Analisis Ketahanan Citra Stego Metode LSB+1 dan MLSB Terhadap Perubahan Kontras Citra

(1)

BAB 2

LANDASAN TEORI

2.1Steganografi

Steganografi adalah seni dan ilmu menulis pesan tersembunyi atau menyembunyikan pesan dengan suatu cara sehingga selain si pengirim dan si penerima, tidak ada seorangpun yang mengetahui atau menyadari bahwa ada suatu pesan rahasia. Sebaliknya, kriptografi menyamarkan arti dari suatu pesan, tapi tidak menyembunyikan bahwa ada suatu pesan. pesan steganografi muncul dengan bentuk lain seperti gambar, artikel, daftar belanjaan, atau pesan-pesan lainnya. Pesan yang tertulis ini merupakan tulisan yang menyelubungi atau menutupi.

Kata steganografi pada awalnya berasal dari kata steganos, steganos sendiri sebenarnya merupakan kata dari bahasa Yunani. Lebih lengkapnya steganos memiliki arti penyamaran atau penyembunyian dan graphein atau graptos memiliki arti tulisan. Pengertian steganografi yang cukup sering digunakan dalam pembelajaran dengan metodologi sejarah adalah “menulis tulisan yang tersembunyi atau terselubung” (Prihanto, 2010).

Tujuan dari steganografi adalah merahasiakan atau menyembunyikan keberadaan dari sebuah pesan tersembunyi atau sebuah informasi. Dalam prakteknya, kebanyakan pesan disembunyikan dengan membuat perubahan tipis terhadap data digital lain yang isinya tidak akan menarik perhatian dari penyerang potensial, sebagai contoh sebuah gambar yang terlihat tidak berbahaya. Perubahan ini bergantung pada kunci (sama pada kriptografi) dan pesan untuk disembunyikan. Orang yang menerima gambar kemudian dapat menyimpulkan informasi terselubung dengan cara mengganti kunci yang benar ke dalam algoritma yang digunakan.

(2)

Seiring perkembangan teknologi terutama teknologi komputasi juga bertambahnya kebutuhan dan keinginan dengan kontinuitas yang tinggi, steganografi merambah juga ke media digital. Ada dua proses utama dalam steganografi digital yaitu penyisipan (embedding/encoding) dan penguraian (extraction/decoding) pesan. Pesan dapat berupa plaintext, chipertext, citra, atau apapun yang dapat ditempelkan ke dalam bit-stream. Embedding merupakan proses menyisipkan pesan ke dalam berkas yang belum dimodifikasi, yang disebut media cover (cover object). Kemudian media cover dan pesan yang ditempelkan membuat media stego (stego object). Extraction

adalah proses menguraikan pesan yang tersembunyi dalam media stego. Suatu password khusus (stego key) juga dapat digunakan secara tersembunyi, pada saat

penguraian selanjutnya dari pesan. Ringkasnya, steganografi adalah teknik menanamkan embedded message pada suatu cover object, dimana hasilnya berupa stego object.

Adapun proses steganografi selengkapnya ditunjukkan pada Gambar 2.1.

Gambar 2.1 Proses Steganografi (Suryani, 2008)

Pihak yang terkait dengan steganografi antara lain embeddor, extractor, dan stegoanalyst (Suryani, 2008). Embeddor adalah orang yang melakukan embedding dengan menggunakan aplikasi steganografi, extractor adalah orang yang melakukan extract stego image dengan menggunakan aplikasi steganografi. Sedangkan stegoanalyst adalah orang yang melakukan steganalisis. Steganalisis merupakan ilmu

(3)

Gambar 2.2 Taksonomi Steganografi (Suryani, 2008)

1. Teknik Steganografi (Technical Steganography)

Teknik ini menggunakan metode sains untuk menyembunyikan pesan. Contohnya adalah penyembunyian pesan dalam chip mikro.

2. Linguistk Steganografi (Linguistic Steganography)

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

3. Open Codes

Teknik ini menyembunyikan pesan cara yang tidak umum namun tetap tidak mencurigakan. Teknik ini terbagi menjadi dua bagian yaitu Jargon Code dan Covered Ciphers.

4. Covered Ciphers

Teknik ini menyembunyikan pesan dalam media pembawa sehingga pesan kemudian dapat diekstrak dari media pembawa tersebut oleh pihak yang mengetahui bagaimana pesan tersembunyi tersebut disembunyikan.

