Kelelahan dan distraksi pengemudi merupakan faktor utama penyebab kecelakaan lalu lintas. Untuk mengatasi masalah ini, sebuah sistem pemantauan keselamatan berkendara real-time bernama Autodash dikembangkan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem yang efektif dan berbiaya rendah untuk mendeteksi tanda-tanda kantuk dan gangguan perhatian pada pengemudi, serta memberikan peringatan secara tepat waktu. Sistem ini menggunakan pendekatan citra komputer yang diimplementasikan pada Raspberry Pi 5 sebagai unit pemrosesan utama dan Raspberry Pi 3 Night Vision Camera sebagai sensor citra. Metode yang digunakan adalah deteksi berbasis landmark wajah menggunakan pustaka Mediapipe untuk mengekstrak fitur-fitur penting secara real-time, seperti Eye Aspect Rasio (EAR), Mouth Aspect Rasio (MAR), dan pose kepala. Fitur-fitur ini kemudian dianalisis menggunakan model klasifikasi XGBoost (Extreme Gradient Boosting) yang telah dilatih untuk mengidentifikasi kondisi kantuk pengemudi. Selain itu, sistem ini juga mengintegrasikan Mediapipe Object Detector untuk mengenali objek distraksi seperti penggunaan ponsel, merokok, dan penggunaan make-up. Jika kondisi berbahaya terdeteksi, maka sistem akan memberikan peringatan. Hasil pengujian menunjukkan bahwa sistem Autodash berfungsi dengan sangat baik di berbagai kondisi. Kamera mampu mendeteksi wajah secara andal dalam kondisi pencahayaan terang hingga gelap total (0 lux). Pengujian fungsionalitas menunjukkan akurasi dan F1-score yang tinggi dalam mendeteksi kantuk dan berbagai aktivitas distraksi. Uji stabilitas selama 10 jam menunjukkan bahwa sistem beroperasi secara efisien dengan suhu yang terkendali dan waktu inferensi rata-rata yang rendah (0,07-0,08 detik), membuktikan kelayakan untuk penggunaan jangka panjang di dalam kendaraan. Penelitian ini berhasil mengembangkan prototipe sistem pemantauan keselamatan pengemudi yang fungsionalitas, stabil, dan efektif. Autodash memiliki potensi besar untuk diterapkan secara luas guna meningkatkan keselamatan berkendara.