BAB III METODOLOGI PENELITIAN

17

BAB III

METODOLOGI PENELITIAN

3.1 Analisis Masalah

Ada banyak jenis metode dapat yang digunakan untuk melakukan steganografi salah satunya adalah metode Bit-Plane Complexity Segmentation (BPCS). Proses penyisipan pesan menggunakan metode BPCS dilakukan pada segmen yang memiliki kompleksitas tinggi atau yang disebut noise-like region. Pada penyisipan pesan teks ke dalam citra digital berwarna menggunakan metode ini biasanya memanfaatkan kompleksitas (threshold) pada bit-plane dengan menggunakan variabel α ke setiap layer warna. Perbedaan penelitian ini dengan penelitian terdahulu yaitu pada penelitian ini akan diselidiki apakah terdapat perbedaan jika pesan teks yang akan disisipkan ke dalam citra dilakukan hanya pada masing- masing layer warna tertentu dengan batasan nilai threshold yang beragam.

Pada penelitian ini akan mengimplementasikan steganografi metode BPCS dengan menerapkan beberapa nilai threshold dalam rentang 0,1 sampai 0,5 yaitu 0,1, 0,3, dan 0,5 pada masing-masing layer warna Red (merah), Green (hijau), Blue (biru) citra digital. Tujuan pemilihan layer warna pada sistem dilakukan untuk menganalisa perbedaan kualitas citra stego yang paling mirip dengan citra asli. Tiga buah layer warna tersebut akan diuji berdasarkan keberagaman besaran nilai threshold.

3.2 Alur Penelitian

Implementasi steganografi pesan teks metode BPCS ini dilakukan untuk menentukan kualitas citra stego yang baik. Berikut ini merupakan gambaran alur penelitian yang dilakukan.

18

Gambar 3. 1 Alur Penelitian

Alur penelitian merupakan tahapan-tahapan yang dilakukan pada penelitian. Alur penelitian ini juga merupakan sebuah prosedur dalam perencanaan penelitian yang berguna sebagai panduan untuk membangun strategi yang menghasilkan blue print penelitian. Gambar 3.1 di atas merupakan tahapan-tahapan alur dari penelitian yang mana terdiri dari empat tahap diantaranya yaitu tahap pengumpulan informasi, tahap rancangan algoritma, tahap rancangan implementasi, dan tahap rancangan pengujian. Tahapan pertama adalah pengumpulan informasi yang akan digunakan pada proses implementasi steganografi ke sistem berupa dua buah data masukan untuk memulai proses diantaranya adalah file citra digital sebagai citra cover dan pesan yang nantinya akan disisipkan. Tahap kedua adalah rancangan sistem, pada tahap ini akan dilakukan perancangan sistem yang digunakan untuk merancang sistem secara rinci dengan tujuan sebagai pedoman bagi penulis dalam mengembangkan sistem steganografi. Tahap ketiga adalah rancangan implementasi, dimana hasil rancangan akan diimplementasikan ke dalam sebuah sistem. Tahap terakhir adalah pengujian, tahapan ini dilakukan untuk mengetahui tingkat keberhasilan sistem yang telah dibuat.

19 3.3 Rancangan Sistem

Gambar 3. 2 Rancangan Sistem

Pada rancangan sistem yang ditunjukkan pada Gambar 3.2 digunakan tujuan sebagai pedoman bagi penulis dalam mengembangkan sistem steganografi yang mana terdiri dari empat tahap diantaranya yaitu:

1. Input

Pada Input merupakan sebuah proses mengumpulkan informasi yang dibutuhkan sistem yaitu pesan dan citra cover.

2. Pemisahan layer warna citra

Pemisahan layer warna citra dilakukan melakukan penyisipan pesan dan ekstraksi pesan pada layer warna tertentu.

3. Proses

Pada sistem ini terdapat dua buah proses terdiri dari proses penyisipan dan proses ekstraksi. Keduanya akan dijelaskan pada sub-bab di bawah.

