ABSTRAK Nama : Muhamad Andre Gunawan Program Studi : Ilmu Komputer Judul : Sistem Deteksi Korban SAR Real-Time Menggunakan UAV dan Berbasis FogVerse Pembimbing : Muhammad Hafizhuddin Hilman, S.Kom., M.Kom., Ph.D. Sistem deteksi korban SAR menggunakan UAV semakin mendapat perhatian penting dalam kegiatan SAR karena manfaatnya yang signifikan. UAV itu sendiri merupakan entitas Internet of Things (IoT). IoT pada umumnya memiliki resource komputasi yang terbatas, sehingga mengintegrasikan teknologi machine learning menjadi sebuah tantangan. Untuk mengatasi masalah ini, pendekatan fog computing yang menempatkan resource komputasi tambahan di dekat UAV dapat menjadi solusi yang potensial. Selain itu, model komunikasi publish/subscribe diperlukan untuk memungkinkan penggunaan lebih dari satu UAV. Dengan begitu, resource komputasi tambahan menjadi tidak terlalu dibutuhkan. Penelitian ini mengusulkan sistem deteksi korban SAR menggunakan UAV yang merupakan hasil adaptasi terhadap sistem FogVerse yang diusulkan oleh Basyar (2022). FogVerse adalah sistem smart-CCTV berbasis fog computing, menggunakan Kafka, sebuah alat yang menunjang model komunikasi publish/subscribe dan diintegrasikan dengan YOLOv5 untuk melakukan object detection. Penelitian ini juga bertujuan untuk mengukur kinerja sistem usulan dalam hal latency dan FPS pada konteks kegiatan SAR. Penelitian dilakukan secara quasi-eksperimental. Eksperimen dilakukan pada berbagai skenario, yaitu pengujian sistem secara lokal dan dengan bantuan cloud resource. Hasil eksperimen menunjukkan bahwa sistem yang diusulkan berhasil mengadaptasi FogVerse dengan latency kurang dari 1 detik pada skenario lokal dan kurang dari 5 detik pada skenario dengan bantuan cloud resource. Hasil tersebut lebih unggul dibandingkan dengan performa sistem FogVerse milik Basyar (2022) yang memiliki latency lebih dari 1 detik untuk skenario lokal. Untuk skenario dengan bantuan cloud resource, nilai latency FogVerse kurang lebih serupa, namun perlu diperhatikan bahwa FogVerse lebih banyak menggunakan wired communication, sedangkan sistem usulan penulis melibatkan lebih banyak wireless communication. Sehingga, performa sistem usulan memiliki latency lebih baik. Selain itu, sistem usulan memiliki nilai FPS lebih dari 9 FPS pada setiap skenario. Oleh karena itu, sistem usulan juga lebih baik daripada sistem deteksi korban SAR menggunakan UAV yang diusulkan oleh Martinez-Alpiste, Golcarenarenji, Wang, dan Alcaraz-Calero (2021), yang memiliki nilai FPS sebesar 6.8 FPS. Penelitian ini memberikan kontribusi dalam pengembangan sistem deteksi korban SAR menggunakan UAV yang efisien dan berpotensi membantu mewujudkan kegiatan SAR yang lebih baik. Kata kunci: Search and Rescue, Unmanned Aerial Vehicle, FogVerse, Wireless Network, Fog Computing, Cloud Computing, Machine Learning, YOLO, Kafka