Penilaian sebuah algoritma steganografi yang baik dapat dinilai dari beberapa faktor yaitu:

1. Imperceptibility

Keberadaan pesan dalam media penampung tidak dapat dideteksi. Steganografi

Teknik

Steganografi

Linguistik

Steganografi

Open Codes

Jargon Codes Coverd Ciphers Semagrams

Virtual Semagrams

(4)

2. Fidelity

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

3. Recovery

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

4. Robustness

Pesan yang disembunyikan harus tahan terhadap berbagai operasi manipulasi yang dilakukan pada media penampung. Bila pada media penampung dilakukan operasi-operasi manipulasi, maka pesan yang disembunyikan seharusnya tidak rusak (tetap valid jika diekstraksi kembali). Karakteristik steganografi yang baik adalah imperceptibility tinggi, fidelity tinggi, recovery maksimum dan robustness tinggi.

2.1.1 Metode Steganografi

1. Least Significant Bit Insertion (LSB)

(5)

LSB ini adalah cepat dan mudah. Dan juga algoritma tersebut memiliki software steganografi yang mendukung dengan bekerja di antara unsur pokok warna LSB melalui manipulasi pallete (lukisan) (Sutoyo, 2010).

2. Algorithms and Transformation

Algoritma compression adalah metode steganografi dengan menyembunyikan data dalam fungsi matematika. Dua fungsi tersebut adalah Discrete Cosine Transformation (DCT) dan Wavelet Transformation. Fungsi DCT dan Wavelet

yaitu mentransformasi data dari satu tempat (domain) ke tempat (domain) yang lain. Fungsi DCT yaitu mentransformasi data dari tempat spatial (spatial domain) ke tempat frekuensi (frequency domain).

3. Redundant Pattern Encoding

Redundant Pattern Encoding adalah menggambar pesan kecil pada kebanyakan

gambar. Keuntungan dari metode ini adalah dapat bertahan dari cropping (kegagalan). Kerugiannya yaitu tidak dapat menggambar pesan yang lebih besar. 4. Spread Spectrum method

Spread Spectrum steganografi terpencar-pencar sebagai pesan yang diacak

(encrypted) melalui gambar (tidak seperti dalam LSB). Untuk membaca suatu pesan, penerima memerlukan algoritma yaitu crypto-key dan stego-key. Metode ini juga masih mudah diserang yaitu penghancuran atau pengrusakan dari kompresi dan proses image.

2.2Media Cover

Media cover digunakan pada steganografi sebagai media untuk menampung pesan

tersembunyi. Pesan yang disembunyikan tersebut dapat mempunyai hubungan atau bahkan tidak mempunyai hubungan sama sekali dengan media dimana pesan tersebut disisipkan (untuk kasus komunikasi rahasia) atau pesan dapat 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 (Binanto, 2010).

(6)

yang dapat dimodifikasi. Beberapa contoh media cover yang digunakan dalam teknik steganografi antara lain adalah:

1. Teks

Dalam algoritma steganografi yang menggunakan teks sebagai media penyisipannya, teks yang telah disisipi pesan rahasia tidak boleh mencurigakan untuk orang yang melihatnya.

2. Suara

Format ini sering dipilih karena biasanya berkas dengan format ini berukuran relatif besar. Sehingga dapat menampung pesan rahasia dalam jumlah yang besar pula.

3. Citra

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

4. Video

Format ini merupakan format dengan 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.

2.3 Citra Digital

Beberapa definisi citra digital menurut para ahli dipaparkan sebagai berikut:

Menurut Sachs (2010, hal:1), citra digital merupakan suatu gambar yang tersusun dari piksel, dimana tiap pixel merepresentasikan warna (tingkat keabuan untuk gambar hitam putih) pada suatu titik gambar.

Sedangkan menurut Fahmi (2007: hal 7), citra digital adalah gambar dua dimensi yang dapat ditampilkan pada layar monitor komputer sebagai himpunan berhingga (diskrit) nilai digital yang disebut dengan piksel (picture elements).

(7)

(quantization) adalah pemberian nilai intensitas warna pada setiap piksel dengan nilai

yang berupa bilangan bulat.