4. Output

Output merupakan hasil akhir atau keluaran dari proses yang telah dilakukan. Terdapat dua buah hasil, pada proses penyisipan menghasilkan citra stego, sedangkan pada proses ekstraksi menghasilkan pesan yang telah disisipkan.

20 3.3.1 Proses Penyisipan Pesan

Gambar 3. 3 Flowchart proses penyisipan pesan

21

Pada penelitian ini, proses penyisipan pesan menggunakan metode BPCS digambarkan menggunakan diagram alir (flowchart) seperti pada Gambar 3.3 di atas. Dari flowchart tersebut dapat dilihat bahwa tahapan proses penyisipan pesan dibagi menjadi dua fungsi yaitu pada proses citra cover dan pada proses pesan dengan langkah-langkah sebagai sebagai berikut:

1. Penginputan citra cover yang digunakan sebagai media penyisipan berupa citra berformat .bmp atau .png.

2. Memisahkan setiap layer warna yang digunakan pada citra cover menjadi tiga buah layer, yaitu: layer warna red (merah), green (hijau), dan blue (biru).

3. Tentukan layer warna citra yang akan menjadi tempat penyisipan pesan.

4. Layer warna citra tersebut dengan sistem PBC diubah menjadi sistem CGC, kemudian citra tersebut akan di segmentasi menjadi bit-plane dalam bentuk citra biner seperti yang digambarkan pada Gambar 3.4.

Gambar 3. 4 Gambar bit-plane pada blok piksel[17]

Setiap bit-plane mewakili bit dari setiap piksel pada citra. Rumus yang digunakan untuk mengubah sistem PBC menjadi sistem CGC adalah:

g1 = b1

gi = bi – 1 ⊕ bi

Gambar 3. 5 Rumus mengubah sistem PBC ke CGC

22 Dimana:

g1 = Kolom pertama hasil konversi ke CGC gi = Kolom ke-I hasil konversi ke CGC b1 = Kolom pertama hasil konversi ke PBC bi = Kolom ke-i hasil konversi ke PBC

5. Segmentasi setiap bit-plane pada layer warna tertentu citra cover menjadi informative region dan noise-like region dengan menggunakan nilai batas/threshold(α) yang sudah ditentukan.

Untuk menentukan bit-plane yang tergolong noise-line region, maka menggunakan rumus berikut untuk menentukan nilai kompleksitas (α) setiap bit-plane:

α = ^𝐾

2𝑥2^𝑛𝑥(2^𝑛−1)

Gambar 3. 6 Rumus kompleksitas pada bit-plane Dimana:

α = Nilai kompleksitas bit-plane

k = Jumlah perubahan warna hitam ke putih atau sebaliknya n = ukuran citra biner persegi

Jika nilai α < α0 maka tergolong informative region, dan jika α > α0 maka tergolong noise-like region.

6. Pada pesan rahasia, akan dilakukan representasi ke bentuk biner.

7. Kelompokkan byte-byte pesan menjadi rangkaian blok gambar biner 8x8.

Lalu hitung nilai kompleksitas (α) blok pesan dengan membandingkan dengan α0. Jika blok (S) pesan memiliki nilai α < α0 maka akan menghasilkan gambar biner pesan yang kompleks. Jika blok (S) pesan kurang komplek atau mempunyai nilai α > α0 maka dilakukan konjugasi terhadap S yang disebut S* lebih kompleks.

23

8. Konjugasi dari suatu gambar biner S adalah sebuah gambar biner lainnya yang memiliki nilai kompleksitas sebesar satu dikurangi nilai kompleksitas S. Untuk membangun sebuah konjugasi dilakukan menggunakan rumus:

S* = S ⊕ Wc

Gambar 3. 7 Rumus konjugasi Dimana:

“⊕” = menandakan operasi XOR atau operasi exlusive

“Wc” = pola papan catur

9. Sisipkan setiap blok pesan rahasia ke bit-plane yang merupakan noise-like region atau ganti semua bit pada noise-like region. Jika blok S

dikonjugasi, maka simpan data pada conjugation map.

