Analisis Ketahanan Citra Stego Metode LSB+1 dan MLSB Terhadap Perubahan Kontras Citra
BAB 2
LANDASAN TEORI
2.1 Steganografi
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.
Steganografi sudah digunakan sejak dahulu kala sekitar 2500 tahun yang lalu
untuk kepentingan politik, militer, diplomatik, serta untuk kepentingan pribadi sebagai
alat. Teknik steganografi konvensional berusaha merahasiakan komunikasi dengan
cara menyembunyikan pesan ataupun mengkamuflase pesan. Maka sesungguhnya
prinsip
dasar
dalam
steganografi
lebih
dikonsentrasikan
pada
kerahasian
komunikasinya bukan pada datanya (Pakereng, 2010).
Universitas Sumatera Utara
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
dan seni untuk mendeteksi pesan yang tersembunyi dalam steganografi seperti pada
Gambar 2.2.
Universitas Sumatera Utara
Steganografi
Teknik
Linguistik
Steganografi
Steganografi
Open Codes
Semagrams
Virtual
Semagrams
Text
Semagrams
Jargon Codes
Coverd Ciphers
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.
Universitas Sumatera Utara
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 operasioperasi 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
1.
Metode Steganografi
Least Significant Bit Insertion (LSB)
Metoda yang digunakan untuk menyembunyikan pesan pada media digital
tersebut berbeda-beda. Contohnya, pada berkas image pesan dapat disembunyikan
dengan menggunakan cara menyisipkannya pada bit rendah atau bit yang paling
kanan (LSB) pada data pixel yang menyusun file tersebut. Pada berkas bitmap 24
bit, setiap pixel (titik) pada gambar tersebut terdiri dari susunan tiga warna merah,
hijau dan biru (RGB) yang masing-masing disusun oleh bilangan 8 bit (byte) dari
0 sampai 255 atau dengan format biner 00000000 sampai 11111111. Dengan
demikian, pada setiap pixel berkas bitmap 24 bit kita dapat menyisipkan 3 bit
data. Kekurangan dari LSB Insertion: Dapat diambil kesimpulan dari contoh 8 bit
pixel, menggunakan LSB Insertion dapat secara drastis mengubah unsur pokok
warna dari pixel. Ini dapat menunjukkan perbedaan yang nyata dari cover image
menjadi stego image, sehingga tanda tersebut menunjukkan keadaan dari
steganografi. Variasi warna kurang jelas dengan 24 bit image, bagaimanapun file
tersebut sangatlah besar. Antara 8 bit dan 24 bit image mudah diserang dalam
pemrosesan image, seperti cropping (kegagalan) dan compression (pemampatan).
Keuntungan dari LSB Insertion : Keuntungan yang paling besar dari algoritma
Universitas Sumatera Utara
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.
2.2 Media 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).
Secara teori, semua berkas yang ada dalam komputer dapat digunakan sebagai
media dalam steganografi, asalkan berkas tersebut mempunyai bit-bit data redundan
Universitas Sumatera Utara
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).
Fahmi (2007, hal:7) menyatakan bahwa citra digital (diskrit) dihasilkan dari
citra analog (kontinu) melalui digitalisasi. Digitalisasi citra analog terdiri atas
penerokan (sampling) dan kuantisasi (quantization). Penerokan (sampling) adalah
pembagian citra ke dalam elemen-elemen diskrit (piksel), sedangkan kuantisasi
Universitas Sumatera Utara
(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
f 0,0
f (1,0)
f(x,y)= f (2,0)
...
f (N - 1,0)
berukuran N baris dan M kolom seperti pada Gambar 2.3
f (0,1)
f (1,1)
...
...
f (2,1)
...
...
...
f (N - 1,1) ...
f (0, M - 1)
f (1, M - 1)
f (2, M - 1) ................. (2.1)
...
f (N - 1, M - 1)
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:
: RGB (255, 0, 0)
……….………….………..………………………(2.2)
Green : RGB (0, 255, 0)
.………………….……………………….……… (2.3)
: RGB (0, 0, 255)
…..………………………………………………. (2.4)
Red
Blue
Universitas Sumatera Utara
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)
karena ukurannya yang besar. Detail gambar BMP dapat dilihat pada Tabel 2.1 dan
Tabel 2.1.
