Coif2, while the wavelet Haar has the same good BER. System of OFDM-LDWT has the best performance of BER when using wavelet Haar, Db2, and Sym2 in the AWGN channel with QPSK modulation and without Cyclic Prefix (CP)."

"Tomografi terkomputasi/CT memiliki keterbatasan dalam mendiferensiasikan material heterogen. Diantara solusinya adalah menggunakan CT dengan sinar-X bervariasi, lalu melakukan image fusion untuk menggabungkan citra proyeksi beda energi tersebut. Dalam penelitian ini, digunakan algoritma image fusion berupa Discrete Wavelet Transform (DWT) dan Non Subsampled Contourlet Transform (NSCT) untuk mengamati performanya dalam meningkatkan kualitas sistem CT sinar-X di BRIN. Digunakan tiga jenis sampel: threaded pipe union PVC, busi, dan set sampel multimaterial berupa lima silinder beda material. Dihasilkan 7 set slice citra yang difusi menggunakan MATLAB. Dari hasil fusi, didapat bahwa algoritma DWT dengan aturan fusi max-max memberikan hasil fusi dengan kontras tertinggi, dengan rerata STD 0.1852 ± 0.0002. Metode NSCT memberikan kesamaan per piksel tertinggi antara citra sumber dan citra fusi, dengan rerata FMI 0.9284 ± 0.0016 dan PSNR takhingga dari kalkulasi MATLAB. Algoritma DWT dengan aturan fusi mean-mean memberikan kesamaan struktural terbaik dengan rerata SSIM 0.9221 ± 0.0004. Namun, evaluasi visual menunjukkan kedua algoritma tersebut kurang efektif menghilangkan noise dan artifact. Oleh karena itu, diperlukan peningkatan kualitas pra-pemrosesan citra hasil rekonstruksi sebelum fusi, pemilihan sampel yang lebih sesuai dari tipe material hingga geometri sampel, serta bereksperimen dengan bermacam-macam algoritma fusi lainnya

---

Computed tomography/CT has limitations in differentiating heterogeneous materials. Among the solutions is to use CT with varying X-rays and image fusion to combine the different energy projection images. In this study, Discrete Wavelet Transform (DWT) and Non Subsampled Contourlet Transform (NSCT) image fusion algorithms were used to observe their performance in improving the quality of the X-ray CT system at BRIN. Three types of samples were used: PVC threaded pipe union, spark plugs, and a multimaterial sample set of five cylinders of different materials. Seven sets of image slices were fused using MATLAB. From the fusion results, it was found that the DWT algorithm with max-max fusion rule gave the highest contrast fusion results, with a mean STD of 0.1852 ± 0.0002. The NSCT method provides the highest per-pixel similarity between the source image and the fused image, with a mean FMI of 0.9284 ± 0.0016 and infinite PSNR from MATLAB calculations. The DWT algorithm with mean-mean fusion rule provided the best structural similarity with a mean SSIM of 0.9221 ± 0.0004. However, visual evaluation showed that both algorithms were less effective at removing noise and artifacts. Therefore, it is necessary to improve the pre-processing quality of the reconstructed image before fusion, select more suitable samples from material type to sample geometry, and experiment with various other fusion algorithms."

"ABSTRAK

Proses deteksi tumor otak dengan komputer dilakukan melalui empat tahapan utama. Pada tahap awal dilakukan pra-proses dengan median filter untuk memperbaiki kualitas citra. Kemudian dilanjutkan dengan ekstraksi fitur menggunakan dekomposisi wavelet haar bertingkat tiga agar ukuran citra tidak terlalu besar, hanya 1/8 dari ukuran citra asalnya. Setelah itu dilakukan proses reduksi dimensi menggunakan Principal Component Analysis (PCA). PCA menentukan komponen penting dari citra dengan melihat dari varians yang direpresentasikan oleh nilai eigen, sehingga jumlah komponen yang akan dimasukkan ke proses pembelajaran tidak terlalu banyak, untuk menghindari curse of dimentionality. Baru setelah itu dilakukan proses pembelajaran menggunakan metode Backpropagation Neural Network (BPNN) dengan 10 hidden neuron, dimana proses pelatihan dan pengujian dilakukan untuk mendapatkan bobot dan bias yang terbaik dan kemudian diuji. Hasil akurasi pengenalan pada kondisi awal ini mencapai 87%, sementara pada kondisi ideal yang menggunakan dekomposisi wavelet haar bertingkat empat dan 3 hidden neuron pada BPNN mencapai akurasi pengenalan 100%.

