Implementasi LMS dan Pix2Pix untuk Peningkatan Persepsi Warna pada Penderita Buta Warna
DOI:
https://doi.org/10.33005/santika.v6i1.937Keywords:
Koreksi Warna, Buta Warna, LMS, Pix2Pix, Peak Signal-to-Noise, Delta EAbstract
Gangguan persepsi warna pada individu dengan Color Vision Deficiency dapat menyulitkan proses pembedaan informasi visual yang bergantung pada warna. Oleh karena itu, diperlukan pendekatan yang mampu meningkatkan kualitas tampilan citra agar informasi visual dapat dipahami dengan lebih baik. Penelitian ini mengusulkan metode koreksi warna dengan memanfaatkan transformasi ruang warna LMS color space yang dikombinasikan dengan model Pix2Pix. Ruang warna LMS digunakan untuk merepresentasikan respons fisiologis sel kerucut serta melakukan simulasi buta warna melalui modifikasi kanal tertentu, sedangkan Pix2Pix berperan dalam mempelajari hubungan antara citra simulasi dan citra referensi guna menghasilkan rekonstruksi warna yang lebih akurat. Dataset yang digunakan terdiri dari 2.574 citra yang mencakup tiga jenis simulasi buta warna, yaitu protanopia, deuteranopia, dan tritanopia. Tahap preprocessing meliputi validasi pasangan citra, perubahan ukuran menjadi 256×256 piksel, serta pembagian dataset menjadi 70% data pelatihan dan 30% data pengujian. Proses pelatihan dilakukan dengan beberapa variasi learning rate untuk menentukan konfigurasi yang optimal. Evaluasi performa model menggunakan metrik Peak Signal-to-Noise Ratio (PSNR) dan Delta E. Hasil pengujian menunjukkan bahwa learning rate 0.0004 memberikan performa terbaik dengan nilai PSNR tertinggi, yaitu 36.16 dB pada protanopia, 37.45 dB pada deuteranopia, dan 35.90 dB pada tritanopia, serta nilai Delta E terendah masing-masing sebesar 2.01, 1.89, dan 2.15. Hasil ini menunjukkan bahwa kombinasi ruang warna LMS dan model Pix2Pix efektif dalam meningkatkan kualitas koreksi warna pada citra bagi penderita buta warna.
References
D. Studi, U. X. Ui, S. Prihatmoko, and D. Susatyono, “Jurnal Publikasi Ilmu Komputer dan Multimedia Eksplorasi Efek Warna terhadap Keterlibatan Pengguna dalam Animasi”.
M. Elfalah et al., “The Impact of Color Vision Deficiency on the Capability of Ophthalmologists to Diagnose Benign and Malignant Choroidal Tumors,” 2023.
A. Almustanyir, “A Global Perspective of Color Vision Deficiency : Awareness , Diagnosis , and Lived Experiences,” pp. 1–16, 2025.
L. A. Elrefaei, “Smartphone Based Image Color Correction for Color Blindness,” pp. 104–119.
E. Lin, “Comparative Analysis of Pix2Pix and CycleGAN for Image-to- Image Translation,” vol. 39, pp. 915–925, 2023.
X. Zhao, H. Yu, and H. Bian, “Image to Image Translation Based on Differential Image Pix2Pix Model,” 2023, doi: 10.32604/cmc.2023.041479.
S. Saini, E. F. Dungga, and I. Sulistiani, “Evaluasi Pemeriksaan Tes Buta Warna Menggunakan Metode Ishihara Berbasis Google Form Menggunakan Buku Ishihara,” vol. 2, pp. 42–51, 2022, doi: 10.37311/ijpe.v2i1.15855.
M. Nainggolan and J. E. Candra, “Rancang Bangun Alat Bantu Deteksi Warna Bagi Penderita Buta Warna Dengan Output Suara Berbasis Internet Of Things ( IoT ),” vol. 1, no. 2, 2023.
A. Kucuk, G. D. Finlayson, R. Mantiuk, and M. Ashraf, “Performance Comparison of Classical Methods and Neural Networks for Colour Correction,” 2023.
F. Muttaqin et al., “A Combination Method of ROI , CLAHE , and DenseNet-169 for Hip Osteoarthritis Detection,” vol. 15, no. 3, pp. 22690–22697, 2025.
A. P. Adyani, F. T. Anggraeny, and E. Y. Puspaningrum, “Image Color Correction for Color Vision Deficiency Using ResNet and CycleGAN,” vol. 8, no. 1, 2025, doi: 10.32877/bt.v8i1.2506.
A. Stockman and A. T. Rider, “Formulae for generating standard and individual human cone spectral sensitivities,” no. June, pp. 818–840, 2023, doi: 10.1002/col.22879.
S. Zhou et al., “A CycleGAN-Pix2pix framework for multi-objective 3D urban morphology optimization : enhancing thermal performance in high-density areas,” Sustain. Cities Soc., vol. 126, no. February, p. 106400, 2025, doi: 10.1016/j.scs.2025.106400.
P. Gan, “Generating Synthetic Images for Healthcare with Novel Deep,” 2022.
J. Sun, Y. Du, C. Y. Li, T. Wu, B. H. Yang, and G. S. P. Mok, “Pix2Pix generative adversarial network for low dose myocardial perfusion SPECT denoising,” vol. 12, no. 7, pp. 3539–3555, 2022, doi: 10.21037/qims-21-1042.
M. Yaqub et al., “Review Article Deep Learning-Based Image Reconstruction for Different Medical Imaging Modalities,” vol. 2022, 2022.
F. Hasan, Y. W. Sani, S. Nicholas, and F. T. Anggraeny, “Evaluasi Kualitas Citra Rontgen Dada Menggunakan PSNR dan MSE Setelah Penerapan Teknik Peningkatan Citra,” pp. 203–214.
sakshivyavahare20, “Color Blindness Simulation & Correction,” kaggle. [Online]. Available: https://www.kaggle.com/datasets/sakshivyavahare20/color-blindness-simulation-and-correction?