Universitas Sumatera Utara
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)
bfType
2
Keterangan
Mengandung karakter “BM” yang
mengidentifikasikan tipe file
2.
bfSize
4
Memori file
bfReserved1
2
Tidak dipergunakan
bfReserved2
2
Tidak dipergunakan
bfOffBits
4
Offset untuk memulai data pixel
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 graylevel maupun citra full-color . JPEG tidak hanya menangani data dalam bentuk citra,
tetapi juga dapat berhubungan dengan gambar yang disebut dengan motion picture
(MPEG). JPEG merupakan singkatan dari Joint Photographic Experts Group,
merupakan suatu komite yang menyusun standar citra pada akhir tahun 80-an dan
awal tahun 90-an. Kata “Joint” pada JPEG melambangkan status data di dalam kerja
sama panitia ISO dan ITU_T. Format yang dihasilkan merupakan standar ISO IS10918. Format file ini dikembangkan oleh C-Cube Micro systems untuk memberikan
Universitas Sumatera Utara
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
2.
Bit 0
= warna hitam
Bit 1
= warna putih
1
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 :
0
1
2
3
4
5
6
7
Universitas Sumatera Utara
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
Salah satu format file citra yang sering digunakan dalam pengolahan citra yaitu citra
bitmap. Citra bitmap sering disebut juga dengan citra raster. Citra bitmap menyimpan
data kode citra secara digital dan lengkap (cara penyimpanannya adalah per piksel).
Citra bitmap dipresentasikan dalam bentuk matriks atau dipetakan dengan
menggunakan bilangan biner atau sistem bilangan lain. Citra ini memiliki kelebihan
untuk memanipulasi warna, tetapi untuk mengubah objek lebih sulit. Tampilan bitmap
mampu menunjukkan kehalusan gradasi bayangan dan warna dari sebuah gambar.
Universitas Sumatera Utara
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
memodifikasi
+1
LSB
merupakan
file
metode
carrier /cover .
penyembunyian
Modifikasi
LSB
informasi
dengan
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)
Metode penyisipan LSB +1 adalah penyisipan data pada setiap byte cover image pada
bit yang paling kurang berarti (Least Significant Bit atau LSB) (Jajoo, 2011). Misalnya
pada byte 00011001, maka bit LSB-nya adalah 0. Untuk melakukan penyisipan pesan,
bit yang paling cocok untuk diganti dengan bit pesan adalah bit LSB, sebab
pengubahan bit tersebut hanya akan mengubah nilai byte-nya menjadi satu lebih tinggi
Universitas Sumatera Utara
atau satu lebih rendah. Sebagai contoh, urutan bit berikut ini menggambarkan 3 pixel
pada cover image 24-bit (Krisnawati, 2008).
00100111
00100111
11001000
11101001 11001000
11001000 11101001
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
00100101
11001000
11101011 11001000
11001000 11101001
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
00100101
11001000
11101011 11001000
11001000 11101001
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
sampai seluruh byte citra habis diproses.
Universitas Sumatera Utara
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).
5. Data penyisip kelompok ke dua adalah 77h, 69h,74h, 68h dikurangi dengan nilai
terendah (60) menjadi 77-60= 17, 69-60= 09, 74-60= 14, 68-60= 08.
Universitas Sumatera Utara
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
08
56
3D
01
68
49
00
45
1D
7C
00
46
00
44
2A
01
01
46
57
15
00
12
11
28
41
2F
4D
45
05
Nilai piksel citra di atas dikonversikan ke dalam biner menjadi:
01010010
00001000
01010110
00111101
00000001
01101000
01001001
00000000
01000101
00011101
01111100
00000000
01000110
00000000
01000100
00101010
00000001
00000001
01000110
01010111
00010101
00000000
00010010
00010001
00101000
01000001
00101111
01001101
01000101
00000101
Universitas Sumatera Utara
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).
