Rumah Sakit Bhayangkara Sartika Asih Bandung menghadapi beberapa masalah dalam manajemen aset medis, terutama dalam hal memantau posisi aset secara real-time, yang sangat penting untuk efisiensi operasional. Tujuan dari penelitian ini adalah untuk membuat sistem deteksi dan pelacakan objek yang berbasis metode OSEMN (Obtain, Scrub, Explore, Model, iNterpret) yang dapat mendeteksi posisi aset rumah sakit dengan sangat akurat. Data terdiri dari 16 kategori alat dengan total gambar 7680 (sudah teraugmentasi) yang terbagi dalam data train 88% (6720), test 4% (320) & validation 8% (640). Model deteksi dan pelacakan dikembangkan (Model) menggunakan YOLOv8x deteksi objek dan integrasi algoritma DeepSORT untuk pelacakan multi-objek secara real-time, yang mencakup Kalman Filter dan Hungarian Algorithm. Interpretasi (iNterpret) hasil pengujian menunjukkan precision sebesar 89,9%, recall 87,8%, F1-Score 88,7%, accuracy 94% dan MOTA keseluruhan 75,3%. Model yang dibuat mampu mendeteksi dan melacak alat kesehatan dengan akurat dan presisi yang cukup tinggi, didukung oleh efisiensi pelacakan dari kombinasi YOLOv8 dan DeepSORT. Implementasi ini meningkatkan efisiensi operasional rumah sakit dan mendukung pencapaian SDGs di bidang kesehatan dan infrastruktur.
Kata Kunci: Real-Time Object Detection, OSEMN Methodology, YOLOv8 & DeepSORT