Steganografi Citra Digital Menggunakan LSB dengan Seleksi Koefisien Berbasis CNN
Keywords:
steganografi, LSB, CNN, MobileNetV2, PSNR, SSIMAbstract
Pesatnya pertukaran data digital meningkatkan risiko kebocoran informasi sehingga dibutuhkan metode pengamanan imperceptible. Steganografi Least Significant Bit (LSB) menyembunyikan pesan pada bit terakhir piksel, namun LSB konvensional yang menyisip secara berurutan tanpa mempertimbangkan tekstur citra rentan terhadap steganalysis. Penelitian ini mengintegrasikan LSB dengan Convolutional Neural Network (CNN) MobileNetV2 untuk pemilihan lokasi adaptif. Citra cover di-resize 224x224, dinormalisasi, dan diekstraksi pada layer block_13_expand_relu untuk menghasilkan peta koefisien tekstur. Threshold Top-X% (10%-90%) digunakan untuk membentuk binary map penentu piksel aman. Pengujian pada 20 citra (10 ALASKA, 10 smartphone) menggunakan PSNR, SSIM, MSE dan jumlah perubahan piksel. Hasil menunjukkan kualitas sangat baik dengan PSNR rata-rata 85,80 dB, SSIM 0,999996, dan MSE 0,000794, jauh di atas ambang imperceptible 30 dB. Metode LSB+CNN menurunkan perubahan piksel dari 2234,5 menjadi 1531,7 (31,45%), membuktikan pemilihan piksel yang lebih selektif pada area bertekstur kompleks sehingga visual tetap terjaga.
References
Abdul Jalil Rozaqi, Arief, M. R., & Sunyoto, A. (2021). Implementation of Transfer Learning in the Convolutional Neural Network Algorithm for Identification of Potato Leaf Disease. Procedia of Engineering and Life Science, 1(1). https://doi.org/10.21070/pels.v1i1.820
Alfarisi, M. L., Herisda, M., Kalamsyah, S. A., Nugraha, Y. A., Salsabila, S., & Prasetio, M. D. (2025). EVALUASI MODEL ANN, CNN, DAN SVM UNTUK KLASIFIKASI GAMBAR CIFAR-10. 9(1), 1–10.
Catur Nugroho, & Muslihudin. (2022). Steganografi Pada Pengiriman Teks Pesan Gambar dengan Metode Least Significant Bit & Steghide. Jurnal Ilmu Siber, 1(vol. 1 No.2), 1–4.
Dijaya, R. (2023). Pengolahan Citra Digital. https://doi.org/https://doi.org/10.21070/2023/978-623-464-075-5
Ilham, M., & Kirana, C. (n.d.). LSB DAN DCT BERDASARKAN PSNR DAN SSIM Abstraksi Keywords : Pendahuluan Tinjauan Pustaka Metode Penelitian.
Khozin, M., Novitaningrum, D., Aprilia, T., & Samas, M. A. (2025). Peningkatan Keamanan Steganografi Citra Berbasis Least Significant Bit dengan Integrasi Algoritma Deep Learning Convolutional Neural Network (CNN). Jurnal Surya Informatika, 15(1), 41–45.
Kusuma, P., & Prayudi, Y. (2025). Implementasi Steganografi Dengan Menggunakan Metode Masking And Filtering Untuk Menyisipkan Pesan Ke Dalam Spectrogram Audio. Ajie, 9(January), 1–15. https://doi.org/10.20885/ajie.vol9.iss1.art1
Pratama, A. S. S., Prasetya Wibawa, A., & Nur Handayani, A. (2022). Convolutional Neural Network (Cnn) Untuk Menentukan Gagrak Wayang Kulit. Jurnal Mnemonic, 5(2), 98–102. https://doi.org/10.36040/mnemonic.v5i2.4671
Rahmatillah, S. R., Tahir, M., Detina, H. I. L., Darmasaputra, A., Laili, I. I., Aliy, Z., & Soleha, R. (2024). Steganografi Keamanan Data Dengan Metode Least. JURSISTEKNI (Jurnal Sistem Informasi Dan Teknologi Informasi), 6(2), 439–447.
Ramdani, S., & Rahmatulloh, A. (2024). Implementasi Mobilenet untuk Klasifikasi Gambar dan Deteksi Emosi Menggunakan KERAS. Jurnal Sistem Dan Teknologi Informasi (JustIN), 12(2), 259. https://doi.org/10.26418/justin.v12i2.73389
Uray Ristian, J. , S. H. S. (2020). Perbandingan Steganografi Metode Least Significant Bit+3 (Lsb+3) Dengan Most Significant Bit (Msb). Coding Jurnal Komputer Dan Aplikasi, 8(1). https://doi.org/10.26418/coding.v8i1.39195
Yonathan, F. D., Nasution, H., & Priyanto, H. (2021). Aplikasi Pengaman Dokumen Digital Menggunakan Algoritma Kriptografi Hybrid dan Algoritma Kompresi Huffman. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 7(2), 181. https://doi.org/10.26418/jp.v7i2.47077
