Diyah Ayu Listiyoningsih Jurusan Informatika Fakultas MIPA Universitas Sebelas Maret

HUBUNGAN BANYAK PESAN YANG TERSIMPAN DENGAN PROSENTASE PEROLEHAN PESAN AKIBAT CROPPING DAN NOISING PADA STEGANOGRAFI DENGAN METODE MODIFIKASI LEAST SIGNIFICANT BIT Sarngadi Palgunadi Y

Diyah Ayu Listiyoningsih

Jurusan Informatika Fakultas MIPA Universitas Sebelas Maret [email protected]

Jurusan Informatika Fakultas MIPA Universitas Sebelas Maret [email protected]

dalam [5], menggunakan metode yang sama dengan hasil file teks. Listiyoningsih dkk., dalam [4], mengkaji modifikasi algoritma LSB terhadap ketahanan cropping dan noising. Akan tetapi hubungan antara besar pesan yang tersimpan dalam stego file dengan besar prosentase perolehan pesan setelah terjadinya cropping dan noising belam dikaji. Penelititan ini bermaksud untuk mengkaji sampai sejauhmana hasil perolehan pesan jika terjadi cropping dan noising.

ABSTRACT Metode modifikasi Least Significant Bit (LSB) merupakan suatu metode steganografi yang digunakan untuk menyembunyikan pesan rahasia (secret file) pada media lain (carrier file) sehingga didapatkan stego file yang dimana pesan yang disembunyikan menjadi aman. Metode modifikasi LSB ini mampu meningkatkan ketahanan pesan terhadap cropping dan noise [2]. Gani YA, dalam [2], menggunakan Chinese Remainder Theorem (CRT) untuk memperpecat proses deskripsi RSA. Basuki, dkk, dalam [1], membahas tentang penyembunyian data teks pada image mengunakan metode LSB dengan hasil file image, sedangkan Morkel and Oliver, dalam [5], menggunakan metode yang sama dengan hasil file teks. Listiyoningsih dkk., dalam [4], mengkaji modifikasi algoritma LSB terhadap ketahanan cropping dan noising. Pada penelitian ini dikaji hubungan antara banyak pesan tersimpan dengan pesan yang diperoleh pada saat terjadinya cropping dan noising pada steganografi. Cropping yang dilakukan adalah sebesar 10%, 20%, 30% dari stego file. Dengan demikian penelitian ini menggunakan 80 stego file. Besarnya hubungan dikaji dengan teknik regresi. Hasil penelitian menunjukkan bahwa koefieien korelasi linear hubungan antara banyak pesan yang tersimpan dengan prosentase perolehan pesan saat cropping 10%, 20%, 30% berturut-turut adalah r = -0,754, r = -0,886 dan r = - 0.924. Jika x menyatakan besar pesan tersimpan (dlm byte) dan y adalah % perolehan pesan, maka persamaan regresi hubungan tersebut berturut-turut adalah y =101,30,000487 x, y = 112,3-0,005348 x, dan y = 113,1- 0,006316 x. Koefisien korelasi hubungan besar pesan tersimpan dengan perolehan pesan akibat noise adalah R = -0,756 dan persamaan regresinya y = 98,29 – 0,005439 x

2. DASAR TEORI 2.1. Steganografi Steganografi adalah ilmu seni untuk menyembunyikan pesan rahasia (hiding message) sedemikian sehingga keberadaan pesan tidak terdeteksi oleh indera manusia [6]. Kriteria steganografi[1,5,6], yaitu: - Imprectible : pesan rahasia tidak dapat diketehui secara perceptual - Fidelity : kualitas stego file tidak berubah signifikan akibat penyisipan - Recovery : pesan yang di sembunyikan dapat diungkapkan kembali - Robustness (optional) : pesan tersembunyi masih dapat diekstraksi meskipun stego file telah diberi gangguan (noise, cropping, rotation, scalling dll) 2.2. Metode Modifikasi LSB Metode modifikasi LSB merupakan suatu modifikasi yang dilakukan pada metode LSB dengan menggunakan metode RSA untuk enkripsi pesan dan metode kombinasi RSA dan Chinese Remainder Theorem untuk dekripsi pesan [4]. Modifikasi LSB ini untuk meningkatkan ketahanan pesan terhadap serangan cropping dan noise. Secara garis besar proses encode dan decode pesan dengan metode modifikasi LSB adalah sebagai berikut [4].

