@thesis{thesis,
		author={Nugroho  Yulianto Ardi},
		title ={TA: PEWARNAAN CITRA GRAYSCALE MENGGUNAKAN NO-GENERATIVE ADVERSARIAL NETWORK DAN CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION},
		year={2020},
		url={http://eprints.itenas.ac.id/1321/},
		abstract={Pewarnaan citra grayscale merupakan sebuah proses yang melibatkan ahli di bidang artistik, proses ini membutuhkan biaya yang mahal untuk dilakukan dan waktu yang lama, sehingga banyak citra grayscale yang tidak diubah menjadi citra berwarna. Solusi dari permasalahan ini adalah mengimplementasikan metode deep learning. Deep learning adalah sebuah metode yang mengajarkan komputer untuk berpikir seperti manusia pada tingkatan yang lebih rumit. No-GAN (No- Generative Adversarial Network) merupakan salah satu metode Generative Adversarial Network yang memiliki fungsi utama untuk membuat sebuah data baru dari data yang sudah ada. Keunikan dari jaringan ini adalah pada proses pelatihannya yang dilakukan secara terpisah, sehingga bisa mengatasi masalah umum yang terjadi pada proses pewarnaan, salah satunya adalah Vanishing Gradient. Selain itu dengan mengimplementasikan metode image enhancement CLAHE (Contrast Limited Adaptive Histogram Equalization) bisa meningkatkan kualitas citra yang dihasilkan dari segi kecerahan dan pewarnaan. Berdasarkan pengujian yang telah dilakukan, Model No-GAN dan CLAHE menunjukan nilai SSIM (Structural Similiarity) 0.86, PSNR (Peak Signal-to-Noise Ratio) 21.7 dan NRMSE(Normalized Root-Mean-Square Error) 0.169
Kata Kunci : GAN, CLAHE, image colorization, grayscale, SSIM}
		}