Gambar 2.2 Citra Digital (Citra Bunga)

Agar dapat diolah dengan komputer digital, suatu citra harus fungsi kontinu menjadi nilai-nilai diskrit disebut pencitraan (imaging) atau digitalisasi. Citra yang dihasilkan inilah yang disebut citra digital (Digital Image), dinyatakan sebagai kumpulan piksel dalam matrik dua dimensi. Pada umumnya citra digital berbentuk empat persegi panjang dan dimensi ukurannya dinyatakan tinggi dikalikan dengan lebar atu lebar dikalikan dengan panjang.

Citra digital yang berukuran N x M lazim dinyatakan dengan matriks yang berukuran N baris dan M kolom seperti pada Gambar 2.3

f(x,y)=

Gambar 2.3 Representasi citra digital dalam matriks N x M (Putra, 2010) Warna digital adalah kombinasi dari tiga warna primer yaitu merah, hijau, dan biru (RGB). Setiap warna dapat dispesifikasikan sebagai triplet nilai intensitas RGB, dengan setiap intensitas berkisar antara 0 sampai 255, yaitu:

Red : RGB (255, 0, 0) ……….………….………..………(2.2) Green : RGB (0, 255, 0) .……….……….……… (2.3)

(8)

Dari nilai triplet RGB persamaan (2) sampai (4) di atas dapat dikonversikan ke dalam nilai desimal seperti dibawah ini:

Red : 255*2560 + 0*2561 + 0*2562= 255 + 0 + 0 = 255 ………..………...…(2.5) Green : 0*2560 + 255*2561 + 0*2562= 0 + 65,280 + 0 = 65,280 ………(2.6) Blue : 0*2560 + 0*2561 + 255*2562 = 0 + 0 + 16,711,680 = 16,711,680 ….…(2.7) Rumus dasar mencari nilai RGB citra adalah:

R = COLOR And RGB(255, 0, 0) ….……….……….…. (2.8)

G = (COLOR And RGB(0, 255, 0)) / 256 .……….………...… (2.9)

B = ((COLOR And RGB(0, 0, 255)) / 256) / 256 ….……….………..…. (2.10)

Dari persamaan (2.5) sampai (2.7) diatas, rumus RGB pada persamaan (2.8) sampai (2.10) menjadi:

Nilai R = c and 255 ………... (2.11) Nilai G = (c and 65,280)/256 ..………...……….……..…..….. (2.12) Nilai B = ((c and 16,711,680)/256)/256 ………...………... (2.13) Dimana c adalah nilai intensitas piksel citra.

Ada beberapa format citra digital yang dijumpai, antara lain (Basuki, et al. 2005): 1. Bitmap (BMP)

Format citra ini adalah yang paling umum dan merupakan format standard windows. Ukuran file-nya besar karena bisa mencapai ukuran megabyte. File ini merupakan format yang belum terkompresi dan menggunakan sistem warna RGB (Red, Green, Blue) di mana masing-masing warna pixel-nya terdiri dari 3 komponen R, G, dan B yang dicampur menjadi satu. File BMP dapat dibuka dengan berbagai macam software pembuka gambar seperti ACDSee, Paint, Irvan View dan lain-lain. File BMP tidak bisa (sangat jarang) digunakan di web (internet)

(9)

Tabel 2.1 Bitmap Info Header

Nama Field Ukuran (Byte) Keterangan

beSize 4 Memori Header

beWidth 2 Lebar Gambar

beHeight 2 Tinggi Gambar

bePlanes 2 Harus 1

beBitCount 2 Bits per pixel – 1,4,8 atau 24

Tabel 2.2 Bitmap Core Header

Nama Field Ukuran (Byte) Keterangan

bfType 2 Mengandung karakter “BM” yang

mengidentifikasikan tipe file

bfSize 4 Memori file

bfReserved1 2 Tidak dipergunakan

bfReserved2 2 Tidak dipergunakan

bfOffBits 4 Offset untuk memulai data pixel

2. Joint Photographic Expert Group (JPEG/JPG)

Citra dengan format JPEG adalah yang paling terkenal sampai sekarang ini, karena berukuran kecil (hanya puluhan/ratusan KB saja) dan bersifat portable. Citra ini sering digunakan pada bidang fotografi untuk menyimpan file foto hasil perekaman analog to digital converter (ADC). Karena ukurannya kecil maka file ini banyak digunakan di Web (internet).

