Integrasi Generative AI dan Large Language Model pada Aplikasi Web untuk Transformasi Sketsa Menjadi Gambar Realistis dan Evaluasi Otomatis

Muhammad Yulasfi  Pahrizal; Nasruddin  Bin Idris; Pramudya Prima  Insan

doi:10.58602/itsecs.v4i4.398

Muhammad Yulasfi Pahrizal ^{(Corresponding Author)} Universitas Mulia
Nasruddin Bin Idris Universitas Mulia
Pramudya Prima Insan Universitas Mulia

DOI: https://doi.org/10.58602/itsecs.v4i4.398

Keywords: AI Review, FastAPI, Generative Artificial Intelligence, Large Language Model, Next.js

Abstract

Penelitian ini bertujuan untuk merancang dan membangun sebuah aplikasi generative artificial intelligence (GenAI) berbasis web yang mampu mentransformasi sketsa dua dimensi menjadi gambar realistis secara otomatis, serta dilengkapi fitur AI review sebagai media evaluasi dan pembelajaran menggambar sketsa. Penelitian ini mengintegrasikan layanan GenAI berbasis diffusion model untuk proses generasi gambar dengan large language model (LLM) yang menganalisis sketsa, prompt, dan hasil gambar, tanpa melakukan pelatihan atau pengembangan arsitektur model AI baru. Metode penelitian yang digunakan adalah penelitian terapan (applied research) dengan pendekatan rekayasa perangkat lunak model waterfall. Aplikasi dibangun menggunakan Next.js sebagai frontend, FastAPI sebagai backend, PostgreSQL sebagai basis data, MinIO sebagai object storage, serta Docker dan Nginx untuk mendukung deployment berbasis container. Studi ini menggunakan pengujian fungsional dengan metode black box testing teknik equivalence partitioning yang menunjukkan seluruh 44 skenario uji pada sembilan modul sistem berjalan sesuai kebutuhan fungsional dengan tingkat keberhasilan 100%. Evaluasi penerimaan pengguna (User Acceptance Test) terhadap 15 responden menghasilkan skor rata-rata 4,38 dari skala 5 (87,59%) dengan kategori sangat baik, dimana fitur AI review memperoleh nilai tertinggi. Secara praktis, aplikasi ini dapat langsung dimanfaatkan oleh desainer, ilustrator, dan kreator digital untuk mempercepat eksplorasi konsep visual tanpa memerlukan keahlian ilustrasi tingkat lanjut. Secara sosial, aplikasi ini berkontribusi pada demokratisasi proses kreatif dengan meningkatkan aksesibilitas produksi visual bagi masyarakat yang memiliki keterbatasan kemampuan menggambar. Nilai originalitas penelitian ini terletak pada penambahan fitur AI review berbasis LLM sebagai mekanisme evaluasi dan umpan balik otomatis yang belum tersedia pada aplikasi maupun penelitian transformasi sketsa sejenis sebelumnya.

References

H. Chen et al., “Comprehensive exploration of diffusion models in image generation: a survey,” Artif. Intell. Rev., vol. 58, no. 4, Apr. 2025, doi: 10.1007/s10462-025-11110-3.

R. A. Warman, “Mengubah Gambar Sketsa Menjadi Visual yang Menakjubkan : Membangun Dunia Animasi dengan Kecerdasan Buatan,” Journal of Animation and Games Studies, vol. 10, no. 1, Apr. 2024.

Tommy Hari Prihartanto, Januar Ivan Halimawan, and Akkapurlaura, “Pixai: Aplikasi berbasis Generative AI Sebagai Alat Untuk Desain Karakter Yang Efisien,” Jurnal Seni dan Reka Rancang: Jurnal Ilmiah Magister Desain, vol. 7, no. 3, pp. 463–472, Nov. 2024, doi: 10.25105/jsrr.v7i3.21673.

Y. Peng, C. Zhao, H. Xie, T. Fukusato, and K. Miyata, “Sketch-Guided Latent Diffusion Model for High-Fidelity Face Image Synthesis,” IEEE Access, vol. 12, pp. 5770–5780, 2024, doi: 10.1109/ACCESS.2023.3346408.

A. Satriawan, B. Imran, and S. Erniwati, “Identifikasi Kemiripan Foto Asli Dan Sketsa Menggunakan Model Generative Adversarial Networks (GANs),” Jurnal Kecerdasan Buatan dan Teknologi Informasi, vol. 2, no. 3, pp. 122–127, Sep. 2023.

X. Zhang et al., “Large Language Models as Evaluators for Recommendation Explanations,” in RecSys 2024 - Proceedings of the 18th ACM Conference on Recommender Systems, Beijing: Association for Computing Machinery, Inc, Oct. 2024, pp. 33–42. doi: 10.1145/3640457.3688075.

W. Chen and J. Hays, “SketchyGAN: Towards Diverse and Realistic Sketch to Image Synthesis,” in Proc. IEEE/CVF Conf. Comput. Vis. Pattern Recognit. (CVPR), Salt Lake City, UT, USA, 2018, pp. 9416–9425, doi: 10.1109/CVPR.2018.00981.

A. S. Wulandari, A. Saepudin, M. P. Kinanti, Z. Sudesi, A. Saifudin, and Y. Yulianti, “Pengujian Aplikasi Sistem Informasi Akademik Berbasis Web Menggunakan Metode Black Box Testing Equivalence Partitioning,” Jurnal Teknologi Sistem Informasi dan Aplikasi, vol. 5, no. 2, p. 102, May 2022, doi: 10.32493/jtsi.v5i2.17561.

H. Seo et al., “Large Language Models as Evaluators in Education: Verification of Feedback Consistency and Accuracy,” Applied Sciences (Switzerland), vol. 15, no. 2, Jan. 2025, doi: 10.3390/app15020671.

H. Yakub, B. Daniawan, A. Wijaya, and L. Damayanti, “Sistem Informasi E-Commerce Berbasis Website Dengan Metode Pengujian User Acceptance Testing,” JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer, vol. 2, no. 2, pp. 113–127, Apr. 2024, doi: 10.53624/jsitik.v2i2.362.

R. S. Pressman and B. R. Maxim, Software Engineering: A Practitioner’s Approach, 9th ed. New York, NY, USA: McGraw-Hill Education, 2020.

B. Fachri, C. Rizal, and Supiyandi, “Penerapan Metode Waterfall Dalam Perancangan Sistem Informasi Merdeka Belajar Kampus Merdeka Berbasis Web,” Jurnal Komputer Teknologi Informasi dan Sistem Informasi (JUKTISI), vol. 2, no. 3, pp. 591–597, 2024, doi: 10.62712/juktisi.v2i3.147.

M. Bak Herrie, N. R. Maleve, L. Philipsen, and A. B. Staunæs, “Democratization and generative AI image creation: aesthetics, citizenship, and practices,” AI Soc., vol. 40, no. 5, pp. 3495–3507, Jun. 2025, doi: 10.1007/s00146-024-02102-y.

L. Wang, V. Sindagi, and V. Patel, “High-Quality Facial Photo-Sketch Synthesis Using Multi-Adversarial Networks,” in Proc. 13th IEEE Int. Conf. Autom. Face Gesture Recognit. (FG 2018), Xi’an, China, 2018, pp. 83–90, doi: 10.1109/FG.2018.00022.

J. Oppenlaender, “A taxonomy of prompt modifiers for text-to-image generation,” Behaviour and Information Technology, vol. 43, no. 15, pp. 3763–3776, 2024, doi: 10.1080/0144929X.2023.2286532.