SKRIPSI IF

PENINGKATAN RESOLUSI TANGKAPAN GAMBAR CCTV MENGGUNAKAN ALGORITMA Real-ESRGAN

---

Abstract
The image quality produced by Closed-Circuit Television (CCTV) systems often deteriorates due to limitations in camera resolution, inadequate lighting conditions, and various environmental factors. This results in image captures that are suboptimal for identifying critical objects such as faces or vehicle license plates. With the advancement of artificial intelligence, particularly deep learning, various new approaches have emerged to enhance the quality of low-resolution images. The challenge in this study lies in improving the quality of low-resolution CCTV screen captures using deep learning-based methods, and evaluating the extent to which visual enhancements can be achieved. This issue is increasingly important given the growing demand for reliable surveillance systems across various sectors. The Real Enhanced Super-Resolution Generative Adversarial Networks (Real-ESRGAN) algorithm is applied to enhance CCTV image quality and analyze its effectiveness in reconstructing details lost due to resolution degradation. The research begins with collecting CCTV image datasets, followed by applying the Real-ESRGAN model in the super-resolution process, and then evaluating how the model impacts image quality improvement. The evaluation is conducted using two approaches: quantitatively through Peak Signal-to-Noise Ratio (PSNR) and Structural Similarity Index Measure (SSIM), and qualitatively through visual observation of the resulting images.
Keywords: CCTV Image Capture Quality Enhancement, Super-Resolution, Deep Learning, Real-ESRGAN

Abstrak
Kualitas gambar yang dihasilkan oleh sistem Closed-Circuit Television (CCTV) sering kali mengalami penurunan akibat keterbatasan resolusi kamera, kondisi pencahayaan yang tidak ideal, serta faktor lingkungan lainnya. Hal ini menyebabkan hasil tangkapan gambar kurang optimal untuk digunakan dalam proses identifikasi objek penting, seperti pengenalan wajah atau pembacaan plat nomor kendaraan. Dengan perkembangan teknologi kecerdasan buatan, khususnya deep learning, muncul berbagai pendekatan baru untuk meningkatkan kualitas gambar beresolusi rendah. Tantangan dalam penelitian ini adalah bagaimana meningkatkan kualitas gambar tangkapan layar CCTV yang memiliki resolusi rendah dengan menggunakan metode berbasis deep learning, serta bagaimana mengevaluasi sejauh mana perbaikan kualitas sistem pengawasan yang andal semakin meningkat di berbagai sektor. Algoritma RealEnhanced Super-Resolution Generative Adversarial Networks (Real-ESRGAN) bertujuan untuk meningkatkan kualitas gambar CCTV, dan menganalisis efektivitas algoritma tersebut dalam merekonstruksi detail gambar yang sebelumnya hilang akibat degradasi resolusi. Penelitian dimulai dari pengumpulan dataset gambar CCTV lalu menerapkan model Real ESRGAN dalam proses super-resolution yang hasilnya akan dievaluasi bagaimana pengaruh dalam peningkatan kualitas gambar. Evaluasi dilakukan dengan dua pendekatan, yaitu secara kuantitatif menggunakan metrik Peak Signal-to-Noise Ratio (PSNR) dan Structural Similarity Index Measure (SSIM), serta secara kualitatif melalui observasi visual terhadap hasil gambar yang diperoleh.
Kata kunci: Peningkatan Kualitas tangkapan Gambar CCTV, Super-Resolution, Deep
Learning, Real-ESRGAN

---

Ketersediaan

S250510001

607.2 ARK p

Perpustakaan STMIK AMIKBANDUNG

Tersedia

Informasi Detil

Judul Seri

-

No. Panggil

607.2 ARK p

Penerbit

: ., 2025

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subyek

-

Info Detil Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

You must be logged in to post a comment