TINJAUAN PUSTAKA
2.1
Citra Menurut Gonzalez (2002), citra diartikan sebagai bentuk representasi dua
dimensi (2-D) dari intensitas cahaya yang ditulis sebagai fungsi f(x,y), dimana x dan y menunjukkan letak koordinat dan titik (x,y) tersebut ditunjuk oleh fungsi nilai f. Citra digital adalah sebuah image f(x,y) yang telah dibuat pada koordinat dengan tingkat intensitas cahaya tertentu. Citra digital dapat ditampilkan sebagai matriks dua dimensi dengan baris dan kolomnya berisi posisi (x,y) citra, sedangkan elemennya menyatakan nilai warna pada posisi tersebut. Elemen pada citra digital disebut sebagai piksel. Setiap piksel terdiri dari 3 komponen warna yaitu R(Red), G(Green), dan B(Blue). Pada model warna RGB setiap warna yang dihasilkan merupakan hasil perpaduan antara ketiga warna dasar, yaitu merah, hijau dan biru. Model ini disusun berbasiskan koordinat cartesius, dimana warna hitam berfungsi sebagai titik pusat koordinat(R=0, G=0, B=0), dan warna putih berada pada titik terjauh (R=255, G=255, B=255), sedangkan warna abu-abu berada pada suatu titik dimana ketiga warna merah, hijau dan biru memiliki nilai yang sama ( contoh : R=50, G =50 , B=50). Untuk lebih jelasnya dapat dilihat pada gambar berikut.
Gambar 1. Model warna RGB dalam bentuk koordinat Cartesius Sumber : http://www.siggraph.org/education/materials/HyperGraph/color/colorgb.htm
5
Jadi dengan representasi 256 x 256 x 256 warna sistem RGB dapat menghasilkan 16,8 juta jenis warna. Tentu sangat banyak kombinasi dibandingkan dengan representasi warna yang diwakilkan kurang dari 24 bit atau true color . Dengan perkembangan teknologi hardware, sekarang graphic card sudah dapat memberikan efek warna 32 bit, di mana 8 bit selebihnya diperuntukkan besarnya intensitas terang dari warna, dilambangkan dengan α. Dengan besar intensitas warna 8 bit atau 256 maka model warna juga dapat direpresentasikan dalam heksa-desimal 2 digit, mulai dari level terkecil 00 sampai dengan yang tertinggi FF (255).
2.2 Dokumen Bitmap (.bmp)
Dokumen bitmap .bmp merupakan salah satu format gambar/citra. Pada suatu dokumen .bmp dapat tersimpan mulai dari 1 bit warna (hitam/putih) hingga 24 bit warna (true color). 2.2.1 Struktur Dokumen Bitmap
Gambar 2. Struktur dokumen bitmap .bmp
6
Struktur format dokumen ini seperti terlihat pada Gambar 2 memiliki 4 bagian : header, info header, optional pallete dan image data. Bagian header bitmap berisikan 14 byte data yang berisikan informasi yang menyatakan identifikasi sebagai suatu dokumen bitmap, besar atau ukuran data pada dokumen ini, beserta informasi awal pembacaan dokumen bitmap. Bagian info header sepanjang 40 bytes berisikan informasi tinggi dan lebar citra,jumlah bit/pixel, resolusi, besarnya dokumen, jenis kompresi (bila ada) serta definisi yang berhubungan dengan warna yang dipakai. Metode kompresi citra dapat dikategorikan menjadi dua macam, lossless dan lossy. Pada metode lossless, tidak ada nilai piksel yang berubah namun pada metode lossy ada piksel yang nilainya berubah, hanya saja perubahannya sedemikian kecil sehingga tidak tampak oleh mata. Kompresi yang digunakan pada dokumen bitmap masih sangat sederhana, untuk bitmap berukuran kecil masih dapat memperlihatkan kompresi yang berarti, namun semakin besar ukuran dokumen, semakin lemah juga hasil kompresi yang didapatkan. Tabel 1. memperlihatkan tipe kompresi bitmap.
