Analisis dan Perancangan Pengujian Nilai MSE (Mean Squared Error) pada Proses Penyisipan Label Citra dengan Menggunakan Metode Modified Least Significant Bit (MLSB)

(1)

ANALISIS DAN PERANCANGAN PENGUJIAN NILAI MSE (MEAN SQUARED ERROR) PADA PROSES PENYISIPAN LABEL CITRA

MENGGUNAKAN METODE MODIFIED LEAST SIGNIFICANT BIT (MLSB)

SKRIPSI

HENNI HARYANI LUBIS 081401064

PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

(2)

ANALISIS DAN PERANCANGAN PENGUJIAN NILAI MSE (MEAN SQUARED

ERROR) PADA PROSES PENYISIPAN LABEL CITRA MENGGUNAKAN

METODE MODIFIED LEAST SIGNIFICANT BIT (MLSB)

SKRIPSI

Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar Sarjana Komputer

HENNI HARYANI LUBIS 081401064

PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

(3)

PERSETUJUAN

Judul : ANALISIS DAN PERANCANGAN PENGUJIAN

NILAI MSE (MEAN SQUARED ERROR) PADA PROSES PENYISIPAN LABEL CITRA MENGGUNAKAN METODE MODIFIED LEAST SIGNIFICANT BIT (MLSB)

Kategori : SKRIPSI

Nama : HENNI HARYANI LUBIS

Nomor Induk Mahasiswa : 081401064

Program Studi : SARJANA (S1) ILMU KOMPUTER

Departemen : ILMU KOMPUTER

Fakultas : FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Desember 2012

Komisi Pembimbing :

Pembimbing II Pembimbing I

Syurahbil,S,Si,Mcomp.Sc M.Andri B,ST.,MCompSc.,MEM NIP. 197502272008101001 NIP. 197510082008011011

Diketahui/Disetujui oleh

Program Studi S1 Ilmu Komputer Ketua,

(4)

PERNYATAAN

ANALISIS DAN PERANCANGAN PENGUJIAN NILAI MSE (MEAN SQUARED

ERROR) PADA PROSES PENYISIPAN LABEL CITRA MENGGUNAKAN

METODE MODIFIED LEAST SIGNIFICANT BIT (MLSB)

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Desember 2012

(5)

PENGHARGAAN

Alhamdulillah, puji dan syukur penulis panjatkan kehadirat Allah SWT, yang telah memberikan rahmat dan hidayah-Nya, sehingga penulis dapat menyelesaikan penyusunan skripsi yang berjudul, Analisis dan Perancangan Pengujian Nilai MSE (Mean Squared Error) pada Proses Penyisipan Label Citra dengan Menggunakan Metode Modified Least Significant Bit (MLSB), sesuai dengan yang telah diharapkan penulis. Skripsi ini disusun sebagai syarat untuk memperoleh gelar Sarjana Komputer pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

Ucapan terima kasih penulis sampaikan secara khusus sebesar-besarnya kepada orang tua penulis, Ayahanda Yan Rizal Lubis, SH dan Ibunda Yusniar yang telah memberikan doa, motivasi, perhatian serta kasih sayang yang tulus serta pengorbanan yang tidak ternilai harganya hingga akhirnya penulis dapat menyelesaikan skripsi ini. Pada kesempatan ini, penulis juga mengucapkan terima kasih kepada:

1. Bapak M. Andri Budiman, ST., MCompSc., MEM selaku dosen pembimbing I yang telah banyak meluangkan waktu, tenaga, pikiran untuk mengarahkan dan membimbing penulis dengan sabar dalam menyelesaikan skripsi ini.

2. Bapak Syurahbil, S.Si, Mcomp.Sc selaku dosen pembimbing II yang telah banyak meluangkan waktu, tenaga, pikiran untuk mengarahkan dan membimbing penulis dengan sabar dalam menyelesaikan skripsi ini.

3. Bapak Prof. Dr. Muhammad Zarlis selaku dosen pembanding I dan Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara yang telah memberikan saran serta masukan dalam menyelesaikan skripsi ini sehingga menjadi lebih baik lagi.

4. Bapak Drs. Partano Siagian, MSc selaku dosen pembanding II yang telah memberikan saran serta masukan dalam menyelesaikan skripsi ini sehingga menjadi lebih baik lagi.

5. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

6. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi Ilmu Komputer.

(6)

8. Semua dosen serta pegawai di Program Studi S1 Ilmu Komputer Departemen Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

9. Diky Aditya S.sos yang senantiasa setia menemani, membantu dan selalu memberikan semangat kepada penulis dalam menyelesaikan skripsi ini.

10.Sahabat-sahabat terbaik penulis : Henny Ndut, Nisa, Lia, Ria, Indy, Nunun dan Wili, serta adik sepupu terbaik penulis R.R Ayu Siti Trisnawanti yang senantiasa membantu dan memberikan motivasi kepada penulis.

11.Teman-teman SMA penulis yang masih bersama sampai sekarang yang telah memberikan motivasi : Rani Atung, Opi, Vani, Winda, Sekar, Hanna, Veni, Vina, Setyo, Irfan njoel, Taufik Arif, Dicka, Boy Zahry, Rozi, dan Rifday.

12.Teman-teman perkuliahan dan seperjuangan penulis angkatan 2008, Yusuf, Rachmad, Elsa, Icha, Mira, Qina, Siska, Bilqis, serta teman-teman yang lain yang tidak dapat disebutkan satu persatu yang memberikan dukungan, bersama-sama berjuang dalam perkuliahan dan penyelesaian skripsi ini.

13.Senior dan Junior penulis di Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.

Sekali lagi penulis mengucapkan terima kasih kepada semua pihak yang membantu dalam penyelesaian skripsi ini yang tidak dapat disebutkan satu persatu. Penulis berharap semoga skripsi ini bermanfaat terutama kepada penulis maupun kepada para pembaca serta semua pihak yang berhubungan dengannya. Penulis menyadari sepenuhnya bahwa skripsi ini masih jauh dari kata sempurna. Oleh karena itu, penulis sangat mengharapkan kritik dan saran yang membangun demi perbaikan skripsi ini.

Penulis

(7)

ABSTRAK

Kemajuan teknologi yang begitu pesat, memudahkan seseorang untuk menyampaikan pesan kepada orang lain. Dengan berbagai tehnik dan metode penyampaian pesan yang beragam, tidak menjamin keamanan pesan tersebut sampai ke tujuan apalagi jika pesan yang ingin disampaikan tersebut bersifat penting dan rahasia. Untuk menjaga keamanan pesan yang ingin disampaikan, maka digunakan salah satu tehnik steganografi menggunakan metode Modified Least Significant Bit (MLSB). Metode MLSB bekerja dengan mengganti 5 bit LSB citra penampung (Cover image) dengan 5

bit dari citra penyisip (embed image) yang telah dimodifikasi. Modifikasi embed

dilakukan dengan mengkonversi byte-byte citra penyisip dengan nilai ASCII

hexadecimal (American Standard Code for Information Interchange), kemudian data

embed tersebut digabung dengan kode kontrol simbolnya (Control Symbols), dan yang pada akhirnya data embed di ubah ke dalam biner yang menghasilkan 5 bit setiap nilai pesan. Penggunaan suatu metode dalam penyembunyian pesan rahasia terkadang mau merusak citra penampungnya. Oleh karena itu, dibutuhkan suatu parameter ketahanan untuk melihat bagus atau tidaknya motode penyisipan yang digunakan salah satunya ialah dengan melihat nilai Mean Squared Error (MSE) citra tersebut. Aplikasi ini dikembangkan dengan menggunakan bahasa pemrograman Visual Basic 6.0. Aplikasi yang dibangun memiliki fungsi untuk menyisipkan pesan (insertion), melakukan proses pengeluaran pesan (extraction) , dan menghitung nilai MSE citra.

(8)

ANALYSIS AND DESIGN OF MEAN SQUARED ERROR (MSE) SCORE TEST TO INSERTION THE IMAGE LABEL USING METHOD

OF MODIFIED LEAST SIGNIFIANT BIT (MLSB)

ABSTRACT

the development of technology makes someone easy to convey the message to others. With a variety of techniques and methods of delivering a message, not guarantee the security of the message can get to the destination, especially if the message is important and secret. To maintain the security of the message, then we must use one of the techniques of steganography, which is using the Modified Least Significant Bit (MLSB). MLSB method works by replacing the 5-bits LSB cover image with 5 bits of embed image that has been modified. Embed modifications done by converting the bytes of embed image into the hexadecimal value from the ASCII (American Standard Code for Information Interchange), then combined it with Control Symbols . At last, modified embed into the binary, which will produce 5 bits of each value of the message, and than will be inserted into the 5 bits LSB cover image. Using a method of hiding a secret message sometimes want to damage the image. Therefore, we needed a parameter to see good or bad insertion method is used, one of which is by see the value of Mean Squared Error (MSE) image. The application is built using the programming language Visual Basic 6.0. This application has a function to insert messages (insertion), reading the message (extraction), and calculate the MSE image.

