ABSTRAKSI: Penerapan indera penglihatan pada mesin merupakan salah satu cara untuk membuat mesin dapat berperilaku seperti manusia. Salah satu penerapaannya adalah video, dimana mesin merepresentasikan apa “yang dilihat” kedalam video. Untuk membuat mesin tidak hanya mampu dalam “melihat” tapi mampu juga untuk mengidentifikasi apa saja yang dilihat, maka dibutuhkan suatu sistem deteksi gerakan untuk mengenali objek apa saja yang ada dalam video. Tugas Akhir ini membahas tentang sistem deteksi gerakan untuk mendapatkan objek bergerak pada video dengan menggunakan metode perbandingan frame-latarbelakang (frame-background difference) dan metode perbandingan frame per frame (frame difference) untuk kemudian dilakukan tracking, penghitungan objek bergerak dan optimasi nilai-nilai threshold yang ada dalam sistem. Hasil dari implementasi sistem ini adalah bagaimana sistem ini mampu mendeteksi, melakukan penghitungan serta tracking pada objek bergerak dengan tingkat kesalahan dalam proses sekecil mungkin. Optimasi terhadap nilai-nilai threshold dengan menggunakan algoritma genetika diharapkan mampu memberikan kinerja yang optimal dengan tingkat kesalahan yang paling minimum. Dari percobaan untuk masing-masing metode deteksi gerakan diperoleh total average error rate (AER) untuk metode perbandingan framelatarbelakang adalah 41,22 % dan untuk metode perbandingan frame per frame adalah 32,40 %. Untuk nilai-nilai threshold yang paling optimum dengan metode perbandingan frame-latarbelakang adalah 81 piksel (Area), 39,5 piksel (selisih latarbelakang), dan 21 piksel (ukuran elemen penstruktur). Sedangkan untuk metode perbandingan frame per frame adalah 200 piksel (Area), 10 piksel (selisih frame) dan 10 piksel (ukuran elemen penstruktur).Kata Kunci : objek bergerak, deteksi gerakan, video, metode perbandingan framelatarbelakang, metode perbandingan frame, algoritma genetikaABSTRACT: Applying of human vision in the machine is one of the ways to make machine act like human being. Generally, video are used to apply human vision in the machine because video has a lot of information than can be analyzed by machine, such as motion. Information of motion can be used to obtain objects for tracking and counting motion objects. This Final Project will discuss about motion detection system that can detect motion objects in the video by using frame-background difference method and frame difference method. After detection, system will count and track the motion objects, then for the last step, the values of threshold existing in system will be optimized using genetic algorithm. The output of this project is to perform a system which is able to detect, track, count the motion objects and optimize the values of threshold that existing in system by using genetic algorithm. From the experiment that has been done, it obtain result of detection have good performance. This can be concluded based on AER value from system. Based on detection process using frame-background difference method, AER which is obtained has maximum value 41.22 %. While in detection process using frame difference method, AER which is obtained has maximum value 32.40 %. The most optimum threshold value in frame-background difference method are 81 pixel (Area), 39.5 pixel (background difference), and 21 pixel ( structure element), while for frame difference method are 200 pixel (Area), 10 pixel (frame difference) and 10 pixel (structure element )Keyword: motion object, motion detection, video, frame-background difference, frame difference method, genetic algorithm