Penelitian ini bertujuan untuk mendeteksi kecurangan selama ujian menggunakan model YOLOv8, yang memanfaatkan teknik Deep Learning dan Convolutional Neural Networks (CNN). Metode observasi lapangan digunakan untuk memperoleh data secara langsung, yang kemudian dilabel dan diproses sebelum digunakan untuk melatih model. Model YOLOv8 diimplementasikan untuk mendeteksi perilaku mencurigakan selama ujian di dalam kelas dengan akurasi yang tinggi. Hasil pengujian menunjukkan bahwa model ini mampu mendeteksi tindakan kecurangan dengan tingkat akurasi yang memadai, terutama pada kelas "not-cheating". Namun, model mengalami kesulitan dalam mendeteksi kelas "cheating" dengan precision yang lebih rendah. Kurva F1 confidence dengan nilai sebesar 0.78 menunjukkan bahwa model bekerja dengan baik secara keseluruhan, meskipun diperlukan penyesuaian untuk meningkatkan recall pada kelas "cheating". Secara keseluruhan, penelitian ini mendukung penggunaan YOLOv8 sebagai alat yang efektif untuk pengawasan ujian berbasis visi komputer, memberikan kontribusi signifikan dalam meningkatkan integritas dan keadilan dalam proses evaluasi akademik.