Format citra JPEG adalah suatu desain untuk mengkompresi citra baik gray-level maupun citra full-color. JPEG tidak hanya menangani data dalam bentuk citra,

(10)

sebuah metode yang efisien untuk menyimpan citra dengan jumlah warna yang sangat banyak seperti foto kamera.

Perbedaan utama antara format JPEG dengan format citra yang lainnya adalah bahwa file JPEG menggunakan metode lossy untuk proses pemampatannya. Pemampatan secara lossy akan membuang sebagian data citra untuk memberikan hasil kompresi yang baik. Hasil file JPEG yang di-dekompres tidak begitu sesuai dengan citra aslinya, tetapi perbedaan ini sangat sulit dideteksi oleh mata manusia (Putra, 2010).

2.3.1 Jenis – jenis Citra Digital

Ada banyak cara untuk menyimpan citra digital di dalam memori. Cara penyimpanan menentukan jenis citra digital yang terbentuk. Beberapa jenis citra digital yang sering digunakan adalah citra biner, citra grayscale dan citra warna.

1. Citra Biner (Monokrom)

Citra biner (monokrom) hanya memiliki 2 warna yaitu hitam dan putih. Dibutuhkan 1 bit di memori untuk menyimpan kedua warna ini.

Gradasi warna :

0 1

Bit 0 = warna hitam Bit 1 = warna putih

2. Citra Grayscale (skala keabuan)

Banyaknya warna tergantung pada jumlah bit yang disediakan di memori untuk menampung kebutuhan warna ini. Citra 2 bit mewakili 4 warna dengan gradasi warna berikut:

0 1 2 3

Citra 3 bit mewakili 8 warna dengan gradasi warna berikut :

(11)

Semakin besar jumlah bit warna yang disediakan di memori, semakin halus gradasi warna citra yang ditampilkan di monitor.

3. Citra Warna (True Color)

Setiap piksel pada citra warna mewakili warna yang merupakan kombinasi dari tiga warna dasar (RGB = Red Green Blue). Setiap warna dasar menggunakan penyimpanan 8 bit = 1 byte, yang berarti setiap warna mempunyai gradasi sebanyak 255 warna. Berarti setiap piksel mempunyai kombinasi warna sebanyak 28 .28 .28 = 224 = 16 juta warna lebih. Itulah sebabnya format ini dinamakan true color karena mempunyai jumlah warna yang cukup besar sehingga bisa dikatakan hampir mencakup semua warna di alam.

Penyimpanan citra true color di dalam memori berbeda dengan citra grayscale. Setiap piksel dari citra grayscale 256 gradasi warna diwakili oleh 1 byte.

Sedangkan 1 piksel citra true color diwakili oleh 3 byte, dimana masing – masing byte merepresentasikan warna merah (red), hijau (green) dan biru (blue). Gambar 2.3 adalah contoh citra warna.

Gambar 2.3 Contoh citra warna

2.3.2 Format File Citra Bitmap

(12)

Oleh karena itu, bitmap merupakan media elektronik yang paling tepat untk gambar – gambar dengan perpaduan gradasi warna yang rumit, seperti foto dan lukisan digital. Citra bitmap biasanya diperoleh dengan scanner, camera digital, video capture dan lain – lain.

Terjemahan bebas bitmap adalah pemetaan bit. Artinya nilai intensitas piksel di dalam citra dipetakan ke sejumlah bit tertentu. Peta bit umumnya adalah 8, yang berarti setiap piksel panjangnya 8 bit. Delapan bit ini mempresentasikan nilai intensitas piksel. Dengan demikian ada sebanyak 28 =256 derajat keabuan, mulai dari 0 (00000000) sampai 255 (11111111). Setiap berkas bitmap terdiri atas header berkas, header bitmap, informasi palet dan data bitmap. Header adalah data yang terdapat pada awal bagian berkas citra.

