PEWARNAAN CITRA GRAYSCALE MENGGUNAKAN METODE DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORK

Ricky, Muhammad (2022) PEWARNAAN CITRA GRAYSCALE MENGGUNAKAN METODE DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORK. Diploma thesis, Universitas Multi Data Palembang.

Text Muhammad Ricky 1822250088.pdf Download (1MB)

Abstract

Pewarnaan citra merupakan proses menambahkan warna pada citra grayscale, proses ini diperlukan agar perbaikan pada citra dapat dilakukan secara cepat dan tanpa keahlian khusus. Pewarnaan citra dilakukan menggunakan metode Deep Convolutional Generative Adversarial Network (DCGAN) dan metode Generative Adversarial Network (GAN) sebagai pembanding. Pelatihan model menggunakan Places365 dataset, yang berisikan 98.721 training data dan 6.600 testing data. Citra diubah ke dalam ruang warna CIELAB, dengan memanfaatkan channel L sebagai warna grayscale dan channel AB sebagai warna lainnya. Pada tahap pengujian dilakukan dengan membandingkan nilai tingkat akurasi menggunakan metode Mean Absolute Error (MAE) dan Structural Similarity Index Matrix (SSIM) serta dilakukan kuisioner terhadap 30 responden dengan 30 sampel data hasil pewarnaan masing - masing metode untuk memilih metode yang dianggap lebih baik pada proses pewarnaan citra. Hasil metode MAE menunjukkan metode DCGAN memiliki nilai rata - rata lebih kecil dibandingan dengan metode GAN dengan perolehan nilai masing - masing 10.18 dan 10.81. Selanjutnya, hasil metode SSIM menunjukkan metode DCGAN memiliki nilai rata - rata lebih tinggi dengan perolehan 91.54% sedangan metode GAN sebesar 68.32%. Hasil dari kuisioner menunjukkan metode DCGAN lebih banyak dipilih responden dibandingkan dengan metode GAN dengan perolehan nilai masing - masing 88.40% dan 11.60%.

Actions (login required)

View Item