PERBAIKAN DAN EVALUASI KINERJA ALGORITMA
PIXEL- VALUE DIFFERENCING ( PVD)
ROJALI
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Dengan ini saya menyatakan bahwa tesis Perbaikan dan Evaluasi Kinerja Algoritma Pixel Value Differencing (PVD) adalah karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka dibagian akhir tesis ini.
Bogor, Agustus 2009
R o j a l i
ABSTRACT
ROJALI. Revision and evaluation of performance Pixel Value Differencing (PVD) algorithm. Under direction of SUGI GURITMAN, and HERU TRIYONO NATALISA.
Pixel Value Differencing (PVD) represents one of the algorithms in steganography. This algorithm was found in the year 2003 where some were developed and others were repaired. Based on algorithm of PVD, the main purpose was to obtain the difference between two nearby pixels which were used to count message capacities. This research tried looking for the difference of two nearby pixels, which used PVD algorithm for the bigger area while LSB algorithm was used for the difference of smaller area. This research also developed some tables taken from the existing tables of PVD and LSB. Originally there were only two tables for both small area and big area which was PVD but for now, four tables were created for PVD and four tables were also created for LSB. The study improved PVD algorithm which is called PVDM and evaluated. Results of research show that carrier media characteristic order is very influential to capacity order and picture is distorted when message was inserted. Through PVDM algorithm the quality of good picture between before and after has no significant difference even small distortion occurred.
Keyword : Pixel Value Differencing Modified, Performance of Algorithm, Steganograpy, Picture Distortion.
RINGKASAN
ROJALI. Perbaikan dan Evaluasi Kinerja Algoritma Pixel Value Differencing (PVD). Dibimbing oleh SUGI GURITMAN dan HERU TRIYONO NATALISA.
Perkembangan teknologi informasi sekarang ini membuat komunikasi menjadi semakin mudah dan luas. Penyampaian pesan melalui internet merupakan sarana komunikasi yang sangat mudah dan efisien. Sejalan dengan hal itu kemunculan dari file-file multimedia yang beraneka ragam memberi pengaruh yang cukup besar dalam kemajuan teknologi informasi ini sehingga memungkinkan seseorang untuk dapat menyampaikan pesan menggunakan file-file multimedia tersebut. Faktor keamanan menjadi penting dalam proses pengiriman data melalui saluran internet. Apabila hal ini diabaikan , maka orang yang tidak berhak akan dengan mudah memanfaatkan data tersebut untuk tujuan tertentu. Jika hal ini terjadi ada dua pihak yang dirugikan yaitu pengirim data dan penerima data. Bertolak dari hal tersebut maka penelitian ini dilakukan dengan menggunakan metode steganografi, yang mengkaji dari kapasitas pesan dan distorsi yang terjadi. Penelitian ini bertujuan untuk melakukan perbaikan algoritma steganografi pixel value differencing (PVD) untuk meningkatkan kapasitas pesan dan meminimumkan distorsi.
Steganografi merupakan suatu mekanisme untuk melindungi data. Data yang akan dikirimkan dapat disisipkan melalui media pembawa berupa image , audio files, video files, atau text. Pada penelitian ini media pembawa yang digunakan berupa image bmp 24 bit, sedangkan pesan yang disisipkan adalah file bertipe text. Media pembawa yang digunakan sebanyak delapan buah image bmp yang masing-masing mempunyai karakteristik berbeda. Metode perbaikan algoritma PVD adalah algoritma Pixel Value Differencing Modified (PVDM). Algoritma PVDM membagi daerah data menjadi dua kelompok, yaitu (1) kelompok dengan selisih piksel kecil (2) kelompok dengan selisih piksel besar. Selisih piksel kecil berada pada interval [0..7] sedangkan selisih piksel besar berada pada interval [8..255]. Pengelompokan terjadi karena umumnya dalam sebuah image nilai piksel yang tidak jauh berbeda akan saling berdekatan.
Proses penyisipan pesan algoritma PVDM untuk kelompok dengan selisih piksel kecil menggunakan algoritma least significant bit (LSB) yang dimodifikasi, sedangkan pada kelompok dengan selisih piksel besar menggunakan algoritma PVD. Proses ekstraksi pesan algoritma PVDM untuk kelompok dengan selisih piksel kecil menggunakan algoritma LSB sedangkan pada kelompok dengan selisih piksel besar menggunakan algoritma PVD. Evaluasi kinerja algoritma PVDM dilakukan secara objektif dan subyektif. Evaluasi objektif dengan menggunakan teknik peak signal to noise rasio (PSNR), sedangkan evaluasi subyektif dengan menggunakan kuisioner.
Hasil evaluasi nilai PSNR tabel jangkauan I,II,III dan IV berada diatas 40 hal ini menunjukkan bahwa distorsi yang terjadi sangat kecil antara gambar sebelum dan sesudah sisipkan pesan. Evaluasi kuisoner lebih dari 70% responden menilai bahwa gambar sebelum dan sesudah disisipkan pesan mirip sisanya 30% menilai sangat mirip, hal ini terjadi untuk responden yang bekerja dalam bidang komputer maupun yang tidak bekerja dalam bidang komputer.