Terdapat tiga macam citra dalam format BMP, yaitu citra biner, citra berwarna dan citra hitam-putih (grayscale). Citra biner hanya memiliki dua nilai keabuan 0 dan 1. Oleh kerena itu 1 bit telah cukup untuk mempresentasikan nilai piksel. Citra berwarna adalah citra yang lebih umum. Warna yang terlihat di dalam citra bitmap merupakan kombinasi dari tiga komponen warna, yaitu : R (Red), G (Green) dan B (Blue). Kombinasi dari tiga warna RGB tersebut menghasilkan warna yang khas untuk piksel yang bersangkutan. Pada citra 256 warna, setiap piksel memiliki panjang 8-bit, akan tetapi komponen RGBnya disimpan dalam tabel RGB yang disebut palet.

2.4 Algoritma LSB +1 (Least Significant Bit +1)

Algoritma LSB +1 merupakan metode penyembunyian informasi dengan memodifikasi LSB file carrier/cover. Modifikasi LSB dilakukan dengan memodifikasi bit nomor 7 atau nomor 2 dari yang terakhir dalam satu byte data dengan bit informasi yang akan disembunyikan (Utami, 2009).

2.4.1 Metode Penyisipan LSB +1 (Least Significant Bit +1)

(13)

atau satu lebih rendah. Sebagai contoh, urutan bit berikut ini menggambarkan 3 pixel pada cover image 24-bit (Krisnawati, 2008).

00100111 11101001 11001000 00100111 11001000 11101001 11001000 00100111 11101001

Pesan yang akan disisipkan adalah karakter “A”, yang nilai biner-nya adalah 01000001, maka akan dihasilkan stego image dengan urutan bit sebagai berikut:

00100101 11101011 11001000 00100101 11001000 11101001 11001000 00100111 11101001

Ada dua jenis teknik yang dapat digunakan pada metode LSB, yaitu penyisipan pesan secara sekuensial dan secara acak. Sekuensial berarti pesan rahasia disisipkan secara berurutan dari data titik pertama yang ditemukan pada file gambar, yaitu titik pada sudut kanan bawah gambar. Sedangkan acak berarti penyisipan pesan rahasia dilakukan secara acak pada gambar, dengan masukan kata kunci (Laskar, 2013).

2.4.2 Metode Ekstraksi LSB +1 (Least Significant Bit +1)

Metode ekstraksi LSB +1 adalah pengambilan data penyisip dari setiap byte stego image pada bit LSB) (Jajoo, 2011). Misalnya pada byte 00100101, maka bit LSB-nya

adalah 0.

00100101 11101011 11001000 00100101 11001000 11101001 11001000 00100111 11101001

Hasil pengambilan bit LSB di atas adalah 01000001, dan selanjutnya setiap 8 bit (1 byte) dikonversikan ke dalam ASCII menjadi karakter “A”. Demikian selanjutnya

(14)

2.5 Algoritma MLSB (Modified Least Significant Bit)

Modified Least Significant Bit (MLSB) atau modifikasi dari Algoritma LSB

digunakan untuk meng-encode sebuah identitas ke dalam citra asli. MLSB menggunakan manipulasi beberapa tingkat bit-bit penyisip sebelum meng-encode pesan tersebut (Zaher. 2011).

Modifikasi pesan dengan algoritma MLSB dimana bit-bit pesan yang seharusnya 1 karakter memiliki nilai 8 bit ASCII code akan dimodifikasi menjadi 5 bit. Pada algoritma ini karakter dan angka direpresentasikan dalam 5 bit yang

kemudian akan disisipkan ke dalam citra asli dengan teknik LSB. Penyisipan dilakukan dengan proses-proses:

1. Proses mengubah data penyisip dengan kode ASCII. Misalnya pesan “STEGO with 05 bits” yang jika diubah ke biner membutuhkan memori sebesar 18 x 8 bit = 144 bit. Pada algoritma MLSB pesan di atas diubah menjadi ASCII (hex) menjadi: 53h, 54h, 45h, 47h, 4fh, 20h,77h, 69h,74h, 68h, 20h, 30h, 35h, 20h, 62h, 69h,74h,73h. Kemudian dilakukan normalisasi dengan tabel Control Symbol seperti Tabel 2.1.

Tabel 2.1 Control Symbol Hex Representation Operation

1 Bh Define Small Letter

1 Ch Define Capital Letter

1 Dh Define Space

1 Eh Define Number

1 Fh Define end of text

2. Baca data penyisip (ASCII) sampai tanda spasi (20h) yaitu 53, 54, 45, 47, 4f. 3. Semua nilai dikurangi dengan nilai terendah yaitu 40 menjadi 53-40= 13, 54-40=

14, 45-40= 05, 47-40 = 07, 4f-40 = f.

