<![CDATA[Perkembangan keamanan digital terus mengalami kemajuan pesat, khususnya di bidang steganografi. Steganografi adalah teknik menyembunyikan data agar tidak mudah terdeteksi. Salah satu teknik populer pada citra JPEG adalah Least Significant Bit (LSB). Namun, teknik ini sering disalahgunakan, sehingga meningkatkan risiko terhadap keamanan data dan menuntut adanya metode deteksi yang andal. Tujuan penelitian ini adalah mengembangkan metode deteksi steganografi yang efektif dengan menggunakan Gaussian Mixture Models (GMM). Metodologi yang digunakan melibatkan pengolahan dataset yang terdiri dari dua kelas: citra asli dan citra yang telah disisipkan pesan tersembunyi menggunakan teknik LSB. Dataset ini kemudian dianalisis menggunakan model GMM untuk mendeteksi pola-pola steganografi. Hasil evaluasi menunjukkan bahwa GMM mencapai akurasi 78,67%, presisi 89,15%, dan recall 69,70%. Selain itu, nilai AUC-ROC sebesar 86,59% menunjukkan kemampuan yang baik dalam membedakan citra asli dan steganografi. Kesimpulannya, GMM merupakan metode yang efektif dan efisien untuk deteksi steganografi adaptif, menawarkan tingkat akurasi tinggi dengan kebutuhan sumber daya yang lebih ringan dibandingkan metode lain.]]>
Copyrights © 2024
