Nama : Adam Syauqi Medise Program Studi : Ilmu Komputer Judul : Zero-Reference Deep Curve Estimation dengan Structure Evaluation untuk Restorasi Citra Gelap Pembimbing : Dr. Eng. Laksmita Rahadianti, S.Kom., M.Sc. Aruni Yasmin Azizah, S.Kom., M.Comp.Sc Citra gelap umumnya memiliki banyak noise dan kontras yang rendah, yang menyulitkan untuk membedakan objek-objek dan noise pada citra. Hal ini memengaruhi performa aplikasi computer vision (CV) seperti object recognition, detection, dan classification. Untuk meningkatkan performa aplikasi CV, diperlukan proses restorasi citra gelap menjadi citra terang yang dapat dilakukan melalui metode konvensional atapun Machine Learning (ML). Penelitian ini menggunakan model ML, yaitu Zero-Reference Deep Curve Estimation (Zero-DCE), yang dapat bekerja tanpa citra referensi. Namun, hasil citra restorasi Zero-DCE masih kurang memuaskan karena noise yang dihasilkan masih signifikan. Menurut penelitian terkini terkait Image Quality Assessment (IQA), faktor struktur sangat memengaruhi kualitas restorasi citra gelap. Oleh karena itu, untuk meningkatkan hasil restorasi Zero-DCE, ditambahkan faktor struktur pada fungsi loss untuk melatih model. Untuk menemukan komposisi loss terbaik, dilakukan eksperimen 13 kombinasi bobot pada fungsi loss. Setiap kombinasi bobot dievaluasi menggunakan IQA objektif dan subjektif pada dua dataset citra gelap, yaitu Zero-DCE Dataset dan LOw-Light Dataset (LOL). Hasil evaluasi IQA objektif menunjukkan bahwa pada dataset Zero-DCE, kombinasi bobot orisinil Zero-DCE tetap memiliki nilai performa yang paling baik dengan BRISQUE 24.23857 11.03882 dan NIQE 3.58945 1.47618. Pada dataset LOL, performa terbaik diraih oleh kombinasi bobot 8 dengan nilai BRISQUE 9.81958 6.73841 dan NIQE 6.88087 0.96153, kombinasi bobot 9 dengan nilai SSIM 0.67645 0.11139 dan kombinasi 12 dengan nilai PSNR 16.75756 3.53925. Pada evaluasi IQA subjektif, performa terbaik diraih oleh kombinasi bobot Zero-DCE + Structure dengan nilai MOS 3.707 0.257.