ABSTRAK Nama Penulis : Ghifari Aulia Azhar Riza : Dionisius Baskoro Samudra Program Studi : Ilmu Komputer Judul : Deteksi Keramaian Real-time untuk Sistem Billboard Iklan Cerdas dengan FogVerse Pembimbing : Muhammad Hilman, Ph.D. Dr. Eng. Laksmita Rahadianti Penayangan iklan pada tempat umum cenderung dilakukan secara acak, sehingga pesan yang disampaikan bisa tidak tepat sasaran. Smart-ads billboard dapat menjadi salah satu solusi untuk menampilkan iklan yang sesuai dengan kondisi dan situasi pada suatu area. Smart-ads billboard dapat direalisasi menggunakan sensor secara real-time dengan me- manfaatkan internet of things (IoT). Permasalahannya, perangkat IoT bisa saja meng- hasilkan data yang banyak dan berukuran besar, sedangkan perangkat IoT memiliki ka- pabilitas komputasi yang sangat terbatas. Penggunaan paradigma cloud computing dapat menjadi salah satu solusi, sebab resource yang terdapat pada cloud berjumlah jauh lebih banyak jika dibandingkan dengan perangkat IoT. Namun, limit bandwidth jaringan dapat meningkatkan latency pada suatu sistem, sehingga diterapkan paradigma fog computing. Untuk dapat mengimplementasikan fog computing pada sistem smart-ads billboard de- ngan mudah, pengaplikasian FogVerse sebagai basis dari sistem menjadi salah satu pilihan yang baik, sebab FogVerse dirancang khusus untuk menunjang stream data processing dengan menggunakan Apache Kafka. Sistem smart-ads billboard bekerja dengan mende- teksi jumlah orang pada suatu tempat, kemudian menampilkan iklan sesuai dengan jumlah orang yang ada. Untuk itu, dibutuhkan proses object detection secara real-time menggu- nakan suatu model machine learning. Penggunaan model machine learning YOLO dapat mendukung hal tersebut, kaerna YOLO dapat melakukan object detection secara real-time menggunakan deep learning. Penelitian ini menyelesaikan permasalahan smart-ads bill- board dalam dua tahap. Pertama, dilakukan fine-tuning untuk implementasi YOLO untuk object atau person detection menggunakan crowdhuman dataset. Hal ini dilakukan un- tuk meningkatkan performa model dalam mendetekis orang. Selanjutnya, model YOLO ini diadaptasi ke dalam sistem FogVerse untuk smart-ads billboard. Penelitian ini juga menunjukan faktor-faktor lain yang dapat memengaruhi latency dari sistem dan CPU uti- lization dari perangkat fog, serta bagaimana mengoptimalkan penggunaan perangkat fog dengan suatu scheduling algorithm. Kata kunci: Smart-ads billboard, FogVerse, fog computing, cloud computing, scheduling, YOLO, crowdhuman dataset