10. Sisipkan juga conjugation map seperti yangdilakukan pada blok pean rahasia.

11. Ubah citra stego dari sistem CGC menjadi sistem PBC.

CGC ke PBC:

b1 = g1

bi = gi – 1 ⊕ gi

Gambar 3. 8 Rumus mengubah sistem CGC ke PBC Dimana:

g1 = Kolom pertama hasil konversi ke CGC gi = Kolom ke-i hasil konversi ke CGC b1 = Kolom pertama hasil konversi ke PBC bi = Kolom ke-i hasil konversi ke PBC

12. Gabungkan kembali layer warna yang sudah disisipi pesan dengan kedua layer warna menjadi citra stego berformat.bmp atau .png.

24

Pada metode BPCS pesan yang telah diinputkan akan dilakukan penyisipan pada layer warna tertentu dengan memanfaatkan kompleksitas bit-plane citra digital.

• Sebagai contoh menyisipkan pesan menggunakan metode BPCS pada layer warna biru dengan menggunakan contoh piksel dari citra cover di bawah ini.

R:100 G:123 B: 25

R:20 G:142 B: 30

R:105 G:110 B: 35

R:100 G:56 B: 40

R:30 G:78 B: 45

R:100 G:73 B: 80

R:80 G:50 B: 90

R:100 G:125 B: 50 R:106

G:40 B: 113

R:117 G:80 B: 150

R: 30 G: 56 B: 126

R: 60 G:89 B: 70

R:120 G:50 B: 90

R:20 G:142 B: 100

R:50 G:50 B: 125

R:20 G:60 B: 113 R:40

G:20 B: 150

R:90 G:108 B: 148

R:100 G:20 B: 130

R:90 G:100 B: 125

R:90 G:101 B: 20

R:30 G:100 B: 10

R:60 G:20 B: 15

R:110 G:120 B: 60 R:30

G:50 B: 70

R:90 G:60 B: 78

R:110 G:29 B: 90

R:90 G:100 B: 98

R:109 G:90 B: 39

R:20 G:100 B: 48

R:50 G:100 B: 50

R:30 G:100 B: 65 R:38

G:100 B: 50

R:30 G:110 B: 90

R:30 G:90 B: 93

R:90 G:60 B: 30

R:90 G:80 B: 71

R:100 G:150 B: 72

R:30 G:110 B: 39

R:116 G:150 B: 50 R:90

G:100 B: 75

R:20 G:120 B: 80

R:100 G:130 B: 50

R:90 G:80 B: 80

R:80 G:100 B: 45

R:90 G:120 B: 51

R:90 G:110 B: 53

R:110 G:80 B: 58 R:100

G:119 B: 70

R:50 G:60 B: 10

R:120 G:100 B: 60

R:70 G:100 B: 50

R:30 G:50 B: 39

R:100 G:20 B: 55

R:96 G:68 B: 110

R:90 G:60 B: 113 R:100

G:120 B: 99

R:40 G:100 B: 80

R:20 G:116 B: 30

R:90 G:100 B: 30

R:115 G:80 B: 15

R:90 G:80 B: 13

R:90 G:45 B: 38

R:66 G:78 B: 100

• Misal saat sebuah citra cover sudah dipisahkan berdasarkan layer warna biru (Blue) didapatkan besar intensitas pada potongan blok piksel di bawah.

25 30 35 40 45 80 90 50

113 150 126 70 90 100 125 113 150 148 130 125 20 10 15 60

70 78 90 98 39 48 50 65

50 90 93 30 71 72 39 50

25

• Berdasarkan nilai desimal pada blok piksel di atas didapatkan nilai biner blok piksel.

Blok piksel di atas selanjutnya akan di-slice terlebih dahulu menjadi bit- plane dengan ukuran 8x8 bit. Setiap bit-plane mewakili dari setiap piksel.