(9)

DAFTAR ISI

Daftar Gambar xii

Bab 1 Pendahuluan 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Metode Penelitian 3

1.7 Sistematika Penulisan 4

Bab 2 Landasan Teori 5

2.1 Steganografi 5

2.2 Media Steganografi 8

2.3 Pengertian Citra Digital 9

2.3.1 Format File Citra Digital 11

2.3.2 Format Data Bitmap 11

2.3.3 Format File Citra BMP 12

2.4 Mode Warna 14

2.5 Menghitung Nilai RGB 15

2.6 Ukuran Data yang Disembunyikan 16

2.7 Metode Least Significant Bit (LSB) 16 2.8 Metode Modified Least Significant Bit (MLSB) 18

2.9 Pengukuran Fidelity 21

Bab 3 Analisis dan Perancangan 22

3.1 Analisis Sistem 22

3.1.1 Pengolahan Citra Cover 23

3.1.2 PengolahanCitra Embed 26

3.1.3 Insertion (Penyisipan) MLSB 29

3.1.4 Extraction MLSB 33

3.1.5 Perhitungan Nilai MSE 36

(10)

3.2.1 Flowchart Gambaran Umum Sistem 37 3.2.1.1 FlowchartInsertion (Penyisipan) 38 3.2.1.2 FlowchartExtraction (Pembacaan) Embed 40 3.2.1.3 Flowchart Menghitung MSE 41

3.2.3. Activity Diagram 49

3.2.3.1 Activity Diagram untuk Use Case Insertion 49 3.2.3.2 Activity Diagram untuk Use Case Select Citra Cover 50 3.2.3.10 Activity Diagram untuk Use Case Select Citra Stego 54 3.2.3.11 Activity Diagram untuk Use Case Hitung 55 3.2.4 Perancangan Antarmuka (Interface) 55

3.2.4.1 Rancangan Halaman Menu utama 55

3.2.4.2 Rancangan Halaman Insertion 56 3.2.4.3 Rancangan Halaman Extraction 57 3.2.4.4 Rancangan Halaman Hitung MSE 57

Bab 4 Implementasi dan Pengujian Sistem 59

4.1 Implementasi 59

4.2 Tampilan Antarmuka Aplikasi 59

4.2.1 Halaman Menu Utama aplikasi 60

4.2.2 Tampilan Halaman Insertion 60

4.2.3 Tampilan Halaman Extraction 61

4.2.4 Tampilan Halaman Hitung MSE 62

4.3 Pengujian Sistem 63

4.3.1 Proses Insertion (Penyisipan Embed) 64 4.3.2 Proses Extraction (Ekstraksi Embed) 69

4.3.3 Proses perhitungan nilai MSE 73

4.4 Hasil Pengujian 77

Bab 5 Kesimpulan dan Saran 83

(11)

5.2 Saran 84

Daftar Pustaka 85

(12)

DAFTAR TABEL

Halaman

2.1 Struktur File .BMP 13

2.2 Control Symbol (CS) 18

3.1 Spesifikasi Use Case Insertion 43

3.2 Spesifikasi Use Case Select Citra Cover 43

3.3 Spesifikasi Use Case Select Citra Embed 44

3.4 Spesifikasi Use Case Sisip 44

3.5 Spesifikasi Use Case Extraction 45

3.6 Spesifikasi Use Case Select Citra Stego 46

3.7 Spesifikasi Use Case Extract 46

3.8 Spesifikasi Use Case Hitung MSE 47

3.9 Spesifikasi Use Case Select Citra Cover 47

3.10 Spesifikasi Use Case Select Citra Stego 48

3.11 Spesifikasi Use Case Hitung 49

4.1 Tampilan Citra Sebelum Penyisipan (Citra Cover) dan Citra Hasil

Penyisipan (Citra Stego) 79

(13)

DAFTAR GAMBAR

Halaman

2.1 Proses Steganografi 6

2.2 Taksonomi Steganografi 6

2.3 Koordinat pada Citra 9

2.4 Format Citra 8 Bit (256 Warna) 12

2.5 Format Citra 24 Bit (16 Juta Warna) 13

2.6 Kombinasi Warna RGB 14

2.7 Matriks Citra Penampung 17

2.8 Penyisipan Metode LSB 17

2.9 Matriks Citra Cover 19

2.10 Citra Cover dalam Biner 20

2.11 Citra Hasil Penyisipan (Citra Stego) dalam Biner 20 2.12 Matriks Citra Hasil Penyisipan (Citra Stego) 20

3.1 Citra Cover (350 x 200 Piksel) 23

3.11 Baris Pertama Citra Embed 30

3.12 Citra Cover dalam Bentuk Biner 32

3.13 Citra Stego dalam Bentuk Biner 32

3.14 Matriks Citra Stego dalam Bentuk Grayscale 33 3.15 Matriks Citra Cover dalam Bentuk Grayscale 33

3.16 Citra Stego dalam Biner 34

3.17 Nilai Piksel Citra Embed Hasil Ekstraksi 36

3.18 Matriks Citra Cover dan Citra Stego 37

3.19 Flowchart Gambaran Umum Sistem 38

3.20 FlowchartInsertion (Penyisipan) 39

3.21 FlowchartExtraction (Pembacaan) Embed 40

3.22 Flowchart Menghitung MSE 41

3.23 Use CaseDiagram 42

3.24 Activity Diagram untuk Use Case Insertion 50 3.25 Activity Diagram untuk Use Case Select Citra Cover 50 3.26 Activity Diagram untuk Use Case Select Citra Embed 51

3.27 Activity Diagram untuk Use Case Sisip 51

(14)

3.29 Activity Diagram untuk Use Case Select Citra Stego 52

3.30 Activity Diagram untuk Use Case Extract 53

3.31 Activity Diagram untuk Use Case Hitung MSE 53 3.32 Activity Diagram untuk Use Case Select Citra Cover 54 3.33 Activity Diagram untuk Use Case Select Citra Stego 54 3.34 Activity diagram untuk Use Case Hitung 55

3.35 Rancangan Halaman Menu Utama 56

3.36 Rancangan Halaman Insertion 56

3.37 Rancangan Halaman Extraction 57

3.38 Rancangan Halaman Hitung MSE 58

4.1 Tampilan Menu Utama 60

4.2 Tampilan Halaman Insertion 61

4.3 Tampilan Halaman Extraction 62

4.4 Tampilan Halaman Hitung MSE 63

4.5 Tampilan Pilih Citra Cover 64

4.6 Tampilan Citra Cover yang Telah Dipilih 65

4.7 Marco.bmp sebagai Citra Cover 65

4.8 Tampilan Pilih Citra Embed 66

4.9 Tampilan Citra Embed yang Telah Dipilih 67

4.10 Stronghold.bmp sebagai Citra Embed 67

4.11 Tampilan Penyimpanan Citra Hasil Penyisipan (Citra Stego) 68

4.12 Tampilan Citra Stego 68

4.13 Citra Marco.bmp (Atas) yang Belum Terdapat Penyisip (Citra Cover), Citra Sukses.bmp (Bawah) yang Telah Berisi Penyisip (Citra Stego) 69

4.14 Tampilan Pilih Citra Stego 70

4.15 Tampilan Citra Stego yang Dipilih 71

4.16 Dua Kotak Pesan Error Jika Tidak Terdapat Citra Embed di Dalam

Stego 71

4.17 Tampilan Penyimpanan Citra Embed Hasil Ekstraksi 72 4.18 Tampilan Citra Embed Berhasil Diekstraksi 73 4.19 Hasilekstraksi.bmp sebagai Citra Embed Hasil Ekstraksi 73

4.20 Tampilan Pilih Citra Cover 74

4.21 Tampilan Citra Cover yang Dipilih 75

4.22 Tampilan Pilih Citra Stego 76

4.23 Tampilan Citra Stego yang Dipilih 76

4.24 Tampilan Perhitungan Nilai MSE Telah Selesai Dilakukan 77 4.25 Tampilan Byte-Byte Citra Cover (marco.bmp) Dalam Heksadesimal

Menggunakan Aplikasi Fhred 80

4.26 Tampilan Byte-Byte Citra Stego (sukses.bmp) Dalam Heksadesimal

Menggunakan Aplikasi Fhred 80

(15)

ABSTRAK

Kemajuan teknologi yang begitu pesat, memudahkan seseorang untuk menyampaikan pesan kepada orang lain. Dengan berbagai tehnik dan metode penyampaian pesan yang beragam, tidak menjamin keamanan pesan tersebut sampai ke tujuan apalagi jika pesan yang ingin disampaikan tersebut bersifat penting dan rahasia. Untuk menjaga keamanan pesan yang ingin disampaikan, maka digunakan salah satu tehnik steganografi menggunakan metode Modified Least Significant Bit (MLSB). Metode MLSB bekerja dengan mengganti 5 bit LSB citra penampung (Cover image) dengan 5

bit dari citra penyisip (embed image) yang telah dimodifikasi. Modifikasi embed

dilakukan dengan mengkonversi byte-byte citra penyisip dengan nilai ASCII

hexadecimal (American Standard Code for Information Interchange), kemudian data

embed tersebut digabung dengan kode kontrol simbolnya (Control Symbols), dan yang pada akhirnya data embed di ubah ke dalam biner yang menghasilkan 5 bit setiap nilai pesan. Penggunaan suatu metode dalam penyembunyian pesan rahasia terkadang mau merusak citra penampungnya. Oleh karena itu, dibutuhkan suatu parameter ketahanan untuk melihat bagus atau tidaknya motode penyisipan yang digunakan salah satunya ialah dengan melihat nilai Mean Squared Error (MSE) citra tersebut. Aplikasi ini dikembangkan dengan menggunakan bahasa pemrograman Visual Basic 6.0. Aplikasi yang dibangun memiliki fungsi untuk menyisipkan pesan (insertion), melakukan proses pengeluaran pesan (extraction) , dan menghitung nilai MSE citra.

