<![CDATA[Abstrak - Steganografi video berbasis Least Significant Bit (LSB) merupakan metode yang banyak digunakan karena kesederhanaan implementasinya. Namun, pendekatan konvensional masih berpotensi menimbulkan distorsi visual yang berdampak pada penurunan imperceptibility. Penelitian ini mengusulkan metode steganografi video LSB multi-bit adaptif berbasis Support Vector Machine (SVM) untuk mengoptimalkan imperceptibility dalam proses penyisipan data. Pendekatan adaptif dilakukan dengan memanfaatkan fitur karakteristik citra, seperti tekstur dan kompleksitas piksel, yang diekstraksi dari setiap frame video. Selanjutnya, model SVM digunakan untuk mengklasifikasikan area frame ke dalam kategori wilayah halus dan kompleks, sehingga jumlah bit penyisipan dapat ditentukan secara dinamis. Area dengan tingkat kompleksitas tinggi dialokasikan jumlah bit yang lebih besar, sedangkan area halus dibatasi untuk meminimalkan distorsi visual. Evaluasi kinerja metode dilakukan menggunakan metrik Peak Signal-to-Noise Ratio (PSNR) dan Structural Similarity Index (SSIM). Hasil eksperimen menunjukkan bahwa metode yang diusulkan mampu menghasilkan kualitas visual video stego yang tinggi dengan nilai PSNR rata-rata sebesar 46,42 dB dan SSIM rata-rata sebesar 0,9427, yang mengindikasikan tingkat kemiripan visual yang sangat baik antara video cover dan video stego. Dengan demikian, metode yang diusulkan efektif dalam mengoptimalkan imperceptibility tanpa mengorbankan kapasitas penyisipan data secara signifikan. Kata kunci : Steganografi video; LSB multi-bit; Support Vector Machine (SVM); imperceptibility; Abstract - Video steganography based on the Least Significant Bit (LSB) method is widely used due to its simplicity of implementation. However, conventional approaches still have the potential to introduce visual distortion, which affects imperceptibility. This study proposes an adaptive multi-bit LSB video steganography method based on Support Vector Machine (SVM) to optimize imperceptibility in the data embedding process. The adaptive approach is carried out by utilizing image characteristic features, such as texture and pixel complexity, extracted from each video frame. Furthermore, the SVM model is employed to classify frame regions into smooth and complex areas, enabling the number of embedding bits to be determined dynamically. Regions with higher complexity are allocated a greater number of embedding bits, while smooth regions are limited to minimize visual distortion. The performance of the proposed method is evaluated using the Peak Signal-to-Noise Ratio (PSNR) and Structural Similarity Index (SSIM) metrics. Experimental results show that the proposed method is capable of producing high-quality stego video with an average PSNR value of 46.42 dB and an average SSIM value of 0.9427, indicating a very high level of visual similarity between the cover video and the stego video. Therefore, the proposed method is effective in optimizing imperceptibility without significantly compromising data embedding capacity. Keywords: Video steganography; multi-bit LSB; Support Vector Machine (SVM); imperceptibility;]]>