@ Hak Cipta milik IPB, tahun 2009 Hak Cipta dilindungi Undang-Undang
1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumber
a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah
b. Pengutipan tersebut tidak merugikan kepentingan yang wajar IPB 2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh Karya
PERBAIKAN DAN EVALUASI KINERJA ALGORITMA
PIXEL- VALUE DIFFERENCING ( PVD)
ROJALI
Tesis
Sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada
Program Studi Ilmu Komputer
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
Judul : Perbaikan dan Evaluasi Kinerja Algoritma
Pixel- Value Differencing
(PVD)
Nama : R o j a l i
NIM : G651030074
Disetujui, Komisi Pembimbing
Dr. Sugi Guritman Ir. Heru T. Natalisa, M.Sc
Ketua Anggota
Diketahui,
Ketua Program Studi Dekan Sekolah Pascasarjana
Ilmu Komputer
Dr. Sugi Guritman Prof. Dr. Ir. Khairil A. Notodiputro, M.S
DAFTAR ISI
Halaman
DAFTAR TABEL ……….. xiv
DAFTAR GAMBAR ………. xv
DAFTAR LAMPIRAN ……….. xvi
I PENDAHULUAN 1.1 Latar Belakang ……… 1
1.2 Tujuan Penelitian ………. 2
1.3 Ruang Lingkup ……… 3
2 TINJAUAN PUSTAKA 2.1 Citra ………. 4
2.2 Dokumen Bitmap ……… 5
2.3 Steganografi ……… 7
2.4 Algoritma Penyisian dan Ekstrasi ………... 8
2.5 Algoritma LSB ……….. 9
2.6 Algoritma PVD ………... 11
2.7 PSNR ( Peak Singnal to Noise Rasio) ………. 13
2.8 Metode Evaluasi Kinerja ………. 14
3 METODE PENELITIAN 3.1 Bahan ………... 17
3.2 Metode ………. 17
3.3 Percobaan ……… 17
4 HASIL DAN PEMBAHASAN 4.1 Algoritma PVD... ……… 20
4.2 Algoritma PVDM ……… 20
4.3 Karakteristik Media Pembawa Pesan ……….. 28
4.4 Evaluasi Kinerja Objektif Algoritma PVDM ……….. 28
4.5 Evaluasi Kinerja Subjekif Algoritma PVDM ……… 40
5 SIMPULAN DAN SARAN 5.1 Simpulan ……….. 42
5.2 Saran ……… 42
DAFTAR PUSTAKA ………. 43
PERBAIKAN DAN EVALUASI KINERJA ALGORITMA
PIXEL- VALUE DIFFERENCING ( PVD)
ROJALI
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Dengan ini saya menyatakan bahwa tesis Perbaikan dan Evaluasi Kinerja Algoritma Pixel Value Differencing (PVD) adalah karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka dibagian akhir tesis ini.
Bogor, Agustus 2009
R o j a l i
ABSTRACT
ROJALI. Revision and evaluation of performance Pixel Value Differencing (PVD) algorithm. Under direction of SUGI GURITMAN, and HERU TRIYONO NATALISA.
Pixel Value Differencing (PVD) represents one of the algorithms in steganography. This algorithm was found in the year 2003 where some were developed and others were repaired. Based on algorithm of PVD, the main purpose was to obtain the difference between two nearby pixels which were used to count message capacities. This research tried looking for the difference of two nearby pixels, which used PVD algorithm for the bigger area while LSB algorithm was used for the difference of smaller area. This research also developed some tables taken from the existing tables of PVD and LSB. Originally there were only two tables for both small area and big area which was PVD but for now, four tables were created for PVD and four tables were also created for LSB. The study improved PVD algorithm which is called PVDM and evaluated. Results of research show that carrier media characteristic order is very influential to capacity order and picture is distorted when message was inserted. Through PVDM algorithm the quality of good picture between before and after has no significant difference even small distortion occurred.
Keyword : Pixel Value Differencing Modified, Performance of Algorithm, Steganograpy, Picture Distortion.
RINGKASAN
ROJALI. Perbaikan dan Evaluasi Kinerja Algoritma Pixel Value Differencing (PVD). Dibimbing oleh SUGI GURITMAN dan HERU TRIYONO NATALISA.
Perkembangan teknologi informasi sekarang ini membuat komunikasi menjadi semakin mudah dan luas. Penyampaian pesan melalui internet merupakan sarana komunikasi yang sangat mudah dan efisien. Sejalan dengan hal itu kemunculan dari file-file multimedia yang beraneka ragam memberi pengaruh yang cukup besar dalam kemajuan teknologi informasi ini sehingga memungkinkan seseorang untuk dapat menyampaikan pesan menggunakan file-file multimedia tersebut. Faktor keamanan menjadi penting dalam proses pengiriman data melalui saluran internet. Apabila hal ini diabaikan , maka orang yang tidak berhak akan dengan mudah memanfaatkan data tersebut untuk tujuan tertentu. Jika hal ini terjadi ada dua pihak yang dirugikan yaitu pengirim data dan penerima data. Bertolak dari hal tersebut maka penelitian ini dilakukan dengan menggunakan metode steganografi, yang mengkaji dari kapasitas pesan dan distorsi yang terjadi. Penelitian ini bertujuan untuk melakukan perbaikan algoritma steganografi pixel value differencing (PVD) untuk meningkatkan kapasitas pesan dan meminimumkan distorsi.
