ABSTRAK Nama : Median Hardiv Nugraha Program Studi : Ilmu Komputer Judul : Deteksi Objek Pariwisata Sekitar Monas Menggunakan YOLO dan RetinaNet Sektor pariwisata menjadi salah satu sektor yang memiliki banyak potensi pemasukan anggaran negara. Salah satu cara untuk meningkatkan pemasukan melalui sektor pariwisata adalah dengan memanfaatkan teknologi informasi agar dapat menarik lebih banyak wisatawan yang datang. Pemanfaatan teknologi tersebut adalah dengan menggunakan smart tourism. Implementasi smart tourism yang digunakan pada pariwisata di Indonesia, khususnya untuk objek wisata Monumen Nasional (Monas) adalah dengan memanfaatkan aplikasi telepon pintar berbasis Visual Question Answering (VQA) untuk memberikan informasi detail mengenai objek pariwisata yang sedang diamati dari kamera ponsel. Fokus dari skripsi ini adalah untuk menghasilkan model latihan dengan akurasi deteksi objek yang baik. Hasil dari proses latihan model akan dijadikan sebagai model untuk deteksi objek yang ada di sekitar Monas yang akan digunakan untuk melakukan VQA. Dataset yang digunakan dalam penelitian ini adalah gambar Monas beserta objek-objek sekitarnya sebanyak 600 gambar dengan label kelas sebanyak 25 kelas objek. Jaringan yang digunakan untuk melakukan deteksi objek adalah dengan menggunakan YOLO dan RetinaNet, dimana nantinya kedua jaringan ini akan dilakukan komparasi dengan mencari skor akhir dari hasil evaluasi kedua model yang telah dihasilkan. Dengan menggunakan dataset orisinil, pada jaringan YOLO mean average precision (mAP) yang didapatkan dengan rentang nilai confidence level threshold 0,1 sampai 0,9 berkisar antara 60,77% sampai 71,99%, sedangkan untuk jaringan RetinaNet mAP yang didapatkan berkisar antara 72,18% sampai 92,98%. Dengan menggunakan dataset augmentasi, pada jaringan YOLO mAP yang didapatkan berkisar antara 52,51% sampai 93,72%, sedangkan untuk jaringan RetinaNet mAP yang didapatkan berkisar antara 23,8% sampai 56,19%. Untuk skor Area Under Curve (AUC) pada dataset orisinil sebesar 0,99 dan 0,96 pada dataset augmentasi. Berdasarkan hasil eksperimen ini dapat disimpulkan model YOLO dapat mendeteksi lebih baik dibandingkan dengan RetinaNet dan dataset augmentasi dapat menghasilkan deteksi gambar lebih baik dibandingkan dengan dataset orisinil. Kata Kunci: Monas, pariwisata, deteksi objek, computer vision, image processing, deep learning