Nama : Bayu Satria Persada Program Studi : Ilmu Komputer Judul : Perbandingan Estimasi Peta Transmisi sebagai Input Gabungan untuk Restorasi Citra Berkabut Pembimbing : Dr. Eng. Laksmita Rahadianti, S.Kom., M.Sc. Degradasi akibat kabut atau haze menyebabkan berkurangnya kontras, warna dan pencahayaan gambar akibat cahaya yang terpantulkan oleh partikel-partikel di udara. Untuk menyelesaikan permasalahan ini, berbagai metode restorasi gambar berkabut dikembangkan baik yang bersifat physical based hingga deep learning end-to-end. Namun, hasil restorasi tersebut tetap memiliki degradasi warna dan cahaya, sehingga diperlukan informasi tambahan untuk pelatihan restorasi gambar berkabut, misalkan peta transmisi. Peta transmisi ini biasanya tidak diketahui sehingga perlu diestimasi dengan akurat agar dapat menghasilkan restorasi citra yang baik. Oleh sebab itu, penelitian ini bertujuan untuk mengevaluasi berbagai variasi metode estimasi peta transmisi untuk meningkatkan performa model restorasi citra berkabut. Estimasi peta transmisi akan memanfaatkan beberapa asumsi prior dan perbaikan untuk mendapatkan hasil estimasi terbaik. Setiap variasi diuji untuk menilai dampaknya terhadap performa model restorasi citra deep learning, yaitu FFA-Net dan TGMF. Hasil menunjukkan bahwa FFA-Net mencapai hasil restorasi terbaik dengan peta transmisi DCPBCP + CAP yaitu dengan PSNR sebesar 30.1157 dan SSIM sebesar 0.9372 dibandingkan dengan FFA-Net baseline tanpa transmisi dengan PSNR sebesar 29.7908 dan SSIM sebesar 0.9286. TGMF mencapai hasil restorasi terbaik dengan peta transmisi DCPBCP + CAP + GCE yaitu dengan PSNR sebesar 31.4577 dan SSIM sebesar 0.9617 dibandingkan dengan TGMF baseline tanpa transmisi dengan PSNR sebesar 30.2324 dan SSIM sebesar 0.9515. Dengan demikian, dapat disimpulkan bahwa penggunaan estimasi peta transmisi yang diusulkan sebagai input gabungan menunjukan peningkatan yang cukup signifikan terhadap model restorasi citra berbasis deep learning.