Untuk mengukur tingkat keberhasilan algoritma digunakan kriteria obyektif dan subyektif. Kriteria obyektif didasarkan pada perhitungan matematis menggunakan nilai MSE dan PSNR sedangkan kriteria subyektif berdasarkan hasil pengamatan manusia. Penilaian ini didasarkan atas karateristik pengamatan manusia (Human Visual System). Pengujian subyektif umumnya dilakukan dengan mengukur MOS (mean opinion survey) sebagai berikut :
Tabel 2. Level distrosi pengukuran mean opinion survey Nilai Level Distorsi Kualitas Gambar
1 Sangat Tidak Mirip
Perbedaan antara cover image dan stegoimage
sangat jelas
2 Tidak Mirip Antara cover image dan stegoimage ada perbedaan sedikit
3 Mirip Antara cover image dan stegoimage mirip 4 Sangat Mirip Antara cover image dan stegoimage sangat mirip/
tidak dapat dibedakan
Untuk mengukur MOS dilakukan dengan menyebarkan kuesioner terhadap 60 responden yang terdiri dari 30 responden bergerak dibidang komputer dan 30 responden tidak bergerak dibidang komputer.
Teknik sampling
Menurut Hair (2006) ada dua tipe sampling yang dapat digunakan pada penelitian yaitu :
1. Non Random/non probability sampling
Pemilihan sample dilakukan atas pertimbangan peneliti secara personal dan opini-opini lain yang mendukung pemilihan sample tersebut.
15
Adapun tipe-tipe Non Probability Sampling yaitu :
a. Convenience Sampling
Metode sampling dimana sample yang diambil berdasarkan keinginan pribadi dari peneliti.
b. Judgment Sampling
Metode sampling dimana responden dipilih berdasarkan pengalaman yang dimilikinya, dimana pengalaman tersebut dipercaya dapat memenuhi kebutuhan penelitian.
c. Quota Sampling
Metode sampling dimana responden dipilih berdasarkan kuota tertentu yang telah ditetapkan, misal: demografis, tingkah laku atau kriteria lainnya.
d. Snowball Sampling
Metode sampling dimana sekumpulan responden dipilih lalu para responden tersebut membantu peneliti untuk menentukan orang selanjutnya yang dianggap memenuhi kriteria untuk diikutsertakan dalam penelitian.
2. Random/ probability sampling
Setiap bagian dari populasi memiliki kesempatan yang sama untuk dapat terpilih mewakili sample penelitian.
Adapun tipe-tipe Probability Sampling yaitu :
a. Simple Random Sampling
Metode sampling dimana setiap sample yang ada di dalam populasi memiliki kesempatan yang sama besar untuk dipilih.
b. Systematic Random Sampling
Metode sampling dimana sample yang ada disusun berdasarkan urutan tertentu.
c. Stratified Random Sampling
Metode sampling dimana populasi yang ada dibagi ke dalam grup yang disebut strata dan sampel akan diambil dari tiap strata yang ada.
16
Pada penelitian ini menggunakan teknik stratified random sampling
dimana sampel dari populasi dibagi kedalam dua kelompok yaitu (1) kelompok responden yang bergerak dalam bidang komputer (2) kelompok responden yang tidak bergerak dalam bidang komputer yang masing-masing berjumlah 30 responden.
d. Cluster Sampling
Metode sampling dimana tiap unit sample dibagi ke dalam sub populasi yang lebih kecil yang disebut cluster. Tiap cluster
diasumsikan sebagai perwakilan dari populasi yang ada.
Teknik Pengumpulan Data
Kuisioner adalah serangkaian pertanyaan dimana responden mengisi jawaban- jawaban , biasanya dengan alternatif-alternatif yang mendekati jawaban-jawaban mereka (Sekaran, 2003). Kuisioner adalah mekanisme pengumpulan data yang efisien dimana peneliti mengetahui dengan tepat apa yang diminta dan bagaimana mengukur variabel-variabel.
Dalam penelitian ini, instrumen yang akan dipakai dalam mengumpulkan data adalah kuisioner.