Tabel.1 Jenis kompresi pada dokumen bitmap Nilai kompresi
Jenis kompresi
0
Tidak ada kompresi
1
Kompresi 8 bit
2
Kompresi 4 bit
3
RGB dengan masking
Bagian optional palette mencatat warna-warna yang dipaksakan/penting untuk dipakai dalam bitmap yang kurang dari 24 bit (true color bitmap). Jadi bagian ini bisa ada ataupun tidak . Pada true color bitmap tidak ada optional palette. Bagian image data, berisikan data-data yang akan dikonversi sebagai warna tampilan gambar/citra yang akan terlihat dimonitor.
7
2.2.2 Keunggulan dan Kekurangan Dokumen Bitmap Keunggulan dokumen bitmap adalah sangat mudah untuk dibuat, dapat mengambil data tiap piksel data dengan sistem koordinat, manipulasi tiap piksel dapat dengan mudah dilakukan sesuai dengan kapasitas warna dapat disimpan. Kekurangan dokumen bitmap adalah besarnya ukuran dokumen bahkan dengan adanya teknik kompresi, untuk dokumen berukuran sangat besar kompresi tidak mampu untuk memperkecil lebih dari ukuran dokumen. Selain itu dokumen bitmap sulit untuk diubah skala resolusinya, kadang-kadang akan mengakibatkan perubahaan kepadatan warna.
2.3
Steganografi Menurut Johnson (1998) kata Steganografi mempunyai arti yang sama
dengan “tulisan yg dilindungi” dimana dulunya ini merupakan metode untuk penyampaian pesan rahasia yang berfungsi untuk mempertahankan kerahasiaan dari pesan tersebut. Steganografi adalah seni dalam mempertahankan kerahasiaan informasi tanpa mengubah maksud dari informasi tersebut. Steganografi dapat dikatakan sebagai bentuk lain dari kriptografi. Baik Steganografi maupun kriptografi telah digunakan sejak dahulu sebagai media untuk perlindungan pesan. Steganografi mengkamuflasekan sebuah informasi sehingga tersembunyi dan tidak dapat dilihat pada informasi pembawanya sedangkan kriptografi mengubah pesan menjadi bentuk lain (disebut siferteks) sehingga pesan semula tidak dapat dicerna. Tujuan utama dari penyembunyian informasi pada steganografi yaitu agar pihak yang mengetahui lokasi keberadaan informasi dapat mengekstraknya. (Busch, 1999). Steganografi sangat mirip dengan kriptografi karena memiliki fungsi yang sama yaitu menyampaikan pesan yang tidak dapat dibaca oleh orang lain selain si penerima. Untuk faktor keamanan seringkali Steganografi digabungkan dengan kriptografi sehingga pesan yang disampaikan dienkripsi terlebih dahulu dan kemudian disisipkan ke dalam piksel-piksel sebuah image (Kesler,2001).
8
Gambar 3. Ilustrasi perbedaan antara Kriptografi dengan Steganografi
2.4
Algoritma Penyisipan dan Ekstrasi
Proses Penyisipan Pesan Steganografi berarti “tulisan yang tersembunyi”, hal ini mengacu pada teknik secara umum tentang bagaimana mengolah informasi rahasia sedemikian rupa sehingga keberadaan informasi tidak terlihat oleh orang lain. Pada gambar dibawah ini, Cover (C) menunjukkan media pembawa dari pesan yang dijadikan sebagai penyembunyi keberadaan pesan. Message (M) menunjukkan pesan yang ingin dirahasiakan keberadaannya. Stego-Key (K) memastikan hanya orang yang mengetahui kunci rahasialah yang bisa membaca pesan tersembunyi tersebut (Zollner, 1998).
Gambar 4. Proses Penyisipan Pesan (Zollner, 1998)
9
Proses penyisipan pesan dilakukan secara zigzag, dimulai dari kiri ke kanan kemudian turun ke bawah lalu ke kanan dan turun ke bawah kembali lagi dari kiri ke kanan dan seterusnya ( Wu dan Tsai, 2003) sebagaimana ilustrasi Gambar 5.
Gambar 5. Proses penyisipan file cover secara zigzag dalam satu blok yang tidak saling beririsan.
Proses Ekstraksi Pesan Untuk mengambil pesan dalam file stego image dilakukan proses ekstraksi pesan. Proses ekstraksi dilakukan dengan membaca (stego object) dengan menggunakan implementasi algoritma ekstraksi pesan sehingga pesan yang terdapat pada stego object akan diketahui.
