ABSTRAK Nama : Stephen Handiar Christian Program Studi : Ilmu Komputer Judul : Restorasi Citra dengan Tetesan Air Hujan dengan Restormer dan Progressive Learning Citra dengan tetesan air hujan terjadi ketika citra diambil melalui jendela kaca, kaca depan mobil, atau lensa kamera yang terkena tetesan air hujan yang kemudian menempel. Tetesan hujan pada citra dapat mengurangi visibilitas pemandangan latar belakang dan menutupi objek yang ada. Rusak dan hilangnya informasi akibat tetesan hujan ini dapat menyebabkan penurunan performa dari sistem analisis citra seperti deteksi objek, identifikasi objek, dan klasifikasi objek. Untuk memperbaiki citra yang terdegradasi ini perlu dilakukan restorasi citra. Pada penelitian ini, penulis menggunakan model Restormer untuk melakukan restorasi citra pada citra dengan tetesan air hujan. Model Restormer merupakan model state-of-art pada beberapa tugas restorasi citra untuk citra dengan kualitas rendah maupun kualitas tinggi dan menghasilkan citra yang berkualitas yang tinggi. Model ini akan dilatih menggunakan strategi progressive learning untuk meningkatkan performa model. Pada penelitian ini juga akan dilakukan optimasi hyperparameter untuk mendapatkan hasil restorasi terbaik. Data citra yang digunakan pada penelitian ini adalah dataset Raindrop yang merupakan dataset citra dengan tetesan air hujan luar ruang. Penulis kemudian membandingkan hasil restorasi Restormer dengan hasil restorasi Attentive GAN. Hasil yang didapatkan menunjukkan model Restormer memiliki hasil restorasi yang lebih baik dari pada model Attentive GAN dengan metrik SSIM sebesar 0.9280 dan PSNR sebesar 31.6435. Selain itu, penulis juga melakukan pengujian cross-dataset untuk mengetahui kemampuan generalisasi Restormer dalam merestorasi citra dengan tetesan air hujan pada dataset lain (cross-dataset). Dari hasil evaluasi cross-dataset, Restormer juga menunjukan kemampuan restorasi citra cross-dataset. Kata kunci: Citra dengan Tetesan Air Hujan, Restorasi Citra, Deep Learning, Restormer, Progressive Learning, Attentive GAN, Cross-Dataset