5. Blok pertama dibandingkan dengan Control Symbol untuk mendefenisikan
jenis karakter berikutnya
Universitas Sumatera Utara
-
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
2. Konversikan setiap blok ke dalam ASCII (hexadecimal) menjadi:
1ch, 13h, 14h, 05h, 07h, 0fh
Universitas Sumatera Utara
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
Citra Kontras-Rendah dicirikan dengan sebagian besar komposisi citranya adalah
terang atau sebagian besar gelap. Tetapi, mungkin saja suatu citra tergolong
Kontras-Rendah meskipun tidak terlalu terang atau tidak terlalu gelap bila semua
Universitas Sumatera Utara
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
Berikut ini beberapa penelitian yang berhubungan dengan Implementasi Algoritma
Kombinasi Least Significant Bit +1 (LSB +1) dengan Modified Least Significant Bit
(MLSB) pada Watermarking Citra:
Universitas Sumatera Utara
Tabel 7. Penelitian yang Relevan
TAHUN
2009
JUDUL
Pendekatan metode
Least Bit Modification
untuk merancang
aplikasi
Steganography pada
file audio digital tidak
terkompresi
PENELITI
Utami, E.
HASIL PENELITIAN
2012
Aplikasi steganografi
untuk
menyembunyikan teks
dalam Media image
dengan menggunakan
metode LSB
Asep Saefullah, Aplikasi steganografi ini
Himawan,
sangat
bermanfaat
Nazori Agani
terutama
dalam
perlindungan hak cipta
(copyright)
sebuah
image dan juga
keamanan pada saat
melakukan
transfer
/pengiriman data melalui
jaringan internet. Ukuran
semula
pada
image
original dengan format
.jpg akan mengalami
kenaikan
nilai
ditambahkan
pesan
rahasia
dengan
menggunakan
format
.png.
Hasil
ekstrak
image baik berupa teks,
image, video dan audio
akan terbuka begitu saja,
sehingga
untuk
keamanan yang lebih
baik maka disarankan
dienkripsi kembali hasil
extract tersebut.
1. Ukuran file audio yang
sudah disisipkan informasi
tidak
mengalami
perubahan. Dengan tidak
berubahnya ukuran file
tersebut
maka
kemungkinan besar orang
lain tidak akan mengetahui
bahwa
ada
informasi
rahasia di dalam file
tersebut.
2. File stego tidak dapat
dideteksi secara kasat
telinga karena penurunan
kualitas suara yang terjadi
sangat kecil.
3. Output dari program ini
dapat tidak terdeteksi oleh
software
yang
dapat
mendeteksi file stego.
Universitas Sumatera Utara
LANDASAN TEORI
2.1 Steganografi
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.
Steganografi sudah digunakan sejak dahulu kala sekitar 2500 tahun yang lalu
untuk kepentingan politik, militer, diplomatik, serta untuk kepentingan pribadi sebagai
alat. Teknik steganografi konvensional berusaha merahasiakan komunikasi dengan
cara menyembunyikan pesan ataupun mengkamuflase pesan. Maka sesungguhnya
prinsip
dasar
dalam
steganografi
lebih
dikonsentrasikan
pada
kerahasian
komunikasinya bukan pada datanya (Pakereng, 2010).
Universitas Sumatera Utara
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
dan seni untuk mendeteksi pesan yang tersembunyi dalam steganografi seperti pada
Gambar 2.2.
Universitas Sumatera Utara
Steganografi
Teknik
Linguistik
Steganografi
Steganografi
Open Codes
Semagrams
Virtual
Semagrams
Text
Semagrams
Jargon Codes
Coverd Ciphers
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.
Universitas Sumatera Utara
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 operasioperasi 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
1.
Metode Steganografi
Least Significant Bit Insertion (LSB)
Metoda yang digunakan untuk menyembunyikan pesan pada media digital
tersebut berbeda-beda. Contohnya, pada berkas image pesan dapat disembunyikan
dengan menggunakan cara menyisipkannya pada bit rendah atau bit yang paling
kanan (LSB) pada data pixel yang menyusun file tersebut. Pada berkas bitmap 24
bit, setiap pixel (titik) pada gambar tersebut terdiri dari susunan tiga warna merah,
hijau dan biru (RGB) yang masing-masing disusun oleh bilangan 8 bit (byte) dari
0 sampai 255 atau dengan format biner 00000000 sampai 11111111. Dengan
demikian, pada setiap pixel berkas bitmap 24 bit kita dapat menyisipkan 3 bit
data. Kekurangan dari LSB Insertion: Dapat diambil kesimpulan dari contoh 8 bit
pixel, menggunakan LSB Insertion dapat secara drastis mengubah unsur pokok
warna dari pixel. Ini dapat menunjukkan perbedaan yang nyata dari cover image
menjadi stego image, sehingga tanda tersebut menunjukkan keadaan dari
steganografi. Variasi warna kurang jelas dengan 24 bit image, bagaimanapun file
tersebut sangatlah besar. Antara 8 bit dan 24 bit image mudah diserang dalam
pemrosesan image, seperti cropping (kegagalan) dan compression (pemampatan).
