ABSTRAK Nama : Nanda Ryaas Absar Program Studi : Ilmu Komputer Judul : Restorasi Citra Berkabut Luar Ruang Menggunakan Uformer Kabut menjadi salah satu masalah yang terjadi dalam kehidupan sehari-hari dan dapat menyebabkan objek sulit terlihat. Fenomena ini dapat ditangkap oleh kamera dan meng- ubah informasi mengenai warna dan kontras yang tertangkap pada citra. Perubahan in- formasi ini berpengaruh besar pada penerapan computer vision dalam melakukan berba- gai tugas, seperti deteksi objek, klasifikasi, dan sistem navigasi. Oleh karena itu, perlu dilakukan restorasi citra berkabut. Restorasi citra berkabut ini terus dikembangkan, mu- lai dari restorasi berbasiskan persamaan fisika hingga deep learning. Uformer menjadi salah satu arsitektur deep learning yang dikembangkan untuk melakukan restorasi citra berkabut dengan menggunakan ide dasar dari Transformer. Pada penelitian ini, dilakukan implementasi Uformer untuk restorasi citra berkabut. Pengujian performa model Uformer dilakukan menggunakan dataset O-HAZE, NH-HAZE, DENSE-HAZE, dan SOTS. Anal- isis dilakukan secara kuantitatif, kualitatif, dan cross dataset. Hasil restorasi dari Uformer ini dibandingkan dengan Mod PDR-Net dan Mod PDR-Net Based Conditional Genera- tive Adversarial Network. Evaluasi hasil Uformer menunjukkan bahwa model tersebut belum dapat menandingi hasil dari model Mod PDR-Net dan Mod PDR-Net Based CGAN dalam melakukan restorasi citra berkabut dengan dataset yang digunakan. Kata kunci: Citra berkabut, restorasi citra, Uformer, Transformer