Misalnya dari bilangan biner 00011001, maka nilai 1 pada bit ke-7 dari piksel tersebut merupakan anggota dari bit-plane 7.

• Representasi perubahan gambar biner PBC ke CGC

Proses pengubahan gambar biner dari sistem PBC ke sistem CGC di atas, didapat dengan melakukan segmentasi terhadap gambar biner terlebih

75 80 50 80 45 51 53 58

70 10 60 50 39 55 110 113

99 80 30 30 15 13 38 100

00011001 00011110 00100011 00101000 00101101 01010000 01011010 00110010 01110001 10010110 01111110 01000110 01011010 01100100 01111101 01110001 10010110 10010100 10000010 01111101 00010100 00001010 00001111 00111100 01000110 01001110 01011010 01100010 00100111 00110000 00110010 01000001 00110010 01011010 01011101 00011110 01000111 01001000 00100111 00110010 01001011 01010000 00110010 01010000 00101101 00110011 00110101 00111010 01000110 00001010 00111100 00110010 00100111 00110111 01101110 01110001 01100011 01010000 00011110 00011110 00001111 00001101 00100110 01100100

00011001 00000111 00111101 00001011 00000101 01111101 00001010 01101000 01110001 11100111 11101000 00111000 00011100 00111110 00011001 00001100 10010110 00000010 00010110 11111111 01101001 00011110 00000101 00110011 01000110 00001000 00010100 00111000 01000101 00010111 00000010 01110011 00110010 01101000 00000111 01000011 01011001 00001111 01101111 00010101 01001011 00011011 01100010 01100010 01111101 00011110 00010110 00001111 01000110 01001100 00110110 00001110 00010101 00010000 01001001 00011111 01100011 00110011 01001110 00000000 00010001 00000010 00101011 01000010

26

dahulu menjadi blok-blok yang disebut bit-plane. Hasil segmentasi berupa bit-plane 0 sampai bit-plane 7. Di bawah ini merupakan salah satu contoh hasil segmentasi yaitu bit-plane 0 dan bit-plane 1.

Bit-plane 0 Bit-plane 1

0 0 0 0 0 0 0 0

0 1 0 0 0 0 0 0

1 1 1 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 1 1 0

1 0 1 1 1 1 1 1

0 0 0 1 0 0 0 0

1 1 1 1 0 0 0 1

0 1 1 0 1 1 0 0

1 1 0 1 0 0 0 0

1 0 0 0 0 0 1 1

1 1 0 0 0 0 0 1

Selanjutnya, biner pada bit-plane 0 sampai dengan 7 akan diubah dari sistem PBC ke sistem CGC menggunakan rumus pada Gambar 3.5. Visualisasinya adalah jika nilai biner 0 untuk warna putih dan nilai biner 1 untuk warna hitam. Lakukan sistem CGC pada plane 0 sampai dengan plane 6.

PBC Bit-plane 0 CGC Bit-plane 0

b1 b2 b3 b4 b5 b6 b7 b8 g1 g2 g3 g4 g5 g6 g7 g8

27

PBC Bit-plane 1 CGC Bit-plane 1

b1 b2 b3 b4 b5 b6 b7 b8 g1 g2 g3 g4 g5 g6 g7 g8

• Lalu dilakukan segmentasi pada setiap bit-plane ke citra cover menjadi informative region dan noise-like region dengan menggunakan nilai batas/threshold (α0) dengan rentang 0,1 hingga 0,5. Misal menggunakan nilai threshold(α) = 0,3. Lalu, hitung nilai kompleksitas dengan rumus Gambar 3.6.

Plane 0 = α = ^𝐾

2𝑥2^𝑛𝑥(2^𝑛−1)

= ¹³

2𝑥2³𝑥(2³−1)

= ¹³

112 = 0,11

Plane 0 memiliki nilai α 0,11 ≤ 0,3. Maka, plane 0 adalah informative region.

