Sebagai salah satu negara dengan jumlah pengguna kendaraan bermotor terbanyak di dunia, pelanggaran penggunaan helm oleh pengendara sepeda motor masih menjadi permasalahan keselamatan yang signifikan di Indonesia. Meskipun berbagai upaya seperti razia polisi dan penerapan sistem Electronic Traffic Law Enforcement (ETLE) telah diterapkan, pendekatan tersebut masih memiliki keterbatasan, baik dari sisi cakupan, efisiensi, maupun akurasi. Penelitian ini bertujuan untuk mengimplementasikan model deteksi objek terbaru dalam seri YOLO, yaitu YOLOv12, menggunakan dataset citra CCTV Kota Bandung dan data tambahan dari Roboflow guna mendeteksi pelanggaran helm yang terjadi. Hasil eksperimen menunjukkan bahwa YOLOv12 mampu mendeteksi pelanggaran helm dengan performa baik dalam kondisi citra yang beragam, ini didukung oleh nilai f1-score sebesar 0.903, [email protected] sebesar 0.944, serta waktu inferensi sebesar 31.6 milidetik. Namun, dibandingkan dengan YOLOv10 dan YOLOv11, YOLOv12 sedikit tertinggal dalam kecepatan inferensi.