Kata kunci: Least Significant Bit (LSB), modifikasi LSB, cropping, noising, regresi

2.2.1. Encode Pesan Algoritma encode pesan pada metode modifikasi LSB, dalam [4], yaitu

1. PENDAHULUAN Steganografi merupakan ilmu untuk menyembunyikan pesan rahasia sehingga tidak terdeteksi indera manusia [4]. Salah satu metode steganografi adalah Least Significant Bit (LSB). Metode ini menyisipkan data rahasia ke dalam bit akhir media lain. Kekurangan metode ini adalah tidak tahan terhadap serangan cropping dan noise sehinggan pesan tersimpan hilang. Beberapa penelitian tentang steganografi dengan RSA telah dilakukan. Gani YA, dalam [2], menggunakan Chinese Remainder Theorem (CRT) untuk memperpecat proses deskripsi RSA. Basuki, dkk, dalam [1], membahas tentang penyembunyian data teks pada image mengunakan metode LSB dengan hasil file image, sedangkan Morkel and Oliver,

Input : image, text pesan, text kunci Output : image / stego file Proses : 1. Bagi pesan text menjadi 100 fragmen pesan 2. Enkripsi fragmen pesan menggunakan metode RSA sehingga didapatkan fragmen ciphertext 3. Konversi fragmen ciphertext menjadi bit-bit biner 8 bit 4. Pecah setiap piksel image menjadi byte-byte RGB (Red, Green, Blue) 5. Ganti (replace) bit-bit terakhir dari byte-byte RGB pada image dengan bit-bit fragmen ciphertext 6. Konversi bit-bit hasil penggantian tersebut menjadi stego file 1

2. Ambil byte kunci dari byte image 3. Ambil byte nomor fragmen, ukuran fragmen ciphertext dan fragmen ciphertext 4. Dekripsi fragmen-fragmen ciphertext dengan menggunakan algoritma kombinasi RSA dan CRT sehingga didapatkan fragmenfragmen plaintext 5. Gabung fragmen-fragmen plaintext menjadi satu plaintext (pesan)

Mulai

Inputkan data

Image (jpg atau png)

Pesan

Kunci

Dapatkan ukuran pesan

Dapatkan ukuran gambar

Cek kapasitas image terhadap pesan

Tampilkan peringatan bahwa image tidak cukup

T

Cukup?

Mulai Y

Dapatkan bytebyte piksel image

Byte piksel image

Bagi pesan menjadi 100 fragmen

Nomor fragmen

Inputkan data

Fragmen pesan

Enkripsi dengan RSA

Image (Stego file)

Kunci

Dapatkan byte-byte piksel image

Konversi ke desimal (ASCII)

Byte-byte piksel image

Desimal (ASCII)

Dapatkan bit-bit piksel image

Konversi ke biner 8 bit

Bit-bit piksel image

Bit kunci

Dapatkan bit-bit piksel image Fragmen Ciphertext

Bit-bit piksel image

Dapatkan ukuran fragmen ciphertext

Ukuran fragmen ciphertext

T

Bangun stego fragmen yang meliputi kunci, nomor fragmen, ukuran ciphertext dan ciphertext secara berurutan

Dapatkan bit-bit terakhir piksel image

Dapatkan bit-bit stego fragmen

Stego fragmen

Bit-bit terakhir piksel image

Cek kapasitas image terhadap stego fragmen

Bit-bit stego fragmen

Pisahkan bit nomor fragmen dan bit fragmen ciphertext

Cukup? Y

Dapatkan bit-bit stego fragmen

Bit nomor fragmen

Bit-bit stego fragmen

Replace bit-bit terakhir piksel image dengan bit-bit stego fragmen

Bit fragmen ciphertext

Konversi bit ke desimal (ASCII)