4. Data penyisip kelompok pertama adalah 1ch, 13h, 14h, 05h, 07h, 0f dimana 1ch adalah Control Symbol untuk huruf besar (capital).

(15)

6. Data kelompok ke dua ini digabung dengan kelompok pertama dan diberi nilai Control Symbol 1dh (spasi) dan 1bh (huruf kecil) menjadi 1dh, 1bh, 17h, 09h, 14h,

08h.

7. Data kelompok ketiga adalah: 30h, 35h dikurangi dengan nilai terendah menjadi: 30-30= 0, 35-30= 05.

8. Data tersebut digabung dengan kelompok sebelumnya ditambah dengan Control Symbol 1dh (spasi), 1eh (nomor) menjadi 1dh, 1eh, 00h, 05h.

9. Data kelompok keempat adalah: 62h, 69h,74h,73h dikurangi dengan nilai terendah menjadi: 62-60= 02, 69-60= 09, 74-60= 14, 73-60= 13.

10. Data tersebut digabung dengan kelompok sebelumnya ditambah dengan Control Symbol 1bh (huruf kecil), menjadi 1dh, 1bh, 02h, 09h, 14h, 13h dan akhir data

(1fh).

Jadi pesan menjadi:

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

Pesan diatas membutuhkan 22 x 5 bit = 110 bit dan diubah menjadi biner menjadi: 11100, 10011, 10100, 00101, 00111, 01111, 11101, 11011, 10111, 01001, 10100, 01000, 11101, 11110, 00000, 00101, 11011, 00010, 01001, 10100, 10011, 11111. Pesan biner disisipkan ke dalam sebuah file cover seperti pada Tabel 2.2.

Tabel 2.2 Nilai Piksel Citra

52 49 46 46 28

08 00 00 57 41

56 45 44 15 2F

3D 1D 2A 00 4D

01 7C 01 12 45

68 00 01 11 05

Nilai piksel citra di atas dikonversikan ke dalam biner menjadi:

(16)

2.5.1 Metode Penyisipan MLSB (Modified Least Significant Bit)

Metode penyisipan MLSB adalah penyisipan data pada setiap byte cover image pada bit yang paling kurang berarti (Least Significant Bit atau LSB) (Jajoo, 2011). Penyisipan dilakukan pada setiap byte pada nilai biner paling belakang seperti pada Tabel 2.3.

Tabel 2.3 Nilai Biner Citra Hasil Penyisipan

01010011 01001001 01000111 01000110 00101000 00001001 00000000 00000000 01010111 01000001 01010111 01000100 01000101 00010100 00101110 00111101 00011100 00101011 00000000 01001100 00000001 01111101 00000001 00010011 01000101 01101000 00000000 00000001 00010001 00000101

Setelah penyisipan, representasi nilai piksel citra tersisip (grayscale) menjadi:

Tabel 2.4 Nilai Piksel Citra tersisip

53 49 47 46 28

09 00 00 57 41

57 44 45 14 2E

3D 1C 2B 00 4C

01 7D 01 13 45

68 00 01 11 05

Pada proses penyisipan dengan algoritma MLSB dilakukan dengan cara: 1. Input citra tersisip.

2. Setiap byte piksel citra diubah ke dalam bentuk biner.

3. Pisahkan 1 bit terakhir dari setiap byte piksel citra kemudian dikelompokkan menjadi 5 bit per blok.

4. Konversikan setiap blok ke dalam ASCII (hexadecimal).

(17)

- Jika Control Symbol 1Bh maka setiap blok berikutnya yang bukan Control Symbol ditambah +60.

- Jika Control Symbol 1Ch maka setiap blok berikutnya yang bukan Control Symbol ditambah +40.

- Jika Control Symbol 1Eh maka setiap blok berikutnya yang bukan Control Symbol ditambah +30.

- Jika Control Symbol 1Dh maka menyatakan spasi.

6. Langkah ke 3 sampai ke 5 diulangi sampai ditemukannya Control Symbol end of the text (1Fh).

7. Rekonstruksikan setiap blok data sebagai pesan rahasia.

2.5.2 Metode Ekstraksi MLSB (Modified Least Significant Bit)

Berikut contoh dari proses extraction MLSB pada citra tersisip (embed) dapat dilihat pada Tabel 2.5.