Steganografi merupakan suatu mekanisme untuk melindungi data. Data yang akan dikirimkan dapat disisipkan melalui media pembawa berupa image , audio files, video files, atau text. Pada penelitian ini media pembawa yang digunakan berupa image bmp 24 bit, sedangkan pesan yang disisipkan adalah file bertipe text. Media pembawa yang digunakan sebanyak delapan buah image bmp yang masing-masing mempunyai karakteristik berbeda. Metode perbaikan algoritma PVD adalah algoritma Pixel Value Differencing Modified (PVDM). Algoritma PVDM membagi daerah data menjadi dua kelompok, yaitu (1) kelompok dengan selisih piksel kecil (2) kelompok dengan selisih piksel besar. Selisih piksel kecil berada pada interval [0..7] sedangkan selisih piksel besar berada pada interval [8..255]. Pengelompokan terjadi karena umumnya dalam sebuah image nilai piksel yang tidak jauh berbeda akan saling berdekatan.
Proses penyisipan pesan algoritma PVDM untuk kelompok dengan selisih piksel kecil menggunakan algoritma least significant bit (LSB) yang dimodifikasi, sedangkan pada kelompok dengan selisih piksel besar menggunakan algoritma PVD. Proses ekstraksi pesan algoritma PVDM untuk kelompok dengan selisih piksel kecil menggunakan algoritma LSB sedangkan pada kelompok dengan selisih piksel besar menggunakan algoritma PVD. Evaluasi kinerja algoritma PVDM dilakukan secara objektif dan subyektif. Evaluasi objektif dengan menggunakan teknik peak signal to noise rasio (PSNR), sedangkan evaluasi subyektif dengan menggunakan kuisioner.
Hasil evaluasi nilai PSNR tabel jangkauan I,II,III dan IV berada diatas 40 hal ini menunjukkan bahwa distorsi yang terjadi sangat kecil antara gambar sebelum dan sesudah sisipkan pesan. Evaluasi kuisoner lebih dari 70% responden menilai bahwa gambar sebelum dan sesudah disisipkan pesan mirip sisanya 30% menilai sangat mirip, hal ini terjadi untuk responden yang bekerja dalam bidang komputer maupun yang tidak bekerja dalam bidang komputer.
@ Hak Cipta milik IPB, tahun 2009 Hak Cipta dilindungi Undang-Undang
1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumber
a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah
b. Pengutipan tersebut tidak merugikan kepentingan yang wajar IPB 2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh Karya
PERBAIKAN DAN EVALUASI KINERJA ALGORITMA
PIXEL- VALUE DIFFERENCING ( PVD)
ROJALI
Tesis
Sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada
Program Studi Ilmu Komputer
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
Judul : Perbaikan dan Evaluasi Kinerja Algoritma
Pixel- Value Differencing
(PVD)
Nama : R o j a l i
NIM : G651030074
Disetujui, Komisi Pembimbing
Dr. Sugi Guritman Ir. Heru T. Natalisa, M.Sc
Ketua Anggota
Diketahui,
Ketua Program Studi Dekan Sekolah Pascasarjana
Ilmu Komputer
Dr. Sugi Guritman Prof. Dr. Ir. Khairil A. Notodiputro, M.S
DAFTAR ISI
Halaman
DAFTAR TABEL ……….. xiv
DAFTAR GAMBAR ………. xv
DAFTAR LAMPIRAN ……….. xvi
I PENDAHULUAN 1.1 Latar Belakang ……… 1
1.2 Tujuan Penelitian ………. 2
1.3 Ruang Lingkup ……… 3
2 TINJAUAN PUSTAKA 2.1 Citra ………. 4
2.2 Dokumen Bitmap ……… 5
2.3 Steganografi ……… 7
2.4 Algoritma Penyisian dan Ekstrasi ………... 8
2.5 Algoritma LSB ……….. 9
2.6 Algoritma PVD ………... 11
2.7 PSNR ( Peak Singnal to Noise Rasio) ………. 13
2.8 Metode Evaluasi Kinerja ………. 14
3 METODE PENELITIAN 3.1 Bahan ………... 17
3.2 Metode ………. 17
3.3 Percobaan ……… 17
4 HASIL DAN PEMBAHASAN 4.1 Algoritma PVD... ……… 20
4.2 Algoritma PVDM ……… 20
4.3 Karakteristik Media Pembawa Pesan ……….. 28
4.4 Evaluasi Kinerja Objektif Algoritma PVDM ……….. 28
4.5 Evaluasi Kinerja Subjekif Algoritma PVDM ……… 40
5 SIMPULAN DAN SARAN 5.1 Simpulan ……….. 42
5.2 Saran ……… 42
DAFTAR PUSTAKA ………. 43
DAFTAR TABEL
Halaman
1. Jenis kompresi pada dokumen bitmap ……….. 6
2. Level distorsi pengukuran mean opinion survey ……….. 14
3. Berbagai macam tabel jangkauan ………. 18
DAFTAR GAMBAR
Halaman
1. Model warna RGB dalam bentuk koordinat Cartesius ……… 4
2. Struktur dokumen bitmap .bmp ……… 5