Salin bit-bit stego fragmen sebanyak kapasitas yang dapat ditampung bit-bit terakhir piksel image

Nomor fragmen

Fragmen-fragmen ciphertext

Set bit -bit hasil menjadi stego file *png

Dekripsi dengan Algoritma RSA-CRT

Stego file

Selesai

Fragmen-fragmen plaintext

Gambar 1. Flowchart Encode Pesan ke Image [4] Gabungkan fragmenfragmen plaintext sesuai urutan nomor fragmen

Sesuai flowchart pada gambar 1, pesan dibagi menjadi 100 fragmen untuk meminimalkan ukuran penyimpanan nomor fragmen dan fragmen pesan itu sendiri. Algoritma pembagian pesan menjadi 100 fragmen [4] adalah

Plaintext

Selesai

Gambar 2. Flowchart Decode Pesan dari Stego file [4]

Input : pesan text Output : fragmen pesan Proses : 1. Inisialisasikan variabel jumlah fragmen, yaitu 100 2. Hitung panjang pesan text 3. Bagi pesan menjadi 100 fragmen. Hasil bagi = panjang pesan / jumlah fragmen 4. Jika hasil bagi = 0, maka pecah karakter pesan text menjadi 100 fragmen 5. Jika hasil bagi ≠ 0, maka fragmen ke 0-98 = fragmen pesan dengan ukuran sesuai hasil bagi, sedangkan fragmen ke 99 = fragmen pesan dengan ukuran sesuai sisa bagi

2.3. Regresi Regresi merupakan suatu metode untuk mengetahui hubungan antara 2 atau lebih variabel. Jenis-jenis regresi yaitu curve fiting, regeresil linier, regresi eksponensial dan regresi polinomial [3]. 3. METODOLOGI PENELITIAN 3.1. Pemilihan Data Data eksperimentasi yang digunakan adalah image berukuran 400 x 300 piksel disajikan pada Gambar 3a, sedangkan gambar stego file dengan cropping 30% disajikan pada gambar 3b dan stego file dengan noising disajikan pada gambar 3c. Besar pesan teks yang disembunyikan dalam file image tersebut berturut-turut berukuran 100, 500, 1000, 1500, 2000, 2500, 3000, 3500, 4000, 4500, 5000, 5500, 6000, 6500, 7000, 7500, 8000, 8500, 9000, dan 9400 byte. Dengan demikian pada penelitian mengkaji 80 stego file.

2.2.2. Decode Pesan Algoritma decode pesan pada modifikasi metode LSB, dalam [4] adalah Input : image (stego file), text kunci Output : pesan Proses : 1. Pecah setiap piksel image

2

3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Gambar 3a. Image Asli

1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000 6500 7000 7500 8000 8500 9000 9400

1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000 6500 7000 7300 7750 8120 8551 8903

100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 97,33 96,88 95,53 95,01 94,71

Tabel 2. Prosentase perolehan pesan pada cropping 20% Ukuran pesan yang ditemukan No Ukuran Pesan Tersimpan (Byte) Byte % 1 100 100 100,00 2 500 500 100,00 3 1000 1000 100,00 4 1500 1500 100,00 5 2000 2000 100,00 6 2500 2500 100,00 7 3000 3000 100,00 8 3500 3500 100,00 9 4000 4000 100,00 10 4500 4500 100,00 11 5000 5000 100,00 12 5500 5012 91,13 13 6000 5190 86,50 14 6500 5308 81,66 15 7000 5340 76,29 16 7500 5470 72,93 17 8000 5280 66,00 18 8500 5242 61,67 19 9000 4954 55,04 20 9400 4340 46,17