METODE PENELITIAN
3.1 Bahan
Bahan dalam penelitian ini adalah citra gambar format bmp 24 bit dan berkas text. Citra bmp digunakan sebagai media pembawa pesan, sedangkan berkas text sebagai pesan yang akan disisipkan. Jumlah citra bmp sebanyak delapan buah, pemilihan citra berdasarkan keragaman citra tersebut, terutama dilihat dari penyebaran warna pada gambar (Lampiran 1). Sedangkan berkas text disesuaikan dengan daya tampung masing-masing citra bmpnya.
3.2 Metode
Penelitian diawali dengan beberapa percobaan pendahuluan untuk mempelajari karakteristik penyebaran piksel dalam sebuah image. Tahap selanjutnya mempelajari cara kerja algoritma PVD dan melakukan beberapa perubahan dan penambahan sehingga diperoleh algoritma PVDM. Terakhir dibuat program untuk membandingkan kinerja kedua algoritma.
3.3 Percobaan
Masing-masing algoritma dibuat programnya dengan spesifikasi perangkat lunak dan perangkat keras yang sama yaitu :
Perangkat lunak :
• Microsoft Windows XP • Microsoft Excel 2007 • Delphi versi 6 release Perangkat keras :
• Processor Intel Celeron 430
• 512 MB DDR2
• Harddisk 80 GB HDD • Keyboard dan Monitor
18
Percobaan sebelumnya yang dilakukan (Wu dan Tsai) hanya menggunakan dua tabel jangkauan (tabel jangkauan I dan tabel jangkuan II), pada penelitian ini dikembangkan menjadi 4 tabel jangkuan ,dengan penambahan 2 tabel jangkuan baru dari tabel sebelumnya seperti terlihat pada Tabel 3 berikut.
Tabel 3 Berbagai macam tabel jangkauan Tabel Jangkuan I Tabel Jangkuan II Tabel Jangkuan III Tabel Jangkuan IV R1=[0,7] R1=[0,1] R1=[0,3] R1=[0,1] R2=[8,15] R2=[2,3] R2=[4,7] R2=[2,5] R3=[16,31] R3=[4,7] R3=[8,15] R3=[6,7] R4=[32,63] R4=[8,11] R4=[16,23] R4=[8,15] R5=[64,127] R5=[12,15] R5=[24,31] R5=[16,31] R6=[128,255] R6=[16,23] R6=[32,47] R6=[32,47] R7=[24,31] R7=[48,63] R7=[48,63] R8=[32,47] R8=[64,95] R8=[64,95] R9=[48,63] R9=[96,127] R9=[96,127] R10=[64,95] R10=[128,191] R10=[128,191] R11=[96,127] R11=[192,255] R11=[192,255] R12=[128,191] R13=[192,255]
Pada Tabel Jangkauan I, untuk setiap interval hanya dibagi dalam satu interval, sedangkan untuk Tabel Jangkuan II,III dan IV bisa lebih dari satu. Perbedaan penelitian ini dengan penelitian sebelumnya terletak pada interval yang digunakan. Penelitian sebelumnya menggunakan algoritma yang sama untuk semua interval dan tabel yang digunakan hanya dua, sedangkan pada penelitian ini, khusus untuk interval [0,7] dilakukan metode penyisipan dengan algoritma LSB dan tabel jangkauan yang digunakan empat buah. Untuk setiap Ri sampai Rn
19
interval tersebut. Pada tabel jangkauan II,III dan IV kombinasi daya tampung untuk setiap interval cukup beragam.
HASIL DAN PEMBAHASAN
4.1 Algoritma PVD
Inti dari algoritma PVD adalah perhitungan selisih antara piksel P(i,x) dan
P(i,y). Hasil selisih kedua piksel akan menentukan besarnya kapasitas pesan yang
dapat disisipkan; semakin besar selisih antara piksel P(i,x) dan P(i,y), semakin besar
juga kapasitas pesan yang ditampung. Karakteristik sebuah citra pada umumnya antara piksel yang berdekatan mempunyai nilai piksel yang tidak jauh berbeda (selisih piksel antara interval [0..7]) yang dapat dikatakan kecil, walaupun bisa saja terjadi antara piksel yang berdekatan mempunyai nilai piksel yang jauh berbeda (selisih piksel antara interval [8.255]) yang dapat dikatakan besar. Perbedaan yang cukup besar antara dua piksel berdekatan terjadi karena adanya perubahaan warna yang kontras antara kedua piksel tersebut.