Gambar 6. Proses mendapat pesan 2.5. Algoritma LSB Salah satu teknik steganografi adalah LSB (Least Significant Bit). Sesuai dengan namanya ia merupakan teknik yang menyisipkan/menggantikan bit-bit terkecil masing-masing RGB dalam suatu warna piksel pada sebuah image.
10
Algoritma LSB bekerja dengan cara sebagai berikut : 1) Memecah warna-warna dari piksel menjadi nilai-nilai Red,Green,Blue 2) Mengganti nilai-nilai RGB tersebut menjadi biner 3) Mengubah nilai masing-masing pesan yang akan dimasukkan ke bentuk biner 4) Mengantikan bit-bit yang paling tidak berpengaruh (pertama) dari biner R,G,B pada image dengan bit-bit dari pesan tadi. 5) Setelah disisipkan mengubah kembali hasil dari nilai-nilai bit R,G,B ke dalam nilai desimal. 6) Mengabungkan kembali nilai-nilai R,G,B menjadi nilai warna. Pada suatu piksel yang terdiri dari nilai RGB, terdapat susunan bit-bit yang membentuk nilai masing-masing RGB, dimana susunan bit tersebut dipisahkan menjadi dua bagian, yaitu : 1. Least Significant Bits (LSB) Least Significant Bits disini berarti bit-bit yang memiliki nilai lebih kecil dibandingkan bit-bit lainnya dimulai dari bit yang pertama sampai bit keempat, dimana perubahaan pada nilai Lsb ini tidak begitu mempegaruhi perubahan warna suatu piksel.
2. Most Significant Bits (MSB) Most Significant Bits disini berarti bit-bit yang memiliki nilai lebih besar dari pada bit lainnya dimulai dari bit yang terakhir sampai bit kelima, dimana nilai Msb ini merupakan nilai yang memiliki pengaruh besar pada warna piksel jika dilakukan perubahan pada bit tersebut.
Proses Penyisipan Pesan Dalam menyisipkan k-LSB ke cover dibentuk dari persamaan
(
)
I s (x, y ) = I o (x, y ) − Mod I o ( x, y ),2 k + B ( x, y )
(1)
11
dimana I s ( x, y ) adalah intensitas piksel (x,y) dari stego-image, I o ( x, y ) adalah intensitas piksel (x,y) dari cover image, B(x, y ) adalah nilai desimal dari suatu blok yang ditempelkan pada piksel (x,y) dan mod (.) merupakan operasi modular. Sebagai contoh, didalam penyisipan 4-LSB (yaitu k = 4) , anggap blok pertama data rahasia berisi empat bit “1001” , yaitu
B(0,0) = 10012 = 9 dan I o (0,0 ) =
100010102= 138, sehingga didapatkan hasil yang akan ditempelkan adalah I s (0,0 ) = 138 – mod (138, 24) + 9 = 137 = 100010012.
Proses Ekstraksi Pesan 1. Konversi nilai desimal kedalam biner dengan panjang 8 bit. 2. Ambil nilai biner, pengambilan nilai biner tergantung pada proses penyisipan, dalam hal ini pesan yang disisipkan sebanyak k bit, maka bit yang diambil adalah k bit Lsb.
