Pada Tugas Akhir ini akan diajukan teknik blind watermarking pada citra grayscale atau citra warna(RGB) menggunakan metode Haar Discrete Wavelet Transform untuk menyisipkan watermark dan menggunakan Hidden Markov Model untuk mendeteksi watermark pada citra berwatermark tanpa mengetahui watermark asli. Tahap ini terdiri dari two tahap utama, yaitu tahap Embedding dan tahap Extraction. Proses Embedding diawali dengan encoding terhadap citra watermark sebelum disisipkan ke dalam citra host. Proses encoding menggunakan Direct Sequence Spread Spectrum. Citra hasil encoding dimasukkan ke dalam citra host yang sudah didekomposisi menjadi domain wavelet 2 level. Watermark dimasukkan ke dalam salah satu subband. Selanjutnya proses ekstraksi dilakukan dengan melakukan training terhadap data latih berupa Wavelet Coefficients yang sudah disisipi watermark. Proses training menggunakan Baum-Welch Learning untuk mengestimasi parameter-parameter HMM untuk menghasilkan sebuah model yang digunakan untuk deteksi Maximum Likelihood. Performansi sistem watermarking akan diuji menggunakan dua kriteria yaitu imperceptibility dan Robustness. Masing-masing kriteria tersebut dihitung menggunakan PSNR dan BER.
Hasil pengujian menunjukkan bahwa *subband* terbaik adalah HH dengan nilai *embed constant* 1 menggunakan metode HVS *Xie Perceptual Model*. Ukuran watermark yang ideal berdasarkan pengujian adalah 32x32 menggunakan dua jenis DWT terbaik yaitu Haar dan Daubechies 2. Pengujian juga memberikan hasil performansi *imperceptibility* dengan nilai PSNR rata-rata adalah 42.7525 dB dan performansi *robustness* menggunakan serangan *AWGN*, *Salt and Pepper*, *Gaussian Noise*, *Median Cut*, *Dithering*, *JPEG Compression*, *Gaussian Sharpen*, *Sharpen*, *Brightness*, *Contrast*, *Gamma*, dan *Histogram Equilization* dengan rata-rata nilai BER adalah 5.003444 %.
Kata Kunci: **Watermarking, **Discrete Wavelet Transform, **Hidden Markov Model, **Direct Sequence Spread Spectrum, **Imperceptibility, **Robustness.