Pelat nomor kendaraan memiliki peran yang sangat penting dalam proses registrasi dan identifikasi kendaraan bermotor, sebagai penyimpan informasi utama terkait kendaraan dan pemiliknya. Saat ini, Electronic Traffic Law Enforcement (ETLE) menggunakan sistem Automatic Licence Plate Recognition (ALPR) untuk mendeteksi pelanggaran lalu lintas. Meskipun demikian, implementasi ALPR dalam kondisi kurang cahaya masih menghadapi tantangan yang signifikan. Oleh karena itu, penelitian ini mengarah pada pengembangan solusi berbasis visi komputer dengan fokus pada performanya dalam kondisi kurang pencahayaan. Penelitian ini bertujuan untuk mengembangkan dan meningkatkan performa sistem ALPR agar mampu beroperasi secara efektif dalam kondisi kurang pencahayaan. Dalam penelitian ini, digunakan model YOLOv7, sebuah varian populer dari YOLO yang memiliki kecepatan tinggi dan akurasi tinggi dalam deteksi objek real-time. Melalui berbagai skenario percobaan, model yang diusulkan dalam penelitian ini mencapai precision sebesar 95.6%, recall sebesar 99.1%, dan [email protected] sebesar 98.8% untuk kelas Pelat Nomor. Penelitian ini mengimplementasikan tiga model OCR yaitu easyocr dengan akurasi 35.6%, kerasocr dengan akurasi 52.5% dan pytesseract dengan akurasi 19.7%.