2.6 Algoritma Pixel Value Differencing (PVD) Algoritma PVD ini ditemukan oleh Da-Chun Wu dan Wen-Hsiang Tsai pada tahun 2003. Sistem arah pencarian selisih dua piksel terdekat seperti pada Gambar 5, menghitung selisih dua piksel menggunakan persamaan (2) di bawah ini. Selisih ini akan menentukan besarnya kapasitas pesan yang dapat disisipkan. Pada daerah kontras, dimana selisih antara dua piksel besar, daya tampung menjadi besar. Sebaliknya pada daerah halus, dimana selisih antara dua piksel kecil akan menyebabkan daya tampung menjadi sedikit. di = |P(i,x)-P(i,y)|
(2)
Selisih yang diperoleh digunakan untuk mencari batas bawah (lj) dan batas atas (uj) berdasarkan tabel jangkauan (Tabel 3) yang dipilih. Nilai lj dan uj digunakan untuk menghitung wj = uj - lj + 1 sehingga diperolah nilai ti menggunakan persamaan (3). ti = log(wj)
(3)
12
Nilai ti yang diperoleh digunakan untuk mencari di’ = ti’ + lj , dimana ti’ adalah nilai desimal dari ti. Langkah selanjutnya adalah menghitung nilai P(i,x) dan P(i,y) setelah disisipkan pesan menggunakan persamaan (4). Algoritma PVD secara lengkap bekerja sebagai berikut :
Proses Penyisipan 1. Untuk setiap titik yang berurutan ( P(i,x) dan P(i,y) ) pada cover image hitung perbedaan antara nilai P(i,x) dan P(i,y) sebagai di. Berdasarkan nilai di carilah nilai batas bawah (lj) dan batas atas (uj) dari tabel jangkauan Rj. 2. Hitung nilai wj = uj-lj +1 3. Hitung nilai ti=log(wj) dengan basis logaritma 2. 4. Nilai ti adalah menentukan jumlah bit pesan yang dapat disisipkan 5. Ambil pesan sepanjang ti ,
adalah nilai desimal dari ti
6. Hitung nilai 7. Hitung nilai 8. Carilah nilai
(
'
dan
dengan menggunakan persamaan (4)
⎧( P(i , x ) + ⎡m / 2⎤, P(i , y ) − ⎣m / 2⎦), ⎪ jika P ≥ P dan d ' > d ; (i , x ) (i , y ) i i ⎪ ⎪( P(i , x ) − ⎣m / 2⎦, P(i , y ) + ⎡m / 2⎤), ⎪ ' ' ⎪ jika P(i , x ) < P(i , y ) dan d i > d i ; )=⎨ (i , y ) ⎪( P(i , x ) − ⎡m / 2⎤, P(i , y ) + ⎣m / 2⎦), ⎪ jika P(i , x ) ≥ P(i , y ) dan d i' ≤ d i ; ⎪ ⎪( P(i , x ) + ⎡m / 2⎤, P(i , y ) − ⎣m / 2⎦), ⎪ jika P < P dan d ' ≤ d ; (i, x ) (i , y ) i i ⎩
P( ) , P i,x
(4)
Proses Ekstraksi Pesan Pada proses ekstraksi pesan, pencarian selisih piksel terdekat sesuai dengan Gambar 6. Selengkapnya proses ekstrasi pada algoritma PVD sebagai berikut : 1.
Untuk setiap titik yang berurutan ( image hitung perbedaan antara nilai
dan dan
) pada stego sebagai
13
yang dimutlakkan. Berdasarkan nilai
carilah nilai batas bawah
(lj) dan batas atas (uj) dari tabel jangkauan Rj. 2. Hitung nilai wj = uj-lj +1 3.
Hitung nilai ti=log(wj) dengan basis logaritma 2.
4. Nilai ti adalah menentukan jumlah bit pesan yang telah disisipkan 5. Hitung
, konversi nilai
kedalam biner dengan
panjang ti 6.
Hasil konversi nilai
kedalam biner dengan panjang ti
merupakan pesan yang disembunyikan
2.7
PSNR (Peak Signal to Noise Ratio) PSNR adalah nilai yang menyatakan tingkat noise atas image yang telah
disisipi pesan dengan satuan desibel (db). Semakin besar nilai PSNR perbedaan antara stego image dan cover image semakin kecil, sebaliknya semakin kecil nilai PSNR menunjukkan bahwa perbedaan antara stego image dan cover image semakin besar (Chen, 2006). Menurut Cole (2003) nilai PSNR dikatakan baik jika berada diatas nilai 20; artinya di bawah nilai 20 distorsi yang terjadi sangat besar antara stego image dan cover image. Sedangkan untuk nilai MSE yang besar menyatakan penyimpangan atau selisih antara cover image dan stego image cukup besar. Untuk gambar warna dengan komponen Red, Green dan Blue nilai MSE secara keseluruhan merupakan jumlah dari MSE untuk setiap komponen Red, Green dan Blue dibagi tiga. Persamaan untuk mencari PSNR sebagai berikut : PSNR = 10 Log10 (2552 / MSE )
(5)
Sedangkan formula untuk menghitung nilai MSE adalah sebagai berikut : MSE =
