ABSTRAK Nama : Otniel Yosi Viktorisa Program Studi : Magister Ilmu Komputer Judul : Metode Seleksi Partisipan pada Mobile Crowdsensing Berbasis Deep Reinforcement Learning Mobile crowdsensing (MCS) adalah salah satu paradigma baru dalam bidang penginderaan. Kemunculan MCS dipengaruhi pesatnya perkembangan ponsel dan perangkat pintar yang dibekali dengan berbagai sensor dan memiliki kemampuan komputasi. Selain itu penelitian terdahulu telah membuktikan bahwa MCS dapat diterapkan untuk menjadi solusi atas permasalahan sehari-hari. Untuk dapat berjalan, MCS membutuhkan partisipasi dari pengguna. Oleh karena itu, proses seleksi partisipan menjadi cukup penting dalam bidang MCS. Penelitian terdahulu yang mengusulkan metode seleksi partisipan umumnya menggunakan pendekatan greedy. Metode tersebut gagal mengevaluasi individu sebagai bagian dari populasi besar. Penelitian ini mengusulkan metode partisipan berbasis deep reinforcement learning dengan menerapkan algoritma pursuit learning game untuk mengatasi permasalahan tersebut. Model yang diusulkan dievaluasi dengan melakukan simulasi menggunakan data yang diambil dari Geolife Trajectory Dataset 1.3. Hasil evaluasi menunjukkan model yang diusulkan telah cukup efektif dalam melakukan proses seleksi partisipan. Kata Kunci: mobile crowdsensing, seleksi partisipan, deep reinforcement learning viii