Penggunaan helm dan chin strap secara benar penting untuk mengurangi risiko cedera pada pengendara sepeda motor. Namun, masih banyak pengendara yang tidak menggunakannya dengan benar, sehingga diperlukan sebuah sistem yang dapat melakukan pemantauan secara otomatis. Penelitian ini mengembangkan sistem deteksi otomatis penggunaan helm dan chin strap secara real-time menggunakan metode deep learning berbasis model convolutional neural network (CNN) bernama You Only Look Once versi 11 (YOLOv11). Model dilatih menggunakan dataset publik dengan menambahkan teknik augmentasi seperti rotate, flipping, crop, penyesuaian saturation, brightness, exposure, blur, dan noise, guna meningkatkan keragaman data. Sistem diimplementasikan berdasarkan kepada rancangan arsitektur berbentuk client-server. Pada implementasi arsitektur, sebuah CCTV menangkap video pengendara dan proses deteksi dilakukan di server. Hasil deteksi disimpan dalam server basisdata dan dikirim ke aplikasi berbasis sistem operasi Android melalui WebSocket sebagai perantara. Aplikasi Android menampilkan video streaming, log pelanggaran, dan notifikasi otomatis jika pelanggaran terdeteksi. Sistem diuji pada kondisi nyata dengan skenario penggunaan helm lengkap, helm tanpa chin strap, dan tanpa helm. Hasil menunjukkan sistem mampu melakukan deteksi secara real-time dengan rata-rata waktu inferensi 384,56 ms. Model menghasilkan mAP50 sebesar 73%, namun akurasinya masih lebih rendah dibanding penelitian lain dengan akurasi di atas 80% atau F1-score hingga 91%. Meskipun begitu, proyek akhir ini berhasil mencapai tujuan membangun sistem deteksi helm dan chin strap secara real-time di lingkungan Politeknik Caltex Riau.