Penelitian
Terkait
Pada
penilitian ini, telah di cari beberapa penelitian-penilitan yang sudah di
rancang kemudian di pilih untuk di gabungkan menjadi satu penilitan dari hasil
pilihan tersebut
Pengenalan ACM,
LSB, dan SIFT
Komunikasi
sudah menjadi bagian dalam kehidupan manusia. Terutama pada era informasi
seperti sekarang, komunikasi menjadi hal yang sangat krusial. Ada saat di mana
informasi itu bersifat penting dan rahasia. Oleh karena itu metode komunikasi
yang digunakan harus dibuat sedemikian rupa sehingga tidak ada pihak lain yang
mengetahui tentang informasi tersebut[1]. Citra (image) merupakan salah satu
bentuk data atau informasi yang disajikan secara visual. Citra memainkan
peranan penting dalam industri multimedia saat ini. Citra juga merupakan unsur
pembentuk video, sebab sebuah video pada dasarnya disusun oleh rangkaian frame
citra yang ditampilkan dalam tempo yang cepat[2]. Dalam dunia sekarang ini
keamanan teknologi menjadi pusat perhatian. Dengan meningkatnya kejahatan di
dunia maya (cyber crime), menyediakan keamanan jaringan saja tidak cukup.
Keamanan yang disediakan gambar seperti blue print dari perusahaan, gambar
rahasia yang digunakan dalam militer Footnote (boleh dikosongkan) atau
kepentingan perusahaan [3]. Contoh kejahatan di dunia maya atau cyber crime
yaitu mengambil atau memodifikasi informasi yang bukan haknya [4]. Karena hal
tersebut munculah teknik pengamanan pesan yaitu kriptografi dan steganografi.
Kriptografi diciptakan sebagai suatu teknik untuk mengamankan kerahasiaan
komunikasi. Berbagai metode telah dikembangkan untuk mengenkripsi dan
mendekripsi data untuk menjaga kerahasiaan pesan. Teknik kriptografi saja tidak
cukup untuk menjaga kerahasiaan pesan, sehingga diperlukan teknik steganografi
untuk menyembunyikan pesan dengan suatu cara sehingga tidak ada seorangpun yang
mengetahui atau menyadari bahwa ada suatu pesan rahasia yang disisipkan [2].
Algoritma Arnold Cat Map (ACM) merupakan salah satu algoritma kriptografi yang
biasa digunakan untuk melakukan enkripsi pada citra. Konsep dari algoritma ini
adalah memutar citra secara terus menerus sehingga menjadi bentuk yang tidak
terlihat. Namun, bila iterasi putaran citra tersebut telah mencapai jumlah
tertentu, citra tersebut dapat kembali seperti semula lagi[5]. Hal ini menjadi
kelemahan bagi algoritma ACM. Beberapa peneliti mencoba untuk PENYISIPAN PESAN
PADA GAMBAR MENGGUNAKAN ALGORITMA ARNOLD CAT MAP (ACM), LEAST SIGNIFICANT
BIT(LSB), DAN SCALE INVARIANT FEATURE TRANSFORM (SIFT) menggabungkan algoritma
ACM dengan algoritma kriptografi lainnya. Seperti pada penelitian berjudul “An
Efficient Image Cryptographic Technique by Applying Chaotic Logistic Map and
Arnold Cat Map”[6], peneliti menerapkan algoritma Logistic Map dan ACM untuk
melakukan enkripsi pada citra. Disebutkan bahwa hasil dari metode tersebut
cukup baik dan waktu yang dibutuhkan untuk melakukan enkripsi cukup singkat
sehingga dapat pula digunakan dalam komunikasi melalui video, aplikasi
komersil, dan sebagainya. Selain menggabungkan algoritma ACM dengan algoritma
kriptografi lainnya, algoritma ACM juga dapat digabungkan dengan teknik
steganografi. Pada jurnal yang berjudul “High Security Image Steganography with
Modified Arnold’s Cat Map”[7], peneliti mencoba untuk memodifikasi algoritma
ACM dan kemudian digabungkan dengan teknik steganografi. Hasil akhir dari
penelitian tersebut tidak aman terhadap serangan noise dan teknik kompresi
sehingga diperlukan pengembangan lebih lanjut. Dalam steganografi banyak metode
yang dikembangakan, salah satu metode yang umum digunakan adalah metode Least
Significant Bit (LSB). LSB merupakan bit terendah pada urutan nomor biner.
