DETEKSI POSISI PESAN RAHASIA PADA CITRA STEGANOGRAFI
BERBASIS LSB MENGGUNAKAN DISCRETE WAVELET TRANSFORM
DAN KLASIFIKASI SVM

ANINDITA FITRIANI

Informasi Umum

Kode

19.04.822

Klasifikasi

C -

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing

Dilihat

232 kali

Informasi Lainnya

Abstraksi

Pada zaman di era globalisasi ini, perkembangan teknologi dan informasi sudah semakin meningkat. Seiring perkembangan teknologi yang semakin meningkat ini, kondisi privasi setiap orang semakin berkurang sedangkan kebutuhan privasi setiap orang harus tetap dipertahankan. Oleh karena itu, dibutuhkan sebuah teknik untuk menyembunyikan suatu pesan rahasia ke dalam sebuah media sehingga ruang privasi atau informasi kita dapat terjaga. Teknik tersebut dinamakan steganography. Meskipun teknik steganography ini semakin berkembang dan banyak digunakan oleh masyarakat untuk kepentingan privasi mereka, namun steganography juga mempunyai efek negatif dimana seseorang memanfaatkan teknik steganography tersebut untuk disalahgunakan dan tidak bertanggung jawab. Oleh karena itu, terciptalah sebuah teknik untuk menyerang teknik steganography itu sendiri yang dinamakan steganalysis. Tujuan dari steganalysis itu sendiri adalah untuk mengetahui ada atau tidaknya pesan yang tersisipi pada suatu media. Pada penelitian steganalysis kali ini merupakan steganalysis dalam domain Discrete Wavelet Transform dengan metode klasifikasi menggunakan SVM pada citra yang tersteganografi dengan LSB. Adapun proses yang dilalui pada perancangan sistem kali ini yaitu : akuisisi data, ekstraksi ciri, klasifikasi,setelah sudah terbagi menjadi kelas citra stego dan kelas citra asli maka dilanjutkan dengan deteksi posisi sisipan dan volume. Terdeteksinya posisi dan volume sisipan pesan rahasia lebih mudah bagi masyarakat untuk mengetahui isi pesan rahasia yang disisipkan. Pada sistem ini didapatkan akurasi sebesar 65% untuk hasil tertingginya dengan jumlah pesan yang disisipkan sebanyak 9 karakter dengan menggunakan ukuran citra 128x128 yang didekomposisikan dengan DWT level-3 dan diklasifikasikan menggunakan klasifikasi SVM. Pada pengujian deteksi posisi dan volume didapatkan akurasi 69%.