Jurnal ICT : Information Communication & Technology Vol.
N0.
Juli 2025, pp.
p-ISSN: 2302-0261, e-ISSN: 2303-3363 Optimasi Ukuran File dalam Steganografi Gambar Menggunakan Metode Least Significant Bit dan Huffman Coding Yuliana1*.
Rohmi Dyah Astuti 2.
Ade Laelani3.
Linda Rassiyanti4.
Yusni Puspha Lestari5.
Ronal6
1,2,3,4,5
Program Studi Sains Data.
Fakultas Sains.
Institut Teknologi Sumatera.
Indonesia Program Studi Rekayasa Instrumentasi Automasi.
Fakultas Teknik Industri.
Institut Teknologi Sumatera.
Indonesia Email: 1yuliana@sd.
id, 2rohmi.
astuti@sd.
id, 3linda.
rassiyanti@sd.
lailani@sd.
id, 5yusni.
lestari@sd.
id, 6ronal@ia.
INFORMASI ARTIKEL
Histori artikel:
Naskah masuk, 1 Juli 2025
Direvisi, 28 Juli 2025
Diiterima, 31 Juli 2025
ABSTRAK
Abstract- Steganography is a technique used to conceal secret messages within digital media to maintain information confidentiality.
This study applies a message embedding method using the Least Significant Bit (LSB) algorithm, in which secret messages are directly inserted into the least significant bits of grayscale image pixels.
After the embedding process, the stego images are stored in three different formatsAiPNG.
WebP, and ZIPAito evaluate the impact of compression on message integrity and image quality.
The evaluation was carried out based on four parameters: file size, image quality degradation (PSNR), structural similarity (SSIM), and message extraction success.
The results show that the PNG format can optimally preserve both image quality and message integrity (PSNR 75.
58 dB.
SSIM 1.
, while lossy compression in WebP causes message corruption.
The ZIP format successfully maintains the integrity of the stego file.
This research focuses on evaluating the LSB method across various compression formats to optimize file size without compromising the integrity of hidden data.
Kata Kunci:
Steganografi Least Significant Bit Optimasi file Kompresi Huffman Abstrak- Steganografi merupakan teknik untuk menyembunyikan pesan rahasia dalam media digital guna menjaga kerahasiaan informasi.
Penelitian ini menerapkan metode penyisipan pesan menggunakan algoritma Least Significant Bit (LSB), di mana pesan rahasia disisipkan langsung ke dalam bit-bit paling tidak signifikan dari piksel citra Setelah proses penyisipan, citra stego disimpan dalam tiga format berbedaAiPNG.
WebP, dan ZIPAiuntuk mengevaluasi dampak kompresi terhadap integritas pesan dan kualitas citra.
Evaluasi dilakukan berdasarkan empat parameter: ukuran file, degradasi kualitas citra (PSNR), kesamaan struktur visual (SSIM), dan keberhasilan ekstraksi Hasil menunjukkan bahwa format PNG mampu mempertahankan kualitas citra dan integritas pesan secara optimal (PSNR 75,58 dB.
SSIM 1,0.
, sedangkan kompresi lossy pada WebP menyebabkan kerusakan Format ZIP terbukti dapat menjaga file stego secara utuh.
Penelitian ini fokus pada evaluasi metode LSB pada berbagai format kompresi untuk mengoptimalkan ukuran file tanpa mengorbankan keutuhan data tersembunyi.
Copyright A 2025 LPPM - STMIK IKMI Cirebon This is an open access article under the CC-BY license Penulis Korespondensi:
Yuliana Sains Data.
Fakultas Sains.
Intitut Teknologi Sumatera.
Jalan Terusan Ryacudu.
Way Huwi.
Kecamatan Jati Agung.
Kabupaten Lampung Selatan.
Provinsi Lampung 35365.
Indonesia.
Email: yuliana@sd.
https://ejournal.
id/index.
php/jict-ikmi Jurnal ICT : Information Communication & Technology Vol.
N0.
Juli 2025, pp.
