Steganalysis LSB Matching pada Grayscale Image menggunakan Machine Learning
DOI:
https://doi.org/10.52661/j_ict.v3i1.69Keywords:
steganography, machine learning, steganalysis, artificial intelligence, LSBAbstract
Pada era digital saat ini teknik-teknik menyembunyikan pesan atau steganografi pada sebuah data telah mengalami perkembangan. Sehingga diperlukannya pengembangan teknik untuk mendeteksi pesan tersebut yang dapat dilakukan dengan metode steganalisis. Tujuan steganalisis yaitu untuk mengetahui apakah dalam suatu objek berisi pesan rahasia atau tidak. Terdapat dua metode steganografi secara garis besar yaitu LSB Replacement dan LSB Matching. Penerapan LSB Replacement dalam steganografi menyebabkan ketidakseimbangan dalam histogram gambar yang dapat dengan mudah dieksploitasi dengan metode statistik untuk steganalisis. Metode kedua yaitu LSB Matching dapat memecahkan masalah pada LSB Replacement dengan secara acak menambah atau mengurangi nilai piksel dengan 1 dalam kasus ketidakcocokan bit LSB untuk menghindari masalah ketidakseimbangan histogram dan membuatnya sulit untuk melakukan steganalysis dengan metode statistik saja, maka untuk mengatasi hal tersebut pada penelitian ini melakukan teknik steganalysis dengan penggunaan machine learning untuk keberadaan LSB matching dalam gambar grayscale (skala abu-abu) menggunakan teknik klasifikasi.
Downloads
Published
How to Cite
Issue
Section
License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.