Algoritma PVD menerapkan cara yang sama untuk semua selisih piksel, baik selisih besar ataupun selisih kecil. Kelemahan terjadi pada daerah dengan selisih piksel kecil, yaitu kurang optimalnya jumlah pesan yang dapat ditampung. Sebagai gambaran, untuk interval kecil daya tampung pesan hanya tiga bit untuk kedua piksel tersebut. Dengan algoritma LSB dua bit pada selisih piksel kecil dapat menampung empat bit pesan. Hal ini menunjukkan daya tampung yang lebih besar daripada menggunakan algoritma PVD.
4.2 Algoritma Yang Diusulkan (PVDM)
Penelitian ini akan mengelompokkan sebuah image dalam 2 kelompok, yaitu (1) kelompok dengan selisih piksel kecil (2) kelompok dengan selisih piksel besar. Kombinasi dari 2 kelompok ini untuk mengoptimalkan metode LSB dan PVD dalam satu gugus data yang sama. Metode penyisipan ini kita sebut algoritma PVDM ( Pixel Value Differencing Modified ). Kelebihan dari algoritma PVDM adalah mampu meningkatkan kapasitas penyisipan data dan juga distorsi citra sebelum dan sesudah disisipkan tetap kecil.
21
Perbedaan algoritma PVDM dengan algoritma PVD terletak pada pemilihan interval selisih pixel. Pada algoritma PVD semua interval mulai [0,255] diberlakukan sama, sedangkan algoritma PVDM pada interval [0,7] proses penyisipan pesan menggunakan algoritma LSB. Misalnya P(i,x) dan P(i,y) adalah
dua buah pixel yang akan disisipkan pesan, selisih pixel P(i,x) dan P(i,y) berada pada
interval [0,7] dilakukan proses penyisipan algoritma PVDM. Hasil proses penyisipan algoritma PVDM P(i,x) menjadi P(i,x)’ sedangkan P(i,y) menjadi P(i,y)’.
Algoritma LSB yang digunakan mengharuskan selisih antara pixel P(i,x)’ dengan
P(i,y)’ berada pada interval [0,7], karena jika tidak berada pada interval tersebut
akan terjadi kesalahaan, kesalahaan ini disebabkan pada proses penyisipan menggunakan algoritma LSB sedangkan proses ekstrasi tidak menggunakan LSB. Sehingga tentunya pesan yang diambil akan berbeda.
Proses penyisipan algoritma PVDM sampai ekstraksi algoritma PVDM, selengkapnya dapat dilihat dalam Gambar 7 dan Gambar 8.
22
Pada proses penyisipan akan dicari selisih mutlak ( di ) antara P(i,x) dan P (i,y).
Selisih mutlak digunakan untuk menentukan metode penyisipan: jika di <=7,
gunakan algoritma PVDM , tetapi jika di > 7 gunakan algoritma PVD.
Setelah proses penyisipan algoritma PVDM P(i,x) → dan P (i,y) →
, selisih mutlak ( ) antara dan harus berada pada interval [0..7], apabila berada diluar interval tersebut harus dilakukan proses optimasi penyisipan.
Gambar 8 Proses ekstraksi pesan algoritma PVDM
Pada proses ekstrasi pesan akan dicari selisih mutlak ( ) antara dan
23
<=7 gunakan algoritma PVDM , tetapi jika > 7 gunakan algoritma PVD. Proses ekstrasi akan berjalan sampai semua pesan sudah diekstrak.
Proses Penyisipan
1. Untuk setiap titik yang berurutan ( P(i,x) dan P (i,y) ) pada cover image hitung
perbedaan antara nilai P(i,x) dan P (i,y) sebagai di , berdasarkan nilai di carilah
nilai batas bawah (lj) dan batas atas (uj) dari tabel jangkauan Rj.
2. Jika nilai di berada pada interval [0..7] lakukan penyisipan LSB, sedangkan
Jika nilai di berada pada interval [8..255] lakukan proses penyisipan PVD.
3. Pada penyisipan LSB dilakukan proses minimum distorsi untuk empat kemungkinan nilai P(i,x) dan P(i,y) :
a. P(i,x) mod 4 = 0 dan P (i,y) mod 4 = 0
Untuk
∑
= 7 1 i dan∑
= 7 1 jmaka lakukan proses
1.