Pendahuluan Perkembangan Teknologi komunikasi telah menyederhanakan dan mempercepat dalam pengiriman data.
Namun kemudahan ini meningkatkan resiko penyadapan, penyalinan, modifikasi hingga perusakan data oleh pihak pihak yang tidak berwenang.
Sehingga dibutuhkan teknologi dalam menjaga kerahasiaan data, baik saat data disimpan maupun saat data akan dikirimkan.
Salah satu Teknik dalam penyembunyian data dalam mendukung kemanan jaringan dan melindungi informasi dari akses yang tidak sah adalah steganografi .
Steganografi adalah teknik dalam menyembunyikan pesan atau data rahasia dalam suatu wadah, seperti gambar, audio, teks, dan video sehingga keberadaan data tersebut tidak diketahui.
Berbeda dengan kriptografi yang menyandikan sebuah pesan.
Steganografi menyembunyikan Dengan menyembunyikan pesan kedalam media digital tanpa merusak kualita aslinya secara signifikan menjadi metode yang efektif dalam menjaga privasi dan keamanan data, terutama ditengah komunikasi digital saat ini.
Salah satu tantangan dalam penerapan steganogarfi adalah ukuran file media yang digunakan sebagai wadah penyembuyian data.
Semakin banyak data rahasia disembunyikan maka ukuran file cenderung meningkat, hal tersebut akan menjadi indikator mencurigakan terutama dalam system komunikasi.
Perubahan ukuran file yang tidak wajar dapat memicu deteksi oleh system keamanan atau perangkat lunak analisis forensic Ukuran file yang besar dapat mempengaruhi efisiensi pengiriman, terutama jika bandwith terbatas atau transmisi dilakukan melalui jaringan nirkabel dan perangkat dengan keterbatasan sumber Oleh karena itu Teknik kompresi dapat digunakan untuk mengurangi ukuran file tanpa merusak media atau menghilangkan data tersembunyi didaammnya.
Integrasi antara teknik steganografi dan teknik kompresi tidak hanya menjaga kerasiahaan informasi tetapi juga memastikan keberhasilan pengiriman data dalam system komunikasi.
Teknik steganografi dalam menyembunyikan pesan adalah Least Significant Bit (LSB).
Least Significant Bit Least Significant Bit LSB merupakan teknik penyisipan data rahasia kedalam bit tidak signifikan dari piksel untuk contoh media gambar atau video .
Karena perubahan bit paling tidak signifikan sehingga tidakberdampak terhadap kualitas media.
Least Significant Bit dianggap sebagai metode yang sederhana namun efektif dalam menjaga tampilan asli media tetap utuh bagi pengamat biasa.
Namun, meskipun teknik ini minim https://ejournal.
id/index.
php/jict-ikmi p-ISSN: 2302-0261 e-ISSN: 2303-3363 distorsi visual, kapasitas penyisipan tetap terbatas dan dapat menjadi permasalahan ketika volume data yang disembunyikan cukup besar atau ketika file mengalami peningkatan ukuran yang mencolok.
Penelitian sebelumnya yang dilakukan oleh Fadhlirrahman tahun 2023, tentang evaluasi performa metode Least Significant Bit.
Pada penelitian tersebut metode Least Significant Bit dianggap sederhana, cepat, dengan kapasitas embedding yang cukup besar, dan masih efektif menyembunyikan pesan tanpa mudah terdeteksi.
Penelitian lainnya dilakukan oleh Yasir 2023, menggunakan Least Significant Bit untuk meningkatkan ketahanan dan imperceptibility steganogarfi Least Significant Bit terhadap visual, dengan menyisipkan data hanya diarea berstektur Dari penelitian yang dilakukan oleh Yasir di tahun 2024 melakukan kompresi menjadi suatu .
Kompresi merupakan proses pengurangan merepresentasikan informasi citra.
Salah satu jenis kompresi adalah kompresi lossless.
Kompresi lossless mempertahankan data asli secara utuh sehingga tidak ada informasi yang hilang.