Gambar 3b. Stego file dengan cropping 30%

Gambar 3c. Stego file dengan noising 3.2. Implementasi Upaya mendapatkan data pesan yang ditemukan dari hasil cropping dan noise berdasarkan jumlah pesan tertentu, digunakan aplikasi dari penelitian Listiyoningsih, dkk [4] Sedangkan untuk mengetahui hubungan antara besar byte pesan yang tersimpan dengan prosentase perolehan pesan akibat cropping dan noise, digunakan metode regresi dari Minitab 16 Statistical Software. 3.3. Metode Pengujian Metode cropping yang diterapkan pada stego file masingmasing sebesar 10%, 20% , dan 30%. Noise ditambahkan pada seluruh permukaan stego file secara acak dan sama untuk setiap stego file. Pemilihan metode cropping dan noising tersebut untuk mendapatkan sampel data yang akurat agar didapatkan hubungan antara besar byte pesan yang tersimpan dengan prosentase perolehan pesan akibat cropping dan noising.

Tabel 3. Prosentase perolehan pesan pada Cropping 30% Ukuran pesan yang ditemukan Ukuran Pesan No Tersimpan (Byte) Byte % 1 100 100 100,00 2 500 500 100,00 3 1000 1000 100,00 4 1500 1500 100,00 5 2000 2000 100,00 6 2500 2500 100,00 7 3000 3000 100,00 8 3500 3500 100,00 9 4000 3945 98,63 10 4500 4190 93,11 11 5000 4530 90,60 12 5500 4721 85,84 13 6000 4890 81,50 14 6500 4956 76,25 15 7000 5120 73,14 16 7500 4890 65,20 17 8000 4210 52,63 18 8500 4340 51,06

4. HASIL DAN PEMBAHASAN

Hasil eksperimen adalah sebagai berikut 4.1. Hasil Cropping Hasil dari cropping yang dilakukan pada stego file sebesar 10%, 20% dan 30% secara berturut-turut disajikan pada Tabel 1, 2 dan 3. Tabel 1. Prosentase perolehan pesan pada cropping 10% Ukuran pesan yang ditemukan Ukuran Pesan No Tersimpan (Byte) Byte % 1 100 100 100,00 2 500 500 100,00

3

19 20

9000 9400

4520 4184

Pada saat cropping 30 %, perhitungan koefisien korelasi (r) menunjukkan bahwa r = - 0, 924 (p =0.000), dengan persamaan regresi y= 113,1 – 0,006316x.

50,22 44,51

Perhitungan koefisien korelasi (r) dan persamaan regresi hubungan antara besar pesan tersimpan (x) dengan persentase perolehan pesan (y), pada masing-masing kasus cropping disajikan dalam Gambar 4, 5 dan 6.

Dari uraian di muka, nampak bahwa (i) terdapat hubungan negatif yang erat antara besar prosentase pesan yang ditemukan dengan besar pesan yang tersimpan, dan (ii) semakin persentase besar copping maka semakin besar pula keeratan hubungan antarabesar pesan tersimpan dengan persentase pesan yang dapat diperoleh.

Fitted Line Plot

Prosentase pesan yang ditemukan = 101,3 - 0,000487 Pesan tersimpan

Prosentase pesan yang ditemukan

105,0

Regression 95% CI 95% PI

102,5

S R-Sq R-Sq(adj)

4.2. Hasil Penambahan Noise Penambahan noise pada stego file menghasilkan dua kondisi pesan yang dapat diperoleh, yaitu pesan sehat dan pesan rusak. Suatu pesan dikatakan sebagai pesan sehat jika semua karakter dari pesan yang ditemukan sesuai dengan pesan tersimpan, sedangkan suatu pesan dikatakan sebagai pesan rusak jika terdapat karakter dari pesan yang ditemukan tidak sesuai pesan tersimpan

1,28339 56,8% 54,4%

100,0

97,5

95,0

0

Tabel 4. Prosentase perolehan pesan ketika noising Ukuran Pesan Prosentase pesan yang ditemukan (%) No Tersimpan Rusak Sehat Total (Byte) 1 100 5,00 95,00 100

1000 2000 3000 4000 5000 6000 7000 8000 9000

Pesan tersimpan

Gambar 4. Rekapitulasi R pada saat cropping 10% Pada saat cropping 10 %, perhitungan koefisien korelasi (r) menunjukkan bahwa r = - 0, 754 (p =0.000), dengan persamaan regresi y= 101,3 – 0,000487 x.

