ABSTRAKSI: Pada tugas akhir ini dibangun sebuah sistem yang mampu mendeteksi tingkat kepadatan kendaraan dengan input berupa video. Metode yang dipakai dalam pendeteksian kendaraan adalah kombinasi dari Saturation dan Value (CVS). Data uji yang dipakai berupa video berekstensi .avi yang diambil secara offline pada satu ruas jalan tol. Posisi kamera yang digunakan adalah low oblique. Sistem yang dibangun mampu mendeteksi kecepatan rata-rata ruang kendaraan dan jumlah kendaraan yang melintas pada suatu waktu. Beberapa proses pengolahan citra yang digunakan adalah background extraction dengan metode Time Averaging Background Image (TABI), foreground extraction menggunakan frame differencing, serta beberapa proses penting lain seperti opening dan trcking centroid. Parameter yang digunakan berupa nilai Background Foreground Threshold untuk memisahkan foreground dengan background, nilai structure element square sebagai pembentuk morfologi kendaraan serta open binary image untuk menghilangkan objek kecil selain kendaraan. Berdasarkan hasil pengujian, didapatkan nilai parameter background foreground threshold sebesar 0.075, parameter structure element square sebesar 10, dan parameter bwareaopen sebesar 250 dengan error-rate dalam penghitungan jumlah kendaraan sebesar 0% atau kendaraan terdeteksi semuanya. Berdasarkan pengujian akurasi kecepatan rata-rata ruang, diperoleh hasil tertinggi yakni 99,66% dan terendah 82,92% dengan rata-rata akurasi 94,04% dari 9 video uji yang digunakan. Hasil pengujian pendeteksian kepadatan kendaraan yang dihasilkan sistem dinilai cukup baik. Jika dibandingkan dengan kondisi nyata maka selisih rata-rata yang dihasilkan sistem sebesar 1,3 Kend/Km.Kata Kunci : TABI, Background extraction, Foreground extraction, CVS MethodABSTRACT: In this final project had been built a system that is able to detect the density of vehicles with a video input . The method used in the detection of a vehicle is a combination of Saturation and Value ( CVS ). Test data used in a video .avi extension taken offline on the toll roads . The position of the camera used is a low oblique. The system is capable to detect the space-mean speed of vehicles and the number of passing vehicles at a time. Some image processing background extraction is used with Time Averaging Background Image method (TABI), foreground extraction using frame differencing, as well as several other important processes such as opening and tracking centroid . The parameters used are background foreground threshold Values to separate the foreground to the background, structure elements square Values to form vehicle morphologic, as well as an open binary image to remove small objects (noise) other than vehicles. Based on the results, obtained parameter Values for background foreground threshold 0.075, structure element square parameter of 10, and bwareaopen parameter of 250. The error rate in the calculation of the number of vehicle at 0% or vehicles detected. Based on the testing accuracy of the average velocity, obtained the highest 99,66% and the lowest 82,92% with an average accuracy of 94,4% from 9 video test used. The detection of vehicle density testing result was considered good with an average difference of 1,3 Vehicle / Km.Keyword: TABI , Background extraction , Foreground extraction , CVS Method