3. Ilustrasi perbedaan antara Kriptografi dengan Steganografi ……… 8
4. Proses Penyisipan Pesan (Zolner, 1998) ……….. 8
5. Proses penyisipan file cover secara zigzag dalam satu blok yang tidak saling
beririsan ……… 9
6. Proses mendapatkan pesan ………... 9
7. Proses penyisipan pesan algoritma PVDM ………. 21
8. Proses ekstraksi pesan algoritma PVDM ………. 22
9. Posisi piksel tepat habis dibagi empat ………. 26
10. Berbagai posisi piksel yang tidak tepat habis dibagi empat ………. 26 11. Daya tampung algoritma PVD untuk tabel jangkauan I,II,III dan IV ……… 29 12. Daya tampung PVDM untuk tabel jangkauan I,II,III dan IV ……… 31 13. Persentase kenaikan daya tampung pesan dari algoritma PVD ke algoritma
PVDM ………. 32
14. Nilai PSNR pada Tabel jangkauan I data berbeda ……….. 33
15. Nilai PSNR pada Tabel jangkauan II data berbeda ………... 34
16. Nilai PSNR pada Tabel jangkauan III data berbeda………. 35
17. Nilai PSNR pada Tabel jangkauan IV data berbeda………. 35
18. Nilai PSNR pada Tabel jangkauan I data sama ……… 36
19. Nilai PSNR pada Tabel jangkauan II data sama ……….. 37
20. Nilai PSNR pada Tabel jangkauan III data sama ………. 38
21. Nilai PSNR pada Tabel jangkauan IV data sama ………. 39
DAFTAR LAMPIRAN
Halaman
1. Informasi media pembawa pesan ………. 45
2. Prosentase penyebaran selisih pixel red ……….... 46
3. Prosentase penyebaran selisih pixel green ……… 47
4. Prosentase penyebaran selisih pixel blue ……….. 48
5. Waktu proses algoritma PVD dan PVDM ……… 49
6. Waktu proses algoritma PVD dan PVDM Tabel jangkauan I ……….. 50 7. Waktu proses algoritma PVD dan PVDM Tabel jangkauan II ………. 50 8. Waktu proses algoritma PVD dan PVDM Tabel jangkauan III ……… 51 9. Waktu proses algoritma PVD dan PVDM Tabel jangkauan IV ……… 51 10. Hasil kuisioner algoritma PVD untuk responden yang bekerja tidak di bidang
komputer ……….. 52
11. Hasil kuisioner algoritma PVD untuk responden yang bekerja di bidang
komputer ……… 53
12. Hasil kuisioner algoritma PVDM untuk responden yang bekerja tidak di
bidang komputer ……… 54
13. Hasil kuisioner algoritma PVDM untuk responden yang bekerja di bidang
komputer ……… 55
14 Pertanyaan kuisioner ……….. 56
15 Gambar hasil penyisipan algoritma PVD ... 59 16 Gambar hasil penyisipan algoritma PVDM ... 60 17 Histogram komponen green (a) gambar sebelum disisipkan pesan (b) gambar
PENDAHULUAN
1.1 Latar Belakang
Perkembangan teknologi informasi sekarang ini membuat komunikasi menjadi semakin mudah dan luas. Penyampaian pesan melalui internet merupakan sarana komunikasi yang sangat mudah dan efisien. Sejalan dengan hal itu kemunculan dari file-file multimedia yang beraneka ragam memberi pengaruh yang cukup besar dalam kemajuan teknologi informasi ini sehingga memungkinkan seseorang untuk dapat menyampaikan pesan menggunakan file-file multimedia tersebut.
Faktor keamanan menjadi penting dalam proses pengiriman data melalui saluran internet. Apabila hal ini diabaikan, maka orang yang tidak berhak akan dengan mudah memanfaatkan data tersebut untuk tujuan tertentu. Jika hal ini terjadi ada dua pihak yang dirugikan yaitu pengirim data dan penerima data.
Steganografi merupakan suatu mekanisme untuk melindungi data (Kesler, 2001). Data yang akan dikirimkan dapat disisipkan melalui media pembawa berupa image , audio files, video files, atau text (Davidson et al, 2002).
Metode penyisipan Least Significant Bits (LSB) umum dilakukan, pendekatan yang sederhana untuk menempelkan informasi di dalam suatu file cover dengan mengganti nilai-nilai LSB dengan data yang ingin disisipkan. Penelitian (Gerson et al, 2005) melakukan penyisipan file gambar atau file dokumen ke dalam gambar bertipe bmp menggunakan teknik LSB.
Penelitian awal algoritma PVD (Pixel Value Differencing) dilakukan oleh (Wu dan Tsai, 2003) dengan mencari selisih nilai dua piksel terdekat. Selisih digunakan untuk menentukan jumlah data yang dapat disisipkan berdasarkan jangkauan tabel yang dipilih. Penelitian ini menggunakan dua jangkauan tabel dengan gambar yang pilih gray scale.