Fitted Line Plot

Prosentase pesan yang ditemukan

Prosentase pesan yang ditemukan = 112,3 - 0,005348 Pesan tersimpan

2

500

6,94

93,06

98,00

3

1000

4,53

95,47

95,00

4

1500

4,00

96,00

90,00

5

2000

3,38

96,62

87,15

6

2500

3,73

96,27

73,96

7

3000

3,62

96,38

70,00

8

3500

3,51

96,49

79,71

90

9

4000

4,95

95,05

78,73

80

10

4500

6,14

93,86

85,82

11

5000

8,69

91,31

65,80

12

5500

8,34

91,66

68,04

13

6000

10,14

89,86

71,48

14

6500 7000

10,60

89,40

67,18

15

11,15

88,85

65,57

16

7500

11,96

88,04

59,87

17

8000

13,19

86,81

53,18

18

8500

12,87

87,13

49,26

19

9000

13,18

86,82

47,29

20

9400

14,66

85,34

42,97

Regression 95% CI 95% PI

130 120

S R-Sq R-Sq(adj)

110 100

8,45658 78,5% 77,3%

70 60 50 40 0

1000 2000 3000 4000 5000 6000 7000 8000 9000 Pesan tersimpan

Gambar 5. Rekapitulasi R pada saat cropping 20% Pada saat cropping 20 %, perhitungan koefisien korelasi (r) menunjukkan bahwa r = - 0, 886 (p =0.000), dengan persamaan regresi y= 112,3 – 0,005348 x. Fitted Line Plot

Prosentase pesan yang ditemukan = 113,1 - 0,006316 Pesan tersimpan

Prosentase pesan yang ditemukan

140

Regression 95% CI 95% PI

120

S R-Sq R-Sq(adj)

100

7,91598 85,3% 84,5%

Dengan memperhatikan Tabel 4, penelitian ini mengkaji adanya 3 hubungan sebagai berikut: 1. Hubungan banyak pesan yang tersimpan dengan prosentase pesan yang ditemukan 2. Hubungan banyak pesan yang ditemukan dengan prosentase pesan sehat 3. Hubungan banyak pesan yang ditemukan dengan prosentase pesan rusak

80 60 40 0

1000 2000 3000 4000 5000 6000 7000 8000 9000 Pesan tersimpan

Perhitungan ketiga hubungan tersebut secara berturut-turut disajikan pada Gambar 7,8 dan 9.

Gambar 6. Rekapitulasi R pada saat cropping 30%

4

pesan yang ditemukan dengan prosentase pesan rusak saat noising

Fitted Line Plot

Prosentase pesan yang ditemukan = 98,29 - 0,005439 Pesan tersimpan

Prosentase pesan yang ditemukan

120

Regression 95% CI 95% PI

110

S R-Sq R-Sq(adj)

100 90

Hubungan banyak pesan yang ditemukan dengan prosentase pesan rusak sangat erat dengan koefisien relasi r = 0,756 (p=0,000). Jika x adalah besar pesan yang ditemukan sedangkan y adalah persentase perolehan pesan rusak, maka persamaan regresi yang diperoleh adalah dan persamaan regresi y=1,996 + 0,002015x

