Generasi Pola Batik Menggunakan Style-Based Generative Adversarial Network

Fathur Rahman, Kiagus (2024) Generasi Pola Batik Menggunakan Style-Based Generative Adversarial Network. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (416kB)
	PDF BAB_I.pdf Download (133kB)
	PDF BAB_II.pdf Download (302kB)
	PDF BAB_III.pdf Download (420kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (113kB)
	PDF DAFTAR_PUSTAKA.pdf Download (113kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (273kB)

Abstract

Penelitian mengkaji penggunaan Style-Based Generative Adversarial Network (StyleGAN) untuk menghasilkan pola batik sintetis berkualitas tinggi dan realistis. Batik, sebagai warisan budaya Indonesia yang kaya nilai artistik, memerlukan waktu dan keterampilan signifikan untuk produksinya. Mengatasi tantangan tersebut, kajian ini mengeksplorasi penerapan StyleGAN untuk mengotomatisasi dan mempercepat proses penciptaan motif batik. Model dilatih menggunakan dataset batik terkurasi untuk menghasilkan gambar yang mendekati motif asli dalam hal kualitas dan detail artistik. Hasil evaluasi menunjukkan bahwa StyleGAN mampu menghasilkan pola batik dengan skor Fréchet Inception Distance (FID) sebesar 83.72 dan Inception Score (IS) sebesar 6.42 untuk model Vanilla GAN, sedangkan StyleGAN menunjukkan perbedaan signifikan dengan skor FID 596.84 dan IS 1.08. Perbedaan tersebut mencerminkan kemampuan model dalam menghasilkan variasi dan realisme gambar. Penelitian ini memberikan kontribusi penting dalam inovasi teknologi untuk produksi batik, menawarkan solusi efisien dan ekonomis bagi pengrajin dalam menciptakan motif batik unik dan berkualitas tinggi..

Item Type:	Thesis (Bachelor Thesis)
Creators:	Fathur Rahman, Kiagus (00000033479)
Contributors:	Shabrina, Nabila Husna
Keywords:	Motif batik, StyleGAN, FID, IS.
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
Date Deposited:	06 Nov 2024 02:53
URI:	https://kc.umn.ac.id/id/eprint/32272

Actions (login required)

View Item