Salah satu metode kompresi lossless paling popular adalah kompresi Huffman coding .
Penelitian sebelumnya yang dilakukan oleh Shilpa tahun 2014.
Tentan lossless image compression.
Pada penelitian tersebut dikaji terkait mengurangi ukuran file tanpa kehiangan informasi, kulitas citra, rasio dan kecepaan dari proses kompresi.
Mengompresi pesan dengan menggunakan Teknik Huffman coding membuat pesan rahasia menjadi lebih ringkas, sehingga mengurangi dampak terhadap ukuran file setelah proses steganografi dilakukan.
Kombinasi Least Significant Bit dan Huffman coding memungkinkan peningkatan efisiensi dan keamanan, sekaligus menurunkan probabilitas deteksi oleh sistem forensik digital, karena ukuran file tidak mengalami kenaikan yang mencolok meskipun mengandung informasi tersembunyi.
Berdasarkan penelitian sebelumnya penelitian yang dilakukan masih menerapakn LSB untuk menyisipkan pesan pada penelitian ini secara eksplisit dilakukan eksplorasi kombinasi metode LSB Huffman mengoptimalkan ukuran file hasil steganografi tanpa mengorbankan kualitas citra maupun integritas data Fokus menghadirkan pendekatan terintegrasi yang mampu menyembunyikan pesan sekaligus meminimalkan dampak terhadap ukuran file sehingga mendukung distribusi data rahasia yang efisien dan aman.
Jurnal ICT : Information Communication & Technology Vol.
N0.
Juli 2025, pp.
Metodologi Penelitian ini menerapkan metode Least Significant Bit serta mengevaluasi efektivitas beberapa teknik kompresi file lossless.
Adapun tahapan metodologi pada penelitian ini dapat dilihat pada gambar 1.
p-ISSN: 2302-0261 e-ISSN: 2303-3363 pixel yang terdiri dari 8bit akan dibagi menjadi dua bagian yaitu bagian MSB.
ost significant bi.
dan LSB .
east significat bi.
, untuk 4bit pertama yaitu bagian MSB dan 4bit berikutnya yaitu LSB.
Pada penerapan Least Significant Bit, bit LSB akan diubah menjadi nilai dari pesan yang akan Setelah media dibubuhi pesan rahasia, setiap pixel dibangun kembali menjadi gambar yang utuh menyerupai dengan media gambar semula.
Dalam proses penyembunyian data hal yang harus diperhatikan mulai dari kulaitas citra dari wadah yang tidak jauh berubah dan pesan yang disembunyikan harus dapat diekstrasi kembali.
Tahapan penyisipan pesan kedalam gambar menggunakan Least Significant Bit dapat dilihat pada table 1 Pseudocode Algorithm: LSB_Embed Tabel 1.
LSB_Embed Pseudocode Algorithm: LSB_Embed .
Input: image .
rray of pixel value.
, message .
Output: image_with_hidden_message Gambar 1.
Metodelogi penelitian Pada gambar 1 pengumpulan dataset diperoleh secara legal dari USC-SIPI Image Database.
Dataset yang digunakan terdiri dari 20 citra grayscale resolusi 512x512 piksel .
Gambar dikonversi ke grayscale dan disesuaikan ukurannya secara Tahap selanjutnya adalah praprosesing, pada tahapan ini pesan teks yang akan disisipkan dikonversi terlebih dahulu kedalam biner.
Pada penelitian ini pesan yang akan disisipkan kedalam gambar tidak akan melebihi kapasitas gambar.
Selanjutnya penyisipan pesan kedalam gambar menggunakan Least Significant Bit.
Mekanisme Least Significant Bit dapat dilihat pada gambar 2 .
Convert message to binary string Ie message_bits Append '00000000' to message_bits as end-of-message Set index Ia 0 For each pixel in image do If index Ou length of message_bits then Break End If bit Ia message_bits.
pixel Ia .
ixel AND .