Tujuan dari metode LSB yaitu untuk menempatkan atau menyisipkan data ke bit
terakhir dari setiap piksel pada cover image. Penelitian pada jurnal yang
berjudul “Improved RGB-LSB Steganography Using Secret Key”[8] memodifikasi
algoritma LSB dengan menggunakan key untuk membantu dalam memilih channel warna
yang akan disisipkan pesan. Menurut peneliti, metode yang diusulkan tersebut
akan susah dipecahkan oleh orang lain bila orang tersebut tidak mengetahui key
yang digunakan. Untuk menutupi kelemahan algortima LSB , maka pada penelitian
ini dilakukan penggabungan dengan algoritma Scale Invariant Feature Transform
(SIFT). SIFT merupakan algoritma yang dapat diaplikasikan pada image matching
yang memiliki ketahanan terhadap citra yang mengalami perubahan transformasi
seperti rotasi ,ditemukan oleh David G. Lowe pada tahun 1999, seorang peneliti
dari University of British Columbia. Dalam penelitian ini algoritma SIFT suatu
citra akan di ubah menjadi vektor fitur lokal yang kemudian akan digunakan
sebagai pendekatan dalam mendeteksi objek yang dimaksud. Secara garis besar,
algoritma yang digunakan pada metode SIFT terdiri dari empat tahap, yaitu
mencari nilai ekstrim pada skala ruang, menentukan kandidat keypoint ,
penentuan orientasi, dan deskriptor keypoint[9]. Scale invariant feature
transform merupakan salah satu algoritma yang bekerja cukup baik dalam
mendeteksi ciri pada suatu citra, output dari algoritma ini berupa titik titik
kunci yang berada di sekitar pola dari citra yang biasa disebut dengan keypoint
descriptor, yang mana nantinya keypoint descriptor dari sebuah citra dapat dibandingkan
dengan keypoint descriptor pada citra lain yang selanjutnya dapat ditentukan
tingkat kemiripannya [10]. Titik-titik kunci inilah yang akan digunakan untuk
menyisipkan pesan yang telah dienkripsi menggunakan algoritma ACM. Berdasarkan
penelitian dari jurnal[7] algoritma ACM dapat digabungkan dengan teknik
steganografi. Namun karena tidak ada pengembangan terhadap teknik steganografi
maka keamanan pesan pada steganografi tidak terlalu ada peningkatan. Sementara,
pada jurnal [11] menyatakan bahwa teknik kriptografi dapat digabungkan dengan
teknik steganografi dengan modifikasi menggunakan algoritma SIFT untuk
dijadikan key dan hasilnya sangat aman untuk transaksi data dalam waktu dekat.
Oleh karena itu, peneliti memiliki ide untuk menggabungkan teknik kriptografi,
yaitu dengan algoritma ACM, dan teknik steganografi, yaitu dengan algoritma
LSB. Algoritma LSB akan dimodifikasi dengan algoritma Scale Invariant Feature
Transform (SIFT). Penggunaan algoritma ACM, LSB, dan SIFT diharapkan dapat
meningkatkan keamanan pesan dan mengatasi kelemahan dari algoritma ACM dan LSB.
Metode Yang
Diusulkan
A.
Arnold
Cat Map
Algoritma ACM
pertama diciptakan oleh Vladimir Arnold pada tahun 1960. Algoritma ACM biasa
digunakan untuk melakukan enkripsi pada file citra karena konsep dari algoritma
ini adalah memutar citra secara terus menerus sehingga menjadi bentuk yang
tidak beraturan. Namun, bila iterasi putaran citra tersebut telah mencapai
jumlah tertentu, citra tersebut dapat kembali seperti semula lagi. Rumus dari
algoritma ACM adalah:
Dimana x dan y
merupakan posisi piksel citra, misal posisi piksel (1,2) berarti x = 1 dan y =
2. Sedangkan x` dan y` adalah posisi piksel yang baru. Pada implementasinya,
nilai x` dan y` ditambah dengan 1 untuk menghindari nilai 0 karena pada
matriks, posisi awal / terkecil adalah (1,1). Nilai p dan q ditentukan sendiri
dengan syarat yaitu angka yang dipilih haruslah bilangan bulat positif dan
Nilai dari n
adalah ordo citra. Bila ukuran citra adalah 124 x 124, maka n = 124. Selain
inputan rumus diatas, diperlukan satu inputan lagi yaitu jumlah iterasi
perputaran citra yang diinginkan.
B. Least
Significant Bit LSB
adalah bit
terkecil pada urutan bilangan biner [6]. Sedangkan bit terbesarnya disebut most
significant bit (MSB). Bila terdapat bilangan biner 10000000, maka bit LSBnya
adalah angka 0 yang terletak di sebelah kanan dan bit MSBnya adalah angka 1
yang terletak di sebelah kiri. Algoritma LSB merupakan algoritma steganografi
yang paling sederhana. Algoritma ini paling sering digunakan untuk steganografi
citra, walaupun dapat pula dipakai untuk tipe steganografi lainnya. Seperti
namanya, algoritma LSB memanfaatkan bit LSB sebagai tempat untuk menyisipkan
pesan dengan cara mengubah nilai bit LSB pada cover menjadi nilai biner pesan
secara berurutan.
