Sistem Rekomendasi Warna untuk Keterbacaan Teks pada Poster Menggunakan Rasio Kontras Warna dan Large Language Model Prompting

Alif, Neisa Hibatillah (2024) Sistem Rekomendasi Warna untuk Keterbacaan Teks pada Poster Menggunakan Rasio Kontras Warna dan Large Language Model Prompting. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5025201170-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (6MB) | Request a copy

Abstract

Penggunaan media sosial merupakan strategi pemasaran yang umum digunakan pada masa kini. Salah satu alat untuk berpromosi di media sosial adalah menggunakan poster digital. Poster biasanya didesain dengan warna-warna yang kuat dan menarik agar pesan pada poster tersampaikan dengan mudah. Membuat poster mengharuskan seorang desainer melakukan banyak hal, beberapa diantaranya yaitu membuat tata letak visual, menyesuaikan posisi dan ukuran teks, dan memilih gaya dan warna teks yang sesuai. Oleh karena itu, diperlukan suatu sistem yang secara otomatis dapat menentukan warna teks yang sesuai dengan tema poster. Sistem ini menggunakan teknik k-means clustering untuk mendeteksi warna dominan poster, pustaka Pillow untuk mendeteksi warna pada posisi tertentu, dan merekomendasikan warna teks dengan metode rasio kontras warna dan large language model (LLM) prompting. Data yang digunakan dalam penelitian ini yaitu data gambar poster, data template poster, dan data layout poster. Secara keseluruhan, hasil rekomendasi warna teks dari metode rasio kontras warna lebih baik dibandingkan dengan LLM prompting karena nilai mean rank yang lebih rendah (1.93 dibandingkan dengan 2.68) dan rata-rata Fréchet inception distance (FID) yang lebih rendah (167.83 dibandingkan dengan 183.2). Hal ini karena rasio kontras menggunakan perhitungan yang objektif sehingga memberikan hasil yang lebih cocok dibandingkan metode LLM prompting yang bergantung pada prompt yang digunakan dan pemahaman model itu sendiri. Selain itu, evaluasi menggunakan structural similarity index (SSIM) cenderung kurang cocok dibandingkan dengan FID, karena ketika ada warna teks yang mirip dengan warna latarnya, hal tersebut dinilai mirip dengan gambar aslinya oleh SSIM. Dengan adanya sistem ini, diharapkan dapat memudahkan pemilihan warna teks yang sesuai pada poster dan mengurangi jumlah sumber daya yang diperlukan untuk menentukan warna teks secara manual.
==============================================================================================================================
The use of social media is a marketing strategy that is commonly used today. An example of a tool for promoting on social media is using digital posters. Posters are usually designed with strong and attractive colors so that the message on the poster is conveyed easily. Creating a poster requires a designer to do many things, some of which are creating a visual layout, adjusting the position and size of the text, and choosing an appropriate text style and color. Therefore, we need a system that can automatically determine the text color that matches the poster theme. This system uses the k-means clustering technique to detect the dominant colors of the poster, Pillow library to detect colors at certain positions, and recommends text colors using the color contrast ratio method and large language model (LLM) prompting. The data used in this research are poster image data, poster template data, and poster layout data. Overall, the text color recommendation results from the color contrast ratio method are better than LLM prompting due to the lower mean rank value (1.93 compared to 2.68) and lower average Fréchet inception distance (FID) (167.83 compared to 183.2). This is because the contrast ratio uses objective calculations so it provides more suitable results than the LLM prompting which depends on the prompt used and understanding of the model itself. In addition, evaluation using structural similarity index (SSIM) tends to be less suitable than with FID, because when there is a text color that is similar to the background color, it is judged to be similar to the original image by SSIM. With this system, it is hoped that it will make it easier to select appropriate text colors on posters and reduce the amount of resources needed to determine text colors manually.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Rekomendasi Warna, Poster, Rasio Kontras, LLM, Prompt, Color Recommendation, Contrast Ratio
Subjects:	T Technology > T Technology (General) > T59.7 Human-machine systems. T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Alif Neisa Hibatillah
Date Deposited:	23 Aug 2024 08:12
Last Modified:	23 Aug 2024 08:12
URI:	http://repository.its.ac.id/id/eprint/110610

Actions (login required)

View Item