Penelitian ini mengimplementasikan sistem deteksi dan perhitungan kendaraan berbasis YOLOv8 pada Raspberry Pi 5. Masalah utama pada perangkat embedded adalah keterbatasan daya komputasi yang menyebabkan rendahnya frame rate. Solusi yang diterapkan adalah penggunaan Raspberry Pi AI Kit dengan akselerator Hailo-8L untuk meningkatkan efisiensi. Metodologi meliputi fine-tuning model YOLOv8 yang meningkatkan Precision dari 0,0448 menjadi 0,9755. Pengujian dilakukan secara komparatif pada area portal kampus (kecepatan rendah) dan jalan raya (kecepatan tinggi/padat). Hasil penelitian menunjukkan integrasi AI Kit meningkatkan kecepatan pemrosesan secara signifikan dari 5–8 FPS menjadi 28–30 FPS yang stabil. Pada kondisi terang, akurasi sistem di portal mencapai 100%, namun di jalan raya mengalami tantangan akibat fenomena occlusion dan kecepatan objek. Pengujian malam hari mengungkap limitasi deteksi sepeda motor akibat efek glare lampu kendaraan, sementara mobil tetap terdeteksi stabil. Penggunaan akselerator hardware terbukti krusial untuk menjaga keseimbangan antara efisiensi komputasi dan akurasi pada kondisi real-world yang dinamis.