(16)

ANALYSIS AND DESIGN OF MEAN SQUARED ERROR (MSE) SCORE TEST TO INSERTION THE IMAGE LABEL USING METHOD

OF MODIFIED LEAST SIGNIFIANT BIT (MLSB)

ABSTRACT

the development of technology makes someone easy to convey the message to others. With a variety of techniques and methods of delivering a message, not guarantee the security of the message can get to the destination, especially if the message is important and secret. To maintain the security of the message, then we must use one of the techniques of steganography, which is using the Modified Least Significant Bit (MLSB). MLSB method works by replacing the 5-bits LSB cover image with 5 bits of embed image that has been modified. Embed modifications done by converting the bytes of embed image into the hexadecimal value from the ASCII (American Standard Code for Information Interchange), then combined it with Control Symbols . At last, modified embed into the binary, which will produce 5 bits of each value of the message, and than will be inserted into the 5 bits LSB cover image. Using a method of hiding a secret message sometimes want to damage the image. Therefore, we needed a parameter to see good or bad insertion method is used, one of which is by see the value of Mean Squared Error (MSE) image. The application is built using the programming language Visual Basic 6.0. This application has a function to insert messages (insertion), reading the message (extraction), and calculate the MSE image.

(17)

BAB 1

PENDAHULUAN

1.1Latar Belakang Masalah

Seiring dengan kemajuan teknologi yang begitu pesat, memudahkan seseorang untuk menyampaikan pesan kepada orang lain. Tehnik dan metode penyampaian pesan pun semakin beragam. Namun, tehnik dan metode penyampaian pesan tersebut tidak menjamin keamanan pesan tersebut sampai ke tujuan. Apalagi jika pesan yang ingin disampaikan tersebut bersifat penting dan rahasia. Oleh karena itu perlu digunakan suatu cara untuk mengamankan pesan tersebut agar dapat sampai ke tujuan secara utuh. Seperti halnya pesan teks, pengamanan pesan citra dapat dilakukan dengan berbagai tehnik, salah satunya dengan menggunakan tehnik steganografi.

Steganografi merupakan salah satu cara untuk menyembunyikan suatu pesan ke dalam suatu media digital yang secara indra manusia tampak tidak mengandung apa-apa, kecuali bagi orang yang mengerti caranya. Steganografi membutuhkan dua properti, yaitu media penampung dan pesan rahasia. Steganografi dapat digunakan pada berbagai macam media digital yaitu citra, suara maupun video (Prihanto, 2010).

Metode yang umum digunakan dalam melakukan penyisipan pesan adalah

(18)

dengan mengkonversi byte-byte citra penyisip dengan nilai ASCII (American Standard Code for Information Interchange) heksadesimal. Setelah byte-byte penyisip dikonversikan kedalam ASCII heksadesimal, kemudian data penyisip digabung dengan kode kontrol simbolnya (Control Symbols). Sebelum disisipkan ke dalam citra, data penyisip dikonversi ke dalam biner yang menghasilkan 5 bit setiap nilai pesan (Zaher, 2011).

Penggunaan suatu metode dalam penyembunyian pesan rahasia terkadang mau merusak citranya. Oleh karena itu dibutuhkan suatu parameter ketahanan untuk melihat bagus atau tidaknya motode penyisipan yang dipakai, salah satunya ialah dengan melihat nilai Mean Squared Error (MSE). Semakin kecil nilai MSE yang dihasilkan, semakin bagus metode penyisipan yang digunakan.

1.2Rumusan Masalah

Yang menjadi rumusan masalah dalam penelitian ini adalah bagaimana:

a. Melakukan penyisipan pesan berupa file citra berformat .BMP ke dalam citra penampung (citra cover) yang berformat .BMP dengan menggunakan metode

Modified Least Significant Bit (MLSB).

b. Melakukan ekstraksi dan menghitung nilai MSE citra.

1.3 Batasan Masalah

Dalam penelitian ini penulis membuat batasan masalah yaitu:

a. File citra penampung (citra cover) adalah citra berwarna (true color) 24 bit

berformat .BMP dengan resolusi maksimal 350 x 250 piksel.

b. File citra penyisip (citra embed) juga citra berwarna (true color) 24 bit berformat .BMP dengan resolusi maksimal 32 x 32 piksel.

(19)

1.4 Tujuan Penelitian

Tujuan penelitian adalah untuk mengetahui ketahanan hasil penyisipan citra ke dalam citra yang menggunakan metode MLSB dengan parameter ketahanan adalah jumlah piksel yang error (MSE).

1.5Manfaat Penelitian

Manfaat penelitian ini adalah:

a. Mengetahui bagaimana cara mengamankan file citra ke dalam citra penampung (citra cover) dengan menggunakan salah satu metode penyisipan yakni metode Modified Least Significant Bit (MLSB).

b. Diperolehnya sebuah perangkat lunak yang dapat menyisipkan citra kedalam citra dan menghitung nilai MSE citra.

1.6Metode Penelitian

Metode Penelitian yang akan dilalui adalah sebagai berikut:

1. Studi Literatur

Studi Literatur dilaksanakan dengan melakukan studi kepustakaan yang relevan serta buku-buku maupun artikel-artikel atau e-book dan juga journal international yang didapatkan melalui internet yang berhubungan dengan steganografi, Least Significant Bit, Modified Least Significant Bit dan pengolahan citra.

2. Analisis

Menganalisis penyisipan citra ke dalam citra dengan menggunakan metode

(20)

3. Perancangan Perangkat Lunak

Perancangan perangkat lunak dilakukan dengan membuat rancangan antar muka sistem, flowchart sistem serta proses kerja sistem untuk memudahkan dalam proses implementasi berikutnya.

4. Implementasi dan Pengujian Sistem

Implementasi sistem melakukan coding dengan menggunakan bahasa pemograman Visual Basic 6.0. Pengujian dilakukan terhadap program yang telah dibangun. Pengujian sistem dilakukan untuk melihat apakah implementasi telah sesuai dengan teori, atau apakah program mengalami kesalahan.

1.7Sistematika Penulisan

Untuk membuat penulisan lebih terstruktur, maka penulisan ini dibagi menjadi lima bab, yaitu :

BAB 1 PENDAHULUAN

Bab ini membahas tentang latar belakang masalah, perumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian yang dilakukan serta sistematika penulisan.

BAB 2 LANDASAN TEORI

Bab ini membahas tentang teori-teori yang berhubungan dengan penelitian ini, diantaranya tentang steganografi, citra, metode Modified Least Significant Bit

(MLSB), Mean Squared Error dan lainnya. BAB 3 ANALISIS DAN PERANCANGAN

Bab ini membahas mengenai penyisipan pesan ke dalam citra, flowchart sistem serta perancangan antar muka pengguna.

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini membahas tentang implementasi dan pengujian sistem. BAB 5 PENUTUP

(21)

BAB 2

LANDASAN TEORI

2.1Steganografi

Steganografi adalah seni komunikasi dengan menyembunyikan atau menyamarkan keberadaan pesan rahasia dalam suatu media penampungnya sehingga orang lain tidak menyadari adanya pesan di dalam media tersebut. Kata steganografi merupakan istilah yang berasal dari bahasa yunani yang berasal dari kata steganos (tertutup) dan

graphein (tulisan). Lebih lengkapnya steganos dan graphein atau graptos memiliki arti menulis tulisan yang tersembunyi atau terselubung (Sutoyo, 2009).

Steganografi sudah digunakan sejak dahulu kala sekitar 2500 tahun yang lalu untuk kepentingan politik, militer, diplomatik, serta untuk kepentingan pribadi. Tehnik steganografi mempelajari tentang bagaimana menyembunyikan suatu pesan rahasia di dalam suatu wadah penampung. Selain steganografi, terdapat salah satu istilah lain yang bernama watermaking. Watermaking merupakan suatu bentuk dari steganografi. Yang membedakan steganografi dengan watermaking, watermaking

merupakan cara penyembunyian pesan ke dalam wadah penampung dan wadah penampung mampu menghadapi proses pengolahan sinyal digital namun tidak merusak wadah penampung sehingga seolah-olah tidak ada perbedaan antara wadah penampung sebelum dan sesudah proses penyembunyian. Sedangkan steganografi memiliki prinsip dasar lebih mengkonsentrasikan pada kerahasian pesannya bukan pada keutuhan wadahnya (Munir, 2004).