1 mxn
m
n
i =1
i =1
∑∑
I(i) = cover image K(i) = stego image M = lebar image N = tinggi image
2
I (i , i ) − K ( i , j )
( 6)
14
2.8
Metode Evaluasi Kinerja Untuk mengukur tingkat keberhasilan algoritma digunakan kriteria obyektif
dan subyektif. Kriteria obyektif didasarkan pada perhitungan matematis menggunakan nilai MSE dan PSNR sedangkan kriteria subyektif berdasarkan hasil pengamatan manusia. Penilaian ini didasarkan atas karateristik pengamatan manusia (Human Visual System). Pengujian subyektif umumnya dilakukan dengan mengukur MOS (mean opinion survey) sebagai berikut : Tabel 2. Level distrosi pengukuran mean opinion survey
Nilai 1 2
Level Distorsi
Kualitas Gambar
Sangat Tidak
Perbedaan antara cover image dan stego image
Mirip
sangat jelas
Tidak Mirip
Antara cover image dan stego image ada perbedaan sedikit
3
Mirip
Antara cover image dan stego image mirip
4
Sangat Mirip
Antara cover image dan stego image sangat mirip/ tidak dapat dibedakan
Untuk mengukur MOS dilakukan dengan menyebarkan kuesioner terhadap 60 responden yang terdiri dari 30 responden bergerak dibidang komputer dan 30 responden tidak bergerak dibidang komputer.
Teknik sampling Menurut Hair (2006) ada dua tipe sampling yang dapat digunakan pada penelitian yaitu : 1. Non Random/non probability sampling Pemilihan sample dilakukan atas pertimbangan peneliti secara personal dan opini-opini lain yang mendukung pemilihan sample tersebut.
15
Adapun tipe-tipe Non Probability Sampling yaitu : a. Convenience Sampling Metode sampling dimana sample yang diambil berdasarkan keinginan pribadi dari peneliti. b. Judgment Sampling Metode sampling dimana responden dipilih berdasarkan pengalaman yang dimilikinya, dimana pengalaman tersebut dipercaya dapat memenuhi kebutuhan penelitian. c. Quota Sampling Metode sampling dimana responden dipilih berdasarkan kuota tertentu yang telah ditetapkan, misal: demografis, tingkah laku atau kriteria lainnya. d. Snowball Sampling Metode sampling dimana sekumpulan responden dipilih lalu para responden
tersebut
membantu
peneliti
untuk
menentukan
orang
selanjutnya yang dianggap memenuhi kriteria untuk diikutsertakan dalam penelitian. 2. Random/ probability sampling Setiap bagian dari populasi memiliki kesempatan yang sama untuk dapat terpilih mewakili sample penelitian. Adapun tipe-tipe Probability Sampling yaitu : a. Simple Random Sampling Metode sampling dimana setiap sample yang ada di dalam populasi memiliki kesempatan yang sama besar untuk dipilih. b. Systematic Random Sampling Metode sampling dimana sample yang ada disusun berdasarkan urutan tertentu. c. Stratified Random Sampling Metode sampling dimana populasi yang ada dibagi ke dalam grup yang disebut strata dan sampel akan diambil dari tiap strata yang ada.
16
Pada penelitian ini menggunakan teknik stratified random sampling dimana sampel dari populasi dibagi kedalam dua kelompok yaitu (1) kelompok responden yang bergerak dalam bidang komputer (2) kelompok responden yang tidak bergerak dalam bidang komputer yang masing-masing berjumlah 30 responden. d. Cluster Sampling Metode sampling dimana tiap unit sample dibagi ke dalam sub populasi yang lebih kecil yang disebut cluster. Tiap cluster diasumsikan sebagai perwakilan dari populasi yang ada.
Teknik Pengumpulan Data Kuisioner adalah serangkaian pertanyaan dimana responden mengisi jawabanjawaban , biasanya dengan alternatif-alternatif yang mendekati jawaban-jawaban mereka (Sekaran, 2003). Kuisioner adalah mekanisme pengumpulan data yang efisien dimana peneliti mengetahui dengan tepat apa yang diminta dan bagaimana mengukur variabel-variabel. Dalam penelitian ini, instrumen yang akan dipakai dalam mengumpulkan data adalah kuisioner.
