Pentingnya transportasi sebagai bagian dari peradaban manusia membuat moda transportasi sangat penting. Hal itu dapat dilihat dari tren peningkatan jumlah kendaraan setiap tahunnya. Data jumlah kendaraan bermotor tahun 2018-2020 yang didapatkan dari Badan Pusat Statistik menunjukkan terjadinya peningkatan jumlah kendaraan yang signifikan dengan total jumlah kendaraan mencapai lebih dari 136 juta pada tahun 2020. Penyumbang jumlah kendaraan bermotor yang cukup besar berasal dari kendaraan pribadi, yakni mobil dan sepeda motor. Penyebab kemacetan di jalan dapat disebabkan oleh berbagai faktor, diantaranya volume kendaraan yang terlalu banyak, rambu lalu lintas yang kurang dan sistem pengelolaan lalu lintas yang kurang baik. Data volume kendaraan salah satunya dapat digunakan untuk mengatasi kemacetan dengan mengevaluasi sistem pengelolaan lalu lintas yang sudah ada dan menerapkan strategi pengelolaan arus lalu lintas yang lebih baik. Untuk menghitung volume kendaraan, biasanya dilakukan menggunakan tenaga manusia, dimana jumlah kendaraan yang lewat dihitung kemudian dibagi dalam rentang waktu tertentu. Metode tersebut perlu ketelitian dan masih memiliki beberapa kekurangan seperti dibutuhkan waktu yang cukup lama dan bisa jadi terdapat kekeliruan dikarenakan faktor human error. Permasalahan tersebut dapat diselesaikan dengan membuat sebuah sistem deteksi dan klasifikasi jenis kendaraan secara real-time menggunakan penerapan dari deep learning. Model YOLOv7 tiny digunakan untuk melakukan deteksi dan klasifikasi jenis kendaraan. Komponen dari sistem terdiri dari NVIDIA Jetson Nano untuk melakukan proses deteksi dan klasifikasi jenis kendaraan, USB camera untuk merekam kondisi lalu lintas jalan dan menyimpannya sebagai video. Sistem bekerja dengan membaca input yang berasal dari video, model YOLOv7 tiny akan membuat bounding box pada kendaraan yang terdeteksi serta memberikan nilai prediksi probabilitas jenis kendaraan tersebut.