---

ABSTRACT

Brain tumor detection process by the computer is going through four main step. First is pre-processing that using median filter to enhance the image quality. The second is feature extraction using level-3 haar wavelet decomposition, so that the image is not too big, only 1/8 of the original size . The third is dimentionality reduction using Principal Component Analysis (PCA). PCA determine the principal component of the image from variances, which represented by eigen value. So the component that will be used in learning step is much fewer, to avoid the curse of dimentionality. And the last step is learning, using Backpropagation Neural Network (BPNN) with 10 hidden neuron. The BPNN going through training and testing phase. BPNN will find its optimal weight and bias, and those weight and bias are being tested. The result from BPNN could distinguish images into normal and tumor, with accuracy 87% in default condition. In ideal condition, which is using level-4 haar wavelet decomposition and 3 hidden neuron in BPNN, the accuracy is 100%.

"

"Saat ini kemajuan teknologi berkembang sangat pesat. Salah satunya yaitu teknologi informasi dan komunikasi. Pengiriman dan penerimaan informasi menjadi sangat mudah, namun hal tersebut tidak serta merta berjalan aman. Berkembangnya teknologi informasi dan komunikasi pun diiringi oleh kejahatan seperti penyadapan informasi. Untuk itu dibutuhkan algoritma untuk mengamankan informasi, salah satu caranya yaitu dengan menerapkan ilmu kriptografi. Metode yang digunakan yaitu metode enkripsi. Menggunakan konsep teori chaos, dengan fungsi tangent logistic map. Pengujian terhadap algoritma enkripsi menggunakan tangent logistic map ini menghasilkan ruang kunci sebesar 10⁴⁵ dan sensitivitas kunci mencapai 10⁻¹⁶ sehingga sulit dipecahkan oleh brute force attack. Disamping itu, distribusi dari nilai-nilai pixel citra hasil enkripsi terbukti uniform serta berdasarkan uji NIST (National Institute of Standard and Technology) keystream yang dihasilkan pun terbukti acak dengan 𝑃.𝑣𝑎𝑙𝑢𝑒= 0.97≥1% sehingga sulit dipecahkan oleh known plaintext attack.

---

Nowadays, advance in technology is growing very rapidly, as well as information technology and communication. Sending and receiving information become very easy but it is not necessarily secure because it is also accompanied by crime, such as cracking the data/ information. Therefore we need an algorithm to secure the data/ information, one way is applying cryptography theory, with an encryption method and the concept of chaos theory using tangent logistic map. Some of the results of tests performed on this encryption algorithm using tangent logistic map are key space is about 1045 ; the sensitivity level is about 10−16, so that this algorithm has a high resistance to bruteforce attack. Besides that, the histogram is almost flat and based on the results of NIST (National Institute of Standard and Technology) tests, this algorithm produces random number, shown by 𝑃.𝑣𝑎𝑙𝑢𝑒=0.97≥0.0, so that this algorithm has also a high resistance to known plaintext attack."

"Dengan perkembangan teknologi, diperlukan perlindungan terhadap data digital untuk menghindari manipulasi dan perubahan data. Dalam penelitian ini, dilakukan pengamanan data digital berupa citra digital dengan teknik kriptografi (enkripsi dan dekripsi). Proses enkripsi dan dekripsi menggunakan fungsi chaos MS map dengan melakukan dua skema yaitu skema permutasi dan skema difusi secara berurutan sehingga dibutuhkan keystream untuk masing-masing skema yaitu keystream permutasi dan keystream difusi yang dilanjutkan dengan operasi XOR terhadap masing-masing piksel citra digital. Hasil uji coba dan analisis, menunjukkan rata-rata waktu proses enkripsi relatif sama dengan proses dekripsi, tingkat sensitivitas keystream mencapai 10-17 untuk nilai awal 0 dan 10−16 untuk parameter r dan, keystream yang dibangkitkan merupakan barisan acak karena lulus uji NIST, citra terdekripsi berdistribusi uniform karena histogram berbentuk flat, citra terenkripsi sama dengan citra asli ditunjukkan dengan nilai PSNR = dan piksel-piksel citra terenkripsi tidak korelasi. Maka algoritma enkripsi yang dikembangkan dengan menggunakan MS map berskema permutasi dan difusi tahan terhadap serangan bruteforce attack, statistical attack, dan diferensial attack.

