Penyebaran virus COVID-19 telah menjadi ancaman bagi kesehatan manusia. Salah satu cara untuk mencegah penyebaran virus adalah dengan prosedur physical distancing. Namun, masyarakat sering mengabaikan prosedur physical distancing dan tidak ada pengawas yang ketat untuk memantau dan memberi peringatan agar physical distancing terlaksanakan. Sudah terdapat yang memberikan solusi terhadap masalah ini, solusi dengan sistem berbasis pembelajaran mesin dengan kamera yang mendeteksi physical distancing. Namun, beberapa solusi yang ditawarkan hanya berfokus pada akurasi dan tidak melihat dari segi mobilitas perangkat, yang dibutuhkan untuk deteksi physical distancing. Oleh karena itu, penelitian ini mengusulkan sistem peringatan dini terhadap physical distancing pada komputer dengan sumber daya terbatas. Sistem dibangun pada komputer dengan sumber daya terbatas dan kamera yang memiliki mobilitas tinggi. Sistem menggunakan Tensorflow Lite untuk melakukan proses pembelajaran mesin dan model pre-train SSD MobileNet untuk melakukan klasifikasi manusia. Skenario pengujian yang dilakukan adalah perhitungan akurasi jarak dan akurasi deteksi physical distancing.Sistem memiliki akurasi dalam mendeteksi kelalaian jarak fisik dengan akurasi 86% dan F-1 Score 87%. Sistem yang dibangun dapat berjalan pada komputer yang terbatas dengan menggunakan 4.59 MB memori yaitu 0.001% dari total memori, dan pemanfaatan kumulatif dari empat core adalah 139%. Sistem ini memiliki akurasi 10% lebih baik daripada pekerjaan terkait yang serupa.