Kualitas visual antarmuka pengguna (UI) pada website institusi memegang peranan vital dalam membangun kredibilitas dan retensi pembaca, namun metode evaluasi konvensional seperti Heuristic Evaluation manual seringkali terkendala oleh subjektivitas penilai dan inefisiensi waktu. Penelitian ini bertujuan mengembangkan sistem penilaian otomatis yang mengintegrasikan teknologi Computer Vision dan Large Language Model (LLM) untuk memberikan audit desain yang lebih objektif, cepat, dan terukur. Menggunakan metode pengembangan sistem Waterfall, penelitian ini melatih model arsitektur YOLOv11 pada dataset yang terdiri dari 100 citra tangkapan layar website institusi berita yang dianotasi melalui platform Roboflow. Proses pelatihan dilakukan selama 300 epoch untuk mendeteksi elemen UI mikro, yang kemudian dianalisis secara kualitatif oleh Google Gemini 2.5 Flash untuk menghasilkan penilaian heuristik. Validasi sistem dilakukan melalui User Acceptance Testing (UAT) dengan pendekatan kualitatif dan kuantitatif. Hasil evaluasi teknis menunjukkan model YOLOv11 mencapai performa deteksi yang stabil dengan nilai mAP@50 berkisar 0,6–0,7. Pengujian UAT yang melibatkan partisipan dari latar belakang Developer, UI Designer, dan Administrator menghasilkan skor kelayakan akhir sebesar 88,42% dengan predikat "Sangat Baik". Temuan ini mengindikasikan bahwa integrasi YOLOv11 dan Gemini efektif mengotomatisasi proses audit UI dan meningkatkan efisiensi kerja, meskipun aspek visualisasi label pada elemen yang padat masih memerlukan optimasi lebih lanjut.