Perkembangan teknologi yang semakin pesat memungkinkan kehidupan yang serba cepat. Hal ini tentu saja berlaku pada bidang transportasi sehingga dibutuhkan sebuah sistem yang dapat digunakan untuk mendeteksi kendaraan dengan cepat dan akurat. Salah satu sistem yang dapat diterapkan adalah machine learning, terutama sistem object detection dan object classification. Tujuan utama dari penelitian ini adalah untuk menentukan konfigurasi optimal untuk bisa mendapatkan hasil pendeteksian paling akurat. Hasil yang dicapai pada penelitian ini diperoleh menggunakan pengujian Blackbox pada model YOLOv7 dengan data menggunakan data training berupa berbagai jenis kendaraan di Kota Makassar serta menggunakan berbagai nilai hyperparameter yang berbeda-beda. Berdasarkan hasil pengujian pada model, didapatkan bahwa penggunaan img640, serta conf 0,25 dan iou 0,5 sebagai hyperparameter merupakan konfigurasi optimal untuk mendeteksi objek secara akurat dengan waktu yang relatif cepat. Dengan konfigurasi tersebut, Model YOLOv7 dapat mendeteksi objek pada dataset testing dengan akurasi atau nilai mAP sebesar 0,74 dengan kecepetan mendeteksi sebesar 19,5 ms melalui pengujian pada dataset testing.