Metode Notasi Asimtotik TINJAUAN PUSTAKA

manipulasi. Pada prakteknya, metode ini hanya berguna pada lingkungan digital-to- digital yang tertutup.[5] Pada Metode Low Bit Coding LBC terdapat Most Significant Bits MSB dan Least Significant Bits LSB. Least Significant Bits adalah bagian dari barisan data biner basis dua yang mempunyai nilai paling tidak berarti paling kecil. Letaknya adalah paling kanan dari barisan bit. Sedangkan Most Significant Bits adalah sebaliknya, yaitu angka yang paling berarti paling besar dan letaknya disebelah paling kiri.[3] 1 1 1 1 Least Significant Bits LSB Most Significant Bits MSB Gambar 2.3 Penjelasan LSB dan MSB

2.4 Metode

Least Significant Bit Least Significant Bit adalah cara menyimpan data ke dalam data yang lain dengan menggantikan bit terakhir LSB. Ada banyak cara untuk menyisipkan pesan ke dalam media penyimpan pesan, antara lain metode LSB Least Significant Bit, masking, dan filtering, Metode Spread Spectrum, dan lain-lain. Untuk menampung 1 bit data pesan diperlukan 1 piksel citra media penampung berukuran 8 bit karena setiap 8 bit hanya bisa menyembunyikan satu bit di LSB-nya. Oleh karena itu, citra ini hanya mampu menampung data pesan sebesar maksimum 163848 = 2048 bit dikurangi panjang nama filenya karena penyembunyian data rahasia tidak hanya menyembunyikan isi data tersebut, tetapi juga nama filenya. Semakin besar data yang disembunyikan di dalam citra, semakin besar pula kemungkinan data tersebut rusak akibat manipulasi pada citra penampung.[11] 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 Universitas Sumatera Utara pada pojok kanan bawah gambar. Sedangkan acak berarti penyisipan pesan rahasia dilakukan secara acak pada gambar, dengan masukan kata kunci stego-key . [10] 1 1 1 1 Least Significant Bit LSB Most Significant Bit MSB Gambar 2.4 LSB dan MSB

2.5 Notasi Asimtotik

Θ, O, Ω Notasi asimtotik adalah batas fungsi dari atas dan bawah. Ketika kita hanya memiliki sebuah asimtotik dengan batas atas, kita menggunakan O-notasi. Untuk sebuah fungsi yang diberikan gn, kita lambangkan dengan Ogn disebut dengan “big-oh dari g untuk n” atau “oh untuk g dan n” himpunan fungsinya dituliskan dengan : Ogn = {fn : dimana konstanta c dan n bernilai positif seperti 0 ≤ fn ≤ cgn untuk semua n ≥ n Kita menggunakan O-notasi untuk memberikan batas atas dari fungsi, untuk dalam konstanta faktor. Kita tulis fn = Ogn untuk mengindikasikan sebuah fungsi fn adalah member dari himpunan Ogn. Notasi fn = θgn menyatakan fn = Ogn, sejak θ-notasi adalah gagasan kuat dari O-notasi. Penulisan himpunan theoretically, kita memiliki θgn Ogn. Dengan demikian, kita membuktikan bahwa ada fungsi quadrat an }. 2 + bn + c, dimana a 0, ada di θ n 2 juga menunjukkan bahwa fungsi quadrat tersebut di On 2 . Yang lebih mengejutkan adalah ketika a 0, ada fungsi linier an + b di On 2 , yang mudah diverifikasi dengan mengambil c = a + |b| dan n Menggunakan O-notasi, kita dapat sering mendeskripsikan waktu berjalan dari algoritma hanya dengan memeriksa struktur keseluruhan algoritma. Karena O-notasi menjelaskan batas atas, ketika kita menggunakannya untuk batas terburuk dari waktu berjalan dari sebuah algoritma, kita memiliki sebuah batas dari waktu berjalan untuk algoritma di setiap masukan pernyataan lapisan yang kita bahas sebelumnya. = max 1, -ba. Sedangkan ketika kita mempunyai sebuah asimtotik batas bawah, kita menggunakan Ω-notasi. Untuk sebuah fungsi yang diberikan gn, kita lambangkan dengan Ωgn Universitas Sumatera Utara disebut dengan “big-omega dari g untuk n” atau kadang hanya “omega dari g untuk n” himpunan fungsinya dituliskan dengan : Ωgn = {fn : dimana konstanta c dan n bernilai positif seperti 0 ≤ cgn ≤ fn untuk semua n ≥ n Teorema 3.1 }. Untuk dua fungsi fn dan gn, kita mempunyai fn = θgn jika dan hanya jika fn = Ogn dan fn = Ωgn. Sebagai contoh, kita buktikan bahwa an 2 + bn + c = θn 2 untuk konstanta apa saja a, b, dan c, dimana a 0, dengan demikian menyatakan bahwa an 2 + bn + c = Ωn 2 dan an 2 + bn + c = On 2 . Dalam prakteknya, daripada menggunakan Teorema 3.1 untuk memperoleh asimtotik batas atas dan bawah dari asimtotik batas yang ketat, seperti yang kita lakukan untuk contoh ini, kita biasanya menggunakan untuk membuktikan asimtotik batas ketat dari asimtotik batas atas dan bawah.[6]

2.6 Tinjauan Penelitian yang Relevan