---

With the development of technology, protection of digital data is needed to avoid data manipulation and change. In this study, digital data security will be carried out in the form of digital images with cryptographic techniques (encryption and decryption). The process of encryption and decryption uses the chaos MS map function by carrying out two schemes, namely permutation schemes and sequential diffusion schemes so that each sequence is needed for permutation and diffusion parameters, which will be XORed against each pixel of the digital image.

Trial and analysis results show that the average encryption process time is relatively the same as the decryption process, the keystream sensitivity level reaches 10−17 for the initial values 0 and 10−16 for parameters r and, keystream the generated is a random sequence because it passed the NIST test, the decrypted image is uniformly distributed because the histogram is flat, the encrypted image with the original image is indicated by the value of PSNR = and the pixels of the encrypted image are not correlated. Then the encryption algorithm developed using MS map with permutation and diffusion schemes is resistant to bruteforce attack, statistical attack, and differential attacks."

"Pada penelitian ini, dirancang suatu sistem enkripsi citra yang berfokus di bidang teledermatologi, secara khusus untuk mengamankan data-data berupa gambar penyakit kulit. Mekanisme enkripsi dan dekripsi citra dilakukan di sisi klien menggunakan program enkripsi berbasis chaos dengan menerapkan gabungan teknik confusion dan diffusion. Model chaotic map yang digunakan pada teknik confusion adalah Arnold’s cat map, sedangkan model yang digunakan pada teknik diffusion adalah Henon map. Initial values dari kedua chaotic map tersebut didapatkan dari secret key sepanjang 30-digit numerik yang dihasilkan melalui pertukaran kunci Diffie-Hellman. Pada Arnold’s cat map digunakan nilai p dan q yang berbeda-beda pada setiap iterasinya, sedangkan pada Henon map digunakan nilai x dan y dengan tingkat presisi hingga 10^-14. Dari pengujian yang telah dilakukan, didapatkan histogram dengan persebaran piksel yang menyeluruh. Selanjutnya didapatkan juga rata-rata koefisien korelasi sebesar 0.003877 (horizontal), -0.00026 (vertikal), -0.00049 (diagonal), dan rata-rata nilai entropi sebesar 7.950304. Dari segi sensitivitas kunci, perbedaan satu angka pada secret key menyebabkan hasil enkripsi hanya memiliki indeks kesamaan sebesar 0.005337 (0.5%). Sedangkan perbedaan kunci pada dekripsi citra tidak bisa kembali ke bentuk semula, dan justru menghasilkan citra acak lain dengan rata-rata nilai entropi hasil dekripsi sebesar 7.964909333 (perbedaan secret key) dan 7.994861667 (perbedaan private key).

---

This research designed an image encryption system that focused on securing teledermatology data, in the form of skin disease images. The encryption and decryption process of this system is done on the client side using chaos-based encryption with confusion and diffusion techniques. The chaotic map model that is being used for confusion is Arnold’s cat map, meanwhile Henon map is used for the diffusion. Initial values of both chaotic maps are obtained from 30-digits secret key which is generated using Diffie-Hellman key exchange. During Arnold’s cat map generation, different p and q values are used for every iteration. On the other side, the precision of Henon map’s x and y values are 10^-14. From the tests that have been done, histograms of the encrypted images are relatively flat and distributed through all the gray values. Moreover, the encrypted images have an average correlation coefficient of 0.003877 (horizontal), -0.00026 (vertical), -0.00049 (diagonal), and average entropy of 7.950304. From key sensitivity test, a difference of just one number on the secret key causes big differences as both results only have similarity index of 0.005337 (0.5%). Meanwhile in decryption process, that little key difference cannot be used to restore the encrypted image to its original form and generate another chaotic image with an average entropy of 7.964909333 (secret key difference) and 7.994861667 (private key difference)."

"Visual communications services are now making a significant impact on modern society. Videoconferencing, HDTV and Multimedia are just examples where this technology is being used to good effect. Communicating using video signals does, however, require a large volume of data to be transmitted, and even with modern high-bandwidth communication links this can be expensive. This requires the implementation of efficient image or video coding and compression schemes. This paper presents image compression schemes using wavelet transform. This paper also highlights the importance of the four most desirable characteristics for use in digital signal processing, namely orthonormality, compactness, regularity or smoothness and symmetry or anti-symmetry. Some of these characteristics are mutually exclusive and require design compromise. From the simulation results it can be seen that for equal total length of the analysis (decomposition) and synthesis (reconstruction) filters, biorthonormal wavelets performs much better than the ortlionormal wavelet (i.e. asymmetrical wavelets). This performance is not only in terms of a higher WPSNR but also in terms of the quality of reconstructed image."