Pelat nomor kendaraan merupakan identitas resmi yang penting dalam administrasi dan penegakan hukum lalu lintas di Indonesia. Proses identifikasi manual menimbulkan permasalahan seperti keterlambatan layanan, kesalahan entri data, dan rendahnya efektivitas pengawasan. Penelitian ini mengembangkan sistem Automatic License Plate Recognition (ALPR) berbasis YOLOv8 dan PaddleOCR untuk mendeteksi dan mengenali pelat nomor kendaraan secara otomatis. Dataset yang digunakan terdiri dari 2.000 citra untuk deteksi pelat dan 6.000 citra crop pelat untuk pengenalan karakter. Model YOLOv8n dilatih untuk deteksi objek, sedangkan PaddleOCR PP-OCRv4 untuk pengenalan karakter, dilanjutkan dengan post-processing menggunakan regular expression. Hasil penelitian menunjukkan model YOLOv8n mencapai mAP@50 sebesar 99,31% dengan precision 97,23% dan recall 97,21%. Model PaddleOCR mencapai akurasi 94,17% dengan normalized edit distance 98,84%. Implementasi arsitektur OCR Server meningkatkan efisiensi dari ~25 detik menjadi ~1–1,5 detik per gambar. Sistem menghasilkan output dalam format gambar beranotasi, JSON, dan CSV. Penelitian ini membuktikan bahwa integrasi YOLOv8 dan PaddleOCR merupakan solusi efektif untuk pengenalan pelat nomor kendaraan Indonesia dengan keseimbangan baik antara akurasi dan efisiensi komputasi.