Proses kecepatan pencarian korban bencana alam merupakan faktor penting yang memengaruhi peluang korban untuk bertahan hidup. Sebagian besar lokasi yang terkena bencana alam akan sulit untuk diakses, dan saat ini tim penyelamat masih menggunakan alat berat untuk membuka akses tersebut. Hal ini membutuhkan waktu yang lama untuk menuju ke lokasi dan mencari korban. Pada penelitian ini, kami mengusulkan sebuah perangkat cerdas untuk membantu Badan Nasional Pencarian dan Pertolongan (BASARNAS) menggunakan drone yang dilengkapi dengan kamera untuk mencari korban bencana alam secara realtime. Dengan menggunakan perangkat cerdas yang dibuat ini, pencarian akan lebih efektif, karena dapat mempercepat tim penyelamat dalam mencari korban di lokasi bencana. Proses pendeteksian dan perhitungan jumlah korban dilakukan pada kamera menggunakan algoritma Convolutional Neural Network dan arsitektur You Only Look Once versi 4 (YOLOv4) dan YOLOv4-Tiny. Hasil dari penelitian ini adalah arsitektur YOLOv4 memiliki akurasi yang lebih tinggi dalam mendeteksi korban yaitu sebesar 85%, akan tetapi membutuhkan waktu sekitar 10 detik untuk proses deteksinya. Sedangkan YOLOv4-Tiny cepat dalam proses deteksinya akan tetapi kurang optimal dalam akurasi deteksi. Hasil selanjutnya yaitu YOLOv4 kami gunakan untuk proses deteksi dengan memperhatikan tinggi dan posisi dari kamera, dimana hasil training YOLOv4 memiliki akurasi yang cukup tinggi yaitu sebesar 92,29% dalam mendeteksi kondisi korban. Selain itu, tinggi kamera dan posisi dari kamera juga memengaruhi akurasi yang didapat, dimana hasil yang didapat dengan kamera statis memiliki akurasi yang cukup optimal yaitu sebesar 95%. Namun semakin tinggi kamera, akurasi akan semakin turun yaitu sebesar 67%.