Karakteristik media pembawa pesan Evaluasi Kinerja Subjektif Algoritma PVDM

• Hasil konversi nilai kedalam biner dengan panjang t i merupakan pesan yang disembunyikan

4.3 Karakteristik media pembawa pesan

Media pembawa pesan dapat berupa image, audio files,video files, atau text Davidson et al, 2002. Penelitian ini memilih file image berupa citra bmp 24 bit, mengapa citra bmp dipilih. Citra bmp mudah untuk dibuat , dapat mengambil tiap pixel data dengan sistem koordinat. Pada penelitian ini informasi media pembawa pesan yaitu citra bmp 24 bit seperti terlihat pada lampiran 1. Inti dari algoritma PVD adalah perbedaan selisih nilai pixel antara dua pixel terdekat. Perbedaan penyebaran selisih antara dua pixel terdekat untuk komponen red pada lampiran 2 pada interval [0,7] rata-rata diatas 60 , kecuali pada gambar babbon hanya sebesar 40 persen.Sedangkan untuk penyebaran pixel green seperti pada lampiran 3 persentase yang hampir sama terjadi yaitu pada interval [0,7] mempunyai nilai rata-rata diatas 69 kecuali untuk gambar babbon yang hanya 37. Begitu juga komponen blue pada lampiran 4 untuk interval [0,7] selisih antara dua pixel terdekat diatas 63 , kecuali pada gambar babbon hanya sebesar 37. Dari karakteristik komponen red,green dan blue terlihat bahwa penyebaran piksel terbanyak berada pada interval [0,7]. Apabila digunakan algoritma PVD akan diperoleh nilai perbedaand i sebesar 7, dari sini diperoleh nilai w j =8, untuk mendapatkan jumlah bit t i yang dapat disisipkan dengan cara logw j dengan basis dua akan diperoleh nilai t i =3.

