Penelitian ini bertujuan untuk mengembangkan sistem keamanan rumah berbasis deteksi gerakan dan pengenalan wajah secara Real-Time yang terintegrasi dengan pengiriman notifikasi melalui Telegram. Sistem dirancang menggunakan metode Background Subtraction untuk mendeteksi pergerakan objek dan Haar Cascade Classifier untuk mengenali wajah manusia. Sistem ini mampu mengidentifikasi penghuni rumah berdasarkan data wajah yang telah dilatih sebelumnya, serta memberikan notifikasi otomatis saat terdeteksi objek manusia yang tidak dikenal. Pengujian dilakukan terhadap tiga jenis objek, yaitu manusia (penghuni rumah dan orang asing), objek acak (seperti powerbank, susu kotak, mie, dan Cookies), serta hewan (kucing), dengan total 30 percobaan. Hasil pengujian menunjukkan bahwa metode Background Subtraction berhasil mendeteksi pergerakan dengan akurasi 100%, sedangkan pengenalan wajah menggunakan Haar Cascade mencapai akurasi 70%. Secara keseluruhan, kedua sistem yang telah digabungkan memperoleh nilai Precision sebesar 84%, Recall sebesar 80.77%, dan F-Measure sebesar 82.36%. Meskipun sistem telah berfungsi sesuai dengan rancangan, masih diperlukan peningkatan dalam hal akurasi pengenalan wajah dan keandalan pengiriman notifikasi, terutama pada kondisi pencahayaan rendah. Selain itu, jarak antara objek dan kamera juga memengaruhi keberhasilan deteksi wajah, di mana jarak yang terlalu jauh atau terlalu dekat dapat menyebabkan kegagalan dalam mengenali fitur wajah dengan baik. Sistem ini dapat meningkatkan keamanan rumah secara efisien dengan mengurangi ketergantungan pada pemantauan manual.
Kata kunci: Keamanan rumah, Background Subtraction, Haar Cascade Classifier, Deteksi Gerakan, Pengenalan Wajah.

This study aims to develop a real-time home security system based on motion detection and facial recognition, integrated with notification delivery via Telegram. The system is designed using the Background Subtraction method to detect object movement and the Haar Cascade Classifier to recognize human faces. It is capable of identifying household members based on previously trained facial data and automatically sends notifications when an unknown individual is detected. The system was tested on three types of objects: humans (residents and strangers), random objects (such as power banks, boxed milk, instant noodles, and cookies), and animals (cats), with a total of 30 trials. The results showed that the Background Subtraction method successfully detected motion with 100% accuracy, while facial recognition using the Haar Cascade achieved an accuracy of 70%. Overall, the combined system achieved a Precision of 84%, a Recall of 80.77%, and an F-Measure of 82.36%. Although the system functions as intended, improvements are needed in facial recognition accuracy and the reliability of notification delivery, especially in low-light conditions. Additionally, the distance between the object and the camera affects the success of facial detection being too far or too close can hinder accurate facial feature recognition. This system provides an efficient solution to enhance home security by reducing the need for manual surveillance. Keywords: Home Security, Background Subtraction, Haar Cascade Classifier, Motion Detection, Facial Recognition.