Peningkatan jumlah kecelakaan lalu lintas di Indonesia, yang mayoritas disebabkan oleh kesalahan manusia (human error), mendorong perlunya sistem keselamatan aktif yang dapat membantu pengemudi dalam mengurangi risiko tabrakan. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem Advance Driver Assistance System (ADAS) berbasis logika fuzzy untuk menganalisis risiko tabrakan secara real-time. Sistem dirancang dengan mengintegrasikan algoritma deteksi objek Yolo11n dan kamera kedalaman Intel RealSense D455 sebagai sumber data visual dan jarak, serta menggunakan dua pendekatan logika fuzzy yaitu Mamdani dan Sugeno untuk pengambilan keputusan. Prototipe kendaraan otonom dikembangkan menggunakan Raspberry Pi sebagai unit pemroses utama, dengan Arduino Uno untuk mengatur aktuator serta komunikasi serial. Penelitian ini mengevaluasi performa sistem berdasarkan kombinasi parameter input berupa jarak dan kecepatan, dengan pengujian pada beberapa variasi jumlah aturan fuzzy yaitu 3 dan 6 aturan fuzzy. Hasil pengujian menunjukkan bahwa Yolo11n mampu mendeteksi objek secara akurat dan real-time, sementara sensor RealSense D455 memberikan estimasi jarak dengan tingkat akurasi 99,997?n sensor kecepatan HC-020K mencapai akurasi 99,997%. Dari sisi logika fuzzy, metode Sugeno terbukti lebih efisien dan fleksibel dibandingkan Mamdani dalam menghadapi variasi input dengan jumlah aturan terbatas.
