ABSTRAK Nama: Alan Novaldi Program Studi: Sistem Informasi Judul Skripsi: Paralelisasi komputasi penghitungan jumlah kendaraan menggunakan GPU untuk mendapatkan data penghitungan secara real time Pembimbing: Prof. Dr. Eng. Wisnu Jatmiko S.T., M.Kom Pembimbing: Ari Wibisono S.Kom, M.kom. Sistem lampu lalu lintas cerdas merupakan sitem yang dapat melakukan pengaturan lampu lalu lintas secara adaptif berdasarkan kondisi kepadatan lalu lintas. Salah satu cara untuk mendapatkan kondisi kepadatan lalu lintas adalah melakukan komputasi perhitungan jumlah kendaraan dari video CCTV yang terpasang pada persimpangan. Pada penelitian ini dilakukan paralelisasi program perhitungan jumlah kendaraan menggunakan modul Multiprocessing pada python untuk mendapatkan data perhitungan kendaraan dari setiap jalan persimpangan. Selanjutnya utilisasi GPU dilakukan untuk mendapatkan data secara real time dari suatu komputasi berat video processing. Pada penelitian ini, utilisasi GPU dilakukan dengan menggunakan CUDA sebagai platfrom, yang dapat menghubungkan program dengan GPU pada low-level. Pengolaan utilisasi GPU pada high-level dilakukan menggunakan TensorFlow yang sudah terintegrasi dengan CUDA. Uji coba eksekusi program dilakukan untuk mendapatkan runtime terbaik dari eksekusi program. Komputasi secara paralel menghasilkan runtime eksekusi komputasi 1.6 kali lebih cepat jika di bandingkan dengan komputasi secara sekuensial. Pada tingkat utilisasi GPU yang optimal, runtime eksekusi komputasi dapat ditingkatkan hingga dua kali lebih cepat dari komputasi normal. Utilisasi GPU juga terbuktik meningkatkan runtime eksekusi program karena komputasi utama video processing tidak lagi dijalankan menggunakan CPU . Hasil uji eksekusi komputasi digunakan untuk membuat visualisasi data penghitung jumlah kendaraan. Visualisasi ini dilakukan agar data yang perhitungan dapat di proses lebih lanjut untuk sistem pengatur lalu lintas. Pada akhir penelitian di lakukan profiling perfroma GPU menggunakan Nvprof dan NVDIA Visual Profiler sebagai toots yang disediakan oleh CUDA. Hasil profiling menunjukan analisis yang menyatakan bahwa tingkat penggunakan GPU untuk komputasi masih belum secara maksimal dilakukan. Hal ini terbukti dari jumlahnya angka compute utilization, average throughput dan kernel concurency dari eksekusi program. Sehingga di perlukan adanya optimisasi program penghitungan kendaraan agar utilisasi GPU lebih optimal. Kata kunci: Paralelisasi, Program penghitungan jumlah kendaraan, data video, utilisasi GPU, CUDA, TensorFlow, komputasi deep learning.