4.4 Evaluasi Kinerja Objektif Algoritma PVDM

Algoritma PVD yang dikemukan oleh Wu dan Tsai 2003, menjelaskan bahwa PVD melakukan hal yang sama pada semua daerah citra yang akan disisipkan pesan. Hal ini menyebabkan citra dengan perbedaan antara Pi,x dan Pi,y yang besar akan mampu menampung jumlah pesan yang besar dan sebaliknya perbedaan antara Pi,x dan Pi,y yang kecil mengakibatkan daya tampung kecil . Dengan mengambil tabel jangkauan I R 1= [0,7] , R 2= [8,15] , R 3= [16,31] , R 4= [32,63] , R 5= [64,127] dan R 6= [128,255] daya tampung pesan yang dapat disisipkan pada citra berturut-turut adalah 8,8,16,32,64,128 jika dikonversi kedalam bit akan menjadi 3,3,4,5,6,7. Sedangkan jika diambil tabel jangkauan II R 1= [0,1] , R 2= [2,3] , R 3= [4,7] , R 4= [8,11] , R 5= [12,15], R 6= [16,23], R 7= [24,31], R 8= [32,47], R 9= [48,63], R 10= [64,95], R 11= [96,127] R 12= [128,191] dan R 13= [192,255], daya tampung pesan yang dapat disisipkan pada citra berturut-turut adalah 2,2,4,4,4,8,8,16,16,32,32,64,64 jika dikonversi kedalam bit akan menjadi 1,1,2,2,2,3,3,4,4,5,5,6,6. Pemilihan tabel jangkauan III R 1= [0,3] , R 2= [4,7] , R 3= [8,15] , R 4= [16,23] , R 5= [24,31], R 6= [32,47], R 7= [48,63], R 8= [64,95], R 9= [96,127], R 10= [128,191], dan R 11= [192,255] jumlah pesan yang dapat disisipkan dalam bit berturut-turut 4,4,8,8,8,16,16,32,32,64,64. Tabel Jangkauan IV adalah R 1= [0,1] , R 2= [2,5] , R 3= [6,7] , R 4= [8,15] , R 5= [16,31], R 6= [32,47], R 7= [48,63], R 8= [64,95], R 9= [96,127], R 10= [128,191], dan R 11= [192,255] sehingga daya tampung dalam bit 2,4,2,8,16,16,32,32,64,64. Delapan citra pembawa “Apple”, ”Banana”, ”Babbon”, ”Borobudur”, ”Lena”, ”Penguin”, ”Pepper”, ”Sunflower” seperti pada Lampiran 1 menghasilkan daya tampung seperti pada Gambar 8 berikut. Gambar 11. Daya tampung algoritma PVD untuk tabel jangkauan I,II,III dan IV Dari Gambar 11 diatas terlihat untuk semua gambar yang dipilih daya tampung terbesar terjadi pada pemilihan PVD Tabel Jangkauan I, sedangkan untuk pemilihan Tabel Jangkauan II daya tampung yang dihasilkan bervariasi, gambar apple, babbon, banana,borobudur,lena,penguin dan pepper menghasilkan daya tampung terkecil diantara Tabel Jangkauan III dan Tabel Jangkauan IV sedangkan untuk gambar sunflower daya tampung terkecil pada pemilihan Tabel Jangkauan IV. Sama halnya pemilihan Tabel Jangkauan III menghasilkan daya tampung yang cukup bervariasi, untuk gambar apple, banana, borobudur,lena,penguin,pepper dan sunflower menghasilkan daya tampung terbesar kedua, hal yang lain terjadi pada gambar babbon yang menghasilkan daya tampung terbesar ketiga. Untuk Tabel Jangkauan IV daya tampung terbesar ketiga terjadi pada gambar apple, banana, borobudur, lena, penguin, pepper sedangkan gambar babbon menghasilkan daya tampung terbesar kedua dan pada gambar sunflower pemilihan tabel jangkauan IV akan menghasilkan daya tampung yang minimum terkecil. Daya tampung terbesar terjadi pada Tabel Jangkauan I hal ini dikarenakan pada tabel jangkauan ini nilai R 1 =[0,7], sedangkan pada tabel jangkauan yang lain Tabel Jangkauan II R 1 =[0,1] , Tabel jangkauan III R 1 =[0,3] dan Tabel jangkauan IV R 1 =[0,1] , berdasarkan lampiran 2,3,4 terlihat bahwa penyebaran pixel terbesar terjadi untuk seluruh komponen baik red,green maupun blue pada interval [0,7] sehingga jika menggunakan Tabel jangkauan I pada interval tersebut jumlah pesan yang dapat disisipkan menjadi besar. Urutan terbesar kedua setelah tabel jangkauan I adalah tabel jangkauan III, hal ini terjadi karena pada interval [0,7] pada Tabel III hanya dibagi 2 interval yaitu R 1 =[0,3] dan R 2 =[4,7]. Pada gambar baboon daya tampung menjadi lebih kecil dibandingkan Tabel jangkauan IV , hal ini karena pada gambar ini penyebaran antara interval [0,7] tidak terlalu dominanmasih dibawah 50. Pemilihan beberapa tabel jangkauan pada algoritma PVDM terlihat pada gambar 12, daya tampung pada Tabel Jangkauan I menghasilkan nilai yang terbesar untuk semua gambar hal yang sama terjadi pada algoritma PVD . Sedangkan pada pemilihan tabel jangkauan II menghasilkan daya tampung terbesar keempat untuk semua gambar, pemilihan tabel jangkauan III menghasilkan daya tampung terbesar ketiga untuk semua gambar dan pada tabel jangkauan IV menghasilkan daya tampung terbesar kedua untuk semua gambar. Keseragaman hasil ini terjadi karena algoritma PVDM hanya merubah perlakuan pada interval [0,7] sedangkan pada interval [8,255] perlakuan yang dilakukan pada algoritma PVDM sama dengan yang diberlakukan pada algoritma PVD. Gambar 12. Daya tampung PVDM untuk tabel jangkauan I,II,III dan IV Kenaikan daya tampung dari algoritma PVD menjadi algoritma PVDM seperti terlihat pada Gambar 13. Hampir semua gambar kenaikan daya tampung terbesar terjadi pada Tabel Jangkauan II, kecuali pada gambar sunflower kenaikan terbesar terjadi pada Tabel IV.Kenaikan terbesar kedua terjadi pada pemilihan Tabel jangkauan IV , hal ini terjadi hampir untuk semua gambar kecuali pada gambar sunflower, daya tampung pemilihan Tabel jangkauan IV lebih besar dari pada Tabel Jangkauan II. Pemilihan Tabel Jangkauan III dan Tabel Jangkauan I berturut-turut menghasilkan kenaikan terbesar ketiga dan keempat untuk semua gambar. Daya tampung pada Tabel Jangkauan II naik tinggi, hal ini dikarenakan pada tabel tersebut untuk interval [0,7] dibagi menjadi 3 interval yaitu R 1 =[0,1], R 2 =[2,3] dan R 3 =[4,7]. Hal yang sama terjadi pada Tabel jangkauan IV yang membagi interval menjadi 3 yaitu R 1 =[0,1], R 2 =[2,5] dan R 3 =[6,7] , sedangkan pada Tabel jangkauan III hanya membagi 2 interval yaitu R 1 =[0,3] dan R 2 =[4,7]. Kenaikan terkecil terjadi pada Tabel Jangkauan I, hal ini dikarenakan pada tabel jangkauan tersebut hanya terdapat satu interval yaitu dirinya sendiri R 1 =[0,7]. Gambar 13. Persentase kenaikan daya tampung pesan dari algoritma PVD ke algoritma PVDM Sesuai Gambar 13 terlihat bahwa algoritma PVDM lebih banyak menampung pesan untuk semua pemilihan tabel jangkauan, baik Tabel jangkuan I,II,III, dan IV dengan kenaikan daya tampung pesan terbesar terjadi pada gambar apple dengan pemilihan Tabel Jangkauan II sekitar 397, sedangkan kenaikan terkecil pada gambar babbon dengan pemilihan Tabel jangkauan I sekitar 11. Pada proses penyisipan pesan, data yang disisipkan terbagi kedalam 2 kelompok yaitu 1 Jumlah pesan yang disisipkan berbeda 2 jumlah pesan yang disisipkan sama. Hal ini dilakukan karena untuk masing-masing algoritma baik PVD maupun PVDM menghasilkan daya tampung yang berbeda-beda pada pemilihan tabel jangkauan yang sama. Untuk jumlah pesan yang disisipkan berbeda, artinya data yang diambil berdasarkan kapasitas maksimum dari masing-masing algoritma baik PVD maupun PVDM. Tentunya berdasarkan analisa sebelumnya algoritma PVDM lebih banyak menampung pesan dibandingkan algoritma PVD. Sedangkan untuk jumlah pesan yang disisipkan sama, hal ini menunjukkan bahwa data yang disisipkan untuk algoritma PVD dan PVDM sama pada pemilihan tabel jangkauan yang sama. Dari analisa sebelumnya berarti data yang diambil untuk disisipkan menggunakan daya tampung pada algoritma PVD, hal ini dikarenakan daya tampung pada algoritma PVD lebih kecil dari pada algoritma PVDM.