2
Algoritma PVD dikembangkan juga oleh (Al-Asmari dan Al-Ghamdi, 2006) menjadi semi hexagonal PVD pada penelitian ini setiap daerah dibagi menjadi 16 piksel. Pada setiap proses iterasi nilai terbaik dari iterasi digunakan untuk proses berikutnya dan seterusnya media yang digunakan format gambar gray scale.
Pada daerah cover yang halus (selisih nilai piksel terdekat kecil) jumlah data yang dapat disisipkan sedikit, sebaliknya pada daerah yang kontras (selisih nilai piksel terdekat besar) data yang disisipkan akan besar merupakan hasil penelitian dilakukan (Wang, et al 2006) dengan mengambungkan algoritma PVD dan fungsi modulus.
Untuk daerah cover yang kontras algoritma PVD tepat digunakan sedangkan untuk daerah yang halus kurang begitu tepat, karena kapasitas data yang disisipkan sedikit. Studi pendahuluan yang telah dilakukan menunjukkan bahwa penyebaran piksel dalam sebuah image secara berkelompok. Pengelompokan terjadi karena umumnya dalam sebuah image nilai piksel yang tidak jauh berbeda akan saling berdekatan. Fenomena ini yang akan dimanfaatkan untuk meningkatkan kapasitas penyimpanan file berdasarkan algoritma PVD yang dimodifikasi.
1.2 Tujuan
1. Perbaikan algoritma Pixel Value Differencing (PVD) 2. Mengimplementasikan algoritma PVDM
1.3 Ruang Lingkup
Untuk membatasi ruang lingkup pengkajian, penulis melakukan pembatasan sebagai berikut :
1. Media pembawa (cover image) yang digunakan untuk menyembunyian data file bertipe BMP 24 bit.
3
TINJAUAN PUSTAKA
2.1 Citra
Menurut Gonzalez (2002), citra diartikan sebagai bentuk representasi dua
dimensi (2-D) dari intensitas cahaya yang ditulis sebagai fungsi f(x,y), dimana x
dan y menunjukkan letak koordinat dan titik (x,y) tersebut ditunjuk oleh fungsi
nilai f. Citra digital adalah sebuah image f(x,y) yang telah dibuat pada koordinat
dengan tingkat intensitas cahaya tertentu. Citra digital dapat ditampilkan sebagai
matriks dua dimensi dengan baris dan kolomnya berisi posisi (x,y) citra,
sedangkan elemennya menyatakan nilai warna pada posisi tersebut. Elemen pada
citra digital disebut sebagai piksel. Setiap piksel terdiri dari 3 komponen warna
yaitu R(Red), G(Green), dan B(Blue). Pada model warna RGB setiap warna yang
dihasilkan merupakan hasil perpaduan antara ketiga warna dasar, yaitu merah,
hijau dan biru. Model ini disusun berbasiskan koordinat cartesius, dimana warna
hitam berfungsi sebagai titik pusat koordinat(R=0, G=0, B=0), dan warna putih
berada pada titik terjauh (R=255, G=255, B=255), sedangkan warna abu-abu
berada pada suatu titik dimana ketiga warna merah, hijau dan biru memiliki nilai
yang sama ( contoh : R=50, G =50 , B=50). Untuk lebih jelasnya dapat dilihat
pada gambar berikut.
Gambar 1. Model warna RGB dalam bentuk koordinat Cartesius
Sumber :
5
Jadi dengan representasi 256 x 256 x 256 warna sistem RGB dapat
menghasilkan 16,8 juta jenis warna. Tentu sangat banyak kombinasi dibandingkan
dengan representasi warna yang diwakilkan kurang dari 24 bit atau true color .
Dengan perkembangan teknologi hardware, sekarang graphic card sudah dapat
memberikan efek warna 32 bit, di mana 8 bit selebihnya diperuntukkan besarnya
intensitas terang dari warna, dilambangkan dengan α. Dengan besar intensitas
warna 8 bit atau 256 maka model warna juga dapat direpresentasikan dalam
heksa-desimal 2 digit, mulai dari level terkecil 00 sampai dengan yang tertinggi
FF (255).
2.2Dokumen Bitmap (.bmp)
Dokumen bitmap .bmp merupakan salah satu format gambar/citra. Pada suatu
dokumen .bmp dapat tersimpan mulai dari 1 bit warna (hitam/putih) hingga 24 bit
warna (true color).
2.2.1 Struktur Dokumen Bitmap
6
Struktur format dokumen ini seperti terlihat pada Gambar 2 memiliki 4
bagian : header, info header, optional pallete dan image data. Bagian
header bitmap berisikan 14 byte data yang berisikan informasi yang
menyatakan identifikasi sebagai suatu dokumen bitmap, besar atau ukuran
data pada dokumen ini, beserta informasi awal pembacaan dokumen bitmap.
Bagian info header sepanjang 40 bytes berisikan informasi tinggi dan lebar
citra,jumlah bit/pixel, resolusi, besarnya dokumen, jenis kompresi (bila ada)
serta definisi yang berhubungan dengan warna yang dipakai.