(22)

masih asli yang belum dimodifikasi, yang disebut media cover (cover object). Kemudian media cover dan embed yang ditempelkan membuat media stego (stego object). Extraction adalah proses menguraikan pesan yang tersembunyi dalam media

stego. Ringkasnya, steganografi adalah teknik menanamkan embed pada suatu cover object, dimana hasilnya berupa stego object (Pakereng,2010).

Adapun proses steganografi selengkapnya ditunjukkan pada Gambar 2.1.

Gambar 2.1 Proses Steganografi

Pihak yang terkait dengan steganografi antara lain embeddor, extractor, dan

stegoanalyst. Embeddor adalah pelaku yang melakukan penyisipan (embedding),

extractor adalah pelaku yang melakukan ekstraksipada stego object, dan stegoanalyst

adalah pelaku yang melakukan steganalisis. Steganalisis merupakan ilmu dan seni untuk mendeteksi embed yang tersembunyi dalam steganografi (Prihanto, 2010).

Gambar 2.2 Taksonomi Steganografi

Cover

(23)

a. Teknik Steganografi (Technical Steganography)

Merupakan teknik yang menggunakan metode sains untuk menyembunyikan

embed. Contohnya adalah penyembunyian embed dalam chip mikro.

b. Linguistik Steganografi (Linguistic Steganography)

Merupakan teknik yang menyembunyikan embed dalam cara yang tidak lazim. Teknik ini terbagi menjadi dua bagian yaitu Semagrams dan Open Codes.

c. Open Codes

Merupakan tehnik menyembunyikan embed cara yang tidak umum namun tetap tidak mencurigakan. Teknik ini terbagi menjadi dua bagian yaitu Jargon Code dan

Covered Ciphers. d. Covered Ciphers

Merupakan tehnik yang menyembunyikan embed dalam media penampung sehingga embed kemudian dapat diekstrak dari media penampung tersebut oleh pihak yang mengetahui bagaimana embed tersembunyi tersebut disembunyikan. (Sumber: Aditya, 2010)

Penilaian sebuah metode steganografi yang baik dapat dinilai dari beberapa faktor yaitu imperceptibility, fidelity, recovery, dan robustness. Karakteristik metode steganografi yang baik adalah memiliki imperceptibility tinggi, fidelity tinggi,

recovery maksimum dan robustness tinggi (Putra, 2010).

1. Imperceptibility

Keberadaan embed dalam media penampung tidak dapat dideteksi.

2. Fidelity

Mutu media penampung setelah ditambahkan embed tidak jauh berbeda dengan mutu media penampung sebelum ditambahkan embed.

3. Recovery

Embed yang telah disisipkan dalam media penampung harus dapat diungkap kembali. Hal ini merupakan syarat mutlak dalam sebuah metode steganografi, karena ada banyak cara penyisipan embed yang tidak terdeteksi namun sulit dalam pembacaan kembali.

4. Robustness

(24)

operasi-operasi manipulasi, maka embed yang disembunyikan seharusnya tidak rusak (embed masih utuh, tetap bisa diekstrak kembali).

2.2 Media Steganografi

Citra penampung (citra cover) merupakan media untuk menampung embed pada steganografi. Suatu embed dapat mempunyai hubungan atau bahkan tidak mempunyai hubungan sama sekali dengan media penampung (untuk kasus komunikasi rahasia) atau embed juga dapat berupa menyediakan info penting tentang media, seperti informasi autentifikasi, judul, tanggal dan waktu pembuatan, hak cipta, nomor seri kamera digital yang digunakan untuk mengambil gambar, informasi mengenai isi dan akses terhadap citra dan lain sebagainya (Prihanto, 2010).

Steganografi digital menggunakan media digital sebagai media penampung, seperti teks, citra, audio dan video. Semua berkas yang ada dalam komputer dapat digunakan sebagai media penampung, asalkan berkas tersebut mempunyai bit-bit data redundan yang dapat dimodifikasi. Hal ini juga berlaku untuk media penyisip (embed).

1. Citra

Format citra atau gambar paling sering digunakan, karena merupakan salah satu format berkas yang sering dipertukarkan dalam dunia internet. Alasan lainnya adalah banyaknya metode steganografi yang tersedia untuk media penampung yang berupa citra.

2. Teks

Dalam metode steganografi yang menggunakan teks sebagai media penampung, teks yang telah disisipi embed tidak boleh mencurigakan untuk orang yang melihatnya.

3. Audio

Format audio atau suara juga sering dipilih karena berkas dengan format audio berukuran

(25)

4. Video

Format video memiliki ukuran berkas yang relatif sangat besar namun jarang digunakan karena ukurannya yang terlalu besar sehingga mengurangi kepraktisannya dan juga kurangnya algoritma yang mendukung format ini.

2.3Pengertian Citra Digital

Citra digital adalah gambar dua dimensi yang dapat ditampilkan pada layar monitor komputer sebagai himpunan berhingga (diskrit) nilai digital yang disebut pixel

(picture elemen). Citra digital tersusun dalam bentuk raster (grid atau kisi). Setiap kotak yang terbentuk disebut pixel (picture element) dan memiliki koordinat (x,y).

Pixel merupakan suatu elemen citra yang memiliki nilai yang menujukkan intensitas warna. Citra digital dapat didefenisikan sebagai fungsi dua variabel f(x,y), dimana x

dan y adalah koordinat spasial dan nilai f(x,y) merupakan intensitas citra suatu titik. Piksel (0,0) terletak pada sudut kiri atas pada citra, indeks x begerak ke kanan dan indeks y bergerak ke bawah. Konvensi ini dipakai merujuk pada cara penulisan larik yang digunakan dalam pemrograman komputer.

Gambar 2.3 Koordinat Pada Citra

Suatu citra digital diperoleh dari penangkapan kekuatan sinar yang dipantulkan oleh objek. Citra digital tersusun atas sejumlah berhingga elemen, masing-masing memiliki lokasi dan nilai/intensitas tertentu. Tingkat ketajaman atau resolusi warna pada citra digital tergantung pada jumlah bit yang digunakan oleh komputer untuk merepresentasikan setiap piksel tersebut. Tipe yang sering digunakan untuk merepresentasikan citra digital adalah 8-bit citra (256 colors (0 untuk hitam - 255

(26)

untuk putih)), tetapi dengan kemajuan teknologi perangkat keras grafik, kemampuan tampilan citra digital di komputer hingga 32 bit (232 warna) (Sutoyo, 2009).

Selain citra digital, juga terdapat jenis citra yang lain yakni citra analog. Citra analog adalah citra yang terdiri dari sinyal – sinyal frekuensi elektromagnetis yang belum dibedakan sehingga pada umumnya tidak dapat ditentukan ukurannya. Analog berhubungan dengan hal yang kontinu dalam satu dimensi, contohnya adalah bunyi diwakili dalam bentuk analog, yaitu suatu getaran gelombang udara yang kontinu dimana kekuatannya diwakili sebagai jarak gelombang. Hampir semua kejadian alam boleh diwakili sebagai perwakilan analog seperti bunyi, cahaya, air, elektrik, angin dan sebagainya (Putra, 2010).

Citra digital dapat dibagi menjadi 4 macam berdasarkan warna-warna penyusunnya :

1. Citra biner (monochrome), atau disebut juga binary image, yaitu citra yang setiap pikselnya hanya memiliki kemungkinan dua warna, yaitu berwarna hitam (0) atau berwarna putih (1). Oleh karena itu, setiap piksel pada citra biner hanya membutuhkan media penyimpanan sebesar 1 bit.

2. Citra greyscale (citra keabuan), citra ini terdiri atas warna abu-abu. Setiap piksel citra greyscale merepresentasikan derajat keabuan atau intensitas warna putih. Untuk pengubahan warna citra menjadi greyscale dapat dilakukan dengan memberikan bobot untuk masing-masing warna dasar red green blue atau dengan membuat nilai rata-rata dari ketiga warna dasar tersebut.

(27)

2.3.1 Format File Citra Digital

Citra digital dapat disimpan dalam berbagai format. Sebuah format citra harus dapat menyatukan kualitas citra, ukuran file dan kompatibilitas dengan berbagai aplikasi. Setiap format file citra memiliki kelebihan dan kekurangan masing – masing dalam hal citra yang disimpan. Menyimpan suatu citra harus diperhatikan citra dan format

file citra apa yang sesuai. Misalnya format citra GIF sangat tidak cocok untuk citra fotografi karena biasanya citra fotografi kaya akan warna, sedangkan format GIF hanya mendukung sejumlah warna sebanyak 256 (8 bit) saja. Format JPEG merupakan pilihan yang tepat untuk citra – citra fotografi karena JPEG sangat cocok untuk citra dengan perubahan warna yang halus. Saat ini tersedia banyak format grafik dan format baru tersebut yang sudah dikembangkan, diantaranya yang terkenal adalah BMP, JPEG, dan GIF (Prihanto, 2010).

