Analisis Statistik dan Implementasi Image Masking Berdasarkan Hasil Error Level Analysis Pada Gambar Digital

Muhammad Fauzi Rahman, Rizky Rachman Judhie Putra, Yaya Wihardi

Abstract


Manipulasi gambar digital menjadi sebuah hal yang biasa dilakukan demi memperoleh hasil yang sesuai keinginan, baik untuk tujuan pribadi maupun tujuan lain. Error Level Analysis (ELA) adalah salah satu metode dari bidang ilmu digital forensik yang dapat digunakan untuk mendeteksi jejak manipulasi gambar digital secara visual. Penelitian ini membahas perubahan statistik yang disebabkan oleh beberapa jenis manipulasi gambar digital berdasarkan hasil ELA yang diperoleh. Statistik yang dianalisis meliputi nilai minimum, maksimum, dan rata-rata pada komponen warna merah, hijau, biru, dan magnitudo. Eksperimen menghasilkan statistik yang sangat beragam dan tidak dapat digunakan untuk menilai keaslian gambar digital. Salah satu nilai dari hasil statistik, yaitu nilai ratarata magnitudo, dapat digunakan sebagai dasar untuk mengimplementasikan image masking. Berdasarkan 8 skenario yang telah dilakukan, hanya 2 skenario yang memberikan hasil masking yang cukup membantu dalam mengidentifikasi daerah yang dapat dicurigai sebagai hasil manipulasi


Keywords


Error Level Analysis; analisis; statistik; digital forensik; image masking;

Full Text:

PDF

References


Masyarakat Telematika Indonesia, “Hasil Survey MASTEL Tentang Wabah Hoax Nasional,” 2017.

M. a Caloyannides, N. Memon, and W. Venema, “Digital Forensics,” IEEE Secur. Priv. Mag., vol. 7, no. 2, pp. 16–17, 2009.

E. Casey, Digital Evidence and Computer Crime: Forensic Science, Computers, and the Internet. Elsevier Science, 2011.

N. Krawetz, “A pictures worth digital image analysis and forensics,” Black Hat Briefings, pp. 1–31, 2007.

M. Fauzi Rahman, “Digital Image Forensics: Metadata dan Error Level Analysis Untuk Mendeteksi Manipulasi Gambar,” Universitas Pendidikan Indonesia, 2018.

N. B. A. Warif, M. Y. I. Idris, A. W. A. Wahab, and R. Salleh, “An evaluation of Error Level Analysis in image forensics,” in

5th IEEE International Conference on System Engineering and Technology (ICSET), 2015, pp. 23–28.

J. Lorenzo-Navarro, M. Castrillón-Santana, and D. HernándezSosa, “On the use of simple geometric descriptors provided by RGB-D sensors for re-identification,” Sensors, vol. 13, no. 7, pp. 8222–8238, 2013.

C. Pasquini, V. Conotter, and G. Boato, “RAISE - A Raw Images Dataset for Digital Image Forensics,” Proc. 6th ACM Multimed. Syst. Conf., 2015


Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Jurnal Aplikasi dan Teori Ilmu Komputer



Terindex oleh:

 

  
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.