Kecelakaan lalu lintas merupakan salah satu penyebab angka kematian yang cukup tinggi di seluruh negara di dunia. Dengan kondisi masyarakat di Indonesia, pengemudi sepeda motor adalah tipe pengendara yang memiliki risiko paling tinggi untuk mengalami kecelakaan lalu lintas. Suatu sistem deteksi aktivitas dari pengemudi sepeda motor diperlukan untuk memberi peringatan apabila kondisi pengemudi dapat membahayakan keselematan pengemudi-pengemudi lain dalam suatu lalu lintas. Model dengan berbasis metode Light Gradient Boosting Machine (LightGBM) diusulkan, dimana sistem yang dihasilkan dapat mendeteksi kondisi abnormal dari pengemudi sepeda motor dengan tingkat akurasi antara 70% - 83%. Model akan diimplementasikan dalam skema Mobile Crowdsensing (MCS) untuk memudahkan proses pengambilan data, dimana data dalam sistem akan diamankan dengan suatu identitas Pseudonymous. Untuk meningkatkan performa sistem, akan digunakan bantuan dari suatu Cloud Container, dimana hal ini dapat membuat waktu komputasi sistem bernilai sekitar 5 ms – 10 ms, yang artinya bahwa sistem yang diusulkan bekerja lebih aman dan lebih cepat hampir 5 kali lebih cepat dibanding sistem sebelumnya.