Merokok di area publik masih menjadi masalah yang sulit dikendalikan, terutama di lingkungan yang telah menerapkan kawasan bebas rokok. Oleh karena itu, dibutuhkan sebuah sistem otomatis yang mampu mendeteksi aktivitas merokok secara real-time. Penelitian ini bertujuan untuk membangun sebuah sistem deteksi rokok berbasis model You Only Look Once version 8 (YOLOv8) yang diintegrasikan dengan aplikasi web menggunakan Streamlit. Dataset yang digunakan diperoleh dari platform Roboflow dan dilatih menggunakan beberapa parameter, termasuk optimizer yang divariasikan untuk mengetahui pengaruhnya terhadap performa model. Model dilatih dengan menggunakan tiga jenis optimizer, yaitu SGD, Adam, dan auto. Hasil evaluasi menunjukkan bahwa auto optimizer, yang secara otomatis memilih algoritma AdamW, memberikan performa terbaik dengan nilai precision sebesar 0.878, recall sebesar 0.795, dan mAP50 sebesar 0.863. Selain itu, sistem diuji menggunakan tiga jenis sumber input, yaitu webcam, IP camera, dan file upload. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi objek rokok secara akurat dan menampilkannya melalui antarmuka pengguna dengan bounding box dan perhitungan jumlah objek terdeteksi. Dari hasil penelitian ini, dapat disimpulkan bahwa sistem deteksi rokok yang dibangun mampu bekerja secara efektif dalam berbagai kondisi input dan dapat digunakan sebagai alat bantu pengawasan untuk mendeteksi aktivitas merokok secara otomatis di area terlarang.
Kata kunci: YOLOv8, deteksi rokok, Streamlit, object detection, optimizer