PEMULIHAN CITRA AKIBAT DEGRADASI DIGITAL MENGGUNAKAN PIX2PIX GENERATIVE ADVERSARIAL NETWORKS (GAN)

Abstrak

Degradasi digital pada citra dapat menyebabkan hilangnya informasi visual penting, sehingga diperlukan metode pemulihan yang mampu mengembalikan struktur dan detail citra secara optimal. Penelitian ini bertujuan untuk merancang sistem pemulihan citra menggunakan pendekatan Generative Adversarial Networks (GAN) dengan arsitektur Pix2Pix, yang mengombinasikan U-Net sebagai Generator dan PatchGAN sebagai Discriminator. Data pelatihan berasal dari dataset CelebA-HQ resized yang telah dimodifikasi untuk merepresentasikan tiga tingkat degradasi: ringan, sedang, dan berat, dengan ukuran citra 256×256 piksel. Pelatihan dilakukan selama 100 epoch, dengan pengaturan rasio pembaruan antara Generator dan Discriminator untuk menjaga stabilitas konvergensi model. Evaluasi kinerja menggunakan metrik Structural Similarity Index Measure (SSIM) dan Peak Signal-to-Noise Ratio (PSNR). Hasil terbaik menunjukkan nilai SSIM sebesar 0,9226 dan PSNR sebesar 32,6895 dB, yang menandakan bahwa model mampu menghasilkan citra yang menyerupai citra asli dari segi struktur dan kualitas visual. Pengujian pada berbagai tingkat degradasi menunjukkan bahwa model bekerja secara optimal pada degradasi ringan dan sedang, serta tetap memberikan hasil yang layak pada degradasi berat. Sistem ini juga diimplementasikan dalam bentuk aplikasi web yang ramah pengguna, memudahkan proses unggah, pemulihan, dan pengunduhan citra. Dengan demikian, pendekatan Pix2Pix berbasis GAN terbukti efektif untuk tugas pemulihan citra digital dan memiliki potensi untuk dikembangkan lebih lanjut pada kasus serupa di masa mendatang.

Identifier

• OpenAlex: https://openalex.org/W4414357087
• DOI: https://doi.org/10.70248/jrsit.v3i1.2959