Plane 1 memiliki nilai α = 0,375 ≥ 0.3. Maka, plane 1 adalah noise-like region.

Plane 2 memiliki nilai α = 0,5 ≥ 0.3. Maka, plane 2 adalah noise-like region.

Plane 3 memiliki nilai α = 0,54 ≥ 0.3. Maka, plane 3 adalah noise-like region.

28

Plane 4 memiliki nilai α = 0,43 ≥ 0,3. Maka, plane 4 adalah noise-like region.

Plane 5 memiliki nilaiα = 0,43 ≥ 0,3. Maka, plane 5 adalah noise-like region.

Plane 6 memiliki nilai α = 0,46 ≥ 0,3. Maka, plane 6 adalah noise-like region.

Plane 7 memiliki nilai α = 0,44 ≥ 0,3. Maka, plane 7 adalah noise-like region.

• Pada fungsi kedua, yaitu proses pesan teks. Setelah dilakukan segmentasi pada setiap bit-plane ke citra cover selanjutnya merangkai bit pesan teks menjadi blok 8x8 pesan dengan gambar biner menggunakan metode BPCS.

Pesan yang akan disisipkan adalah: PESAN<spasi>RAHASIA P E S A N <spasi> R A H A S I A 80 69 83 65 78 95 82 65 72 65 83 73 65

Blok pesan pertama (MS0) = PESAN<spasi>RA Blok pesan kedua (MS1) = HASIA

Nilai biner blok pesan pertama (MS1 dan MS1):

Karakter Bilangan Biner Karakter Bilangan Biner

P 80 01010000 H 72 01001000

E 69 01000101 A 65 01000001

S 83 01010010 S 83 01010011

A 65 01000001 I 73 01001001

N 78 01001110 A 65 01000001

<spasi> 95 01011111

R 82 01010010

A 65 01000001

29

• Representasikan setiap blok pesan menjadi citra biner berukuran 8x8.

Blok pertama pesan Blok kedua pesan

Nilai kompleksitas MS0 dan MS1: Nilai kompleksitas MS0 = α = ^𝐾

2𝑥2^𝑛𝑥(2^𝑛−1)

= ⁵⁴

2𝑥2³𝑥(2³−1)

= ⁵⁶

112 = 0,48 Nilai kompleksitas MS1 = α = ^𝐾

2𝑥2^𝑛𝑥(2^𝑛−1)

= ⁴⁴

2𝑥2³𝑥(2³−1)

= ³⁰

112 = 0,27

• Jika blok (S) kurang kompleks dibandingkan dengan nilai batas, maka lakukan konjugasi terhadap S untuk mendapatkan S* yang lebih kompleks.

Blok konjugasi (S*) pasti lebih kompleks dibandingkan dengan nilai batas.

Blok pesan pertama (MS0) memiliki nilai:

α = 0,48 ≥ 0,3. Maka, semua bit-plane 1 diganti dengan 64-bit blok pesan MS0.

30 Blok pesan pertama (MS1) memiliki nilai:

α = 0,26 ≥ 0,3. Berarti blok pesan MS1 tidak cukup kompleks, maka dilakukan konjugasi terhadap blok pesan MS1.

Untuk membangun konjugasi MS1* dari P menggunakan cara:

MS1 ⊕ Wc

MS1* =

Nilai kompleksitas MS1* = α = ^𝐾

2𝑥2^𝑛𝑥(2^𝑛−1)

= ⁸²

2𝑥2³𝑥(2³−1)

= ⁸²

112 = 0,73

• Proses penyisipan dilakukan pada setiap blok pesan ke bit-plane yang merupakan noise-like region (atau mengganti semua bit pesan pada noise- like region). Dalam hal ini, semua bit-plane 1 diganti dengan blok pesan MS0 dengan nilai kompleksitas 0,48. Karena pada blok pesan MS1 dilakukan

31

konjugasi yang menghasilkan MS1* dengan nilai kompleksitasnya 0,73 maka semua bit-plane 2 diganti dengan 64-bit blok pesan MS1*.