4.4.1 Jumlah Pesan yang disisipkan berbeda

Gambar 14 . Nilai PSNR pada Tabel Jangkauan I data berbeda Berdasarkan Gambar 14 terlihat algoritma PVDM lebih unggul untuk gambar apple,babbon,banana,borobudur, dan sunflower. Sedangkan pada gambar lena,penguin dan pepper nilai PSNR algoritma PVDM lebih kecil jika dibandingkan algoritma PVD . Nilai PSNR algoritma PVDM yang lebih kecil untuk tiga gambar disebabkan karena daya tampung pada algoritma PVDM lebih besar dari pada algoritma PVDM seperti terlihat pada Gambar 11 dan Gambar 12. Tetapi walaupun lebih kecil nilai PSNR yang dihasilkan masih atas 30 menurut Cole2003 distorsi yang terjadi kecil. Gambar 15 . Nilai PSNR pada Tabel Jangkauan II data berbeda Pada Gambar 15 terlihat secara umum algoritma PVDM mempunyai nilai PSNR yang lebih kecil dari PVD, kecuali pada gambar penguin nilai PSNR PVDM lebih besar. Nilai PSNR algoritma PVDM yang lebih kecil dari algoritma PVD disebabkan karena daya tampung pada algoritma PVDM lebih besar melihat Gambar 11 dan Gambar 12 kenaikan daya tampung yang terjadi lebih dari 100 kecuali pada gambar baboon dan pepper. Meskipun nilai PSNR algoritma PVDM lebih kecil, tetapi ternyata masih diatas 20 hal ini menurut Cole 2003 distorsi yang terjadi kecil, sebaliknya pada Gambar 15 nilai PSNR algoritma PVD untuk gambar penguin lebih kecil dari 10, ini menunjukkan distorsi yang terjadi pada gambar tersebut sangat besar. Gambar 16. Nilai PSNR pada Tabel Jangkauan III Berdasarkan Gambar 16 terlihat nilai PSNR algoritma PVDM secara rata-rata lebih kecil dari pada algoritma PVD,jika dikuantitatifkan rata-rata selisihnya hanya 0.1. Walaupun demikian nilai PNSR algoritma PVDM diatas 40, hal ini dua kali dari apa yang disyaratkan Cole2003 bahwa minimum nilai PSNR yang baik adalah 20. Sehingga dengan begitu algoritma PVDM menghasilkan distorsi yang kecil pada semua gambar percobaan. Gambar 17. Nilai PSNR pada Tabel Jangkauan IV Berdasarkan Gambar 17 nilai PSNR algoritma PVD lebih besar dari pada algoritma PVDM untuk semua gambar percobaan. Tetapi meskipun begitu algoritma PVDM masih dikatakan baik , karena nilai PSNRnya masih diatas 20 bahkan sampai diatas 40. Jika melihat Gambar I dan Gambar II kenaikan daya tampung rata-rata dari algoritma PVD ke Algoritma PVDM sebesar 198 .

