PSNR Peak Signal to Noise Ratio Metode Evaluasi

yang dimutlakkan. Berdasarkan nilai carilah nilai batas bawah l j dan batas atas u j dari tabel jangkauan R j . 2. Hitung nilai w j = u j -l j +1 3. Hitung nilai t i =logw j dengan basis logaritma 2. 4. Nilai t i adalah menentukan jumlah bit pesan yang telah disisipkan 5. Hitung , konversi nilai kedalam biner dengan panjang t i 6. Hasil konversi nilai kedalam biner dengan panjang t i merupakan pesan yang disembunyikan

2.7 PSNR Peak Signal to Noise Ratio

PSNR adalah nilai yang menyatakan tingkat noise atas image yang telah disisipi pesan dengan satuan desibel db. Semakin besar nilai PSNR perbedaan antara stego image dan cover image semakin kecil, sebaliknya semakin kecil nilai PSNR menunjukkan bahwa perbedaan antara stego image dan cover image semakin besar Chen, 2006. Menurut Cole 2003 nilai PSNR dikatakan baik jika berada diatas nilai 20; artinya di bawah nilai 20 distorsi yang terjadi sangat besar antara stego image dan cover image. Sedangkan untuk nilai MSE yang besar menyatakan penyimpangan atau selisih antara cover image dan stego image cukup besar. Untuk gambar warna dengan komponen Red, Green dan Blue nilai MSE secara keseluruhan merupakan jumlah dari MSE untuk setiap komponen Red, Green dan Blue dibagi tiga. Persamaan untuk mencari PSNR sebagai berikut : PSNR = 10 Log 10 255 2 MSE 5 Sedangkan formula untuk menghitung nilai MSE adalah sebagai berikut : 6 , , 1 2 1 1 ∑ ∑ = = − = n i m i j i K i i I mxn MSE Ii = cover image Ki = stego image M = lebar image N = tinggi image

2.8 Metode Evaluasi

Kinerja Untuk mengukur tingkat keberhasilan algoritma digunakan kriteria obyektif dan subyektif. Kriteria obyektif didasarkan pada perhitungan matematis menggunakan nilai MSE dan PSNR sedangkan kriteria subyektif berdasarkan hasil pengamatan manusia. Penilaian ini didasarkan atas karateristik pengamatan manusia Human Visual System. Pengujian subyektif umumnya dilakukan dengan mengukur MOS mean opinion survey sebagai berikut : Tabel 2. Level distrosi pengukuran mean opinion survey Nilai Level Distorsi Kualitas Gambar 1 Sangat Tidak Mirip Perbedaan antara cover image dan stego image sangat jelas 2 Tidak Mirip Antara cover image dan stego image ada perbedaan sedikit 3 Mirip Antara cover image dan stego image mirip 4 Sangat Mirip Antara cover image dan stego image sangat mirip tidak dapat dibedakan Untuk mengukur MOS dilakukan dengan menyebarkan kuesioner terhadap 60 responden yang terdiri dari 30 responden bergerak dibidang komputer dan 30 responden tidak bergerak dibidang komputer. Teknik sampling Menurut Hair 2006 ada dua tipe sampling yang dapat digunakan pada penelitian yaitu : 1. Non Randomnon probability sampling Pemilihan sample dilakukan atas pertimbangan peneliti secara personal dan opini-opini lain yang mendukung pemilihan sample tersebut. Adapun tipe-tipe Non Probability Sampling yaitu : a. Convenience Sampling Metode sampling dimana sample yang diambil berdasarkan keinginan pribadi dari peneliti. b. Judgment Sampling Metode sampling dimana responden dipilih berdasarkan pengalaman yang dimilikinya, dimana pengalaman tersebut dipercaya dapat memenuhi kebutuhan penelitian. c. Quota Sampling Metode sampling dimana responden dipilih berdasarkan kuota tertentu yang telah ditetapkan, misal: demografis, tingkah laku atau kriteria lainnya. d. Snowball Sampling Metode sampling dimana sekumpulan responden dipilih lalu para responden tersebut membantu peneliti untuk menentukan orang selanjutnya yang dianggap memenuhi kriteria untuk diikutsertakan dalam penelitian. 2. Random probability sampling Setiap bagian dari populasi memiliki kesempatan yang sama untuk dapat terpilih mewakili sample penelitian. Adapun tipe-tipe Probability Sampling yaitu : a. Simple Random Sampling Metode sampling dimana setiap sample yang ada di dalam populasi memiliki kesempatan yang sama besar untuk dipilih. b. Systematic Random Sampling Metode sampling dimana sample yang ada disusun berdasarkan urutan tertentu. c. Stratified Random Sampling Metode sampling dimana populasi yang ada dibagi ke dalam grup yang disebut strata dan sampel akan diambil dari tiap strata yang ada. Pada penelitian ini menggunakan teknik stratified random sampling dimana sampel dari populasi dibagi kedalam dua kelompok yaitu 1 kelompok responden yang bergerak dalam bidang komputer 2 kelompok responden yang tidak bergerak dalam bidang komputer yang masing-masing berjumlah 30 responden. d. Cluster Sampling Metode sampling dimana tiap unit sample dibagi ke dalam sub populasi yang lebih kecil yang disebut cluster. Tiap cluster diasumsikan sebagai perwakilan dari populasi yang ada. Teknik Pengumpulan Data Kuisioner adalah serangkaian pertanyaan dimana responden mengisi jawaban- jawaban , biasanya dengan alternatif-alternatif yang mendekati jawaban-jawaban mereka Sekaran, 2003. Kuisioner adalah mekanisme pengumpulan data yang efisien dimana peneliti mengetahui dengan tepat apa yang diminta dan bagaimana mengukur variabel-variabel. Dalam penelitian ini, instrumen yang akan dipakai dalam mengumpulkan data adalah kuisioner. METODE PENELITIAN

