Pelanggaran lalu lintas menjadi salah satu penyebab utama kecelakaan di jalan raya terutama di wilayah perkotaan yang memiliki keterbatasan dalam pengawasan dan penegakan hukum secara langsung. Penelitian ini mengembangkan sistem otomatis untuk mendeteksi tiga jenis pelanggaran lalu lintas yaitu menerobos lampu merah, tidak menggunakan helm, dan melawan arah. Sistem ini mengintegrasikan model deteksi objek YOLOv5 dengan algoritma pelacakan Deep SORT, serta mengoptimalkan model ke dalam format ONNX untuk meningkatkan efisiensi inferensi. Sistem dilatih menggunakan dataset kustom yang terdiri dari 250 data lalu lintas dalam kondisi nyata. Hasil pengujian performa pada kondisi pencahayaan yang berbeda menunjukkan hasil yang sangat spesifik seperti deteksi menerobos lampu merah menunjukkan keandalan tertinggi dengan akurasi sempurna 1.0 baik pada siang maupun malam hari. Sementara itu, deteksi pelanggaran helm menjadi tantangan terbesar, dengan akurasi sebesar 0.67 pada siang hari yang kemudian meningkat menjadi 0.82 pada malam hari. Hasil ini menunjukkan bahwa sistem sangat efektif untuk kasus pelanggaran tertentu dan adaptif untuk digunakan dalam pemantauan lalu lintas.