{
P(i,x)+(−4)+i,P(i,y)+(−4)+ j}
2. Jika P(i,x)+(−4)+i>255 atau P(i,y) +(−4)+ j>255 maka 255 ) 4 ( ) , ( + − +i= Pix atau P(i,y) +(−4)+ j=255
Jika P(i,x)+(−4)+i<0atau P(i,y) +(−4)+ j<0 maka 0 ) 4 ( ) , ( + − +i= Pix atau P(i,y)+(−4)+ j=0
3. Konversi nilai P(i,x)+(−4)+i atau P(i,y)+(−4)+ j kedalam format biner, kemudian ambil masing-masing enam dijit pertama dari nilai biner tersebut untuk ditambahkan dengan pesan.
4. Konversi masing-masing nilai biner kedalam desimal , carilah selisih mutlak dari dua nilai desimal tersebut.
5. Carilah nilai minimum antara selisih citra sebelum dan sesudah disisipkan pesan
b. P(i,x) mod 4 =0 dan P (i,y) mod 4 <> 0
Untuk
∑
= 7 1 i dan∑
= 11 1 j24
1.
{
P(i,x)+(−4)+i,P(i,y)+(−4−mod(P(i,y),4)+ j}
2. Jika P(i,x)+(−4)+i>255 atau P(i,y)+(−4−mod(P(i,y),4)+ j>255 maka P(i,x) +(−4)+i=255 atau P(i,y)+(−4−mod(P(i,y),4)+ j=255 Jika P(i,x) +(−4)+i<0 atau P(i,y)+(−4−mod(P(i,y),4)+ j<0 maka
0 ) 4 ( ) , ( + − +i= Pix atau P(i,y)+(−4−mod(P(i,y),4)+ j=0
3. Konversi nilai P(i,x)+(−4)+i atau P(i,y)+(−4−mod(P(i,y),4)+ j
kedalam format biner , kemudian ambil masing-masing enam dijit pertama dari nilai biner tersebut untuk ditambahkan dengan pesan. 4. Konversi masing-masing nilai biner kedalam desimal , carilah
selisih mutlak dari dua nilai desimal tersebut.
5. Carilah nilai minimum antara selisih citra sebelum dan sesudah disisipkan pesan
c. P(i,x) mod 4 <>0 dan P (i,y) mod 4 = 0
Untuk
∑
= 11 1 i dan∑
= 7 1 j 1.{
P(i,x)+(−4−mod(P(i,x),4))+i,P(i,y)+(−4)+ j}
2. Jika P(i,x)+(−4−mod(P(i,x),4)+i>255 atau P(i,y)+(−4)+ j>255 maka P(i,x)+(−4−mod(P(i,x),4)+i=255 atau P(i,y)+(−4)+ j=255 Jika P(i,x)+(−4−mod(P(i,x),4)+i<0 atau P(i,y)+(−4)+ j<0 maka
0 ) 4 , mod( 4 ( (, ) ) , ( + − − P +i= Pix ix atau P(i,y)+(−4)+i=0
3. Konversi nilai P(i,x) +(−4−mod(P(i,x))+i atau P(i,y)+(−4)+ j
kedalam format biner , kemudian ambil masing-masing enam dijit pertama dari nilai biner tersebut untuk ditambahkan dengan pesan. 4. Konversi masing-masing nilai biner kedalam desimal , carilah
selisih mutlak dari dua nilai desimal tersebut.
5. Carilah nilai minimum antara selisih citra sebelum dan sesudah disisipkan pesan
25
d. P(i,x) mod 4 <>0 dan P (i,y) mod 4 <> 0
Untuk
∑
= 11 1 i dan∑
= 11 1 j 1.{
P(i,x)+(−4−mod(P(i,x),4))+i,P(i,y)+(−4−mod(P(i,y)+ j}
2. Jika P(i,x)+(−4−mod(P(i,x),4)+i>255 atau P(i,y)+(−4)+ j>255 maka P(i,x)+(−4−mod(P(i,x),4)+i=255 atau P(i,y)+(−4)+ j=255 Jika P(i,x)+(−4−mod(P(i,x),4)+i<0 atau P(i,y)+(−4)+ j<0 maka
0 ) 4 , mod( 4 ( (, ) ) , ( + − − P +i= Pix ix atau P(i,y)+(−4)+i=0
3. Konversi nilai P(i,x)+(−4−mod(P(i,x))+i atau
j P
P(i,y)+(−4−mod( (i,x))+ ke dalam format biner , kemudian ambil masing-masing enam dijit pertama dari nilai biner tersebut untuk ditambahkan dengan pesan.
