Kerusakan jalan, khususnya dalam bentuk lubang, menjadi salah satu penyebab utama kecelakaan lalu lintas dan penurunan kenyamanan berkendara di Indonesia. Proses pencatatan lubang jalan yang masih dilakukan secara manual dinilai kurang efisien, memakan waktu, serta berisiko terhadap keselamatan petugas lapangan. Penelitian ini bertujuan mengembangkan sistem deteksi lubang jalan secara real-time berbasis web yang dapat diakses melalui perangkat mobile tanpa memerlukan perangkat keras tambahan. Sistem ini dibangun menggunakan algoritma YOLOv8s untuk mendeteksi objek lubang jalan, serta menerapkan metode CRISP-DM yang terdiri dari tahap business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Model YOLOv8s dilatih menggunakan dataset citra lubang jalan dari berbagai sumber dengan total 4.164 gambar, melalui proses pelabelan, augmentasi, dan evaluasi kinerja. Model terbaik menunjukkan performa dengan nilai mAP@0,5 sebesar 0,761, precision 0,866, dan recall 0,668. Sistem ini juga diuji dalam skenario inferensi real-time dan berhasil mencapai latency rata-rata 52,5 ms per frame dengan frame rate 40–60 FPS, serta akurasi geolokasi sebesar ±9 meter berdasarkan perbandingan titik GPS aktual dan hasil sistem. Penelitian ini memberikan kontribusi dalam memberikan dukungan pemantauan kondisi jalan yang efisien dan praktis untuk penggunaan di jalan raya.