Metode kompresi citra dapat dikategorikan menjadi dua macam, lossless
dan lossy. Pada metode lossless, tidak ada nilai piksel yang berubah namun
pada metode lossy ada piksel yang nilainya berubah, hanya saja
perubahannya sedemikian kecil sehingga tidak tampak oleh mata.
Kompresi yang digunakan pada dokumen bitmap masih sangat
sederhana, untuk bitmap berukuran kecil masih dapat memperlihatkan
kompresi yang berarti, namun semakin besar ukuran dokumen, semakin
lemah juga hasil kompresi yang didapatkan. Tabel 1. memperlihatkan tipe
kompresi bitmap.
Tabel.1 Jenis kompresi pada dokumen bitmap
Nilai kompresi Jenis kompresi
0 Tidak ada kompresi
1 Kompresi 8 bit
2 Kompresi 4 bit
3 RGB dengan masking
Bagian optional palette mencatat warna-warna yang dipaksakan/penting
untuk dipakai dalam bitmap yang kurang dari 24 bit (true color bitmap). Jadi
bagian ini bisa ada ataupun tidak . Pada true color bitmap tidak ada optional
palette.
Bagian image data, berisikan data-data yang akan dikonversi sebagai
7
2.2.2Keunggulan dan Kekurangan Dokumen Bitmap
Keunggulan dokumen bitmap adalah sangat mudah untuk dibuat, dapat
mengambil data tiap piksel data dengan sistem koordinat, manipulasi tiap
piksel dapat dengan mudah dilakukan sesuai dengan kapasitas warna dapat
disimpan.
Kekurangan dokumen bitmap adalah besarnya ukuran dokumen bahkan
dengan adanya teknik kompresi, untuk dokumen berukuran sangat besar
kompresi tidak mampu untuk memperkecil lebih dari ukuran dokumen. Selain
itu dokumen bitmap sulit untuk diubah skala resolusinya, kadang-kadang akan
mengakibatkan perubahaan kepadatan warna.
2.3 Steganografi
Menurut Johnson (1998) kata Steganografi mempunyai arti yang sama
dengan “tulisan yg dilindungi” dimana dulunya ini merupakan metode untuk
penyampaian pesan rahasia yang berfungsi untuk mempertahankan kerahasiaan
dari pesan tersebut.
Steganografi adalah seni dalam mempertahankan kerahasiaan informasi
tanpa mengubah maksud dari informasi tersebut. Steganografi dapat dikatakan
sebagai bentuk lain dari kriptografi. Baik Steganografi maupun kriptografi telah
digunakan sejak dahulu sebagai media untuk perlindungan pesan. Steganografi
mengkamuflasekan sebuah informasi sehingga tersembunyi dan tidak dapat dilihat
pada informasi pembawanya sedangkan kriptografi mengubah pesan menjadi
bentuk lain (disebut siferteks) sehingga pesan semula tidak dapat dicerna. Tujuan
utama dari penyembunyian informasi pada steganografi yaitu agar pihak yang
mengetahui lokasi keberadaan informasi dapat mengekstraknya. (Busch, 1999).
Steganografi sangat mirip dengan kriptografi karena memiliki fungsi yang
sama yaitu menyampaikan pesan yang tidak dapat dibaca oleh orang lain selain si
penerima. Untuk faktor keamanan seringkali Steganografi digabungkan dengan
kriptografi sehingga pesan yang disampaikan dienkripsi terlebih dahulu dan
8
Gambar 3. Ilustrasi perbedaan antara Kriptografi dengan Steganografi
2.4 Algoritma Penyisipan dan Ekstrasi
Proses Penyisipan Pesan
Steganografi berarti “tulisan yang tersembunyi”, hal ini mengacu pada
teknik secara umum tentang bagaimana mengolah informasi rahasia sedemikian
rupa sehingga keberadaan informasi tidak terlihat oleh orang lain. Pada gambar
dibawah ini, Cover (C) menunjukkan media pembawa dari pesan yang dijadikan
sebagai penyembunyi keberadaan pesan. Message (M) menunjukkan pesan yang
ingin dirahasiakan keberadaannya. Stego-Key (K) memastikan hanya orang yang
mengetahui kunci rahasialah yang bisa membaca pesan tersembunyi tersebut
(Zollner, 1998).
[image:31.612.119.513.468.632.2]9
Proses penyisipan pesan dilakukan secara zigzag, dimulai dari kiri ke kanan
kemudian turun ke bawah lalu ke kanan dan turun ke bawah kembali lagi dari kiri
[image:32.612.235.405.446.605.2]ke kanan dan seterusnya ( Wu dan Tsai, 2003) sebagaimana ilustrasi Gambar 5.
Gambar 5. Proses penyisipan file cover secara zigzag dalam satu blok yang
tidak saling beririsan.
Proses Ekstraksi Pesan
Untuk mengambil pesan dalam file stego image dilakukan proses ekstraksi pesan.
Proses ekstraksi dilakukan dengan membaca (stego object) dengan menggunakan
implementasi algoritma ekstraksi pesan sehingga pesan yang terdapat pada stego
object akan diketahui.
