ABSTRAK Nama : Janson Hendryli Program Studi : Magister Ilmu Komputer Judul : Klasifikasi Aktivitas Tidak Wajar dengan Multi-class Markov Chain Latent Dirichlet Allocation dan Multimodal Decomposable Models Penelitian ini bermaksud mendapatkan model yang mampu melakukan klasifikasi aktivitas tidak wajar pada saat berlangsungnya ujian. Metode yang digunakan adalah Multi-class Markov Chain Latent Dirichlet Allocation (MCMCLDA) sebagai pengenal aktivitas dari data video CCTV. Detektor titik penting yang digunakan adalah MODEC dan Harris3D. Hasil eksperimen menunjukkan rata-rata akurasi sebesar 59.3% dengan menggunakan MCMCLDA dan MODEC, serta rata-rata akurasi 47.1% untuk klasifikasi menggunakan MCMCLDA dan Harris3D. Beberapa kesulitan MODEC untuk mendeteksi lengan menyebabkan akurasi yang tidak terlalu tinggi. Sementara itu, terlalu banyaknya titik bergerak yang dideteksi oleh Harris3D menyebabkan rendahnya performa akurasi. Secara waktu komputasi, MODEC memiliki waktu proses yang jauh lebih cepat dibandingkan Harris3D. Kata Kunci: pengenalan aktivitas, latent dirichlet allocation, markov chain