Sepeda motor merupakan moda transportasi utama di Indonesia, tetapi tingkat kepatuhan terhadap penggunaan helm masih rendah. Rekaman kamera surveilans yang sering kali memiliki resolusi rendah menyulitkan deteksi otomatis. Selain itu, variasi helm yang digunakan, seperti full-face, half-face, non-standar, serta pengendara tanpa helm, menjadi tantangan dalam proses pendeteksian. Penelitian ini bertujuan untuk mengembangkan model deep learning berbasis YOLOv8n yang mampu mendeteksi penggunaan helm pada citra beresolusi rendah. Dataset dikumpulkan secara mandiri dengan sudut pandang serta pencahayaan yang serupa. Pengujian dilakukan dengan berbagai konfigurasi batch size dan jumlah epoch untuk menemukan parameter optimal. Hasil evaluasi menunjukkan bahwa model dengan 100 epoch dan batch size 32 memberikan performa terbaik dengan mAP@50 sebesar 0.984, mAP@50-95 sebesar 0.819, precision 0.953, recall 0.952, dan F1-score 0.953. Model ini mampu mendeteksi empat kategori helm dengan akurasi tinggi meskipun pada citra