4. Konversi masing-masing nilai biner kedalam desimal , carilah selisih mutlak dari dua nilai desimal tersebut.
5. Carilah nilai minimum antara selisih citra sebelum dan sesudah disisipkan pesan
Mod 4 digunakan karena pesan yang mungkin disisipkan untuk kasus dua bit adalah sebanyak empat buah yaitu 00 , 01, 10 atau 11. Pengulangan sebanyak 7 kali untuk P(i,x) mod 4 = 0 atau P (i,y) mod 4 = 0 karena jika piksel tepat habis
dibagi 4 atau mod sama dengan 0, maka nilai bawah pertama dari titik P(i,x)
yang habis dibagi empat adalah P(i,x) - 3dan nilai atas pertama dari titik P(i,x)
yang habis dibagi empat adalah P(i,x) + 3, sehingga jarak dari titik terbawah
26
Gambar 9 Posisi piksel tepat habis dibagi empat
Gambar 10 Berbagi posisi piksel yang tidak tepat habis dibagi empat.
P(i,x) mod 4 <> 0 atau P(i,y) mod 4 <> 0 melakukan pengulangan 11 kali
berdasarkan Gambar 10 terlihat bahwa P(i,x) atau P(i,y) memiliki tiga
kemungkinan posisi yang semuannya memiliki jarak 11. 4. Pada penyisipan PVD Jika nilai '
) , (ix P dan ' ) , (iy
P berada diluar range [0,255], maka dilakukan normalisasi menggunakan persamaan (7) agar interval nilai
' ) , (ix
27 ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎩ ⎪⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎨ ⎧ > = − = > − = = < = − = < − = = = ; 255 ' ) , ( jika ), 255 ' ) , ( , i d ' ) , ( ' ) , ( ( ; 255 ) , ( jika ) 7 ( ), i d ' ) , ( ' ) , ( , 255 ' ) , ( ( 0; ' ) , ( jika ), 0 ' ) , ( , 0 ' ) , ( i d ' ) , ( ( ; 0 ' ) , ( jika ), ' ) , ( i d ' ) , ( , 0 ' ) , ( ( ) ' ) , ( , ' ) , ( ( y i P y i P y i P x i P x i P x i P y i P x i P y i P y i P y i P x i P x i P x i P y i P x i P y i P x i P Proses Ekstraksi
1. Untuk setiap titik yang berurutan ( dan ) pada stego image
hitung perbedaan antara nilai dan sebagai 2. Nilai dimutlakkan untuk menentukan proses ekstraksi
3. a. Jika nilai <=7 maka kerjakan proses ektraksi algoritma LSB. •Konversi nilai dan kedalam bentuk biner
•Ambil masing-masing 2 bit terakhir dari hasil konversi dan •Gabungkan masing-masing 2 bit terakhir tersebut
b. Jika nilai >= 8 maka kerjakan proses ekstraksi algoritma PVD •Untuk setiap titik yang berurutan ( dan ) pada stego
image hitung perbedaan antara nilai dan sebagai yang dimutlakkan, berdasarkan nilai carilah nilai batas bawah (lj) dan batas atas (uj) dari tabel jangkauan Rj.
•Hitung nilai wj = uj-lj +1
•Hitung nilai ti=log(wj) dengan basis logaritma 2.
•Nilai ti adalah menentukan jumlah bit pesan yang telah disisipkan
•Hitung , konversi nilai kedalam biner dengan panjang ti
28
•Hasil konversi nilai kedalam biner dengan panjang ti
merupakan pesan yang disembunyikan
4.3 Karakteristik media pembawa pesan
Media pembawa pesan dapat berupa image, audio files,video files, atau text (Davidson et al, 2002). Penelitian ini memilih file image berupa citra bmp 24 bit, mengapa citra bmp dipilih. Citra bmp mudah untuk dibuat , dapat mengambil tiap
pixel data dengan sistem koordinat. Pada penelitian ini informasi media pembawa pesan yaitu citra bmp 24 bit seperti terlihat pada lampiran 1. Inti dari algoritma PVD adalah perbedaan selisih nilai pixel antara dua pixel terdekat.
