Saat ini perkembangan teknologi di bidang infrastruktur dan transportasi di dunia semakin pesat. Namun selain dampak positif yang telah terjadi, mungkin ada beberapa dampak negatif yang perlu diperhatikan, seperti pengemudi mengantuk akibat kelelahan berkendara, sehingga perlu adanya teknologi pendeteksi pengemudi saat berkendara. dalam keadaan mengantuk, kondisi fisik pengemudi dan keadaan peredaran darah di tubuhnya dapat dipantau dengan jelas. Dengan analisis kebutuhan tersebut terlihat bahwa pemantauan kebugaran pengemudi dapat menggunakan kamera yang dilengkapi dengan kemampuan pengolahan citra menggunakan metode Convolutional Neural Network (CNN) pada YOLOv5n dan menggunakan sensor MAX 30102 sebagai sensor untuk mendeteksi denyut nadi pengemudi. Kasus dimana hasil dari 2 input tersebut akan menentukan pengambilan keputusan dilakukan oleh modul ESP32 dengan menggunakan pohon keputusan if-else yang sederhana sehingga pengambilan keputusan membutuhkan efisiensi daya yang baik. Kemudian hasil pengambilan keputusan akan dikirim ke output sebagai aktuator yaitu getaran motor dan buzzer, selain dari data yang diambil juga memiliki akurasi yang cukup efektif karena memiliki 'data logger' di sirkuit sebagai tempat penyimpanan data telah diterapkan. Selain itu, integrasi sistem ini telah mendorong peningkatan kinerja sistem yang diprioritaskan pada aspek akurasi deteksi pola, pemrosesan, dan pengambilan keputusan secara mandiri. Pada dasarnya dilakukan 3 pengujian yaitu 2 pengujian terpisah yang mengukur akurasi 2 input sistem dan 1 pengujian yang mengukur akurasi prediksi saat mengintegrasikan sistem. dan dari percobaan yang telah dilakukan dapat diketahui akurasi prediksi yang diperoleh sebesar 88.89 %.