Penggunaan sepeda motor yang semakin meningkat menyebabkan tingginya risiko kecelakaan lalu lintas dan korban terutama pengendara motor yang paling rentan mengalami cedera fatal. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem deteksi, pelacakan, serta estimasi risiko tabrakan pengendara motor secara real-time menggunakan metode You Only Look Once versi 8 (YOLOv8), Simple Online and Realtime Tracking (SORT), dan Time-to-Collision (TTC). Dataset pengendara motor digunakan untuk melatih model YOLOv8 yang kemudian diintegrasikan dengan algoritma SORT untuk mempertahankan identitas objek pada setiap frame. Estimasi jarak dilakukan menggunakan kamera monokular berdasarkan ukuran bounding box, sedangkan nilai TTC digunakan untuk menentukan tingkat risiko tabrakan. Hasil evaluasi model menunjukkan nilai presisi sebesar 81,8%, recall 92,6%, F1-score 86,86%, mAP50 95%, dan mAP50-95 64%, yang menunjukkan kemampuan deteksi objek yang baik. Pengujian TTC menghasilkan nilai RMSE sebesar 712,4 ms pada kondisi lalu lintas sedang, pada kondisi stop-and-go sebesar 297,8 ms, dan 715,7 ms pada kondisi persimpangan. Sistem mampu beroperasi secara real-time dengan rata-rata FPS sebesar 16,17; 16,43; dan 16,29 FPS serta rata-rata delay sistem sebesar 156,32 ms; 158,08 ms; dan 151,53 ms pada masing-masing skenario pengujian. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi, melacak, dan mengidentifikasi risiko tabrakan pengendara motor secara efektif pada berbagai kondisi lalu lintas.