Coronavirus disease 2019 atau COVID-19 telah menginfeksi ratusan juta orang dan merenggut ribuan juta korban jiwa di seluruh dunia. Penyebaran virus COVID-19 ini juga dapat dikatakan cukup cepat sehingga berdampak pada tatanan kehidupan di masyarakat. Masyarakat harus tetap beraktifitas untuk memenuhi kebutuhan sehari hari seperti makanan, perawatan kesehatan, dan pekerjaan yang diperlukan. Oleh karena itu Social Distancing Detector merupakan sebuah solusi yang diajukan dengan memberi tanda peringatan kepada masyarakat untuk tetap menjaga jarak aman antar individu sesuai anjuran yang telah ditentukan oleh World Health Organization (WHO) yaitu 1,83m ~6feet . Penelitian ini menggunakan YOLOv4 untuk melakukan deteksi objek, dalam hal ini yaitu objek manusia. Penggunaan YOLOv4 ini dikarenakan YOLOv4 dapat memproses pengolahan citra dengan cepat dan akurat dibandingkan versi YOLO sebelumnya. Penelitian ini terdiri dari lima tahapan, yaitu data preparation, hyperparameter tuning, model training, model evaluation, dan model testing. Proses training memanfaatkan teknik transfer learning dari pre-trained model convolutional neural network (CNN). Training menggunkan dataset Google OpenImage yang telah berlabel untuk menghasilkan model yang dapat dijadikan solusi penelitian. Ujicoba yang dilakukan menggunakan jumlah dataset sebanyak 2000 gambar, 1 kelas, 64 batch, dengan learning rate 0,001. Proses training ini dilakukan dengan jupyternotebook (Ml Azure). Bounding box pada pemrograman ini digunakan untuk mendeteksi dan mengklasifikasikan object secara tepat dan dilanjutkan untuk perhitungan jarak objek. Persentase keberhasilan dari hasil pengujian deteksi objek ini didapatkan sebesar 93,8% dengan nilai error deteksi jarak citra dengan jarak nyata sebesar 21,6%.