Permintaan gambar karakter Jepang bergaya retro meningkat seiring dengan kebutuhan industri kreatif, seperti game, desain, dan seni digital. Stable Diffusion mendukung pengembangan generator gambar namun memiliki tantangan utama berupa inkonsistensi output visual dan risiko overfitting selama proses pelatihan model generatif. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan teknik fine-tuning DreamBooth pada model Stable Diffusion v2.1, disertai penerapan regularisasi L2 untuk meningkatkan generalisasi model. Hasil uji coba menggunakan CLIP menunjukkan peningkatan kesesuaian gambar terhadap deskripsi teks, dengan skor yang meningkat dari sekitar 0.30-an menjadi 0.70-an setelah proses fine-tuning, sementara regularisasi L2 turut meningkatkan skor sebesar 0.02 dan membantu mengurangi risiko overfitting. Namun, ditemukan kendala dalam penerjemahan prompt, di mana beberapa gambar belum sepenuhnya merepresentasikan instruksi teks, sehingga penelitian lebih lanjut diperlukan untuk meningkatkan pemahaman model terhadap variasi bahasa.
Kata Kunci: Diffusion models, Stable Diffusion, DreamBooth Fine-Tuning, Regularisasi L2, Inkonsistensi Output, Overfitting.