Perbedaan penyebaran selisih antara dua pixel terdekat untuk komponen red
pada lampiran 2 pada interval [0,7] rata-rata diatas 60% , kecuali pada gambar babbon hanya sebesar 40 persen.Sedangkan untuk penyebaran pixel green seperti pada lampiran 3 persentase yang hampir sama terjadi yaitu pada interval [0,7] mempunyai nilai rata-rata diatas 69% kecuali untuk gambar babbon yang hanya 37%. Begitu juga komponen blue pada lampiran 4 untuk interval [0,7] selisih antara dua pixel terdekat diatas 63 %, kecuali pada gambar babbon hanya sebesar 37%.
Dari karakteristik komponen red,green dan blue terlihat bahwa penyebaran piksel terbanyak berada pada interval [0,7]. Apabila digunakan algoritma PVD akan diperoleh nilai perbedaan(di) sebesar 7, dari sini diperoleh nilai wj=8, untuk
mendapatkan jumlah bit (ti) yang dapat disisipkan dengan cara log(wj) dengan
basis dua akan diperoleh nilai ti=3.
4.4 Evaluasi Kinerja Objektif Algoritma PVDM
Algoritma PVD yang dikemukan oleh Wu dan Tsai (2003), menjelaskan bahwa PVD melakukan hal yang sama pada semua daerah citra yang akan disisipkan pesan. Hal ini menyebabkan citra dengan perbedaan antara P(i,x) dan
P(i,y) yang besar akan mampu menampung jumlah pesan yang besar dan sebaliknya perbedaan antara P(i,x) dan P(i,y) yang kecil mengakibatkan daya tampung kecil . Dengan mengambil tabel jangkauan I R1= [0,7] , R2= [8,15] , R3=
29
[16,31] , R4= [32,63] , R5= [64,127] dan R6= [128,255] daya tampung pesan yang
dapat disisipkan pada citra berturut-turut adalah 8,8,16,32,64,128 jika dikonversi kedalam bit akan menjadi 3,3,4,5,6,7. Sedangkan jika diambil tabel jangkauan II R1= [0,1] , R2= [2,3] , R3= [4,7] , R4= [8,11] , R5= [12,15], R6= [16,23], R7= [24,31],
R8= [32,47], R9= [48,63], R10= [64,95], R11= [96,127] R12= [128,191] dan R13=
[192,255], daya tampung pesan yang dapat disisipkan pada citra berturut-turut adalah 2,2,4,4,4,8,8,16,16,32,32,64,64 jika dikonversi kedalam bit akan menjadi 1,1,2,2,2,3,3,4,4,5,5,6,6. Pemilihan tabel jangkauan III R1= [0,3] , R2= [4,7] , R3=
[8,15] , R4= [16,23] , R5= [24,31], R6= [32,47], R7= [48,63], R8= [64,95], R9=
[96,127], R10= [128,191], dan R11=[192,255] jumlah pesan yang dapat disisipkan
dalam bit berturut-turut 4,4,8,8,8,16,16,32,32,64,64. Tabel Jangkauan IV adalah R1= [0,1] , R2= [2,5] , R3= [6,7] , R4= [8,15] , R5= [16,31], R6= [32,47], R7= [48,63],
R8= [64,95], R9= [96,127], R10= [128,191], dan R11=[192,255] sehingga daya
tampung dalam bit 2,4,2,8,16,16,32,32,64,64. Delapan citra pembawa “Apple”, ”Banana”, ”Babbon”, ”Borobudur”, ”Lena”, ”Penguin”, ”Pepper”, ”Sunflower” seperti pada Lampiran 1 menghasilkan daya tampung seperti pada Gambar 8 berikut.
