Peningkatan volume kendaraan bermotor di Indonesia menuntut adanya sistem manajemen lalu lintas cerdas yang mampu mengidentifikasi kendaraan secara otomatis dan konsisten. Sistem pemantauan manual saat ini memiliki keterbatasan signifikan dalam hal kecepatan dan cakupan wilayah pengawasan. Oleh karena itu, penelitian ini bertujuan mengembangkan sistem terpadu berbasis computer vision untuk mendeteksi, melacak, dan mengenali plat nomor kendaraan berformat Indonesia secara Real-time. Sistem diusulkan menggunakan arsitektur YOLOv11 untuk deteksi objek (kelas vehicle dan license_plate), algoritma Deep SORT untuk pelacakan identitas kendaraan (Track ID), dan EasyOCR untuk pengenalan karakter plat nomor. Dataset yang digunakan berjumlah 557 citra yang bersumber dari rekaman di tiga lokasi di Kota Palembang serta Dataset publik Roboflow. Dataset tersebut dibagi menjadi data pelatihan sebanyak 390 citra (70%), data validasi 111 citra (20%), dan data pengujian 56 citra (10%). Model dilatih menggunakan pendekatan transfer learning dengan bobot awal COCO. Hasil pengujian terhadap data uji menunjukkan kinerja yang sangat baik dengan nilai Mean Average Precision (mAP@50) sebesar 97,87%, Precision 92,29%, dan Recall 96,30%. Modul ekstraksi teks OCR memperoleh akurasi 94,1%, dengan konsistensi pelacakan Track ID mencapai 87% pada kecepatan pemrosesan rata-rata 22 Frames Per Second (FPS). Sistem ini terbukti tangguh dalam menghasilkan keluaran berupa video teranotasi dan rekaman log otomatis berformat CSV.
Kata kunci: deteksi kendaraan, YOLOv11, Deep SORT, EasyOCR, identifikasi plat nomor, Real-time.