Penelitian ini bertujuan untuk merancang dan menganalisis sistem inferensi dalam klasifikasi tingkat risiko tabrakan menggunakan dua pendekatan, yaitu metode probabilistik berbasis Bayesian Network dan metode berbasis aturan menggunakan Fuzzy Logic. Sistem dikembangkan untuk mengevaluasi risiko tabrakan secara dinamis berdasarkan parameter jarak dan kecepatan kendaraan dari data video dashcam. Metode Fuzzy Logic digunakan untuk menghasilkan estimasi risiko secara reaktif melalui 16 aturan inferensi berbasis kombinasi variabel jarak dan kecepatan, sedangkan Bayesian Network digunakan untuk memodelkan ketergantungan probabilistik serta mempertimbangkan aspek temporal melalui variabel risiko sebelumnya (PrevRisk). Analisis komparatif dilakukan dengan menggunakan parameter statistik seperti mean, standar deviasi, korelasi (r), dan Root Mean Square Error (RMSE) untuk mengevaluasi perbedaan karakteristik kedua metode. Hasil penelitian menunjukkan bahwa sistem Fuzzy menghasilkan estimasi risiko yang lebih responsif dengan rata-rata sebesar 0,500, sedangkan Bayesian Network cenderung lebih konservatif dengan rata-rata sebesar 0,533. Nilai korelasi sebesar 0,33 menunjukkan hubungan yang lemah hingga sedang antara kedua metode, sementara nilai RMSE sebesar 0,2545 mengindikasikan adanya perbedaan estimasi yang cukup signifikan. Selain itu, Bayesian Network memiliki keunggulan dalam merepresentasikan ketidakpastian melalui interval kepercayaan 95% dengan rata-rata lebar sebesar 0,0159, yang tidak dimiliki oleh Fuzzy Logic. Kedua metode memiliki karakteristik yang berbeda, di mana Fuzzy Logic unggul dalam respons cepat terhadap perubahan kondisi, sedangkan Bayesian Network lebih stabil dan mampu mempertahankan kewaspadaan dalam kondisi berisiko. Oleh karena itu, pemilihan metode terbaik bergantung pada kebutuhan sistem, apakah mengutamakan kecepatan respon atau kestabilan dalam pengambilan keputusan keselamatan.