Penelitian ini berfokus pada pengembangan sistem deteksi visual kerusakan struktur bangunan menggunakan metode YOLOv8. Sistem ini dirancang untuk mendeteksi kerusakan struktur pada bangunan khususnya dinding/tembok dengan menggunakan perangkat keras Raspberry Pi 4B, kamera Raspberry Pi, dan sensor ultrasonik Y401. Data gambar yang diperoleh dari kamera diproses menggunakan bahasa pemrograman python dengan library OpenCV dan diolah lebih lanjut di Google Colaboratory. Model YOLOv8 dilatih untuk mengenali berbagai jenis kerusakan seperti (retak ringan, retakan sedang, retakan berat). Hasil pengujian menunjukkan bahwa sistem ini mampu mendeteksi kerusakan dengan tingkat akurasi yang baik, terutama ketika objek berada dalam jarak yang lebih dekat dengan kamera. Hasil pengujian menunjukkan bahwa sistem ini mampu mendeteksi keretakan dengan akurasi rata rata sebesar 52% untuk keretakan ringan dengan jarak 1 meter, 50% untuk keretakan sedang dengan jarak 2 meter, dan 53% untuk keretakan berat dengan jarak 2 meter. Secara keseluruhan, sistem mencapai akurasi ratarata sebesar 52.67% dengan menggunakan 10 epoch saat training. Analisis lebih lanjut menunjukkan bahwa penambahan jumlah epoch pelatihan dari 10 menjadi 20 dapat meningkatkan akurasi deteksi secara signifikan. Sistem ini diharapkan dapat menjadi solusi yang efektif dan efisien dalam memantau kondisi struktur bangunan