Bit-plane 1 => Blok pesan pertama (MS0)

Bit-plane 2 => Blok pesan pertama (MS1)

Representasi biner dengan sistem CGC dari nilai intensitas setiap piksel warna biru (Blue) yang sudah disisipi pesan MS0 dan MS1*.

00011001 01000111 00011101 01101011 00100101 00111101 00001010 00101000 00110001 11100111 10101000 00011000 00111100 01011110 00111001 01101100 10010110 01000010 00010110 11011111 00001001 00111110 01100101 00010011 00100110 01101000 00110100 00011000 00000101 00010111 00100010 01110011 00010010 01001000 00000111 00100011 01011001 01101111 01001111 00010101 00101011 01011011 00100010 01000010 01111101 01011110 01110110 01001111 00000110 01101100 00010110 01101110 00010101 00110000 00001001 00111111 00100011 01010011 00101110 00000000 00110001 00000010 00101011 01000010

32

• Ubah stego-object dari sistem CGC menjadi sistem PBC. Pengubahan sistem CGC menjadi PBC menggunakan rumus Gambar 3.8. Hasil representasi biner yang didapat adalah:

• Didapatkan besar nilai piksel pada layer warna biru yang telah disisipi pesan.

3.3.2 Proses Ekstraksi Pesan

Proses ekstraksi pesan dilakukan dengan mengambil segmen bit yang memiliki kompleksitas di atas threshold. Jika nilai kompleksitas segmen tersebut lebih besar dari threshold, maka segmen tersebut merupakan bagian dari pesan. Pada penelitian ini, proses ekstraksi pesan digambarkan menggunakan diagram alir (flowchart) seperti pada Gambar 3.9 di bawah ini.

00011001 01011110 01000011 01101000 01001101 00010000 00111010 00110010 00110001 11010110 01011110 00100110 00111010 01100100 01111101 01010001 10010110 11010100 11000010 01011101 01010100 00101010 01001111 01111100 00100110 01001110 01011010 00100010 00000111 00010000 00110010 01000001 00010010 01011010 01011101 00111110 01100111 00101000 00100111 01010010 00101011 01110000 01110010 01110000 00101101 00110011 00110101 00111010 00000110 01101010 01111100 01110010 01100111 00110111 00101110 00110001 00100011 01110000 01111110 00111110 00101111 00101101 00100110 01100100

25 94 67 104 77 16 58 50

49 214 94 38 58 100 125 81

150 212 194 93 84 42 79 124

38 78 90 34 7 16 50 65

18 90 93 62 103 40 39 82

43 112 114 112 45 51 53 58

6 106 124 114 103 55 46 49

35 112 126 62 47 45 38 100

33

Gambar 3. 9 Flowchart proses ekstraksi pesan

Dari flowchart dapat dilihat bahwa tahapan proses ekstraksi pesan adalah sebagai berikut:

1. Penginputan citra stego.

2. Memisahkan setiap layer citra cover menjadi layer warna red (merah), green (hijau), dan blue (biru).

3. Nilai intensitas setiap layer ini akan dikonversi terlebih dahulu dari sistem PBC menjadi sistem CGC.

4. Kemudian layer yang dipilih dibagi menjadi beberapa segmen yang berukuran 8x8 piksel setiap segmennya.

5. Setiap segmen akan di-slicing atau diuraikan menjadi beberapa bit-plane seperti yang dilakukan pada proses penyisipan pesan.

6. Setiap bit- plane tersebut dibentuk menjadi gambar biner 8x8 dan kemudian dihitung nilai kompleksitas dari masing-masing gambar biner tersebut untuk menentukan informative region dan noise-like region menggunakan nilai

34

batas α yang sudah ditentukan. Rumus yang digunakan untuk menghitung nilai kompleksitas seperti pada Gambar 3.6. Jika nilai α < α0 maka tergolong informative region, dan jika α > α0 maka tergolong noise-like region.

