ABSTRAK Nama : Reynaldo Wijaya Hendry Program Studi : Ilmu Komputer Judul : Perbandingan Generator dan Discriminator pada Conditional Generative Adversarial Network (cGAN) untuk Estimasi Kedalaman Relatif dari Citra Bawah Air Citra bawah air tergolong ke dalam citra yang sulit diproses secara digital. Hal ini disebabkan citra bawah air mengalami degradasi gabungan berupa scattering dan absorption. Sedangkan permasalahan estimasi kedalaman relatif adalah salah satu permasalahan yang masih menjadi riset dalam bidang computer vision saat ini. Permasalahan ini digolongkan sebagai permasalahan image-to-image translation. Salah satu model yang sering digunakan untuk menyelesaikan permasalahan image-to-image translation adalah dengan menggunakan conditional generative adversarial network (cGAN) yang merupakan salah satu varian dari generative adversarial network (GAN). Komponen penting dari cGAN terdiri dari generator dan discriminator yang berpengaruh terhadap keefektifan model. Pada penelitian ini akan diuji kombinasi generator yang terdiri dari U-net, Resnet-6, dan Resnet-9 dan discriminator yang terdiri dari PatchGAN serta ImageGAN dalam menyelesaikan permasalahan estimasi kedalaman relatif dari citra bawah air. Keoptimalan model diuji dengan menggunakan metrik structural index similarity (SSIM) dan root mean square error (RMSE). Didapatkan hasil bahwa model dengan generator U-net dan discriminator PatchGAN memberikan hasil terbaik pada metrik SSIM dan RMSE. Kata kunci: citra bawah air, conditional GAN, estimasi kedalaman relatif, generator dan discriminator, root mean square error, structural similarity index