C.
Scale
Invariant Feature Transform
Scale Invariant
Feature Transform atau SIFT merupakan metode yang digunakan pada computer
vision untuk mendeteksi dan mendeskripsikan fitur lokal dari sebuah gambar.
Metode ini diperkenalkan oleh David Lowe pada tahun 1999. Metode SIFT ini
banyak digunakan pada pengenalan objek, mapping dan navigasi robotik, pemodelan
3D, pengenalan gestur, video tracking, dan masih banyak lagi. Metode SIFT ini
banyak digunakan karena invariant terhadap skala dan rotasi gambar, dan juga
terhadap perubahan iluminasi/pencahayaan.
D.
Mean
Square Error (MSE) dan Peak Signal to Noise Ratio (PSNR)
Penilaian
kualitas citra dilakukan dengan menggunakan besaran Mean Square Error (MSE) dan
Peak Signal to Noise Ratio (PSNR) [9]. MSE adalah rata-rata kuadrat nilai
kesalahan antara citra asli dengan citra hasil pengolahan. Semakin rendah nilai
MSE maka akan semakin baik [8]. Rumus untuk menghitung MSE adalah:
Dimana MSE =
nilai Mean Square Error citra hasil pengolahan, M = panjang citra hasil
pengolahan (dalam piksel), N = lebar citra hasil pengolahan (dalam piksel), =
nilai piksel dari citra asli, dan = nilai piksel pada citra hasil pengolahan.
Peak Signal to Noise Ratio (PSNR) adalah perbandingan antara nilai maksimum
dari sinyal yang diukur dengan besarnya derau yang berpengaruh pada sinyal
tersebut. PSNR diukur dalam satuan desibel (dB). Untuk melakukan penghitungan nilai
PSNR, terlebih dahulu harus dicari nilai MSE-nya. Semakin besar nilai PSNR maka
semakin baik kualitas citra. Rumus untuk menghitung PSNR adalah:
Dimana PSNR =
nilai PSNR citra, MAXi = nilai maksimum piksel, dan MSE = nilai MSE citra.
E.
Teknik
Penyerangan pada Citra (Attack)
Attack merupakan
teknik untuk merusak maupun memodifikasi sebuah citra yang bertujuan untuk
merusak maupun menghilangkan watermark dari sebuah citra. Teknik ini biasa
dilakukan untuk mengetahui kualitas sebuah citra apabila dilakukan sebuah
modifikasi pada citra tersebut. Dalam penelitian ini, digunakan dua teknik
attack, yaitu salt & pepper dan scratch. a. Salt & pepper Salt &
pepper merupakan salah satu jenis noise. Bentukdari metode attack ini seperti
butir-butir garam dan merica, sehingga dinamakan salt & pepper. b. Scratch
Scratch merupakan salah satu metode attack pada citra digital. Metode ini
dilakukan untuk merusak citra dengan cara membuat garis-garis pada citra.
Hasil
Implementasi
Menurut
[18], kualitas citra dianggap rendah bila nilai PSNR-nya kurang dari 30dB dan
kualitas citra dianggap tinggi bila nilai PSNR-nya di atas 40dB. Sementara bila
nilai PSNR-nya berada di antara 30dB dan 40dB, maka kualitas citra tersebut
masih dapat diterima. Berdasarkan hasil pengujian non-attack pada tabel di
atas, nilai MSE pada masing-masing stego-image cukup rendah, yaitu di bawah
0dB, dan nilai PSNR-nya cukup tinggi, yaitu sekitar 75dB – 78dB. Nilai MSE pada
“pesan1.bmp”, “pesan2.bmp”, dan “pesan3.bmp” adalah 0dB dan nilai PSNR-nya adalah
Inf (tidak terhingga) yang berarti tidak ada perubahan nilai piksel pada citra
hasil proses pengambilan pesan dengan citra pesan yang asli sehingga dapat
dikatakan bahwa kualitas stego-image yang dihasilkan dengan menggunakan metode
yang diusulkan pada penelitian ini cukup tinggi dan metode yang diusulkan dapat
mengambil kembali pesan pada stego-image dengan baik. Sedangkan pada pengujian
attack, dapat dilihat bahwa nilai PSNR untuk pengujian salt & pepper pada
stegoimage adalah sekitar 24-34 dB dan nilai PSNR pada pesan adalah sekitar
27dB – 37dB. Posisi penyebaran titik hitam dan putih yang acak memberi dampak
yang cukup besar terhadap kualitas citra pesan dan stego-image karena posisi
penyisipan yang juga dilakukan secara acak memungkinkan seringnya titik dari
salt & pepper menempati posisi piksel dimana terdapat bit biner pesan di
dalamnya. Dengan demikian metode yang diusulkan pada penelitian ini masih
rentan terhadap serangan noise seperti salt & pepper karena kualitas
stego-image yang diserang dengan salt & pepper dan pesannya rendah.
