Pengelolaan parkir truk di area warehouse seringkali dihadapkan pada tantangan inefisiensi akibat pencatatan manual, kurangnya monitoring real-time, dan proses penagihan yang tidak terintegrasi. Penelitian ini merancang dan membangun sistem Automatic Number Plate Recognition (ANPR) untuk monitoring parkir truk menggunakan algoritma YOLOv8 dan Optical Character Recognition (OCR) FastPlateOCR. Sistem ini bertujuan untuk mengotomatisasi deteksi kendaraan, pencatatan waktu parkir, dan pengelolaan data terkait biaya parkir di warehouse. Metode penelitian yang digunakan melibatkan pendekatan Machine Learning Life Cycle (MLLC). Proses dimulai dengan pembangunan dataset plat nomor yang terdiri dari 984 citra asli, yang kemudian diaugmentasi menjadi 2067 data pelatihan. Model deteksi objek YOLOv8 dilatih dengan dataset ini, menunjukkan kinerja optimal dengan precision 1.00 pada confidence 0.932 dan recall 0.91 pada confidence 0.000. Nilai mAP@0.5 yang dicapai adalah 0.883, serta F1-score sebesar 0.86 pada confidence 0.448. Implementasi sistem terdiri dari dua komponen utama: modul deteksi plat nomor berbasis Python yang terintegrasi dengan kamera dan database MySQL, serta dashboard monitoring berbasis web menggunakan PHP Native dan Bootstrap. Modul Python bertanggung jawab untuk deteksi dan pengenalan plat nomor secara real-time dan pencatatan otomatis ke database. Dashboard PHP Native menyediakan antarmuka untuk pengelolaan data kendaraan, histori parkir, dan laporan keuangan. Pengujian black box pada 7 skenario fungsional sistem menunjukkan tingkat keberhasilan 100%, memvalidasi bahwa sistem berfungsi sesuai kebutuhan dan mampu mengotomatisasi pengelolaan parkir truk secara efisien.