Salah satu bidang utama visi komputer yang menghadapi kesulitan yang semakin meningkat hingga saat ini adalah deteksi objek, terutama dalam kasus oklusi, yang terjadi ketika sebuah objek dikaburkan sebagian atau seluruhnya oleh objek lain. Sampai saat ini model AI mengalami kesulitan untuk mengidentifikasi objek target dalam situasi ini. Untuk mengatasi masalah ini, penelitian ini menggunakan backbone DenseNet untuk membangun model Faster R-CNN. Faster R-CNN yang digunakan dalam penelitian ini dilatih menggunakan dataset Pascal3D+ dan dievaluasi pada dataset OccludedPascal3D+, di mana dataset ini dibuat khusus untuk mengukur kemampuan model dalam mengidentifikasi objek dengan tingkat oklusi yang berbeda. Jika dibandingkan dengan backbone lainnya, model yang diusulkan dapat meningkatkan nilai mAP hingga 50%. Dalam laporan ini, disajikan pula hasil visualisasi berupa hasil kotak pembatas atau bounding box yang diberikan oleh model.