Sementara pada pengujian scratch, nilai MSE dan PSNR stego-image maupun pesan
lebih baik daripada pengujian salt & pepper. Nilai PSNR pada
“stego1-scratch”, “stego2- scratch”, dan “stego3-scratch” adalah sekitar 30dB –
36dB. Sedangkan nilai PSNR pada “pesan1-scratch”, “pesan2- scratch”, dan
“pesan3-scratch” adalah sekitar 0 dB -0,178 dB. Baik kualitas stego-image
maupun pesannya tersebut dapat dikategorikan rendah atau masih dapat diterima.
Posisi penyisipan yang acak pada metode yang diusulkan di penelitian ini dapat
membingungkan si penyerang. Bila si penyerang tidak mengetahui bahwa posisi
penyisipan dilakukan secara acak, maka si penyerang hanya akan melakukan
scratch pada bagian atas stego-image seperti yang tampak pada citra
“stego3-scratch.bmp”. Walaupun kualitas citra pesan menurun, namun kerusakan
yang ditimbulkan tidak terlalu besar bila dibandingkan dengan penyisipan yang
dilakukan secara berurutan. Dari kedua pengujian attack tersebut, dapat
disimpulkan bahwa kualitas citra stego-image maupun pesan menurun drastis namun
pesan tersebut masih dapat diketahui bentuknya.
Kontribusi
Penelitian
Penggabungan
teknik kriptografi dan steganografi menggunakan algoritma ACM, LSB, dan SIFT
dapat digunakan untuk merahasiakan pesan dengan baik. Orang yang tidak
mengetahui kunci rahasia yang digunakan akan kesulitan untuk mendapatkan pesan
pada stego-image. Kualitas stego-image yang dihasilkan cukup tinggi yaitu lebih
dari 70 dB, tetapi masih rentan terhadap serangan citra seperti salt&pepper
dan scratch sehingga dalam penelitian selanjutnya perlu pengembangan terhadap
algoritma steganografi yang digunakan.
DAFTAR PUSTAKA
1.
R.
F.-W. Suadi, “IMPLEMENTASI KRIPTOGRAFI DAN STEGANOGRAFI PADA MEDIA GAMBAR
DENGAN MENGGUNAKAN METODE DES DAN REGION-EMBED DATA DENSITY.,” pp. 1–7, 2011.
2.
V.
L. Reddy and K. S. R. M. C. Engg, “Implementation of LSB Steganography and its
Evaluation for Various File Formats,” vol. 872, pp. 868–872, 2011.
3.
J.
Kapur and A. J. Baregar, “Security Using Image Processing,” Int. J. Manag. Inf.
Technol., vol. 5, no. 2, pp. 13–21, May 2013.
4.
R.
Dean, Septian Ari Moesriami , Barmawi Ema, “MODIFIKASI METODE STEGANOGRAFI
DYNAMIC CELL SPREADING ( DCS ) PADA CITRA DIGITAL,” pp. 1–5, 2012.
5.
K.
Struss, “A Chaotic Image Encryption,” pp. 1–19, 2009.
6.
S.
V. Kumari and G. Neelima, “An Efficient Image Cryptographic Technique by
Applying Chaotic Logistic Map and Arnold Cat Map,” vol. 3, no. 9, pp.
1210–1215, 2013.
7.
M.
Mishra, “High Security Image Steganography with Modified Arnold ’ s Cat Map,”
vol. 37, no. 9, pp. 16–20, 2012.
8.
A.
Gangwar, “Improved RGB -LSB Steganography Using Secret,” vol. 4, pp. 85 –89,
2013.
9.
D.
G. Lowe, “Distinctive Image Features from Scale -Invariant Keypoints,” Int. J.
Comput. Vis., vol. 60, no. 2, pp. 91 –110, Nov. 2004.
10. S. Jatmiko,
“Analisis Dan Implementasi Penggunaan Scale Invariant Feature Transform ( SIFT
) Pada Sistem Verifikasi Tanda Tangan,” 2013.
11. N. Hamid, A.
Yahya, R. B. Ahmad, and O. M. Al - qershi, “A Comparison between Using SIFT and
SURF for Characteristic Region Based Image Steganography,” vol. 9, no. 3, pp.
110 –116, 2012.
12. P. Bateman,
“Image Steganography and Steganalysis,” Fac. Eng. Phys. Sci. Univ. Surrey, no.
August, 2008.
