Kebutuhan visualisasi karakter dalam novel fantasi sering kali sulit divisualisasikan hanya melalui deskripsi teks. Teknik fine-tuning Dreambooth pada model Stable Diffusion v1.5 mengatasi tantangan tersebut dengan menyesuaikan model terhadap dataset spesifik. Dalam penelitian ini, penerapan regularisasi Dropout pada CLIP encoder meningkatkan fidelity hasil visualisasi, meskipun mengurangi skor CLIP dari 0.80-an menjadi sekitar 0.70-an. Model ini mampu menghasilkan gambar karakter bergaya Art Nouveau dengan elemen khas seperti garis melengkung, motif alam, dan palet warna pastel. Sistem berbasis web memungkinkan pengguna untuk memasukkan deskripsi karakter dan memperoleh visualisasi yang sesuai. Hasil penelitian menunjukkan bahwa fine-tuning dan Dropout efektif menghasilkan representasi visual yang lebih akurat, meskipun karakter laki-laki dalam dataset terbatas. Penelitian ini berkontribusi pada pengembangan Text-to-Image Generation dalam industri kreatif.
Kata Kunci: Stable Diffusion, Dreambooth Fine-Tuning, Dropout Regularization, Art Nouveau, Text-to-Image Generation.