Tabel 2.5 Piksel citra tersisip

01010011 01001001 01000111 01000110 00101000 00001001 00000000 00000000 01010111 01000001 01010111 01000100 01000101 00010100 00101110 00111101 00011100 00101011 00000000 01001100 00000001 01111101 00000001 00010011 01000101 01101000 00000000 00000001 00010001 00000101

1. Pisahkan 1 bit terakhir dari setiap byte piksel citra kemudian dikelompokkan menjadi 5 bit per blok seperti Tabel 2.6.

Tabel 2.6 Blok-blok pesan

11100 10011 10100 10100 11111 00111

(18)

3. Blok pertama yaitu 1ch dibandingkan dengan Control Symbol yang merupakan menandakan huruf kapital maka setiap blok berikutnya yang bukan Control Symbol ditambah +40 menjadi : 53h, 54h, 45h, 47h, 4fh

4. Data yang terakhir inilah kemudian direkonstruksi sebagai teks penyisip (embed) menjadi : S T E G O.

2.6 Kontras Citra

Kontras adalah tingkat penyebaran piksel-piksel ke dalam intensitas warna, ada tiga macam kontras, yaitu kontras rendah, kontras normal, dan kontras tinggi. Kontras juga dipahami sebagai rentang nilai intensitas efektif yang digunakan dalam mengingat citra, yang merupakan perbedaan antara citra dengan nilai piksel maksimum dan minimum. Sebuah citra penuh kontras menjadikan penggunaan efektif pada seluruh rentang yang tersedia pada nilai intensitas dari hitam ke putih. Peningkatan kontras dapat dilakukan dengan bermacam rumus, salah satunya ditunjukkan pada persamaan 2.1.

Co = G (Ci – P) + P ………(2.1) Jika (x,y) adalah koordinat piksel dari citra, maka persamaannya menjadi:

Co(x,y) = G( Ci(x,y) – P)+ P ... (2.2)

Dimana :

Ci adalah citra input, Co adalah citra output,

G = Koefisien penguatan kontras,

P = Nilai skala keabuan yang dipakai sebagai pusat pengontrasan, (x,y) = Koordinat piksel dari citra.

Tingkat kontras citra dilakukan terhadap semua atau masing-masing elemen warna RGBnya.

2.6.1 Peregangan Kontras (Contrast Stretching) 1. Citra Kontras-Rendah

(19)

pengelompokan nilai keabuan berada ditengah-tengah. Citra Kontras-Rendah dapat diperbaiki kualitasnya dengan operasi peregangan kontras. Melalui operasi ini, nilai-nilai keabuan pixel akan merentang dari0 sampai 255 ( pada citra 8-bit ).

2. Citra Kontras-Bagus

Citra Kontras-Bagus memperlihatkan jangkauan nilai keabuan yang lebar tanpa ada nilai keabuan yang mendominasi.

3. Citra Kontras-Tinggi

Citra Kontras-Tinggi memilki nilai jangkauan nilai keabuan yang lebar, tetapi terdapat area yang lebar yang didominasi oleh warna gelap dan area yang lebar yang didominasi oleh warna terang (Munir, 2004).

2.7 Mean Squared Error (MSE)

Mean Squared Error (MSE) digunakan untuk mengukur kinerja dari algoritma

steganografi pada citra (Sutoyo, 2009). Citra asli dibandingkan dengan citra tersisip (stego image) dengan memeriksa selisih nilai. Perhitungan nilai MSE dari citra digital berukuran N x M piksel, dilakukan sesuai dengan rumus pada persamaan (1).

... (1)

f(i,j) : menyatakan nilai piksel citra yang asli. f’(i,j) : merupakan nilai piksel citra hasil penyisipan. N.M : dimensi citra (piksel)

Nilai MSE yang besar, menyatakan bahwa penyimpangan atau selisih antara citra hasil penyisipan dengan citra aslinya cukup besar.

2.8 Penelitian yang Relevan

(20)

Tabel 7. Penelitian yang Relevan

TAHUN JUDUL PENELITI HASIL PENELITIAN

2009 Pendekatan metode sudah disisipkan informasi

tidak mengalami

perubahan. Dengan tidak

berubahnya ukuran file

tersebut maka