2.3.2 Format Data Bitmap

Pada format bitmap, citra disimpan sebagai suatu matriks di mana masing-masing elemennya digunakan untuk menyimpan informasi warna untuk setiap piksel. Jumlah warna yang dapat disimpan ditentukan dengan satuan bit-per-piksel. Semakin besar ukuran bit-per-piksel dari suatu bitmap, semakin banyak pula jumlah warna yang dapat disimpan. Format bitmap ini cocok digunakan untuk menyimpan citra digital yang memiliki banyak variasi dalam bentuknya maupun warnanya, seperti foto, lukisan, dan frame video. Format file yang menggunakan format bitmap ini antara lain adalah BMP, DIB, PCX, GIF, dan JPG. Format yang menjadi standar dalam system operasi Microsoft Windows adalah format bitmap BMP atau DIB.

Pada citra bitmap jumlah warna yang dapat disimpan ditentukan oleh banyaknya bit yang digunakan untuk menyimpan setiap titik dari bitmap yang menggunakan satuan bpp (bit-per-piksel). Dalam Windows dikenal bitmap dengan 1, 4, 8, 16, dan 24 bit-per-piksel. Jumlah warna maksimum yang dapat disimpan dalam suatu bitmap adalah sebanyak 2n, dimana n adalah banyaknya bit yang digunakan

(28)

Citra bitmap memiliki kelebihan untuk memanipulasi warna, tetapi untuk mengubah objek lebih sulit. Tampilan bitmap mampu menunjukkan kehalusan gradiasi bayangan dan warna dari sebuah gambar. Oleh karena itu, bitmap merupakan media elektronik yang paling tepat untuk gambar –gambar dengan perpaduan gradiasi warna yang rumit, seperti foto, kamera digital, video capture, dan lain-lain.

2.3.3 Format File Citra BMP

File format BMP bisa disebut juga bitmap atau format file DIB (untuk perangkat independen bitmap), adalah sebuah file gambar format yang digunakan untuk menyimpan gambar digital bitmap, terutama pada sistem operasi Microsoft Windows

dan OS/2. Format ini mendukung mode warna dari Bitmap Mode hingga RGB Mode.

File citra bitmap terdiri atas bagian header, palet RGB, dan data bitmap. Pada citra 8 bit, setiap elemen data bitmap menyatakan indeks dari peta warnanya di palet RGB (Munir, 2004). Header merupakan informasi dari struktur daripada sebuah file

citra. Header biasanya memberikan informasi tentang nama file, ukuran, dimensi, resolusi (horizontal atau vertikal), format yang digunakan, tehnik kompresi yang digunakan, dan lain-lain.

<header> <palet RGB>

R G B

1 20 45 24

2 14 13 16

3 12 17 15

…

256 46 78 25 <data bitmap>

2 2 1 1 1 3 5 …

Gambar 2.4 Format Citra 8 Bit (256 Warna)

(29)

<header> <data bitmap> 2 2 1 1 1 3 5 …

Gambar 2.5 Format Citra 24 Bit (16 Juta Warna)

Pada contoh format citra 24-bit di atas, pixel pertama mempunyai R = 2, G = 2, B = 1.

BMP mudah dibuka dan disimpan, tetapi ada beberapa aturan khusus yang harus dicermati, diantaranya:

1. Format file ini menyimpan datanya secara terbalik, yaitu dari bawah ke atas

2. Citra dengan resolusi warna 8 bit, lebar citra harus merupakan kelipatan dari 4, bila tidak maka pada saat penyimpanan akan ditambahkan beberapa byte pada data hingga merupakan kelipatan dari 4.

3. Citra dengan resolusi warna 24 bit, urutan penyimpanan tiga warna dasar adalah biru, hijau, merah (B, G, R). Lebar citra dikalikan dengan 3 harus merupakan kelipatan dari 4, bila tidak maka pada saat penyimpanan akan ditambahkan beberapa byte pada data hingga merupakan kelipatan dari 4.

Tabel 2.1 Struktur File .BMP

Keterangan:

1. Offset : byte ke (yang dimulai dari angka 0). 2. Size : ukuran dari panjang byte.

(30)

b. byte ke-2 dengan ukuran panjang 4 byte, nama spesifikasinya bitmap file size

yang berupa ukuran dari file dalam bentuk bytes.

c. byte ke – 6 dan 8 yang ukurannya 2 byte berupa field cadangan di set 0.

d. byte ke – 10 ukurannya 4 byte yang merupakan spesifikasi dari struktur bitmap file header ke bitbitmap, dimana file gambar dimulai pada tahap ini.

e. byte ke – 14, panjangnya 4 byte dengan spesifikasi nama bitmap size yang mempunyai ukuran header 40 bytes.

f. byte ke – 18 dengan panjang 4 bytes merupakan lebar gambar dalam satuan

pixel.

g. byte ke 22 dengan panjang 4 bytes merupakan tinggi gambar dalam satuan

pixel.

h. byte ke-26 dengan panjang 2 bytes merupakan bitmap planes dengan sejumlah

planes (umumnya 1).

i. byte ke-28 dengan panjang 2 byte merupakan jumlah bit per pixel : 1, 4, 8, atau 24.

j. byte ke-30 dengan panjang 4 byte yang merupakan tipe kompresi.

2.4Mode Warna

Mode warna RGB menghasilkan warna menggunakan kombinasi dari tiga warna primer red (merah), green (hijau), blue (biru). RGB dimulai dengan warna hitam (ketiadaan semua warna) dan menambahkan merah, hijau, biru terang untuk membuat putih. Kuning diproduksi dengan mencampurkan merah, hijau. warna cyan dengan mencampurkan hijau dan biru. warna magenta dari kombinasi merah dan biru. Kombinasi warna RGB dapat dilihat pada Gambar 2.6.

(31)

Warna campuran (selain dari putih) dihasilkan dengan menambahkan warna komponen RGB individual dengan berbagai tingkat saturasi, dengan tingkatan mulai dari 0.0 hingga 1.0 (0 berarti tidak menggunakan warna tersebut; 1 berarti menggunakan warna tersebut pada saturasi penuh).

Warna didefenisikan dengan memasukkan intensitas untuk setiap komponen dalam matriks. Tiap komponen memiliki matriksnya sendiri-sendiri dan matriks tersebut bisa dijumlahkan. Sebagai contoh, untuk menghasilkan merah saturasi sempurna, masukan (1,0,0) : 100% merah 0% hijau dan 0% biru. Pada saat ketiga komponen warna tersebut dikombinasikan dalam 100% saturasi (1,1,1) hasilnya adalah putih (seperti diperlihatkan berikut):

Merah (1,0,0) + hijau (0,1,0) + Biru (0,0,1) = Putih (1,1,1)

2.5Menghitung Nilai RGB

Cara untuk menghitung nilai RGB citra cover sama dengan menghitung RGB citra

embed, dimana setiap pikselnya mengandung 24 bit kandungan warna atau 8 bit untuk masing-masing warna dasar (R, G, dan B), dengan kisaran nilai kandungan antara 0 (00000000) sampai 255 (11111111). Untuk tiap warna yang dapat ditulis sebagai berikut.

Red: RGB (255, 0, 0)……….………….…………..………... (2.1)

Green: RGB (0, 255, 0)... .………..……….... (2.2)

Blue: RGB (0, 0, 255)…..……….………... (2.3) Dari nilai triplet RGB persamaan (2.1) sampai (2.3) di atas dapat dikonversikan ke dalam nilai desimal seperti dibawah ini:

Red: 255*2560 + 0*2561 + 0*2562 = 255 + 0 + 0 = 255 ………..…... (2.4)

Green: 0*2560 + 255*2561 + 0*2562 = 0 + 65,280 + 0 = 65,280 ………... (2.5)

(32)

Rumus dasar mencari nilai RGB citra adalah:

R = COLORand RGB(255, 0, 0)….……….…... (2.7) G = (COLORand RGB(0, 255, 0)) / 256...……..……….…... (2.8) B = ((COLORand RGB(0, 0, 255)) / 256) / 256 ….……….… (2.9)

Dari persamaan (2.4) sampai (2.6) diatas, rumus RGB pada persamaan (2.7) sampai (2.9) menjadi:

Nilai R = c and 255………... (2.10) Nilai G = (c and65,280)/256 ..………...………..…... (2.11) Nilai B = ((c and 16,711,680)/256)/256 ………...………... (2.12)

2.6Ukuran Data yang Disembunyikan

Ukuran data yang akan disembunyikan bergantung pada ukuran citra penampung.

Pada citra 24-bit yang berukuran 350 × 250 pixel terdapat 87500 pixel, setiap pixel

berukuran 1 byte, berarti terdapat 87500 byte yang siap untuk menampung byte-byte

pesan nantinya. Ukuran byte pesan harus kurang dari jumlah byte citra penampung. Karena jika semakin besar jumlah byte pesan yang disembunyikan di dalam citra, semakin besar pula kemungkinan terlihat perubahan pada citra penampung akibat banyaknya byte-byte yang berubah akibat proses penyisipan.