5,62690 89,5% 88,9%

80 70 60 50

5. KESIMPULAN

40 30 0

Penelitian ini menyimpulkan bahwa (i) terdapat hubungan negatif yang erat antara besar prosentase pesan yang ditemukan dengan besar pesan yang tersimpan; (ii) semakin persentase besar copping maka semakin besar pula keeratan hubungan antara besar pesan tersimpan dengan persentase pesan yang dapat diperoleh; (iii) terdapat hubungan antara besar pesan tersimpan dengan perolehan pesan akibat noise (r = -0,946), dan (iv) terdapat hubungan antara besar pesan yang diperoleh dengan perolehan pesan rusak akibat noise (r = 0.756)

1000 2000 3000 4000 5000 6000 7000 8000 9000 Pesan tersimpan

Gambar 7. Rekapitulasi R yang menyatakan hubungan banyak pesan tersimpan dengan prosentase perolehan pesan saat noising Hubungan banyak pesan tersimpan dengan prosentase perolehan pesan sangat erat dengan koefisien relasi r = -0,946 (p=0,000). Jika x adalah besar pesan tersimpan sedangkan y adalah persentase perolehan pesan, maka persamaan regresi yang diperoleh adalah y = 98,29-0,005439 x.

6. DAFTAR PUSTAKA [1] Basuki, Dwi Kurnia, Nadhori, Isbat Uzzin, Maulana. 2009. Data hiding steganograph pada file image menggunakan metode LSB. Jurnal Teknik Informatika, ITS Surabaya [2] Gani Yuri Anri. 2007. Penerapan metode Chinese Remainder Theorem pada RSA. Sekolah Teknik Elektro dan Informatika ITB. [3] Kurniawan, Deni. 2008. Regresi Linier (Linier Regression). Forum Statistika. Speaks With Data. http://ineddeni.wordpress.com [4] Listiyoningsih, Diyah Ayu. Sarngadi Palgunadi Y, dan Esti Suryani. 2013. Modifikasi Least Significant Bit pada Carrier File Image dengan Metode Enkripsi RSA dan Chinese Remainder Theorem untuk Meningkatkan Penyimpanan Pesan. Prosiding Seminar Nasional Pengaplikasian Telematika. SINAPTIKA. 21 September 2013. [5] Morkel, Eloff dan Oliver. 2005. An Overview of Image Steganography. Information and Computer Security Architecture (ICSA). Research Group. Department of Compyter Science. University of Pretoria. South Africa [6] Munir, Rinaldi. 2006. Kriptografi dan Steganografi. Bandung : Informatika. [7] Prabowo, Anton. Hidayatno, Achmad, dan Christiyono, Yuli. 2008. Penyembunyian Data Rahasia Pada Citra Digital Berbasis Chaos dan Discrete Cosine Transform. Jurusan Teknik Elektro. Fakultas Teknik. Universitas Diponegoro Semarang

Fitted Line Plot

Prosentase pesan sehat = 98,00 - 0,002015 Pesan yang ditemukan

Prosentase pesan sehat

105

Regression 95% CI 95% PI

100

S R-Sq R-Sq(adj)

2,62445 57,1% 54,7%

95

90

85

80 0

1000

2000 3000 Pesan yang ditemukan

4000

5000

Gambar 7. Rekapitulasi R dari hubungan banyak pesan yang ditemukan dengan prosentase pesan sehat saat noising Hubungan banyak pesan yang ditemukan dengan prosentase pesan sehat sangat erat dengan koefisien relasi r = -0,756 (p=0,000). Jika x adalah besar pesan yang ditemukan sedangkan y adalah persentase perolehan pesan sehat, maka persamaan regresi yang diperoleh adalah y = 98,00-0,002015 x. Fitted Line Plot

Prosentase pesan rusak = 1,996 + 0,002015 Pesan yang ditemukan

Prosentase pesan rusak

20

Regression 95% CI 95% PI

15

S R-Sq R-Sq(adj)

2,62365 57,2% 54,8%

10

5

0

-5 0

1000

2000 3000 Pesan yang ditemukan

4000

5000

Gambar 7. Rekapitulasi R yang menyatakan hubungan banyak

5