4.4.2 Jumlah Pesan yang disisipkan sama

Pada kasus jumlah pesan yang disisipkan sama, bahwa pada masing-masing algoritma baik PVD maupun PVDM menggunakan pesan yang sama untuk tiap- tiap tabel jangkauan. Tentunya dalam hal ini jumlah pesan yang disisipkan diperoleh dari algoritma PVD , karena pada algoritma ini jumlah pesandaya tampung pesan pada tiap-tiap tabel jangkauan baik I,II,III dan IV menghasilkan nilai yang lebih kecil jika dibandingkan algoritma PVDM sehingga secara otomatis daya tampung yang dihasilkan pada algoritma PVD dapat digunakan pada algoritma PVDM untuk tabel yang sama. Gambar 18 . Nilai PSNR pada Tabel jangkauan I data sama Pada Gambar 18 diatas menunjukkan bahwa untuk semua gambar algoritma PVDM lebih baik, selisih nilai yang sangat berbeda terjadi pada gambar babbon. Pada gambar penguin selisih nilai relatif sedang dan gambar yang lain nilai PSNR relatif hampir sama dalam hal ini hanya berbeda sedikit. Perbedaan yang besar pada gambar baboon menunjukkan bahwa pada interval [0,7] penggunaan algoritma PVDM lebih baik yang menyebabkan distorsinya menjadi kecil. Begitu juga pada gambar penguin pemilihan algoritma PVDM pada interval [0,7] lebih baik dari pada algoritma PVD, sehingga dapat mengurangi distorsi yang terjadi. Gambar 19 . Nilai PSNR pada Tabel jangkauan II data sama Berdasarkan Gambar 19, Nilai PSNR algoritma PVDM lebih kecil dari pada algoritma PVD hanya pada gambar apple dan banana.Hal ini terjadi karena pada Tabel jangkauan II interval [0,7] dibagi kedalam tiga interval R 1 =[0,1], R 2 =[2,3] , R 3 =[4,7], sedangkan pada interval tersebut gambar apple dan banana mempunyai prosesntase yang tinggi. Algoritma PVD akan menghasilkan distorsi yang besar apabila diterapkan ke gambar penguin terlihat pada Gambar 15 nilai PSNRya dibawah 10. Tetapi secara umum pada Gambar 19 dengan memilih Tabel Jangkauan II algoritma PVDM sudah tepat, karena memiliki nilai PSNR diatas 40 semua. Gambar 20 . Nilai PSNR pada Tabel jangkauan III data sama Pada Gambar 20 terlihat secara rata-rata nilai PSNR PVDM masih lebih besar dari pada PVD. PVDM unggul pada gambar babbon,borobudur,penguin dan sunflower, sedangkan PVD unggul pada gambar apple,banana,lena dan pepper. Selisih yang besar terjadi pada gambar borobudur, hal ini disebabkan gambar borobudur pada interval [0,7] dominan daripada interval yang lain yaitu [0,255] lihat lampiran 2,3 dan 4. Sedangkan untuk gambar pepper sebaiknya menggunkan algoritma PVD , karena algoritma ini mempunyai PSNR yang lebih tinggi daripada algoritma PVDM. Meskipun begitu penggunaan algoritma PVDM masih tepat , karena algoritma ini mempunyai nilai PSNR yang lebih tinggi dari 20 bahkan = 40. Gambar 21 . Nilai PSNR pada Tabel jangkauan IV data sama Pada Gambar 21 menujukkan baik algoritma PVD maupun PVDM kedua- duanya cocok jika terapkan pada tabel jangkauan IV. Hal ini terlihat dari nilai PSNR untuk semua gambar diatas 40, yang berarti distorsi antara stego image dan cover image rendah. Perbandingan algoritma PVD dan PVDM dilihat dari segi daya tampung, untuk semua tabel yang dipilih mulai Tabel jangkauan I,II,III,IV algoritma PVDM mempunyai daya tampung yang besar bahkan persentase kenaikan dapat mencapai 300 lebih, terlihat pada Gambar 13 untuk pemilihan Tabel Jangkauan II dan IV. Dari segi PSNR algoritma PVDM relatif lebih tinggi nilai PSNRnya, terutama pada kasus jumlah data yang sama, tetapi pada kasus data yang berbeda, nilai PSNR algoritma PVDM ada beberapa yang lebih kecil dari algoritma PVD. Hal ini disebabkan karena daya tampung algoritma PVDM lebih banyak , sehingga tentunya area yang mengalami perubahaan akan lebih banyak dari pada algoritma PVD dan mengakibatkan distorsi yang relatif besar , walaupun masih dalam batas yang wajar. 4.4.3 Waktu Proses Algoritma PVD dan PVDM Waktu proses algoritma PVD dan PVDM pada proses simulasi sesuai Gambar 22. Gambar 22. Waktu Proses Algoritma PVD vs PVDM pada tabel jangkauan II Berdasarkan Gambar 22 terlihat bahwa algoritma PVDM relatif lebih cepat dari pada algoritma PVD. Hanya pada gambar Babbon dan pepper waktu proses algoritma PVDM lebih lama dari PVD. Sedangkan untuk tabel jangkauan I,III dan IV dapat dilihat pada lampiran 6 dan 7. Pada tabel jangkauan I algoritma PVD lebih cepat untuk semua data sedangkan pada tabel jangkauan yang lain kecepatan algotitma PVDM dengan PVD relatif berimbang.