2.7Metode Least Significant Bit (LSB)

(33)

terakhir (bit LSB) dari piksel citra penampung digantikan dengan satu bit dari embed

(Suryani, 2008). Cara kerja metode LSB dapat dijelaskan melalui contoh di bawah ini.

10 50 90 65 20 60 25 35 30 70 15 45 40 80 35 75

Gambar 2.7 Matriks Citra Penampung

Pada Gambar 2.7 di atas nilai tiap-tiap piksel citra penampung adalah 10, 50, 90, 65, 20, 60, 25, 35, 30, 70, 15, 45, 40, 80, 35, 75. Kemudian nilai piksel di atas dilakukan pengubahan ke nilai biner menjadi : 00001010, 00110010, 01011010, 01000001, 00010100, 00111100, 00011001, 100011, 00011110, 01000110, 00001111, 00101101, 00101000, 01010000, 00100011, 01001011.

Diberikan embed berupa teks “IPA” jika di-biner-kan menjadi 01001001, 01010000, 01000001. Penyisipan dengan metode LSB dilakukan dengan mengganti 1

bit terakhir dari piksel citra penampung dengan 1 bit dari bitembed teks ”IPA”.

I = 01001001

P = 01010000 A = 01000001

0 1 0 0

Gambar 2.8 Penyisipan Metode LSB 00110010 00001011 00101000 00111100

(34)

Pada Gambar 2.8 dapat dilihat bit-bit embed yang telah disisipkan pada citra penampung, dapat dilihat dengan huruf tebal, dimana yang berubah adalah nilai bit

yang terakhir.

2.8Metode Modified Least Significant Bit (MLSB)

Penyisipan pesan dengan Metode MLSB dilakukan dengan menyisipkan 5 bit embed

ke dalam 5 bit LSB citra penampung (citra cover). Namun sebelum data embed

disisipkan, terlebih dahulu dilakukan modifikasi terhadap data embed. Modifikasi pertama kali dilakukan dengan mengubah data embed kedalam heksadesimal dengan menggunakan tabel ASCII sebagai bantuan. Misalnya embed yang akan disisipkan berupa pesan “STEGO with 05 bits” dimana jika embed tersebut diubah ke biner

membutuhkan memori sebesar 18 x 8 bit = 144 bit. Pada metode MLSB, pesan di atas diubah menjadi ASCII heksadesimal (5 bit), maka pesan berubah menjadi:

53h, 54h, 45h, 47h, 4fh, 20h,77h, 69h,74h, 68h, 20h, 30h, 35h, 20h, 62h, 69h,74h,73h. 20h menerangkan spasi pada tabel ASCII. Kemudian data embed tersebut ditambahi dengan keterangan control symbol yang sudah ditetapkan (Zaher, 2011). Control symbol dapat dilihat pada tabel 2.2 berikut ini.

Tabel 2.2 Control symbol

Kemudian dilakukan pembacaan data embed. Pertama-tama baca data embed

(ASCII) sampai tanda spasi (20h) yaitu 53, 54, 45, 47, 4f. Lalu semua nilai dikurangi dengan nilai terendah yaitu 40 menjadi 53-40= 13, 54-40= 14, 45-40= 05, 47-40 = 07, 4f-40 = 0. Jadi data embed kelompok pertama adalah 1ch, 13h, 14h, 05h, 07h, 0f dimana 1ch adalah control symbol untuk huruf besar (capital). Untuk kelompok data

Hexa Operasi

(35)

kedua adalah 77h, 69h,74h, 68h dikurangi dengan nilai terendah (60) menjadi 77-60= 17, 69-60= 09, 74-60= 14, 68-60= 08. Data kelompok kedua ini digabung dengan kelompok pertama dan diberi nilai control symbol 1dh (spasi) dan 1bh (huruf kecil) menjadi 1dh, 1bh, 17h, 09h, 14h, 08h. Data kelompok ketiga adalah: 30h, 35h dikurangi dengan nilai terendah (30) menjadi: 30-30= 0, 35-30= 05. Data tersebut digabung dengan kelompok sebelumnya, ditambah dengan control symbol 1dh (spasi), 1eh (nomor) menjadi 1dh, 1eh, 00h, 05h. Data kelompok keempat adalah: 62h, 69h,74h,73h dikurangi dengan nilai terendah (60) menjadi: 62-60= 02, 69-60= 09, 74-60= 14, 73-74-60= 13. Data tersebut digabung dengan kelompok sebelumnya, ditambah dengan control symbol 1bh (huruf kecil), menjadi 1bh, 02h, 09h, 14h, 13h dan akhir data (1fh).

Maka embed keseluruhannya menjadi:

1ch,13h,14h,05h,07h,0fh,1dh,1bh,17h,09h,14h,08h,1dh,1eh,00h,05h,1bh,02h,09h,14 h,13h,1fh

Embed diatas membutuhkan 22 x 5 bit = 110 bit.

Embed 1ch, 13h, 14h, 05h, 07h, 0f, 1dh, 1bh, 17h, 09h, 14h, 08h, 1dh, 1eh, 00h, 05h, 1bh, 02h, 09h, 14h, 13h, 1fh, kemudian diubah menjadi biner:

11100, 10011, 10100, 00101, 00111, 00000, 11101, 11011, 10111, 01001, 10100, 01000, 11101, 11110, 00000, 00101, 11011, 00010, 01001, 10100, 10011, 11111.

Embed biner disisipkan ke dalam sebuah citra cover yang memiliki matriks seperti pada Gambar 2.9.

188 122 50 12 120

20 14 22 201 24

188 122 50 12 120

20 14 22 201 24

188 122 50 12 120

Gambar 2.9 Matriks Citra Cover

(36)

10111100 01111010 00110010 00001100 01111000 00010100 00001110 00010110 11001000 00011000 10111100 01111010 00110010 00001100 01111000 00010100 00001110 00010110 11001000 00011000 10111100 01111010 00110010 00001100 01111000

Gambar 2.10. Citra Cover dalam Biner

Penyisipan dilakukan pada setiap piksel citra. 5 bitembed disisipkan kedalam 5 bit LSB piksel citra cover seperti pada Gambar 2.11

10111100 01110011 00110100 00000101 01100111 00000000 00011101 00011011 11010111 00001001 10111100 01101000 00111101 00011110 01100000 00000101 00011011 00000010 11001001 00010100 10110011 01111111 00110010 00001100 01111000

Gambar 2.11 Citra Hasil Penyisipan (Citra Stego) dalam Biner

Setelah mengalami proses penyisipan, diperoleh sebuah citra stego seperti gambar 2.12 berikut.

188 115 52 5 103

0 29 27 215 9

188 115 52 5 103

0 29 27 215 9

188 115 52 5 103

(37)

2.9Pengukuran Fidelity

Salah satu kriteria metode steganografi yang baik adalah dengan terpenuhinya fidelity. Pengukuran fidelity salah satunya dapat dihitung dengan menghitung nilai MSE (Mean Squared Error). MSE merupakan nilai rata-rata kuadrat dari error citra (Aditya, 2010).

MSE dapat dihitung dengan persamaan (2.13). Pada persamaan (2.13), I (x,y) adalah nilai grey-level citra asli di posisi (x,y), I’ adalah nilai derajat keabuan citra yang telah diberi watermark atau penyisip di posisi (x,y), X dan Y adalah ukuran panjang dan lebar citra.

MSE = 1

��∑ ∑� �[�(�,�)− �′(�,�)]2 ... (2,13)

(38)

BAB 3

ANALISIS DAN PERANCANGAN

3.1 Analisis Sistem

Analisis sistem dilakukan untuk mengetahui dan juga untuk menentukan berbagai hal

yang dibutuhkan untuk membangun sistem. Pada penelitian ini dilakukan

penyembunyian pesan berupa citra berformat BMP (citra embed) ke dalam file citra penampung (citra cover) yang juga berformat BMP, dengan teknik steganografi menggunakan metode Modified Least Significant Bit (MLSB). Metode ini bekerja dengan mengganti 5 bit LSB citra cover dengan 5 bit dari citra embed dimana terlebih dahulu dilakukan modifikasi data citra embed. Modifikasi dilakukan dengan mengkonversi bit-bit embed dengan nilai ASCII (American Standard Code for Information Interchange) heksadesimal. Setelah bit-bit embed dikonversikan dengan ASCII heksadesimal, kemudian digabung dengan kode simbol kontrolnya (Control Symbols). Sebelum disisipkan, bit-bit embed diubah ke dalam biner yang menghasilkan 5 bit setiap nilai embed kemudian disisipkan ke dalam 5 bit LSB citra

cover.

