Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Nugroho, Alindro Septo
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PEWARNAAN OTOMATIS CITRA GRAYSCALE BERBASIS MODEL DEEP LEARNING UNTUK PENINGKATAN INTERPRETASI VISUAL Nugroho, Alindro Septo; Sahertian, Julian; Irawan, Rony Heri
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/nr7x7m75

Abstract

Pewarnaan otomatis citra grayscale menggambarkan tantangan besar dalam bidang pengolahan citra digital. Citra grayscale, meskipun mengandung informasi spasial yang melimpah, mengalami hilangnya dimensi warna yang penting, yang mungkin membatasi kemampuan interpretasi visualnya. Studi ini berorientasi pada pengembangan dan penilaian model deep learning yang ditujukan untuk mengotomatisasi proses pewarnaan gambar grayscale. Metodologi yang diterapkan mencakup pelatihan jaringan saraf tiruan konvolusional (CNN) pada dataset gambar berwarna, dengan gambar grayscale sebagai input dan gambar berwarna sebagai output yang diinginkan. Pelatihan difokuskan pada pembelajaran pemetaan yang rumit dari intensitas piksel grayscale menuju saluran warna a dan b dalam ruang warna . Hasil pengujian yang melibatkan lima gambar sampel menunjukkan bahwa model dapat menghasilkan pewarnaan yang secara visual mirip dengan citra sumber aslinya. Evaluasi kuantitatif dengan metrik Mean Absolute Error (MAE), Peak Signal-to-Noise Ratio (PSNR), dan Structural Similarity Index (SSIM) menunjukkan performa yang unggul, dengan nilai rata-rata SSIM sebesar 0.9963, menandakan kualitas pewarnaan yang Sangat Baik. Penemuan ini menekankan potensi besar deep learning dalam menghidupkan kembali informasi warna yang hilang dari gambar grayscale, membuka peluang untuk aplikasi kreatif dalam bidang restorasi foto bersejarah dan visualisasi data.
Co-Authors Julian Sahertian Rony Heri Irawan