Abstrak Deteksi objek merupakan kemampuan yang dapat diajarkan pada sebuah mesin dengan bantuan sensor kamera untuk menangkap sebuah citra digital. Dengan menggunakan Algoritma YOLO kita bisa mengajarkan mesin untuk mendeteksi misalkan manusia. Penelitian dalam deteksi objek sudah banyak dilakukan sebelumnya menggunakan algoritma dan metode yang berbeda dan juga pada objek dan citra yang berbeda. Pada penelitian ini dilakukan metode memodifikasi arsitektur pada YOLOv8 pada bagian head untuk digunakan medeteksi objek manusia dalam gambar yang berbentuk grayscale. Proses training dilakukan sebanyak 4 kali menggunakan arsitektur default , Arsitektur model 1, 2 dan 3. Dengan hasil model default nilai mAP 76, Model 1 nilai mAP 66, model 2 nilai mAP 81 dan model 3 menghasilkan nilai mAP 80. Dari penelitian yang dilakukan modifikasi arsitektur YOLOv8 pada bagian head dapat mempengaruhi hasil training dan menghasilkan model yang lebih baik dari arsitektur default yang hanya menghasilkan nilai mAP 76. Hail terbaik didapatkan pada model 2 dengan layer yang digunakan 40x40x512xW menghasilkanmodel dengan nilai nilai mAP mencapai 81.