Pertumbuhan penduduk mengalami peningkatan sangat pesat setiap tahunnya. Peningkatan yang terjadi akan mempengaruhi terhadap kebutuhan transportasi. Salah satu moda transportasi darat yang paling banyak digunakan di Indonesia adalah sepeda motor. Kesadaran akan keselamatan lalu-lintas yang dilakukan oleh pengendara sepeda motor tersebut tentunya perlu untuk ditingkatkan karena akan berdampak pada meningkatnya jumlah kecelakaan yang terjadi, faktor manusia memiliki pengaruh kontribusi tinggi terhadap kecelakaan lalu lintas. Sehingga pada penelitian ini, akan diimplementasikan pada sebuah aplikasi android untuk mendeteksi aktivitas Abnormal Driving pada pengendara sepeda motor, dengan memanfaatkan sensor yang ada dalam smartphone yaitu Accelerometer dan Gyroscope. Data sensor Accelerometer dan Gyroscope digunakan untuk identifikasi jenis aktivitas perilaku mengemudi. Parameter aktivitas yang diamati yaitu diantaranya zig-zag, sleepy, rem mendadak dan tancap gas. Pada hasil akhir, akan disimpulkan apakah pengemudi termasuk kategori Abnormal Driving atau tidak. Jika pengemudi tidak melebihi tiap batas dari parameter tersebut, maka pengemudi termasuk ke dalam kategori Normal Driving dan akan mendapatkan reward sedangkan jika sebaliknya maka akan mendapatkan Alarm dan notifikasi warning. Proses identifikasi aktivitas mengemudi berbasis Machine Learning dengan algoritma Support Vector Machine (SVM) and Artificial Neural Network (ANN) algorithms. Smartphone diletakkan pada bagian speedometer sepeda motor pengguna dengan fixed-position (tidak berubah tempat) untuk klasifikasi jenis aktivitas yang dilakukan. Dari hasil pembangunan model, didapatkan bahwa ANN adalah algoritma yang cocok dengan penelitian ini. Sehingga setelah dilakukan pengujian terhadap 10 driver, mendapatkan akurasi sebesar 97%.