Gambar biner yang memiliki kompleksitas tinggi (α > α0) kemungkinan memiliki pesan yang akan diekstraksi.

7. Ambil segmen data dari segmen bit-plane yang dianggap noise-like.

8. Terjemahkan setiap segmen menjadi blok data, lalu blok data biner diubah kembali menjadi nilai desimal dan diubah menjadi karakter.

3.4 Rancangan Implementasi

Rancangan implementasi yang akan dibangun yaitu sebuah program menggunakan dengan dua buah fungsi program yaitu fungsi penyisipan pesan dan fungsi ekstraksi pesan. Pada fungsi penyisipan pesan, pengguna akan diminta untuk memasukkan pesan yang akan disisipkan pada citra digital. Pesan dapat diketikkan langsung pada kolom yang tersedia pada program atau dapat mengunggah file pesan dengan format .txt. Pada fungsi ekstraksi pesan, pengguna akan diminta untuk mengunggah file citra stego dengan format .bmp ke program. Rancangan tampilan implementasi yang akan dibangun digambarkan pada Gambar 3.10 dan Gambar 3.11 di bawah ini.

Gambar 3. 10 Rancangan tampilan menu penyisipan pesan

35

Gambar 3. 11 Rancangan tampilan menu ekstraksi citra

3.5 Rancangan Pengujian

Pada penelitian ini dilakukan pengujian pada tiga layer warna citra digital.

Pengujian dilakukan dengan mengevaluasi Peak Signal to Noise Ratio (PSNR) antara citra asli dan citra stego serta evaluasi Mean Opinion Score (MOS).

Pengujian menggunakan PSNR sendiri merupakan teknik pengujian yang digunakan untuk menghitung imperceptibility dari citra stego. Pengujian menggunakan MOS dilakukan untuk mengukur tingkat kemiripan antara citra asli dengan citra stego.

• Pengujian Aspek Recovery

Pengujian terhadap aspek recovery dilakukan untuk mengetahui apakah pesan teks di dalam citra stego dapat dikembalikan atau diekstraksi kembali.

Steganografi sendiri bertujuan untuk menyembunyikan pesan atau data pada suatu media, maka pesan atau data yang disembunyikan harus dapat dikembalikan lagi agar dapat diolah kembali, sehingga tujuan dari steganografi dapat terpenuhi yaitu untuk menyembunyikan pesan dan mengekstraksi pesan kembali. Pada pengujian ini keberhasilan recovery pesan dapat dilihat dari kesesuaian pesan hasil ekstraksi dengan pesan asli

36

yaitu membandingkan setiap karakter pesan asli dengan pesan yang didapat setelah proses ekstraksi.

• Pengujian Aspek Fidelity

Pengujian terhadap aspek fidelity dilakukan untuk menggunakan Peak Signal-to-Noise Ratio (PSNR) merupakan parameter untuk mengukur perbandingan kualitas citra digital dalam hal ini yaitu citra cover dan citra stego.

Mean Square Error adalah parameter yang digunakan untuk menentukan tingkat kesalahan pada gambar manipulasi[16]. MSE dihitung dengan menentukan nilai error kuadrat rata-rata antara gambar digital asli dengan gambar yang sudah disisipi gambar.

𝑀𝑆𝐸 = ( 1

𝑀 x N) ∑

𝑀

𝑖=1

∑(𝑎_𝑖𝑗 − 𝑏_𝑖𝑗) ²

𝑁

𝑗=1

Gambar 3. 12 Rumus MSE Dimana,

M = Panjang citra N = Lebar citra aij = Citra stego bij = Citra asli

Pada di atas 2.5, 𝑎𝑖𝑗 berarti nilai piksel pada posisi (𝑖, 𝑗) di citra cover dan 𝑏𝑖𝑗 berarti nilai piksel pada posisi yang sama di citra stego. Rumus untuk menghitung PSNR adalah sebagai berikut.

