Gambar yang berkualitas tinggi dibutuhkan dalam berbagai bidang profesional seperti medis, penelitian, dan kepolisian. Namun sering terjadi gambar yang dihasilkan kurang baik sehingga informasi-informasi penting yang terdapat pada gambar tidak terdeteksi karena derau. Hal tersebut dapat mengurangi informasi dari sebuah gambar.
Pada Tugas Akhir ini digunakan salah satu perbaikan kualitas citra yaitu metode Fast Super Resolution Convolutional Neural Network (FSRCNN). FSRCNN memiliki delapan layer dan memfokuskan pada percepatan kecepatan rekonstruksi yang resolusinya tinggi dan akan disisipkan autoencoder. Pada penyisipan menggunakan autoencoder akan dibantu dengan maxpooling dan upsampling layer disesuaikan agar hasil nilai dari modifikasi FSRCNN mendapat nilai yang maksimal. Untuk FSRCNN AE 1 dilakukan sebanyak dua kali maxpooling dan upsampling dan untuk FSRCNN AE 2 dilakukan sebanyak empat kali maxpooling dan upsampling. Dengan menggunakan data DIV2K sebagai data training dan digunakan dataset Set5, Set14, dan BSDS200 sebagai data testing yang akan diambil lima gambar pada masing-masing dataset.
Setelah dilakukan modifikasi pada model FSRCNN menggunakan autoencoder. Hasil yang diperoleh dari model FSRCNN AE 2 lebih baik dari model FSRCNN dan FSRCNN AE 1. Berikut hasil tertinggi PSNR pada setiap model FSRCNN referensi 37.00, model FSRCNN AE 1 37.50, dan model FSRCNN AE 2 37.78. Hasil gambar dari kedua model menunjukkan bahwa gambar yang dihasilkan oleh FSRCNN AE 2 lebih bagus daripada FSRCNN AE 1. Walupun hasilnya belum mencapai HR yang sebenarnya tapi setidaknya gambar yang dihasilkan lebih baik daripada gambar input.
Kata Kunci: Image enchacement, convolutional neural network, FSRCNN, autoencoder.