Pelanggaran lalu lintas oleh pengendara sepeda motor, khususnya pelanggaran tidak menggunakan helm, masih menjadi masalah serius di Indonesia. Sistem Electronic Traffic Law Enforcement (ETLE) yang telah diterapkan belum terintegrasi secara optimal, terutama dalam proses pengenalan pelat nomor kendaraan yang dibutuhkan untuk identifikasi pelanggar. Penelitian ini bertujuan untuk mengembangkan sistem yang mampu mendeteksi pelat nomor kendaraan roda dua, serta pemembacaan karakter pada pelat nomor dan mengintegrasikannya ke dalam sistem informasi manajemen pelanggaran lalu lintas. Metode yang digunakan adalah CRISP-DM, dengan tahapan mulai dari business understanding hingga deployment. YOLO11 digunakan sebagai algoritma deteksi objek pelat nomor kendaraan, dan EasyOCR digunakan untuk membaca karakter pelat nomor. Evaluasi dilakukan menggunakan metrik precision, recall, F1-Score, dan Character Error Rate (CER). Sistem yang dikembangkan menunjukkan performa deteksi pelat nomor yang tinggi dengan nilai precision 88.3 %, recall 96,9%, F1-Score 92,4%, dan accuracy 85,9% Sementara itu, metode preprocessing gambar berpengaruh besar terhadap akurasi OCR. Penggunaan Gaussian blur menghasilkan CER terendah, yakni 7% pada pelat hitam dan 11,5% pada pelat putih, dibandingkan metode thresholding yang cenderung menurunkan akurasi. Hasil penelitian menunjukkan bahwa integrasi antara YOLO11 dan EasyOCR mampu menghasilkan sistem e-tilang. Sistem ini tidak hanya mampu menghasilkan sistem deteksi dan pembacaan pelat nomor kendaraan tetapi juga mengirim ke backend sistem manajemen pelanggaran lalu lintas.