OR bit Replace pixel in image with new value index Ia index 1 End For Return image_with_hidden_message Tahap berikutnya mengkompres gambar dalam format lossless.
Gambar yang sudah disisipkan pesan akan disimpan dalam tiga format PNG.
WebP dan ZIP.
Format lossless ini dipilih untuk mempertahankan bit tanpa distorsi .
Pseudocode dari algoritma Huffman Coding dapat dilihat pada Tabel 2.
Huffman_Encode Gambar 2.
Mekanisme Least Significant Bit Pada gambar 2 dapat dilihat mekanisme Least Significant Bit yang menggunakan media gambar berbasis pixel dengan nilai 8 bit .
ray valu.
Setiap https://ejournal.
id/index.
php/jict-ikmi Pseudocode Algorithm: Huffman_Encode .
Input: image_data .
rray of pixel value.
Output: encoded_bitstream, huffman_tree Count frequency of each pixel value in image_data Jurnal ICT : Information Communication & Technology Vol.
N0.
Juli 2025, pp.
Create a priority queue of nodes where each node pixel_value A While priority queue has more than one node:
Remove two nodes with lowest frequencies Create new parent node:
frequency = sum of two left = node1, right = node2 Insert new parent node into the queue The remaining node is the root of the Huffman Tree Traverse Huffman Tree to generate binary codes for each pixel value Create a dictionary:
pixel_value A binary_code Initialize empty bitstream For each pixel in image_data: Append its binary_code to the bitstream Return encoded_bitstream, huffman_tree Tahap terkahir yaitu tahapan evaluasi.
Tahapan evaluasi dilakukan berdasarkan ukuran file, degradasi kualitas citra, kesamaan struktur citra, dan ekstrasi pesan.
Hasil evaluasi akan dilakukan analisis dari berbagai format penyimpanan untuk mengetahui metode mana yang paling efisen dalam ukuran file dan kualitas citra setelah penyisipan Hasil dan Pembahasan Implementasi penerapana Least Significant Bit untuk penyembunyian pesan rahasia dalam gambar dengan optimasi ukuran file menggunakan Bahasa pemrograman python, library utama yang digunakan pada penelitian ini PIL dan numpy.
Preprocessing Pada tahap Preprocessing langkah pertama mengambil dan mengumpulkan dataset dari USCSIPI.
Citra pada dataset dikonversi ke format grayscale sehingga penyisipan hanya dilakukan pada 1 chanel.
Berikut adalah potongan kode dalam tahap Tabel 3.
dataset hasil praprosesing Nama File Ukuran Gambar .
, .
, .
, .
, .
, .
, .
Panjang Pesan .
https://ejournal.
id/index.
php/jict-ikmi p-ISSN: 2302-0261 e-ISSN: 2303-3363 , .
, .
, .
, .
, .
, .
, .
, .
, .
, .
, .
, .
, .
, .
Pada Tabel 3 ditunjukkan hasil preprocessing terhadap dataset citra yang diperoleh secara legal dari USC-SIPI Image Database.
Setiap citra pada dataset memiliki resolusi 512y512 piksel dengan format grayscale, sehingga kapasitas penyisipan bit menggunakan metode LSB 1-bit adalah sebesar 144 bit untuk setiap gambar.
Pesan rahasia yang digunakan dalam penelitian ini memiliki panjang 392 bit dan disisipkan ke seluruh citra yang ada pada Proses preprocessing dilakukan dengan memeriksa kecukupan kapasitas setiap gambar untuk memastikan pesan dapat disisipkan secara utuh tanpa melebihi kapasitas bit yang tersedia.
Hasil menunjukkan bahwa seluruh citra dalam dataset memiliki kapasitas yang memadai untuk proses penyisipan pesan menggunakan metode LSB.
Penyisipan pesan Least Significant Bit Teknik menyisipkan pesan yang dilakukan adalah menyisipkan pesan pada bit yang paling tidak significant, seperti bit paling akhir.
Tahapan yang dilakukan dalam menyisipkan pesan yaitu membaca gambar dan pesan, kemudian gambar dan pesan dikonversi kedalam pixel dan bit.