Keuntungan dari LSB Insertion : Keuntungan yang paling besar dari algoritma
Universitas Sumatera Utara
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.
2.2 Media 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).
Secara teori, semua berkas yang ada dalam komputer dapat digunakan sebagai
media dalam steganografi, asalkan berkas tersebut mempunyai bit-bit data redundan
Universitas Sumatera Utara
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).
Fahmi (2007, hal:7) menyatakan bahwa citra digital (diskrit) dihasilkan dari
citra analog (kontinu) melalui digitalisasi. Digitalisasi citra analog terdiri atas
penerokan (sampling) dan kuantisasi (quantization). Penerokan (sampling) adalah
pembagian citra ke dalam elemen-elemen diskrit (piksel), sedangkan kuantisasi
Universitas Sumatera Utara
(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
f 0,0
f (1,0)
f(x,y)= f (2,0)
...
f (N - 1,0)
berukuran N baris dan M kolom seperti pada Gambar 2.3
f (0,1)
f (1,1)
...
...
f (2,1)
...
...
...
f (N - 1,1) ...
f (0, M - 1)
f (1, M - 1)
f (2, M - 1) ................. (2.1)
...
f (N - 1, M - 1)
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:
: RGB (255, 0, 0)
……….………….………..………………………(2.2)
Green : RGB (0, 255, 0)
.………………….……………………….……… (2.3)
: RGB (0, 0, 255)
…..………………………………………………. (2.4)
Red
Blue
Universitas Sumatera Utara
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)
karena ukurannya yang besar. Detail gambar BMP dapat dilihat pada Tabel 2.1 dan
Tabel 2.1.
Universitas Sumatera Utara
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)
bfType
2
Keterangan
Mengandung karakter “BM” yang
mengidentifikasikan tipe file
2.
bfSize
4
Memori file
bfReserved1
2
Tidak dipergunakan
bfReserved2
2
Tidak dipergunakan
bfOffBits
4
Offset untuk memulai data pixel
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 graylevel maupun citra full-color . JPEG tidak hanya menangani data dalam bentuk citra,
tetapi juga dapat berhubungan dengan gambar yang disebut dengan motion picture
(MPEG). JPEG merupakan singkatan dari Joint Photographic Experts Group,
merupakan suatu komite yang menyusun standar citra pada akhir tahun 80-an dan
awal tahun 90-an. Kata “Joint” pada JPEG melambangkan status data di dalam kerja
sama panitia ISO dan ITU_T. Format yang dihasilkan merupakan standar ISO IS10918. Format file ini dikembangkan oleh C-Cube Micro systems untuk memberikan
Universitas Sumatera Utara
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
2.
Bit 0
= warna hitam
Bit 1
= warna putih
1
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 :
0
1
2
3
4
5
6
7
Universitas Sumatera Utara
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
Salah satu format file citra yang sering digunakan dalam pengolahan citra yaitu citra
bitmap. Citra bitmap sering disebut juga dengan citra raster. Citra bitmap menyimpan
data kode citra secara digital dan lengkap (cara penyimpanannya adalah per piksel).
Citra bitmap dipresentasikan dalam bentuk matriks atau dipetakan dengan
menggunakan bilangan biner atau sistem bilangan lain. Citra ini memiliki kelebihan
untuk memanipulasi warna, tetapi untuk mengubah objek lebih sulit. Tampilan bitmap
mampu menunjukkan kehalusan gradasi bayangan dan warna dari sebuah gambar.
