TRUNOJOYO-Tugas Akhir-36378-Cover.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-36378-Abstract.pdf
Restricted to Repository staff only
Download (271kB)
TRUNOJOYO-Tugas Akhir-36378-Chapter1.pdf
Restricted to Repository staff only
Download (262kB)
TRUNOJOYO-Tugas Akhir-36378-Chapter2.pdf
Restricted to Repository staff only
Download (741kB)
TRUNOJOYO-Tugas Akhir-36378-Chapter3.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-36378-Chapter4.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-36378-Chapter5.pdf
Restricted to Repository staff only
Download (247kB)
TRUNOJOYO-Tugas Akhir-36378-Conclusion.pdf
Restricted to Repository staff only
Download (247kB)
TRUNOJOYO-Tugas Akhir-36378-References.pdf
Restricted to Repository staff only
Download (258kB)
Abstract
Batik, sebagai warisan budaya Indonesia yang diakui UNESCO, melibatkan proses pembuatan yang kompleks dan memakan waktu, terutama pada tahap pewarnaan sketsa. Digitalisasi dan inovasi dalam proses ini menjadi krusial untuk pelestarian dan pengembangan seni batik di era modern. Penelitian ini bertujuan untuk mengimplementasikan Generative Adversarial Network (GAN) Pix2Pix guna otomatisasi transformasi sketsa batik menjadi berwarna. Fokus utama adalah perbandingan kinerja arsitektur generator U-Net, yang unggul dalam menjaga detail spasial melalui skip-connections, dengan ResNet, yang mampu mempelajari fiturfitur yang lebih dalam dan kompleks. Penelitian ini menggunakan total 1164 pasang citra, yang dibagi menjadi 931 data latih, 117 data validasi, dan 116 data uji. Evaluasi dilakukan melalui lima skenario eksperimen yang berbeda. Dalam penelitian ini, discriminator yang digunakan adalah PatchGAN, sementara generator diuji dengan dua arsitektur berbeda: ResNet dan U-Net. Model dilatih dengan hyperparameter yang konsisten, termasuk batch size 1, optimizer Adam (learning rate 0.00002, beta 0.05), serta loss function L1 untuk generator dan binary crossentropy untuk discriminator, dengan pengujian pada 50 dan 100 epoch. Augmentasi data hanya dilakukan melalui rotasi untuk mempertahankan karakteristik motif batik. Evaluasi kuantitatif dilakukan menggunakan metrik PSNR, SSIM, dan FID. Hasil menunjukkan bahwa model dengan generator ResNet pada epoch 100 (Skenario 4) mencapai PSNR sebesar 8,11 dan menunjukkan performa yang sangat seimbang, SSIM sebesar 0,39 dan FID sebesar 120,72. Secara keseluruhan, generator ResNet, terutama pada 100 epoch, mampu menghasilkan citra batik berwarna yang lebih baik dan lebih realistis berdasarkan perpaduan metrik. Penelitian ini berkontribusi pada upaya digitalisasi batik, menawarkan solusi inovatif untuk meningkatkan efisiensi proses pewarnaan sekaligus mendukung pelestarian budaya.
| Item Type | Thesis (Skripsi) |
|---|---|
| Thesis Type | S1 |
| Creators | Creators NIM FANKY ABDILQOYYIM |
| Department | Sistem Informasi |
| Uncontrolled Keywords | Batik; Generative Adversarial Network; Pix2Pix; ResNet; U-Net |
| Divisions | Fakultas Teknik > S1 - Sistem Informasi |
| Additional Information | elib mass import |
| Depositing User | Unnamed user with email library@trunojoyo.ac.id |
| Date Deposited | 15 Oct 2026 19:13 |
| Last Modified | 24 Oct 2026 17:02 |
| URI | https://repository.trunojoyo.ac.id/id/eprint/16181 |
