Dalam teknologi informasi saat ini, komponen gambar atau citra merupakan
komponen yang sangat penting. Citra yang beresolusi rendah memberikan informasi yang
yang terbatas. Maka dari itu dilakukan, proses peningkatan kualitas citra yang nantinya
dapat melakukan rekonstruksi hingga Super-Resolution (SR), dan juga mengembangkan
teknologi dengan model baru untuk meningkatkan kualitas citra agar mudah untuk
mengenali objek yang ada.
Penelitian pengingkatan kualitas citra yang dilakukan dalam tugas akhir ini
menggunakan metode EDSR (Enhanced Deep Residual Network) tanpa proses
convolutional autoencoder dengan 6 layer ditambah layer Resblock dan EDSR dengan
proses convolutional autoencoder 12 layer ditambah layer Reblock yang dimodifikasi
dan diuji untuk melihat performa PSNR dan SSIM masing-masing dari model sistem yang
dijalankan. Metode ini dirancang agar peningkatan kualitas citra memiliki performa yang
lebih baik dari pada metode EDSR tanpa proses convolutional autoencoder.
Hasil akhir yang diperoleh dengan menggunakan metode EDSR dengan proses
convolutional autoencoder dapat meningkatkan kualitas citra, kemudian dari hasil yang
telah dianalisis, dengan menggungakan dataset DIV2K sebagai data training dan 5 jenis
dataset untuk test. Hasil pengujian dan analisis terhadap 2 paramter PSNR dan SSIM
didapatkan hasil pengujian dan analisis terhadap 2 paramter PSNR dan SSIM, hasil ratarata PSNR 34.761 dan SSIM 0.929 untuk model EDSR Original PSNR 16.912 dan SSIM
0.674 untuk model EDSR autoencoder modifikasi 1, dan PSNR 21.985 dan SSIM 0.697
untuk EDSR autoencoder modifikasi 2, dengan nilai filter 64 dan nilai residual block 32
menggunakan optimizer Adam, dengan learning rate 0.0001 epoch 75 steps per-epoch
100, pada model EDSR autoencoder modifikasi 2, sehingga model EDSR autoencoder
modifikasi 2 mengungguli model EDSR autoencoder modifikasi 1 menggunakan dataset
Set5, yang menunjukan keluaran citra dengan performa kualitas citra yang lebih baik dari
low resolusi, akan tetapi belum bisa mendekati EDSR tanpa proses autoencoder (asli),
dikarenakan keterbatasan perangkat yang digunakan.
Kata Kunci: Image enhancement, Peningkatan kualitas citra, Super resolution,
autoencoder