ABSTRAK Nama : Uus Khusni Program Studi : Magister Ilmu Komputer Judul : Pengembangan Pedestrian Detection untuk Kasus Occluded Pedestrian Pembimbing : Prof. Aniati Murni Arymurthy Dr. Heru Susanto(BRIN) Pada saat ini terdapat banyak algoritma object detection dan multiple-person detection dalam bidang Computer Vision. Investasi besar untuk autonomous car oleh perusahaan besar di bidang otomotif dan IT(Information Technology) semakin banyak menarik minat penelitian pada bidang ini. Dalam pengembangan algoritma pedestrian detection ada beberapa kondisi yang akan mempengaruhi tingkat akurasi di antaranya occlusion, illumination change, motion blur, dan texture variation. Di antara kondisi tersebut occlusion adalah masalah signifikan yang mempengaruhi tingkat akurasi. Berdasarkan kondisi tersebut, dibutuhkan pedestrian detection yang efektif dalam berbagai kondisi occlusion. Dalam penelitian ini pedestrian detection diusulkan dan dibangun dengan deep learning. Metode yang diusulkan dibagi menjadi dua tahap. Tahap pertama pedestrian candidate region detection menggunakan kombinasi Faster-RCNN dengan LSTM. Tahap kedua adalah proses target matching di mana tahap ini akan digunakan kombinasi Scale Invariant Feature Transform (SIFT) dan Color Histogram. Penggunaan metode ini diharapkan akan meningkatkan akurasi dari metode sebelumnya yang dijadikan sebagai baseline. Kata Kunci: Color histogram, Faster R-CNN, LSTM, pedestrian detection, SIFT.