Gambar 6. Proses mendapat pesan
2.5. Algoritma LSB
Salah satu teknik steganografi adalah LSB (Least Significant Bit). Sesuai
dengan namanya ia merupakan teknik yang menyisipkan/menggantikan bit-bit
10
Algoritma LSB bekerja dengan cara sebagai berikut :
1) Memecah warna-warna dari piksel menjadi nilai-nilai Red,Green,Blue
2) Mengganti nilai-nilai RGB tersebut menjadi biner
3) Mengubah nilai masing-masing pesan yang akan dimasukkan ke bentuk
biner
4) Mengantikan bit-bit yang paling tidak berpengaruh (pertama) dari biner
R,G,B pada image dengan bit-bit dari pesan tadi.
5) Setelah disisipkan mengubah kembali hasil dari nilai-nilai bit R,G,B ke
dalam nilai desimal.
6) Mengabungkan kembali nilai-nilai R,G,B menjadi nilai warna.
Pada suatu piksel yang terdiri dari nilai RGB, terdapat susunan bit-bit yang
membentuk nilai masing-masing RGB, dimana susunan bit tersebut dipisahkan
menjadi dua bagian, yaitu :
1. Least Significant Bits (LSB)
Least Significant Bits disini berarti bit-bit yang memiliki nilai lebih kecil
dibandingkan bit-bit lainnya dimulai dari bit yang pertama sampai bit
keempat, dimana perubahaan pada nilai Lsb ini tidak begitu
mempegaruhi perubahan warna suatu piksel.
2. Most Significant Bits (MSB)
Most Significant Bits disini berarti bit-bit yang memiliki nilai lebih besar
dari pada bit lainnya dimulai dari bit yang terakhir sampai bit kelima,
dimana nilai Msb ini merupakan nilai yang memiliki pengaruh besar
pada warna piksel jika dilakukan perubahan pada bit tersebut.
Proses Penyisipan Pesan
Dalam menyisipkan k-LSB ke cover dibentuk dari persamaan
( )
x
,
y
I
( )
x
,
y
Mod
(
I
( )
x
,
y
,
2
)
B
( )
x
,
y
(1)
I
s=
o−
o k+
11
dimana Is
( )
x,y adalah intensitas piksel (x,y) dari stego-image, Io( )
x,y adalahintensitas piksel (x,y) dari cover image, B
( )
x,y adalah nilai desimal dari suatublok yang ditempelkan pada piksel (x,y) dan mod (.) merupakan operasi modular.
Sebagai contoh, didalam penyisipan 4-LSB (yaitu k = 4) , anggap blok pertama
data rahasia berisi empat bit “1001” , yaitu B
( )
0,0 = 10012 = 9 dan Io( )
0,0 =100010102= 138, sehingga didapatkan hasil yang akan ditempelkan adalah Is
( )
0,0= 138 – mod (138, 24) + 9 = 137 = 100010012.
Proses Ekstraksi Pesan
1. Konversi nilai desimal kedalam biner dengan panjang 8 bit.
2. Ambil nilai biner, pengambilan nilai biner tergantung pada proses penyisipan,
dalam hal ini pesan yang disisipkan sebanyak k bit, maka bit yang diambil
adalah k bit Lsb.
2.6Algoritma Pixel Value Differencing (PVD)
Algoritma PVD ini ditemukan oleh Da-Chun Wu dan Wen-Hsiang Tsai pada
tahun 2003.
Sistem arah pencarian selisih dua piksel terdekat seperti pada Gambar 5,
menghitung selisih dua piksel menggunakan persamaan (2) di bawah ini. Selisih
ini akan menentukan besarnya kapasitas pesan yang dapat disisipkan. Pada daerah
kontras, dimana selisih antara dua piksel besar, daya tampung menjadi besar.
Sebaliknya pada daerah halus, dimana selisih antara dua piksel kecil akan
menyebabkan daya tampung menjadi sedikit.
di = |P(i,x)-P(i,y)| (2)
Selisih yang diperoleh digunakan untuk mencari batas bawah (lj) dan batas atas
(uj) berdasarkan tabel jangkauan (Tabel 3) yang dipilih. Nilai lj dan uj digunakan
untuk menghitung wj = uj - lj + 1 sehingga diperolah nilai ti menggunakan
persamaan (3).
12
Nilai ti yang diperoleh digunakan untuk mencari di’ = ti’ + lj , dimana ti’ adalah
nilai desimal dari ti. Langkah selanjutnya adalah menghitung nilai P(i,x) dan P(i,y)
setelah disisipkan pesan menggunakan persamaan (4).
