Semakin berkembangnya teknologi informasi, menjadikan Internet sebagai suatu kebutuhan dalam pertukaran informasi digital. Salah satunya pada area Telemedicine. Telemedicine memanfaatkan kemajuan teknologi telekomunikasi untuk pertukaran informasi kesehatan dan memberikan pelayanan kesehatan tanpa memandang batas geografis dan waktu. Pada konsep Telemedicine seluruh data citra medis hasil diagnosis dan data pasien seluruhnya memanfaatkan internet untuk transmisi informasi kesehatan.
Di balik canggihnya pertukaran data pada Telemedicine terdapat informasi data pasien yang harus dilindungi privasinya. Data hasil diagnosis dan data pasien ditransmisikan melalui internet, di mana terdapat celah yang dapat dimanfaatkan oleh orang yang tidak bertanggungjawab yaitu seperti penduplikasian data citra medis, pencurian data pasien dan hal-hal lain yang dapat merugikan hak privasi pasien. Oleh karena itu diperlukan sebuah watermarking pada citra medis tersebut sehingga data pasien dapat embedded menjadi satu kesatuan dengan citra medis tersebut. Dengan proses watermarking citra medis dan data pasien tersebut dapat memenuhi privasi pasien serta dapat lebih aman dari upaya untuk penduplikasian data citra dan pencurian data pasien oleh pihak yang tidak bertanggungjawab.
Tugas akhir ini akan melakukan watermarking citra medis yang disisipkan data berupa data pasien berupa citra dan berupa teks menggunakan metode Discrete Wavelet Transform (DWT) dan Single Value Decomposition (SVD) dalam proses watermarking citra medis tersebut. Watermarking pada tugas akhir ini menggunakan non blind watermarking. Di mana artinya untuk proses ekstraksi membutuhkan citra host dan citra watermark. Data watermark dimasukkan ke dalam citra host berupa citra yang berisi data pasien dan juga terdapat skenario pengujian jika data pasien berupa teks, sehingga output yang dihasilkan berupa citra watermarked yang sudah berisi data pasien. Tugas akhir ini diimplementasikan menggunakan software Matlab 2015b.
Pada tugas akhir ini akan dilakukan analisis bagaimana pengaruh sub band DWT, level DWT, nilai faktor skala SVD terhadap performansi watermarking. Parameter yang digunakan adalah Peak Signal to Noise Ratio (PSNR), koefisien korelasi serta waktu komputasi. Skenario pengujian termasuk skema serangan berupa berupa rotate, scaling, cropping. Berdasarkan paper IEEE yang berjudul A Study of DWT and SVD based Watermarking Algorithms for Patient Privacy in Medical Images (2013), metode DWT memiliki kelebihan pada waktu komputasi dan imperceptibility sedangkan SVD memiliki kelebihan pada robustness dan kapasitas data yang disisipkan.
Kesimpulan pada tugas akhir ini bahwa untuk menghasilkan citra watermarked terbaik menggunakan sub band HH dengan scaling factor SVD sebesar 0.1 yaitu dengan PSNR mencapai 44 dB. Level satu dan level dua DWT memiliki hasil citra watermarked yang setara. Serangan rotasi sub band LL dapat bertahan pada sudut-sudut besar (istimewa) dan sub band HH dapat bertahan pada sudut-sudut kecil. Pada serangan cropping sub band LL dapat bertahan dengan baik. Sedangkan pada serangan scaling sub band HH dapat bertahan dengan baik. Untuk teks sebagai watermark, penyisipan pada setiap sub band menghasilkan citra watermarked dengan kualitas yang setara yaitu dengan PSNR 43 dB. Untuk ekstraksi teks, agar dapat diekstraksi dengan sempurna jumlah karakter kurang dari 32 karakter dan dilakukan pada sub band selain HH. Sub band LL, LH dan HL dapat bertahan terhadap serangan rotasi dan scaling. Sedangkan sub band LH dapat tahan terhadap serangan cropping.
Kata kunci: non blind watermarking, discrete wavelet transform, singular value decomposition