Perancangan Gambar Karakter Kartun dengan Menggunakan Algoritma GAN

Perancangan Gambar Karakter Kartun dengan Menggunakan Algoritma GAN

• By iqbal Muhammad;
• Skripsi
• 4
• 1-45

Kartun memiliki daya tarik visual unik dengan karakteristik seperti garis tegas, warna sederhana, dan detail minimalis, yang menjadikannya tantangan menarik untuk dihasilkan secara otomatis menggunakan teknologi. Dalam penelitian ini, algoritma Generative Adversarial Network (GAN) digunakan untuk merancang gambar karakter kartun yang realistis. GAN bekerja dengan mensimulasikan persaingan antara dua jaringan, yaitu generator dan discriminator, untuk menghasilkan gambar yang menyerupai kartun. Hasil penelitian menunjukkan bahwa meskipun model GAN berhasil menghasilkan gambar kartun, kualitas gambar masih perlu ditingkatkan, dengan beberapa hasil yang tampak "pixelated" dan kurang halus. Evaluasi model menunjukkan bahwa GAN mampu menangkap detail seperti ekspresi wajah dan tekstur, namun diperlukan optimasi lebih lanjut untuk mencapai resolusi dan ketajaman yang lebih tinggi. Secara keseluruhan, GAN memiliki potensi besar dalam industri animasi, meskipun pengembangan lanjutan masih diperlukan untuk mencapai hasil yang optimal.

• Katakunci Kartun, GAN, Gambar, Model, Animasi
• URL https://jurnal.bsi.ac.id/index.php/co-science/authorDashboard/submission/6284
• Penerbit Computer Science (CO-SCIENCE), Jakarta Jawa Barat

REFERENSI

Chen, Y., Lai, Y. K., & Liu, Y. J. (2018). CartoonGAN: Generative Adversarial Networks for Photo Cartoonization. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 9465–9474. https://doi.org/10.1109/CVPR.2018.00986

Hizburrohmah, S. F., T, T., & Puspitasari, T. (2020). Implementasi Google collabs pada Metode Numerik. In Jurnal Ilmu Pendidikan (Vol. 7, Issue 2).

Nurdenara, C., & Fawwaz, W. (2021). Translasi Citra Antara Manusia Dan Wayang Orang Menggunakan Generative Adversarial Network. EProceedings …, 8(5), 11307–11319. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/15617

Pramansah, V. V., Mulyana, D. I., Silfia, T., & Jaya, R. T. (2022). Penciptaan Karakter Anime Otomatis Dengan Menggunakan Generative Adversarial Networks. Jurnal Teknik Elektro Dan Komputasi (ELKOM), 4(1), 21–29. http://jurnal.unmuhjember.ac.id/index.php/ELKOM/article/view/7105

Revanda, A. R. (2020). Sintesa Citra Wajah Menggunakan Generative Adversarial Network Untuk Augmentasi Data Pada Aplikasi Pengenalan Wajah. https://core.ac.uk/download/pdf/347687320.pdf

Rozak, B., Febriawan, D., & Hasan, F. N. (2024). Implementasi Business Intelligence untuk Visualisasi Laju Indeks Pembangunan Manusia Kota Cirebon Menggunakan Google Collab. Sainteks, 21(1), 33. https://doi.org/10.30595/sainteks.v21i1.21356

Siahaan, M., Pheng, T. S., Batara, K., Pangestu, L., & Phodickson, C. (2024). Penerapan Artificial Intellegence pada Penghapusan Object dalam Video Editing. 05(01), 10–13.

Sobron, M., & Lubis. (2021). Implementasi Artificial Intelligence Pada System Manufaktur Terpadu. Seminar Nasional Teknik (SEMNASTEK) UISU, 4(1), 1–7. https://jurnal.uisu.ac.id/index.php/semnastek/article/view/4134

Syahrudin, A. N., & Kurniawan, T. (2018). Input dan Output pada Bahasa Pemrograman Python. Jurnal Dasar Pemrograman Python STMIK, June 2018, 1–7. https://www.researchgate.net/publication/338385483

Widi Hastomo, Nur Aini, Adhitio Satyo Bayangkari Karno, & L.M. Rasdi Rere. (2022). Metode Pembelajaran Mesin untuk Memprediksi Emisi Manure Management. Jurnal Nasional Teknik Elektro Dan Teknologi Informasi, 11(2), 131–139. https://doi.org/10.22146/jnteti.v11i2.2586

Zulfani, A., Azhar, A. A., Komunikasi, I., Islam, U., & Sumatera, N. (2023). Reslaj : Religion Education Social Laa Roiba Journal Reslaj : Religion Education Social Laa Roiba Journal ْ دا ج ْ ة ْ و ْ ب َ ع ْ ح َّ ا ه ُ ُۗ س ى ْ ب َ ب ر ْ َ ا ي ِ ي َ ّ ب ِ َ ن س ِ ظ ِ ى ِ م ِ لا ْ م َ ح ُ ل ِ َ ى ل ِ ٰ ا ُ ع د َ و َ لا ِ ي ْ ه َ ن . 5(6), 3188–3202.