Pengamatan dan penghitungan kendaraan yang melintas oleh pihak berwajib saat ini masih menggunakan metode lama dan manual sehingga sekarang sudah banyak dibuat alat untuk mendeteksi kendaraan dengan menggunakan Deep Learning. Penelitian ini akan mencari model terbaik dengan menggunakan YOLO (You Only Look Once) dengan menggunakan dataset dari peneliti yang diambil dari CCTV jalan raya. Dilakukan sebanyak 8 kali percobaan pelatihan dengan menggunakan algoritma YOLOv8. Penelitian ini akan diawali dengan melakukan pelatihan (training) gambar yang diambil dari CCTV jalan raya daerah Kabupaten Banyumas dan Kota Bandung yang kemudian hasilnya akan digunakan untuk melakukan pengamatan beberapa jenis kendaraan bermotor. Penelitian ini menggunakan beberapa skenario augmentasi untuk mendapatkan performa yang lebih baik, yaitu flip horizontal dan vertikal serta untuk skenario yang kedua akan ditambahkan noise. Jumlah epoch yang digunakan ada 2 variasi yaitu sebanyak 50 dan 100 epoch. Jenis pretrained model yang digunakan adalah yolov8n.pt dan yolov8s.pt. Didapatkan model hasil pelatihan yang terbaik adalah menggunakan skenario kedua menggunakan pretrained model yolov8s.pt dengan jumlah epoch sebanyak 100 dengan nilai mAP pada model ini sebesar 0,8572. Dalam implementasi kedepannya nanti YOLO bisa dihubungkan dengan CCTV untuk mendeteksi objek di dalamnya. Hasil penelitian didapatkan nilai precision adalah sebesar 0,98, kemudian nilai recall adalah sebesar 0,89, dan nilai F1-Score adalah sebesar 0,93. Hasil pengujian penghitungan juga didapatkan nilai tertinggi dari akurasinya adalah 0,87.