Kualitas gambar dari kamera keamanan rumah beresolusi rendah sering kali menjadi kendala dalam identifikasi objek, terutama saat pencahayaan minim atau jarak pandang jauh. Gambar yang buram dan kurang detail dapat sangat mengurangi efektivitas sistem pengawasan. Meskipun solusi idealnya adalah mengganti perangkat keras dengan kamera premium seperti GUOANVISION 12MP 4K, hal ini tidak praktis dan cukup mahal bagi pengguna rumahan. Oleh karena itu, penelitian ini mencari solusi alternatif melalui pendekatan deep learning untuk meningkatkan resolusi gambar tanpa mengubah perangkat yang ada. Metode yang digunakan adalah Super-Resolution Generative Adversarial Network (SRGAN). Berdasarkan literatur, SRGAN mampu menghasilkan citra resolusi tinggi secara fotorealistik melalui dua komponen utama: generator dan discriminator, yang bekerja secara kompetitif untuk memperbaiki detail gambar halus. Untuk membuktikan keefektifannya, SRGAN diuji pada gambar CCTV tipe V380 Pro dan dibandingkan dengan metode ESRGAN menggunakan metrik objektif PSNR (Peak Signal-to-Noise Ratio). Hasil pengujian menunjukkan keunggulan SRGAN dalam semua frame uji. Frame pertama mencatat PSNR 20.63?dB (SRGAN) versus 20.28?dB (ESRGAN). Pada frame kedua, SRGAN menghasilkan 35.94?dB, jauh melebihi ESRGAN dengan 31.83?dB. Frame ketiga juga menunjukkan hasil serupa: SRGAN meraih 28.47?dB, dibandingkan ESRGAN 25.94?dB. Dengan peningkatan signifikan ini, penggunaan SRGAN terbukti mampu mendekati kualitas gambar GUOANVISION 12MP 4K, menjadikannya solusi hemat biaya dan efektif untuk sistem pengawasan berbasis kamera CCTV rumah.