Langkah-langkah penelitian ini adalah : a. Pengolahan citra cover

1. Baca nilai piksel.

2. Hitung nilai warna red, green, blue (RGB) setiap piksel. 3. Hitung nilai grayscale setiap piksel.

b. Pengolahan citra embed

1. Baca nilai piksel

2. Hitung nilai warna red, green, blue (RGB) setiap piksel. 3. Hitung nilai grayscale setiap piksel.

(39)

d. Extraction

e. Perhitungan nilai MSE

3.1.1 Pengolahan Citra Cover

Sebelum melakukan penyisipan (insertion), terlebih dahulu dilakukan pembacaan dan penghitungan nilai piksel pada citra cover. Sebagai contoh diberikan citra berwarna berdimensi 350 x 200 piksel seperti pada Gambar 3.1.

Gambar 3.1 Citra Cover (350 x 200 Piksel)

Citra pada Gambar 3.1 di atas dilakukan penghitungan nilai komponen warna RGB-nya dengan membagi citra dalam piksel-piksel. Sebagai contoh diberikan contoh citra 5 x 5 piksel yang berasal dari citra cover yang dapat dilihat seperti pada Gambar 3.2.

Gambar 3.2 Citra Cover (5 x 5 Piksel)

Citra pada Gambar 3.2 di atas dilakukan pembacaan nilai piksel pada data

bitmap citra cover (5 x 5 piksel) seperti pada Gambar 3.3.

(0,1) (0,2) (0,3) (0,4)

(1,0) (1,1) (1,2) (1,3) (1,4) Citra cover 5 x 5 piksel

(0,0)

(2,0) (2,1) (2,2) (2,3) (2,4)

(3,0) (3,1) (3,2) (3,3) (3,4)

(40)

Gambar 3.3 Nilai Piksel Citra Cover (5 x 5 Piksel)

Untuk mencari masing-masing nilai R, G dan B dilakukan dengan rumus sebagai berikut:

Nilai R = C(i,j) and 255 ...………...……….. (3.1) Nilai G = (C(i,j) and 65280) / 256 ...………...…...……….……. (3.2) Nilai B = (C(i,j) and 16711680) / 256/256 ...….………...…...……….. (3.3) Dimana C(i,j) adalah nilai piksel citra pada kordinat (i,j) dalam biner.

Maka dilakukan perhitungan nilai R, G, B pada Gambar 3.3 di atas : a. Nilai piksel (0,0) = 000101110010000000100101.

Nilai R = 000101110010000000100101 and 11111111 = 00100101 = 37 (dec) Nilai G = (000101110010000000100101 and 1111111100000000)/ 100000000

= 00100000 = 32 (dec).

Nilai B = (000101110010000000100101 and 111111110000000000000000)/ 100000000/100000000 = 00010111 = 23 (dec).

b. Nilai piksel (0,1) = 010110010100000101000001.

= 01000001 = 65 (dec).

Nilai B = (010110010100000101000001 and 111111110000000000000000)/ 100000000/100000000 = 01011001 = 89 (dec).

Piksel (0,0) Piksel (0,1) Piksel (0,2) Piksel (i,j)

000101110010000000100101 010110010100000101000001 101010101010100010100111 ...

001000110010001100100000 010110100100110001001100 100111101001110110100100 ... ...

(41)

Pencarian nilai piksel terus dilanjutkan sampai dengan piksel (4,4) dihitung dengan cara yang sama seperti diatas.

Dari hasil perhitungan nilai RGB citra di atas, maka diperoleh nilai RGB tiap piksel citra cover seperti pada Gambar 3.4 berikut.

R=37

Gambar 3.4 Nilai RGB Tiap Piksel Citra Cover

Setelah diperoleh nilai RGB dari setiap piksel citra, dilakukan perhitungan nilai grayscale citra dengan menghitung rata-rata warna red, green dan blue. Secara matematis penghitungan nilai grayscale menggunakan rumus sebagai berikut :

(42)

Perhitungan nilai grayscale terus dilanjutkan hingga piksel (4,4) dengan cara yang sama seperti diatas. Selanjutnya hasil perhitungan nilai grayscale di atas dimasukkan ke dalam matriks citra grayscale seperti pada Gambar 3.5.

30 73 168 157 143 34 80 159 176 202 82 75 165 188 183 103 99 170 177 182 83 135 184 195 214

Gambar 3.5 Matriks Grayscale Citra Cover

3.1.2 PengolahanCitra Embed

Serupa dengan citra cover, citra embed sebelum disisipkan, terlebih dahulu dilakukan pembacaan dan penghitungan nilai pikselnya. Sebagai contoh diberikan citra warna berdimensi 28 x 23 piksel seperti pada Gambar 3.6.

Gambar 3.6 Citra Embed (28 x 23 Piksel)

Pada citra Gambar 3.6 di atas dilakukan penghitungan nilai komponen warna RGB-nya dengan membagi citra dalam piksel-piksel. Sebagai contoh diberikan contoh citra embed 5 x 5 piksel yang berasal dari citra embed 20 x 30 piksel yang dapat dilihat seperti pada Gambar 3.7.

(43)

Gambar 3.7 Citra Embed (5 x 5 Piksel)

Citra pada Gambar 3.7 di atas dilakukan pembacaan nilai piksel pada data

bitmap citra embed (5 x 5 piksel) seperti pada Gambar 3.8.

Gambar 3.8 Nilai Piksel Citra Embed (5 x 5 Piksel)

Untuk mendapatkan masing-masing nilai R, G dan B dilakukan perhitungan dengan menggunakan rumus yang sama untuk mencari citra cover sebelumnya.

Maka Gambar 3.8 di atas memiliki nilai piksel antara lain: a. Nilai piksel (0,0) = 101100101011001010110110.

= 10110010 = 178 (dec).

Nilai B = (101100101011001010110110 and 111111110000000000000000)/ 100000000/100000000 = 10110010 = 178 (dec).

b. Nilai piksel (0,1) = 101100101011001010110110.

Piksel (0,0) Piksel (0,1) Piksel-(i,j)

101100101011001010110110 101100101011001010110110 ...

101100101011001010110110 101101110111101001111110 ...

101100111010011110101011 110000010001010100011001 ...

101101110111101001111110 110000100000101000001110 ...

(0,0) (0,1) (0,2) (0,3) (0,4)

(1,0) (1,1) (1,2) (1,3) (1,4)

(2,0) (2,1) (2,2) (2,3) (2,4)

(3,0) (3,1) (3,2) (3,3) (3,4)

(44)

= 10110010 = 178 (dec).

Nilai B = (101100101011001010110110 and 111111110000000000000000)/ 100000000/100000000 = 10110010 = 178 (dec).

Pencarian nilai RGB terus dilakukan sampai dengan piksel (4,4) dengan menggunakan cara yang sama seperti diatas. Dari hasil perhitungan nilai RGB citra di atas, maka diperoleh nilai RGB tiap piksel citra embed seperti pada Gambar 3.9 berikut.

R=182

Gambar 3.9 Nilai RGB Tiap Piksel Citra Embed

Setelah diperoleh nilai RGB dari setiap piksel citra, dilakukan perhitungan nilai grayscale citra dengan menghitung rata-rata warna red, green dan blue. Secara matematis penghitungan nilai grayscale citra embed menggunakan rumus yang sama dengan pencarian greyscale pada citra cover sebelumnya (3,4).

(45)

f(0,3) = �59+55+ 190

3 �= 101

f(0,4) = �14+10+ 194 3 �= 72

Pencarian nilai greyscale terus dilakukan sampai dengan piksel (4,4) dengan cara yang sama seperti diatas. Selanjutnya hasil perhitungan nilai grayscale di atas dimasukkan ke dalam matriks grayscale citra embed seperti pada Gambar 3.10.

179 179 150 101 72 179 143 72 72 72 172 79 72 72 72 143 72 72 72 129 136 72 72 72 150

Gambar 3.10 Matriks Grayscale Citra Embed

3.1.3 Insertion (Penyisipan) MLSB

Penyisipan dengan metode MLSB dilakukan dengan pergantian 5 bit LSB dari piksel citra cover dengan 5 bit citra embed. Penyisipan (insertion) memiliki arti mengganti nilai piksel-piksel pada citra penampung, sehingga tidak merubah jumlah piksel pada citra awalnya (ukuran citra tidak berubah). Langkah-langkah dalam penyisipan dengan menggunakan metode MLSB adalah sebagai berikut :

1. Inputkan nilai greyscale citra embed

2. Konversikan nilai citra embed kedalam tabel ASCII (hexadecimal).

3. Data diolah dengan mengurangi nilai terendah dari setiap data embed sampai tanda 20h (spasi).

4. Data embed yang diperoleh kemudian ditambahkan dengan keterangan control symbol.

5. Ubah data embed ke dalam bentuk biner.

6. Inputkan nilai greyscale citra penampung (citra cover).

(46)

Berikut contoh dilakukan terhadap matriks citra embed pada Gambar 3.10 diatas dengan mengambil piksel pada baris pertamanya saja seperti pada Gambar 3.11.