Selanjutnya bit disisipkan ke Least Significant Bit piksel gambar, dan terakhir gambar stego disimpan.
Potongan kode dalam menyisipkan pesan dapat dilihat pada gambar Jurnal ICT : Information Communication & Technology Vol.
N0.
Juli 2025, pp.
p-ISSN: 2302-0261 e-ISSN: 2303-3363 Gambar 4.
Potongan kode LSB Pada table dapat dilihat gambar dirubah menjadi matriks 1 dimensi untuk dimoddifikasi langsung.
Pada potongan code terdapat operasi bitwise untuk menghapus Least Significant Bit dari piksel yang kemudian array akan dikembalikan ke bentuk asli gambar, dan gambar hasil penyisipan akan disimpan.
Gambar 5.
contoh gambar yang di sisipi pesan Pada gambar 5 menampilkan dua buah citra yang diantaranya telah disisipi pesan AuIni adalah pesan rahasia untuk diuji pada gambar lena.
pngAy dengan steganografi metode Least Significant Bit dan citra yang tidak disisipi pesan.
Dapat dilihat bahwa kedua citra tidak terlihat perbedaannya lain hal jika biner dari citra diperlihatkan.
Kompress Huffman Coding Teknik kompres Huffman coding yang dilakukan yaitu menghitung frekuensi tiap karakter dalam pasan kemudian akan dibangun pohon Huffman dari frekuensi tiap karakter menjadi karakter kode biner, selanjutnya pesan akan di Dalam Teknik Huffman coding karakter yang sering muncul akan diberikan kode biner lebih pendek dan karakter yang jarang muncul aka diberikan kode biner yang lebih Panjang.
Gamabr 6 merupakan alur dari Huffman coding.
https://ejournal.
id/index.
php/jict-ikmi Gambar 6.
alur Huffman Coding Pada potongan kode dapat dilihat Teknik kompresi build_huffman_tree, generate_codes, huffman_encode.
Hasil kompresi adalah bit string yang lebih pendek dari ASCII biasa.
Hasil kompresi akan disimpan dalam format PNG.
WebP.
ZIP.
Evaluasi Evaluasi yang dilakukan yaitu evaluasi terhadap ukuran file.
Evaluasi Degradasi Kualitas Citra, evaluasi kesamaan struktur citra, dan evaluasi ekstrasi pesan.
Berikut merupakan evaluasi yang dilakukan pada setiap parameter.
Ukuran file Pada parameter ukuran file metode yang dilakukan adalah membandingkan ukuran file gamar sebelum dan sesudah penyisipan besar, dalam ukuran byte maupun kilobyte dengan format yang diuji yaitu PNG.
WebP dan ZIP.
Degradasi Kualitas Citra Pada parameter degradasi kualitas citra metode yang dilakukan yaitu menghitung Peak Signal to Noise Ratio antara gambar original dan gambar Ukuran peak signal to noise ratio yang tinggi diatas 40 dB Dimana perbedaan tidak terlihat oleh mata manusia.
Kesamaan Struktur Citra Pada parameter kesamaan struktur citra metode yang dilakukan menghitung structural similarity Nilai structural similarity index yang Jurnal ICT : Information Communication & Technology Vol.
N0.
Juli 2025, pp.
0 artinya gambar sangat mirip dengan aslinya.
Ekstrasi Pesan Pada parameter ekstrasi pesan metode yang digunakan yaitu mengekstrasi bit dari gambar stego dan merekonstruksi pesan.
Hasil dari evaluasi ini yaitu pesan harus indentik dengan pesan asli yang disisipkan.
p-ISSN: 2302-0261 e-ISSN: 2303-3363 mengecil karena kompresi yang dilakukan lossy, kemudian Bit Least Significant Bit berubah sehingga menyebabkan gagal ekstrasi, meskipun visual bagus Dimana SSIM yaitu 0.
