ABSTRAKSI: Dalam teknik restorasi citra yang terdegradasi oleh fungsi blur dan noise, ketepatan perkiraan parameter degradasi merupakan suatu masalah pada metode restorasi citra. Dengan masalah tersebut suatu teknik restorasi dengan skema adaptif perlu dilakukan. Dengan menggunakan sistem jaringan saraf tiruan dengan kemampuan untuk mengolah data tanpa harus memiliki data target (self organizing) dan penerapan algoritma secara iteratif merupakan suatu hal yang dapat digunakan untuk merestorasi citra secara adaptif. Dengan model jaringan saraf tiruan Hopfield dengan konfigurasi jaringan yang memiliki kemampuan untuk mengingat suatu objek dengan objek yang pernah dikenal sebelumnya (recurrent network), restorasi citra dilakukan dengan memperkirakan parameter jaringan berdasarkan parameter degradasi dan nilai konstanta �� yang merupakan pengontrol antara ketajaman dan kehalusan citra, kemudian memerbaharui citra terdegradasi secara iteratif untuk memperoleh citra yang lebih berkualitas. Kemudian ketahanan terhadap besarnya degradasi dan ketahanan terhadap kesalahan perkiraan parameter degradasi diuji untuk mengetahui kehandalan dari model jaringan Hopfield untuk restorasi citra terdegradasi. Dari hasil implementasi pada citra Baboon.bmp, jika citra terdegradasi tidak terdapat noise didapat hasil restorasi dengan peningkatan nilai PSNR 10.41dB dari nilai PSNR degradasi citra 52.26dB. Jika citra terdegradasi dipengaruhi noise, restorasi dilakukan dengan menghaluskan noise tersebut dan dengan nilai ��=0.05 didapat hasil restorasi dengan peningkatan nilai PSNR 7.92dB dari nilai PSNR degradasi citra 43.7dB. Pada hasil uji ketahanan terhadap besarnya degradasi, pada pengujian degradasi blur dengan nilai PSNR 56.95dB kemudian diperbesar dengan nilai PSNR 48.18dB, nilai RSME bertambah 8.26. Kemudian pada hasil uji ketahan terhadap kesalahan perkiraan parameter degradasi (degradasi: Gaussian blur 5x5 Standard deviasi 2), pada sedikit kesalahan perkiraan (restorasi: Gaussian blur 5x5 Standard deviasi 2.2) peningkatan nilai PSNR sebesar 10.13dB, jika kesalahan perkiraan terlalu besar (restorasi: Gaussian blur 7x7 Standard deviasi 2.2) dengan nilai ��=0.001 peningkatan nilai PSNR sebesar 0.14dB.Kata Kunci : Restorasi citra, Jaringan saraf tiruan Hopfield, Pengolahan citra.ABSTRACT: In restoration technique of blurred and noisy degraded image, estimation exactness of degradation parameters is a problem for image restoration method. With that problem a restoration technique with adaptive scheme is needed. With using neural network system with self organizing ability and iterative algorithm applied is a thing that can use for image restoration with adaptive scheme. With Hopfield neural network model with recurrent network configuration, image restoration is doing with estimated network parameters according to the degradation parameters and constant of �� value that controlled between sharpness and smoothness the image, then the degraded image reconstruction in iterative method is applied for acquire more good quality of the image. Then robustness of degradation rate and robustness of inexactness the degradation parameters estimation is experimented for examine the Hopfield network model reliability for degraded image restoration. For implementation result on Baboon.bmp image, if the degraded image is not noised the result of restoration is gained with improvement of PSNR 10.41dB from degraded image with PSNR 52.26dB. If the degraded image is noised, restoration is doing with smoothing the noise and with ��=0.05 the result of restoration is gained with improvement of PSNR 7.92dB from degraded image with PSNR 43.7dB. For experiment result of robustness of degradation rate, in increasing the blur degradation rate from 56.95dB of PSNR to 48.18dB of PSNR, the RSME value is 8.26 increased. Then for experiment result of robustness of inexactness the degradation parameters (degradation: Gaussian blur 5x5 Standard deviation 2), for few fault estimated (restoration: Gaussian blur 5x5 Standard deviation 2.2) the improvement of PSNR is 10.13dB, if the estimated fault is large (restoration: Gaussian blur 7x7 Standard deviation 2.2) with ��=0.001 the improvement of PSNR is 0.14dB.Keyword: Image restoration, Hopfield neural network, Image processing.