179 179 150 101 72

Gambar 3.11 Baris Pertama Citra Embed

Nilai greyscale dari baris pertama citra embed dikonversikan ke dalam heksadesimal dengan menggunakan bantuan tabel ASCII menjadi:

179

1 = 31h 7 = 37h 9 = 39h 179

1 = 31h 7 = 37h 9 = 39h 150

1 = 31h 5 = 35h 0 = 30h 101

1 = 31h 0 = 30h 1 = 31h 72

7 = 37h 2 = 32h

(47)

39h 20h 31h 35h 30h 20h 31h 30h 31h 20h 37h 32h. Dalama ASCII, angka 20h menyatakan spasi antar piksel.

Data diatas belum sepenuhnya menjadi sebuah data embed, data tersebut harus diolah kembali dengan mengurangi nilai terendah dari setiap data sampai tanda 20h. Sebagai contoh untuk kelompok data embed pertama sampai 20h adalah 31h 37h 39h, nilai terendahnya adalah 30, maka data embed untuk kelompok pertama setelah masing-masing dikurangi dengan 30 menjadi 01h, 07h, 09h. Kemudian untuk seterusnya dilakukan kepada tiap-tiap kelompok data sampai tanda spasi (20h).

Setelah dilakukan pengurangan nilai terendah untuk setiap kelompok, data-data tersebut ditambahi dengan keterangan control symbol 1Dh (keterangan spasi), 1Eh (keterangan nomor) dan 1Fh (keterangan akhir pesan). Maka akan diperoleh data

embed :

1Eh 01h 07h 09h 1Dh 01h 07h 09h 1Dh 01h 05h 0h 1Dh 01h 0h 01h 1Dh 07h 02h 1Fh

Data embed 1Eh 01h 07h 09h 1Dh 01h 07h 09h 1Dh 01h 05h 0h 1Dh 01h 0h 01h 1Dh 07h 02h 1Fh lalu diubah menjadi bentuk biner seperti dibawah ini:

(48)

01h = 00001 0h = 00000 01h = 00001 1Dh = 11101 07h = 00111 02h = 00010 1Fh = 11111

Data embed biner diatas akan disisipkan ke dalam sebuah file citra cover yang direpresentasikan dalam bentuk matriks biner-nya seperti pada Gambar 3.12.

Gambar 3.12 Citra Cover dalam Bentuk Biner

Selanjutnya diambil 5 bit dari tiap-tiap data embed dalam bentuk biner

sebelumnya, kemudian disisipkan kedalam 5 bit LSB tiap-tiap piksel citra cover dalam bentuk biner diatas. Setelah disisipkan, akan menghasilkan sebuah citra baru yakni citra stego seperti pada Gambar 3.13.

00011110 01000001 10100111 10001001 10011101 00100001 01000111 10001001 10111101 11000001 01000101 01000000 10111101 10100001 10100000 01100001 01111101 10100111 10100010 10111111 01010011 10000111 10111000 11000011 11010110

Gambar 3.13 Citra Stego dalam Bentuk Biner

(49)

30 65 167 137 157 33 71 137 189 193 69 64 189 161 160 97 125 167 162 191 83 135 184 195 214

Gambar 3.14 Matriks Citra Stego dalam Bentuk Grayscale

30 73 168 157 143 34 80 159 176 202 82 75 165 188 183 103 99 170 177 182 83 135 184 195 214

Gambar 3.15 Matriks Citra Cover dalam Bentuk Grayscale

Berdasarkan Gambar 3.14 dan Gambar 3.15 diatas, dapat dilihat perbedaan nilai piksel antara citra stego dengan citra cover yang ditimbulkan akibat proses penyisipan menggunakan metode MLSB.

3.1.4 Extraction MLSB

Proses extraction (pembacaan) penyisip berupa citra embed dari dalam citra stego

menggunakan metode MLSB adalah sebagai berikut : 1. Input citra stego.

2. Ubah setiap piksel citra stego ke dalam bentuk biner. 3. Ambil 5 bit LSB-nya dari tiap-tiap piksel.

4. Konversikan ke dalam bentuk hexadecimal. 5. Cari keterangan control symbol.

(50)

6. Baca Control Symbol paling depan dari data :

- Jika control symbol menunjukkan keterangan huruf kapital, maka tiap data dalam 1 kelompok (sampai keterangan spasi, 1Dh) ditambah dengan nilai +40. Hasil yang diperoleh kemudian diubah kedalam bentuk karakter dengan bantuan tabel ASCII (hex value). Untuk data yang bernilai 0Ah-0Fh menunjukkan karakter yang diperoleh adalah J–O.

- Jika control symbol menunjukkan keterangan huruf kecil, maka tiap data dalam 1 kelompok (sampai keterangan spasi, 1Dh) ditambah dengan nilai +60. Hasil yang diperoleh kemudian diubah kedalam bentuk karakter dengan bantuan tabel ASCII (hex value). Untuk data yang bernilai 0Ah– 0Eh menunjukkan karakter yang diperoleh adalah j – n. Khusus untuk data yang bernilai 0Ah terdapat kemungkinan karakter yang diperoleh antara j atau z.

- Jika Control Symbol menunjukkan keterangan nomor/angka, maka tiap data dalam 1 kelompok (sampai keterangan spasi, 1Dh) ditambah dengan nilai +30. Hasil yang diperoleh kemudian diubah kedalam bentuk karakter dengan bantuan tabel ASCII (hex value).

7. Rekonstruksi citra baru sebagai citra embed .

Berikut contoh dari proses extraction dari citra stego pada gambar 3.16.

00011110 01000001 10100111 10001001 10011101 00100001 01000111 10001001 10111101 11000001 01000101 01000000 10111101 10100001 10100000 01100001 01111101 10100111 10100010 10111111 01010011 10000111 10111000 11000011 11010110

Gambar 3.16 Citra Stego dalam Biner

Dari Gambar 3.16 diatas ambil setiap 5 bit LSB citra stego, kemudian ubah 5

(51)

11110  1Eh control symbol, pesan sebagai angka (numeric) 00001  01h

00111  07h 01001  09h

11101  1Dh control symbol, batas nilai piksel Nilai piksel embed ke 1 = 179

Ambil 5 LSB embed selanjutnya : 00001  01

00111  07 01001  09

Ambil 5 LSB embed selanjutnya : 00001 = 01h

00101 = 05h 00000 = 0h

Ambil 5 LSB embed selanjutnya : 00001  01h

00000  0h 00001  01h

Ambil 5 LSB embed selanjutnya : 00111 = 07h

00010 = 02h

(52)

Pembacaan berhenti karena nilai = 1Fh

Dari hasil pembacaan diatas diperoleh 1Eh 01h 07h 09h 1Dh 01h 07h 09h 1Dh 01h 05h 0h 1Dh 01h 0h 01h 1Dh 07h 02h 1Fh. 1Dh menunjukkan control symbol

spasi/batas antar piksel, 1Eh menunjukkan control symbol keterangan angka dan 1Fh menunjukkan control symbol akhir sebuah pesan. Oleh karena control symbol yang ditemukan pertama kali menunjukkan keterangan angka, sesuai dengan syaratnya setiap data dalam 1 kelompok (sampai keterangan spasi, 1Dh) ditambah dengan nilai +30. Seperti pada kelompok pertama, 01h 07h 09h ditambah dengan +30, menjadi 31h 37h 39h, demikian selanjutnya untuk setiap kelompok, sehingga diperoleh data 31h 37h 39h 20h 31h 37h 39h 20h 31h 35h 30h 20h 31h 30h 31h 20h 37h 32h (20h menerangkan spasi tiap kelompok/piksel). Kemudian 31h 37h 39h 20h 31h 37h 39h 20h 31h 35h 30h 20h 31h 30h 31h 20h 37h 32h ini diubah kedalam bentuk karakter dengan menggunakan tabel ASCII menjadi 179 179 150 101 72. Data yang terakhir inilah kemudian direkonstruksi sebagai piksel citra embed seperti pada Gambar 3.17.

179 179 150 101 72

Gambar 3.17 Nilai Piksel Citra Embed Hasil Ekstraksi

3.1.5 Perhitungan Nilai MSE

Perhitungan nilai MSE dilakukan untuk mengukur besar citra yang rusak akibat penyisipan menggunakan metode MLSB. Perhitungan nilai MSE dilakukan antara citra cover dengan citra stego menggunakan persamaan (3.5).

MSE = 1

��∑ ∑ [�(�,�)− �′(�,�)] 2 �

� ... (3.5)

(53)

30 73 168 157 143 30 65 167 137 157 34 80 159 176 202 33 71 137 189 193 82 75 165 188 183 69 64 189 161 160 103 99 170 177 182 97 125 167 162 191 83 135 184 195 214 83 135 184 195 214

Gambar 3.18 Matriks Citra Cover dan Citra Stego

MSE = 1

3.2.1 Flowchart gambaran umum sistem

(54)

Gambar 3.19 Flowchart Gambaran Umum Sistem

3.2.1.1 FlowchartInsertion (Penyisipan)

Flowchart proses insertion (penyisipan) dengan metode MLSB dapat dilihat seperti pada Gambar 3.20.

Start

Halaman Menu Utama

Insertion Halaman _Insertion Input_cover citra

(55)

Gambar 3.20 FlowchartInsertion (Penyisipan)