9 namun fungsi steganografi sudah rusak
Table 3 pengujian LSB dan Huffman Coding Aspek Evaluasi
Ukuran File
Perubahan Ukuran PSNR terhadap Original SSIM terhadap Original Ekstraksi Pesan
PNG
30 KB
01 KB
WebP
05 KB
24 KB
ZIP
44 KB
15 KB
58 dB 38 dB 58 dB Berhasil Gagal Berhasil Gambar 7.
hasil evaluasi PSNR.
SSIM Pada Gambar 7 dapat dilihat hasil dari PSNR dan SSIM untuk setiap jenis kompresi.
PNG dan ZIP unggul dalam menjaga kualitas citra stego (PSNR tinggi.
SSIM 1,0.
serta integritas pesan.
WebP meskipun mengurangi ukuran file paling signifikan, namun menurunkan kualitas (PSNR renda.
dan mengakibatkan kegagalan ekstraksi pesan.
Analisis Komperatif Analisis komperatif dilakukan dengan melakukan pengujian terkait aspek evaluasi dan format pengujian yang dilakukan.
Table 3 merupakan hasil dari pengujian yang dilakukan untuk contoh citra pada gambar 8 dan dengan pesan AuIni adalah pesan rahasia untuk diuji pada gambar pngAy.
Gambar 8.
Contoh gambar yang disisipi pesan Pada tabel 3 dapat dilihat pesan dengan format PNG penambahan bit Least Significant Bit meningkatkan ukuran hanya 0.
01 KB, tidak ada degradasi visual Dimana nilai PSNR dangat tinggi dan SSIM adalah 1 dan pesan dapat diekstrasi Begitupun dengan format ZIP, walaupun ukuran sedikit lebih besar karena overhead ZIP, namun isi file tetap aman dan tidak ada perubahan kualitas atau struktur sehingga pesan yang disisipkan Sedangkan untuk format WebP ukuran file https://ejournal.
id/index.
php/jict-ikmi Kesimpulan Metode Least Significant Bit dengan Huffman Coding berhasil menyisipkan pesan rahasia kedalam gambar digital.
Penggunaan Huffman coding memperpendek Panjang bit pesan yang disisipkan, sehingga mengurangi beban pada media penyimpanan dan meminimalkan gangguan visual pada gambar.
Gambar dengan format PNG terbukti paling ideal untuk steganografi Least Significant Bit.
Dimana format PNG mampu mempertahankan setiap bit informasi tanpa merusak pesan yang Evaluasi kualitas menunjukan PSNR tinggi di 75.
58 dB dan SSIM sempurna di 1 yang menandakan perubahan pada citra tidak terdeteksi secara visual.
Dalam konteks pengiriman pesan rahasia yang disisipkan format ZIP sebagai media mendukung dalam distribusi gambar stego meskipun ada penambahan sedikit ukuran file yaitu 0.
15KB.
Namun format WebP tidak direkomendasikan untuk penyimpanan gambar stego karena kompresi yang digunakan mengubah struktur bit gambar termasuk bit bit Least Significant Bit tempat pesan disisipkan, meskipun ukuran file lebih kecil yaitu 4.
sehingga terdapat perubahan ukuran pada 3.
dan masih layak secara visual namun pesan yang disisipkan tidak dapat diekstrasi dengan benar.
Saran Penelitian mengembangkan teknik kompresi pesan yang lebih adaptif seperti Arithmetic Coding atau LZW guna meningkatkan efisiensi ukuran pesan serta mengeksplorasi format citra lossless lain seperti TIFF atau BMP sebagai alternatif PNG.
Selain itu perlu dilakukan pengujian dengan kapasitas pesan yang lebih besar untuk mengetahui batas optimal penyisipan tanpa menurunkan kualitas citra, serta mengkaji ketahanan pesan terhadap berbagai transformasi citra seperti rotasi, cropping, dan Jurnal ICT : Information Communication & Technology Vol.
N0.
Juli 2025, pp.
p-ISSN: 2302-0261
e-ISSN: 2303-3363
Daftar Pustaka