Algoritma PVD secara lengkap bekerja sebagai berikut :
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. Hitung nilai wj = uj-lj +1
3. Hitung nilai ti=log(wj) dengan basis logaritma 2.
4. Nilai ti adalah menentukan jumlah bit pesan yang dapat disisipkan
5. Ambil pesan sepanjang ti , adalah nilai desimal dari ti
6. Hitung nilai
7. Hitung nilai
8. Carilah nilai dan dengan menggunakan persamaan (4)
( ) ( )
⎡
⎤
⎣
⎦
⎣
⎦
⎡
⎤
⎡
⎤
⎣
⎦
⎡
⎤
⎣
⎦
⎪ ⎪ ⎪ ⎪ ⎪ ⎩ ⎪ ⎪ ⎪ ⎪ ⎪ ⎨ ⎧ ≤ < − + ≤ ≥ + − > < + − > ≥ − + = ; d d dan jika ), 2 / , 2 / ( ; d d dan jika ) 4 ( ), 2 / , 2 / ( ; d d dan jika ), 2 / , 2 / ( ; d d dan jika ), 2 / , 2 / ( ) , ( i ' i ) , ( ) , ( ) , ( ) , ( i ' i ) , ( ) , ( ) , ( ) , ( i ' i ) , ( ) , ( ) , ( ) , ( i ' i ) , ( ) , ( ) , ( ) , ( ' , ' , y i x i y i x i y i x i y i x i y i x i y i x i y i x i y i x i y i x i P P m P m P P P m P m P P P m P m P P P m P m PP
P
Proses Ekstraksi Pesan
Pada proses ekstraksi pesan, pencarian selisih piksel terdekat sesuai dengan
Gambar 6. Selengkapnya proses ekstrasi pada algoritma PVD sebagai berikut :
1. Untuk setiap titik yang berurutan ( dan ) pada stego
13
yang dimutlakkan. Berdasarkan nilai carilah nilai batas bawah
(lj) dan batas atas (uj) dari tabel jangkauan Rj.
2. Hitung nilai wj = uj-lj +1
3. Hitung nilai ti=log(wj) dengan basis logaritma 2.
4. Nilai ti adalah menentukan jumlah bit pesan yang telah disisipkan
5. Hitung , konversi nilai kedalam biner dengan
panjang ti
6. Hasil konversi nilai kedalam biner dengan panjang ti
merupakan pesan yang disembunyikan
2.7 PSNR (Peak Signal to Noise Ratio)
PSNR adalah nilai yang menyatakan tingkat noise atas image yang telah
disisipi pesan dengan satuan desibel (db). Semakin besar nilai PSNR perbedaan
antara stego image dan cover image semakin kecil, sebaliknya semakin kecil nilai
PSNR menunjukkan bahwa perbedaan antara stego image dan cover image
semakin besar (Chen, 2006). Menurut Cole (2003) nilai PSNR dikatakan baik
jika berada diatas nilai 20; artinya di bawah nilai 20 distorsi yang terjadi sangat
besar antara stego image dan cover image. Sedangkan untuk nilai MSE yang besar
menyatakan penyimpangan atau selisih antara cover image dan stego image cukup
besar. Untuk gambar warna dengan komponen Red, Green dan Blue nilai MSE
secara keseluruhan merupakan jumlah dari MSE untuk setiap komponen Red,
Green dan Blue dibagi tiga.
Persamaan untuk mencari PSNR sebagai berikut :
PSNR = 10 Log10 (2552 / MSE ) (5)
Sedangkan formula untuk menghitung nilai MSE adalah sebagai berikut :
) 6 ( ) , ( ) , ( 1 2 1 1
∑
∑
= = − = n i m i j i K i i I mxn MSEI(i) = cover image
K(i) = stego image
M = lebar image
14
2.8 Metode Evaluasi Kinerja
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
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
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-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
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
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
[image:41.612.127.456.199.522.2]19
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
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,
[image:44.612.174.518.372.676.2]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
[image:45.612.169.477.249.581.2]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
∑
= 71 i
dan
∑
= 71 j
maka 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
∑
= 71 i
dan
∑
= 1124
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
∑
= 111 i
dan
∑
= 71 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
25
d. P(i,x) mod 4 <>0 dan P (i,y) mod 4 <> 0
Untuk
∑
= 111 i
dan
∑
= 111 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
[image:49.612.168.279.79.198.2]
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
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
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
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
Gambar
Dokumen terkait
Guru memberikan penguatan terhadap hasil diskusi peserta didik dan kemudian menjelaskan kembali sifat- sifat keteladan Ashabul Kahfi berdasarkan buku teks
Sebagaimana dimaklumi bersama bahwa para pelaksana Penelitian Unggulan Strategis Nasional, Penelitian Strategis Nasional, Penelitian Hibah Kompetensi, Penelitian Kerjasama Luar
Siput : “Wah, kancil mana mungkin aku bertanding adu cepat denganmu, kamu bisa lari dan loncat dengan cepat, sedangkan aku berjalan selangkah demi selangkah sambil membawa
[r]
Zakat adalah jumlah harta tertentu yang wajib dikeluarkan oleh orang yang beragama Islam dan diberikan kepada golongan yang berhak menerimanya (fakir miskin
beberapa fauna endemik yang hanya terdapat di satu wilayah, yaitu.. Tuatara ( Sphenodon punctatus ) sejenis amphibi purba yang hanya
Penelitian ini bertujuan untuk mendeskripsikan profil usaha Teh Gaharu di Desa Lubuk Pabrik Kecamatan Lubuk Besar Kabupaten Bangka Tengah, menganalisis kelayakan Teh
Kemitraan yang terjalin antara petani tembakau dengan PT Djarum adalah memberikan kredit pupuk dan pestisida kepada petani mitra tanpa bunga serta petani mitra
