Steganalisis Audio Digital Dengan Discrete Wavelet Transform Menggunakan Metode Random Forest Classifier
Abstrak
Abstrak — Perkembangan teknologi digital telah memudahkan pertukaran informasi namun juga membuka celah bagi penyalahgunaan, salah satunya melalui penyisipan pesan tersembunyi atau steganografi dalam audio digital. Untuk mengatasi potensi ancaman ini, penelitian ini mengusulkan sistem steganalisis audio digital menggunakan metode Discrete Wavelet Transform (DWT) dan algoritma klasifikasi Random Forest. Penelitian ini difokuskan pada deteksi keberadaan pesan tersembunyi pada file audio WAV. Dataset terdiri dari 900 file audio berdurasi 10 detik, meliputi data non-stego, stego dengan metode Echo Hiding, dan LSB. Ekstraksi fitur dilakukan hingga level 3 dekomposisi DWT dengan empat fitur statistik: mean, standar deviasi, entropi, dan energi. Hasil pengujian menunjukkan bahwa kombinasi DWT level 3 dan Echo Hiding memberikan performa terbaik dengan akurasi 91,11% dan AUC 0,99. Sebaliknya, metode LSB menunjukkan indikasi overfitting. Hasil ini menegaskan bahwa pendekatan berbasis domain frekuensi seperti DWT lebih efektif dibandingkan pendekatan domain biner seperti LSB.
Kata kunci — steganalisis, discrete wavelet transform, echohiding, least significant bit, random forest, audio digital
Referensi
[1] A. W. Prastomo, R. W. Ciptasari, and F. Sthevanie, “Steganalisis Audio Berbasis Derivative Spectral pada Domain Fourier Audio Steganalysis Based on Derivative Spectral in Fourier Domain.”
[2] R. Din and A. J. Qasim, “Steganography analysis techniques applied to audio and image files,” Bulletin of Electrical Engineering and Informatics, vol. 8, no. 4, pp. 1297–1302, Dec. 2019, doi: 10.11591/eei.v8i4.1626.
[3] E. W. Abood, Z. A. Abduljabbar, M. A. Al Sibahee, M. A. Hussain, and Z. A. Hussien, “Securing audio transmission based on encoding and steganography,” Indonesian Journal of Electrical Engineering and Computer Science, vol. 22, no. 3, pp. 1777–1786, Jun. 2021, doi: 10.11591/ijeecs.v22.i3.pp1777-1786.
[4] I. Adriansyah, M. D. Mahendra, E. Rasywir, and Y. Pratama, “Perbandingan Metode Random Forest Classifier dan SVM Pada Klasifikasi Kemampuan Level Beradaptasi Pembelajaran Jarak Jauh Siswa,” Bulletin of Informatics and Data Science, vol. 1, no. 2, 2022, [Online]. Available: https://ejurnal.pdsi.or.id/index.php/bids/index
[5] Z. Wu, J. Guo, C. Zhang, and C. Li, “Steganography and steganalysis in voice over ip: A review,” Feb. 02, 2021, MDPI AG. doi: 10.3390/s21041032.
[6] F. Chikita Venna, F. Sains, and D. Teknologi, “IMPLEMENTASI STEGANOGRAFI AUDIO PADA FILE WAV DENGAN METODE REDUNDANT PATTERN ENCODING (RPE) BERBASIS ANDROID SKRIPSI Oleh : PROGRAM STUDI TEKNIK INFORMATIKA.”
[7] H. 1, T. Wahyuningsih , and E. Rahwanto, “Comparison of Min-Max normalization and Z-Score Normalization in the K-nearest neighbor (kNN) Algorithm to Test the Accuracy of Types of Breast Cancer.” [Online]. Available: http://archive.ics.uci.edu/ml.
[8] F. Adhanadi, L. Novamizanti, and G. Budiman, “DWT-SMM-based audio steganography with RSA encryption and compressive sampling,” Telkomnika (Telecommunication Computing Electronics and Control), vol. 18, no. 2, pp. 1095–1104, Apr. 2020, doi: 10.12928/TELKOMNIKA.v18i2.14833.
[9] N. A. Setyawan, D. B. Hidayat, and S. Sa’idah, “STEGANALISIS AUDIO DIGITAL DENGAN DISCRETE WAVELET TRANSFORM MENGGUNAKAN METODE SUPPORT VECTOR MACHINE CLASSIFIER AUDIO DIGITAL STEGANALYSIS WITH DISCRETE WAVELET TRANSFORM USING SUPPORT VECTOR MACHINE CLASSIFIER.”