𝑷𝑺𝑵𝑹 = 𝟏𝟎 𝒍𝒐𝒈_𝟏𝟎𝟐𝟓𝟓^𝟐 𝑴𝑺𝑬 Gambar 3. 13 Rumus PSNR

37

Satuan perhitungan PSNR adalah desibel (dB). Semakin tinggi nilai PSNR, semakin bagus kualitas citra digital, yang berarti hanya terdapat sedikit perbedaan antara citra cover dan citra stego. Sebaliknya nilai PNSR yang kecil berarti terdapat distorsi besar antara citra cover dan citra stego. Nilai PSNR di bawah 30 dB mengindikasi kualitas yang rendah, sedangkan citra stego yang kualitasnya tinggi, harus memiliki nilai PSNR di atas 40 dB[16].

• Pengujian Aspek Imperceptibility

Pengujian terhadap aspek imperceptibility dilakukan untuk dengan menggunakan Mean Opinion Score (MOS) merupakan metode penilaian subjektif oleh responden pada data digital baik berupa data audio[21]

maupun image/video[22]. Penilaian MOS diekspresikan dengan sebuah nilai pada skala 1 sampai dengan 5 seperti ditunjukkan pada Tabel 3.1 di bawah ini. Dikarenakan penilaian ini berdasarkan dari pengamatan mata manusia, maka hasilnya akan sangat subjektif karena baik buruknya citra hasil rekonstruksi ini bergantung pada penilaian masing-masing koresponden.

Pengukuran ini dilakukan atau disebarkan ke beberapa orang yang akan menjadi relawan. Pada penelitian ini akan diambil sampel 30 orang untuk mengambil data persepsi apakah terlihat perubahan pada citra stego yang dihasilkan. Responden akan diminta untuk membandingkan 9 citra stego dengan citra asli satu persatu berdasarkan tingkat kemiripannya sesuai dengan skala penilaian MOS.

Tabel 3. 1 Skala Penilaian MOS Skala

Penilaian Kualitas Persepsi Citra

5 Sangat

mirip Citra tidak terlihat perbedaan sama sekali 4 Baik Perbedaan pada citra terlihat tapi tidak

merusak kualitas citra

3 Sedang Perbedaan pada citra terlihat dan sedikit merusak kualitas citra

38

2 Buruk Perbedaan pada citra terlihat dan merusak kualitas citra

1 Sangat

buruk

Perbedaan terlihat sangat jelas hingga sangat merusak kualitas citra

• Pengujian Aspek Robustness

Pengujian penyerangan teknik steganografi dilakukan dengan merusak data citra yang menjadi media stego serta ketahanan dari teknik steganografi tersebut terhadap manipulasi yang dilakukan pada media stego tersebut[23].

Pada penelitian ini dilakukan pengujian ketahanan dari teknik steganografi pada citra stego terhadap manipulasi level brightness (tingkat kecerahan).

Secara umum mekanisme manipulasi yang dilakukan yaitu dengan menaikkan tingkat kecerahan dari suatu citra stego, setelah itu dilakukan proses ekstraksi pesan untuk mendapatkan file pesan rahasia. Hasil pesan yang didapat selanjutnya dibandingkan dengan pesan yang dikirim untuk dilakukan perbandingan. Perbandingan dimaksudkan untuk mengetahui apakah terdapat perubahan dalam pesan yang telah diekstraksi karena adanya manipulasi tingkat kecerahan.

Pada pengujian ini keberhasilan aspek robustness citra dapat dilihat dari kesesuaian pesan hasil ekstraksi dengan pesan asli yaitu membandingkan setiap karakter pesan asli dengan pesan yang didapat setelah proses ekstraksi. Jika validitas data pesan hasil ekstraksi sama dengan data pesan asli maka pengujian aspek robustness dapat dikatakan berhasil.