##plugins.themes.academic_pro.article.main##
Aplikasi Web Image-To-Sketch Converter Berbasis Generative Adversarial Network (GAN)
Abstract
Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis web yang mampu mengubah gambar menjadi sketsa secara otomatis menggunakan pendekatan Generative Adversarial Network (GAN). Model yang diimplementasikan merupakan adaptasi dari arsitektur Cycle-GAN yang dikenal efektif dalam transformasi citra tanpa pasangan data. Aplikasi ini dibangun menggunakan teknologi HTML, CSS, dan JavaScript, dengan integrasi TensorFlow.js yang memungkinkan proses inferensi langsung di peramban tanpa memerlukan server eksternal. Evaluasi kinerja dilakukan menggunakan metrik kuantitatif seperti Structural Similarity Index Measure (SSIM) dan Fréchet Inception Distance (FID). Hasil simulasi menunjukkan bahwa aplikasi menghasilkan sketsa dengan kualitas visual dan struktural yang cukup baik, dengan nilai SSIM rata-rata 0,78 dan FID sebesar 47,2. Aplikasi juga menunjukkan waktu respon yang cepat dan antarmuka yang ramah pengguna, menjadikannya solusi yang praktis dan efisien dalam bidang pengolahan citra digital. Penelitian ini membuktikan bahwa pendekatan GAN berbasis web dapat diterapkan secara efektif untuk menghasilkan sketsa dari citra dengan ketelitian dan kecepatan yang memadai.
##plugins.themes.academic_pro.article.details##
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
A. Aggarwal, M. Mittal, and G. Battineni, “Generative adversarial network: An overview of theory and applications,” Int. J. Inf. Manag. Data Insights, vol. 1, no. 1, 2021, doi: 10.1016/j.jjimei.2020.100004.
K. Ahirwar, Generative Adversarial Networks Projects. Packt Publishing, 2019.
N. Moradzadeh Farid, M. Saeedi Fard, and A. Nickabadi, “Face Sketch-to-Photo Translation Using Generative Adversarial Networks,” AUT J. Model. Simul., vol. 55, no. 1, pp. 39–52, 2023, doi: 10.22060/miscj.2023.21746.5299.
S. Gunjate, T. Nakhate, T. Kshirsagar, and Y. Sapat, “Sketch to Image using GAN,” Int. J. Innov. Sci. Res. Technol., vol. 8, no. 1, 2023, [Online]. Available: https://ijisrt.com/assets/upload/files/IJISRT23JAN1094.pdf
Syaifudin, “Generative Adversarial Networks (GAN) Dalam Fotografi: Menciptakan Imaji Dari Nol,” Specta J. Photogr. Arts, Media, vol. 8, no. 4, pp. 169–180, 2024.
R. Giri, B. R. Lamichhane, and B. Pokhrel, “Sketch to Image Translation using Generative Adversarial Network,” J. Eng. Sci., vol. 2, no. 1, pp. 70–75, 2023, doi: 10.3126/jes2.v2i1.60397.
V. V. Pramansah, D. I. Mulyana, T. Silfia, and R. T. Jaya, “Penciptaan Karakter Anime Otomatis Dengan Menggunakan Generative Adversarial Networks,” J. Tek. Elektro dan Komputasi, vol. 4, no. 1, pp. 21–29, 2022, [Online]. Available: http://jurnal.unmuhjember.ac.id/index.php/ELKOM/article/view/7105
A. Satriawan, B. Imran, and S. Erniwati, “Identifikasi Kemiripan Foto Asli dan Sketsa Menggunakan Model Generatif Adversarial Network (GANs),” J. Kecerdasan Buatan dan Teknol. Inf., vol. 2, no. 3, pp. 122–127, 2023, doi: 10.69916/jkbti.v2i3.36.
Y. E. Kim, E. J. Lee, J. S. Yoon, J. Kwak, and H. Kim, “Optical Coherence Tomography Image Enhancement and Layer Detection Using Cycle-GAN,” Diagnostics, 2025, doi: 10.3390/diagnostics15030277.
B. Jangam, A. Bharatha, T. Lavishetty, and M. Rehan, “Forensic sketch-to-photo transformation with improved Generative Adversarial Network (GAN),” Int. J. Sci. Res. Arch., 2025, doi: 10.30574/ijsra.2025.14.1.0204.
Z. Sun, Y. Zhou, and P. Y. Mok, “CoDE-GAN: Content Decoupled and Enhanced GAN for Sketch-guided Flexible Fashion Editing,” ACM Trans. Multimed. Comput. Commun. Appl., 2025, doi: 10.1145/3712063.
M. Syarif, D. Risdiansyah, T. Informatika, U. Bina, and S. Informatika, “Pemanfaatan Metode Prototype Dalam Perancangan Sistem Informasi Penjualan Berbasis Website,” vol. 8, no. 4, pp. 7945–7952, 2024.