3.1 Bahan

Dokumen yang terkait

Pembangunan aplikasi steganograft pada citra digital menggunakan metode pixel value differencing (PVD) dan algoritma Rijndael untuk keamanan data

5 20 136

Utilization filtering to increase capacity message on PVD (Pixel Value Differences) steganography

1 13 99

ANALISIS PERFORMA METODE IHWT (INTEGER HAAR WAVELET TRANSFORM) DAN MODULUS FUNCTION DENGAN METODE IHWT (INTEGER HAAR WAVELET TRANSFORM) DAN PVD (PIXEL VALUE DIFFERENCING) PADA KUALITAS CITRA DIGITAL - UDiNus Repository

0 1 1

ANALISIS PERFORMA METODE IHWT (INTEGER HAAR WAVELET TRANSFORM) DAN MODULUS FUNCTION DENGAN METODE IHWT (INTEGER HAAR WAVELET TRANSFORM) DAN PVD (PIXEL VALUE DIFFERENCING) PADA KUALITAS CITRA DIGITAL - UDiNus Repository

0 0 1

ANALISIS PERFORMA METODE IHWT (INTEGER HAAR WAVELET TRANSFORM) DAN MODULUS FUNCTION DENGAN METODE IHWT (INTEGER HAAR WAVELET TRANSFORM) DAN PVD (PIXEL VALUE DIFFERENCING) PADA KUALITAS CITRA DIGITAL - UDiNus Repository

0 0 1

ANALISIS PERFORMA METODE IHWT (INTEGER HAAR WAVELET TRANSFORM) DAN MODULUS FUNCTION DENGAN METODE IHWT (INTEGER HAAR WAVELET TRANSFORM) DAN PVD (PIXEL VALUE DIFFERENCING) PADA KUALITAS CITRA DIGITAL - UDiNus Repository

0 0 1

ANALISIS PERFORMA METODE IHWT (INTEGER HAAR WAVELET TRANSFORM) DAN MODULUS FUNCTION DENGAN METODE IHWT (INTEGER HAAR WAVELET TRANSFORM) DAN PVD (PIXEL VALUE DIFFERENCING) PADA KUALITAS CITRA DIGITAL - UDiNus Repository

0 2 8

KOMBINASI ALGORITMA PIXEL VALUE DIFFERENCING DENGAN ALGORITMA CAESAR CIPHER PADA PROSES STEGANOGRAFI

1 2 7

PENGEMBANGAN APLIKASI STEGANOGRAFI PIXEL VALUE DIFFERENCES (PVD)

0 0 6

PENYISIPAN PESAN DENGAN ALGORITMA PIXEL VALUE DIFFERENCING DENGAN ALGORITMA CAESAR CIPHER PADA PROSES STEGANOGRAFI

0 0 6