Gambar 11. Daya tampung algoritma PVD untuk tabel jangkauan I,II,III dan IV
30
Dari Gambar 11 diatas terlihat untuk semua gambar yang dipilih daya tampung terbesar terjadi pada pemilihan PVD Tabel Jangkauan I, sedangkan untuk pemilihan Tabel Jangkauan II daya tampung yang dihasilkan bervariasi, gambar apple, babbon, banana,borobudur,lena,penguin dan pepper menghasilkan daya tampung terkecil diantara Tabel Jangkauan III dan Tabel Jangkauan IV sedangkan untuk gambar sunflower daya tampung terkecil pada pemilihan Tabel Jangkauan IV. Sama halnya pemilihan Tabel Jangkauan III menghasilkan daya tampung yang cukup bervariasi, untuk gambar apple, banana, borobudur,lena,penguin,pepper dan sunflower menghasilkan daya tampung terbesar kedua, hal yang lain terjadi pada gambar babbon yang menghasilkan daya tampung terbesar ketiga. Untuk Tabel Jangkauan IV daya tampung terbesar ketiga terjadi pada gambar apple, banana, borobudur, lena, penguin, pepper sedangkan gambar babbon menghasilkan daya tampung terbesar kedua dan pada gambar sunflower pemilihan tabel jangkauan IV akan menghasilkan daya tampung yang minimum (terkecil).
Daya tampung terbesar terjadi pada Tabel Jangkauan I hal ini dikarenakan pada tabel jangkauan ini nilai R1=[0,7], sedangkan pada tabel jangkauan yang lain
Tabel Jangkauan II R1=[0,1] , Tabel jangkauan III R1=[0,3] dan Tabel jangkauan
IV R1=[0,1] , berdasarkan lampiran 2,3,4 terlihat bahwa penyebaran pixel terbesar
terjadi untuk seluruh komponen baik red,green maupun blue pada interval [0,7] sehingga jika menggunakan Tabel jangkauan I pada interval tersebut jumlah pesan yang dapat disisipkan menjadi besar. Urutan terbesar kedua setelah tabel jangkauan I adalah tabel jangkauan III, hal ini terjadi karena pada interval [0,7] pada Tabel III hanya dibagi 2 interval yaitu R1=[0,3] dan R2=[4,7]. Pada gambar
baboon daya tampung menjadi lebih kecil dibandingkan Tabel jangkauan IV , hal ini karena pada gambar ini penyebaran antara interval [0,7] tidak terlalu dominan(masih dibawah 50%).
Pemilihan beberapa tabel jangkauan pada algoritma PVDM terlihat pada gambar 12, daya tampung pada Tabel Jangkauan I menghasilkan nilai yang terbesar untuk semua gambar hal yang sama terjadi pada algoritma PVD . Sedangkan pada pemilihan tabel jangkauan II menghasilkan daya tampung terbesar keempat untuk semua gambar, pemilihan tabel jangkauan III
31
menghasilkan daya tampung terbesar ketiga untuk semua gambar dan pada tabel jangkauan IV menghasilkan daya tampung terbesar kedua untuk semua gambar. Keseragaman hasil ini terjadi karena algoritma PVDM hanya merubah perlakuan pada interval [0,7] sedangkan pada interval [8,255] perlakuan yang dilakukan pada algoritma PVDM sama dengan yang diberlakukan pada algoritma PVD.
Gambar 12. Daya tampung PVDM untuk tabel jangkauan I,II,III dan IV
Kenaikan daya tampung dari algoritma PVD menjadi algoritma PVDM seperti terlihat pada Gambar 13. Hampir semua gambar kenaikan daya tampung terbesar terjadi pada Tabel Jangkauan II, kecuali pada gambar sunflower kenaikan terbesar terjadi pada Tabel IV.Kenaikan terbesar kedua terjadi pada pemilihan Tabel jangkauan IV , hal ini terjadi hampir untuk semua gambar kecuali pada gambar sunflower, daya tampung pemilihan Tabel jangkauan IV lebih besar dari pada Tabel Jangkauan II. Pemilihan Tabel Jangkauan III dan Tabel Jangkauan I berturut-turut menghasilkan kenaikan terbesar ketiga dan keempat untuk semua gambar.
Daya tampung pada Tabel Jangkauan II naik tinggi, hal ini dikarenakan pada tabel tersebut untuk interval [0,7] dibagi menjadi 3 interval yaitu R1=[0,1],
32
membagi interval menjadi 3 yaitu R1=[0,1], R2=[2,5] dan R3=[6,7] , sedangkan
pada Tabel jangkauan III hanya membagi 2 interval yaitu R1=[0,3] dan R2=[4,7].
Kenaikan terkecil terjadi pada Tabel Jangkauan I, hal ini dikarenakan pada tabel jangkauan tersebut hanya terdapat satu interval yaitu dirinya sendiri R1=[0,7].