4.5 Evaluasi Kinerja Subjektif Algoritma PVDM

Evaluasi kinerja subjektif dilakukan dengan cara kuisioner. Responden yang dipilih terbagi dalam dua kelompok. Kelompok pertama responden yang bergerak dalam bidang komputer dalam hal ini berlatar belakang pendidikan komputer dan kedua responden yang tidak bergerak dalam bidang komputer. Jumlah responden yang diambil masing-masing sebanyak 30 dari bidang komputer dan bukan bidang komputer. Tabel 4. Ringkasan hasil penilaian subyektif Algoritma Bidang Kerja Sangat Mirip Mirip Tabel Jangk. I Tabel Jangk. II Tabel Jangk. III Tabel Jangk. IV Tabel Jangk. I Tabel Jangk. II Tabel Jangk. III Tabel Jangk. IV PVD Komputer 27 25 25 26 73 75 75 74 Tidak Komputer 25 26 25 29 75 74 75 71 PVDM Komputer 26 25 23 26 74 75 77 74 Tidak Komputer 27 26 23 26 73 74 77 74 Berdasarkan Tabel 4 terlihat dengan algoritma PVD bahwa secara rata-rata responden yang tidak bekerja di bidang komputer lebih dari 70 menilai bahwa gambar sebelum dengan sesudah disisipkan pesan mirip dan sisanya kurang dari 30 mengatakan sangat mirip. Hal yang hampir sama terjadi pada responden yang bekerja dibidang komputer. Tabel 4 terlihat dengan algoritma PVDM responden yang tidak bekerja dalam bidang komputer menilai lebih dari 70 mengatakan gambar sebelum dan sesudah disisipkan pesan mirip sisanya sekitar 30 menilai sangat mirip. Hal yang hampir sama terjadi pada responden yang bekerja dibidang komputer. SIMPULAN DAN SARAN

5.1. Simpulan