Universitas Sumatera Utara
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
memodifikasi
+1
LSB
merupakan
file
metode
carrier /cover .
penyembunyian
Modifikasi
LSB
informasi
dengan
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)
Metode penyisipan LSB +1 adalah penyisipan data pada setiap byte cover image pada
bit yang paling kurang berarti (Least Significant Bit atau LSB) (Jajoo, 2011). Misalnya
pada byte 00011001, maka bit LSB-nya adalah 0. Untuk melakukan penyisipan pesan,
bit yang paling cocok untuk diganti dengan bit pesan adalah bit LSB, sebab
pengubahan bit tersebut hanya akan mengubah nilai byte-nya menjadi satu lebih tinggi
Universitas Sumatera Utara
atau satu lebih rendah. Sebagai contoh, urutan bit berikut ini menggambarkan 3 pixel
pada cover image 24-bit (Krisnawati, 2008).
00100111
00100111
11001000
11101001 11001000
11001000 11101001
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
00100101
11001000
11101011 11001000
11001000 11101001
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
00100101
11001000
11101011 11001000
11001000 11101001
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
sampai seluruh byte citra habis diproses.
Universitas Sumatera Utara
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).
5. Data penyisip kelompok ke dua adalah 77h, 69h,74h, 68h dikurangi dengan nilai
terendah (60) menjadi 77-60= 17, 69-60= 09, 74-60= 14, 68-60= 08.
Universitas Sumatera Utara
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
08
56
3D
01
68
49
00
45
1D
7C
00
46
00
44
2A
01
01
46
57
15
00
12
11
28
41
2F
4D
45
05
Nilai piksel citra di atas dikonversikan ke dalam biner menjadi:
01010010
00001000
01010110
00111101
00000001
01101000
01001001
00000000
01000101
00011101
01111100
00000000
01000110
00000000
01000100
00101010
00000001
00000001
01000110
01010111
00010101
00000000
00010010
00010001
00101000
01000001
00101111
01001101
01000101
00000101
Universitas Sumatera Utara
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).
5. Blok pertama dibandingkan dengan Control Symbol untuk mendefenisikan
jenis karakter berikutnya
Universitas Sumatera Utara
-
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
2. Konversikan setiap blok ke dalam ASCII (hexadecimal) menjadi:
1ch, 13h, 14h, 05h, 07h, 0fh
Universitas Sumatera Utara
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
Citra Kontras-Rendah dicirikan dengan sebagian besar komposisi citranya adalah
terang atau sebagian besar gelap. Tetapi, mungkin saja suatu citra tergolong
Kontras-Rendah meskipun tidak terlalu terang atau tidak terlalu gelap bila semua
Universitas Sumatera Utara
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
Berikut ini beberapa penelitian yang berhubungan dengan Implementasi Algoritma
Kombinasi Least Significant Bit +1 (LSB +1) dengan Modified Least Significant Bit
(MLSB) pada Watermarking Citra:
Universitas Sumatera Utara
Tabel 7. Penelitian yang Relevan
TAHUN
2009
JUDUL
Pendekatan metode
Least Bit Modification
untuk merancang
aplikasi
Steganography pada
file audio digital tidak
terkompresi
PENELITI
Utami, E.
HASIL PENELITIAN
2012
Aplikasi steganografi
untuk
menyembunyikan teks
dalam Media image
dengan menggunakan
metode LSB
Asep Saefullah, Aplikasi steganografi ini
Himawan,
sangat
bermanfaat
Nazori Agani
terutama
dalam
perlindungan hak cipta
(copyright)
sebuah
image dan juga
keamanan pada saat
melakukan
transfer
/pengiriman data melalui
jaringan internet. Ukuran
semula
pada
image
original dengan format
.jpg akan mengalami
kenaikan
nilai
ditambahkan
pesan
rahasia
dengan
menggunakan
format
.png.
Hasil
ekstrak
image baik berupa teks,
image, video dan audio
akan terbuka begitu saja,
sehingga
untuk
keamanan yang lebih
baik maka disarankan
dienkripsi kembali hasil
extract tersebut.
1. Ukuran file audio yang
sudah disisipkan informasi
tidak
mengalami
perubahan. Dengan tidak
berubahnya ukuran file
tersebut
maka
kemungkinan besar orang
lain tidak akan mengetahui
bahwa
ada
informasi
rahasia di dalam file
tersebut.
2. File stego tidak dapat
dideteksi secara kasat
telinga karena penurunan
kualitas suara yang terjadi
sangat kecil.
3. Output dari program ini
dapat tidak terdeteksi oleh
software
yang
dapat
mendeteksi file stego.
Universitas Sumatera Utara