Di era yang semakin maju, berbagai macam cara komunikasi dapat dilakukan, salah satunya dengan menyembunyikan pesan ke dalam suatu objek lain. Hal ini disebut dengan steganografi. Untuk mengontrol kemungkinan adanya dampak buruk dari steganografi, maka diperlukan adanya steganalisis.
Objek dari Steganalisis adalah untuk mendeteksi pesan tersembunyi pada suatu cover citra, seperti citra dijital. Pada paper ini, kami menyajikan sebuah metode steganalisis yang dapat mendeteksi pesan tersembunyi pada citra dijital dengan menggunakan metode DCT (Discrete Cosine Transform) dan digunakan PCA (Principal component Analysis) untuk mereduksi citra dijital. K-Nearest Neighbor untuk klasifikasi.
Hasil pengujian yang didapatkan adalah 64,5% untuk citra ukuran 128, 64% untuk citra ukuran 256, 58,5% untuk citra dijital ukuran 512. Untuk pengujian pengaruh layer terhadap performansi akurasi didapatkan hasil akurasi terbaik sebesar 66% untuk citra ukuran 256 pada layer merah, 64% untuk citra ukuran 256 pada layer hijau, dan 78% untuk citra ukuran 128 pada layer biru. Untuk pengujian pengaruh nilai koefisien pada K-NN terhadap akurasi didapatkan akurasi sebesar 50,4% untuk K=1, 56,75% untuk K=3, 67,125% untuk K=5, 70,084% untuk K=7, dan 64,91% untuk K=9. Untuk pengaruh jenis jarak K-NN terhadap akurasi didapatkan akurasi sebesar 70,6% untuk penggunaan euclidean, 69,677% untuk penggunaan cityblock, 70,7% untuk penggunaan cosine, 52,467% untuk penggunaan correlation. Selain itu, untuk pengujian panjang pesan terhadap performansi akurasi didapatkan hasil akurasi terbaik sebesar 100% saat penyisipan pesan secara menyeluruh dan 3 KB dengan ukuran gambar 128.
Berdasarkan pengujian yang dilakukan, dapat disimpulkan bahwa penggunaan terbaik dapat dilakukan dengan menggunakan distance cosine dengan k=7 pada ukuran gambar 128.
Katakunci: Steganalisis, DCT, K-Nearest Neighboor, PCA.
In this era, various kind of communication way can be done, one of them is hiding message into another object. This is called steganography. For controlling a possibility of steganography negative impact, then it is required steganalysis.
The object of steganalysis is to detect message hidden in cover image, such as digital image.In this research, we present a steganalysis method that can detect an existing hidden message in a digital image using DCT (Discrete Cosine Transform) method and it is used PCA to reduce the digital image. K-Nearest Neighbor to classify.
The experiment result accuracy are 64,5% for image with size 128, 64% for image with size 256, and 58,5% for image with size 512. For the effect of layer experiment to the performance accuracy are taken the best accuracy result as big as 66% for image with size 256 in the red layer, 64% for image with size 256 in the green layer, and 78% for image with size 128 in the blue layer. While the effect of K value used in K-NN to the performance accuracy are 50,4% for K=1, 56,75% for K=3, 67,125% for K=5, 70,084% for K=7, and 64,91% for K=9. The effect of sort of K-NN used to the performance accuracy is 70,6% for Euclidean K-NN, 69,677% for Cityblock K-NN, 70,7% for Cosine K-NN, and 52,467% for Correlation. Beside that, for the experiment of message to the performance accuracy are taken the best accuracy as big as 100 % for full message insertion, and 3 KB message insertion.with the image size is 128.
According to the experiment that had been done, can be conclude that the best utility can be used when using cosine distance with k=7 in 128 image size.
Keyword : Steganalysis, Discrete Cosine Transform (DCT), K-Nearest Neighbor (K-NN), Principal Component Anlysis (PCA)