Gambar 13. Persentase kenaikan daya tampung pesan dari algoritma PVD ke algoritma PVDM
Sesuai Gambar 13 terlihat bahwa algoritma PVDM lebih banyak menampung pesan untuk semua pemilihan tabel jangkauan, baik Tabel jangkuan I,II,III, dan IV dengan kenaikan daya tampung pesan terbesar terjadi pada gambar apple dengan pemilihan Tabel Jangkauan II sekitar 397%, sedangkan kenaikan terkecil pada gambar babbon dengan pemilihan Tabel jangkauan I sekitar 11%.
Pada proses penyisipan pesan, data yang disisipkan terbagi kedalam 2 kelompok yaitu (1) Jumlah pesan yang disisipkan berbeda (2) jumlah pesan yang disisipkan sama. Hal ini dilakukan karena untuk masing-masing algoritma baik PVD maupun PVDM menghasilkan daya tampung yang berbeda-beda pada pemilihan tabel jangkauan yang sama.
Untuk jumlah pesan yang disisipkan berbeda, artinya data yang diambil berdasarkan kapasitas maksimum dari masing-masing algoritma baik PVD maupun PVDM. Tentunya berdasarkan analisa sebelumnya algoritma PVDM lebih banyak menampung pesan dibandingkan algoritma PVD.
33
Sedangkan untuk jumlah pesan yang disisipkan sama, hal ini menunjukkan bahwa data yang disisipkan untuk algoritma PVD dan PVDM sama pada pemilihan tabel jangkauan yang sama. Dari analisa sebelumnya berarti data yang diambil untuk disisipkan menggunakan daya tampung pada algoritma PVD, hal ini dikarenakan daya tampung pada algoritma PVD lebih kecil dari pada algoritma PVDM.
4.4.1 Jumlah Pesan yang disisipkan berbeda
Gambar 14 . Nilai PSNR pada Tabel Jangkauan I data berbeda
Berdasarkan Gambar 14 terlihat algoritma PVDM lebih unggul untuk gambar apple,babbon,banana,borobudur, dan sunflower. Sedangkan pada gambar lena,penguin dan pepper nilai PSNR algoritma PVDM lebih kecil jika dibandingkan algoritma PVD . Nilai PSNR algoritma PVDM yang lebih kecil untuk tiga gambar disebabkan karena daya tampung pada algoritma PVDM lebih besar dari pada algoritma PVDM seperti terlihat pada Gambar 11 dan Gambar 12. Tetapi walaupun lebih kecil nilai PSNR yang dihasilkan masih atas 30 menurut Cole(2003) distorsi yang terjadi kecil.
34
Gambar 15 . Nilai PSNR pada Tabel Jangkauan II data berbeda
Pada Gambar 15 terlihat secara umum algoritma PVDM mempunyai nilai PSNR yang lebih kecil dari PVD, kecuali pada gambar penguin nilai PSNR PVDM lebih besar. Nilai PSNR algoritma PVDM yang lebih kecil dari algoritma PVD disebabkan karena daya tampung pada algoritma PVDM lebih besar melihat Gambar 11 dan Gambar 12 kenaikan daya tampung yang terjadi lebih dari 100% kecuali pada gambar baboon dan pepper. Meskipun nilai PSNR algoritma PVDM lebih kecil, tetapi ternyata masih diatas 20 hal ini menurut Cole (2003) distorsi yang terjadi kecil, sebaliknya pada Gambar 15 nilai PSNR algoritma PVD untuk gambar penguin lebih kecil dari 10, ini menunjukkan distorsi yang terjadi pada gambar tersebut sangat besar.
35
Gambar 16. Nilai PSNR pada Tabel Jangkauan III
Berdasarkan Gambar 16 terlihat nilai PSNR algoritma PVDM secara rata-rata lebih kecil dari pada algoritma PVD,jika dikuantitatifkan rata-rata selisihnya hanya 0.1. Walaupun demikian nilai PNSR algoritma PVDM diatas 40, hal ini dua kali dari apa yang disyaratkan Cole(2003) bahwa minimum nilai PSNR yang baik adalah 20. Sehingga dengan begitu algoritma PVDM menghasilkan distorsi yang kecil pada semua gambar percobaan.
36
Berdasarkan Gambar 17 nilai PSNR algoritma PVD lebih besar dari pada algoritma PVDM untuk semua gambar percobaan. Tetapi meskipun begitu