Sistem keamanan konvensional seperti CCTV seringkali gagal memberikan peringatan cepat dan rentan memicu tingginya alarm palsu (false positive). Untuk mengatasi hal tersebut, penelitian ini mengembangkan sistem keamanan pintar
berbasis Internet of Things (IoT) yang mampu mendeteksi dan memvalidasi ancaman secara real-time. Sistem dirancang menggunakan sensor PIR sebagai pemicu awal yang mengaktifkan modul ESP32-CAM untuk melakukan pengambilan gambar. Inovasi utama pada sistem ini terletak pada penggunaan kecerdasan buatan berbasis Deep Learning, yaitu framework MediaPipe (Model EfficientDet), yang diimplementasikan pada Virtual Private Server (VPS) publik untuk memvalidasi objek kelas manusia (person object detection) pada gambar. Seluruh alur data dikelola oleh middleware Node-RED dengan menerapkan
arsitektur Hybrid Protocol, di mana transmisi gambar menggunakan HTTP POST dan kendali aktuator menggunakan MQTT. Jika ancaman tervalidasi, sistem secara otomatis mengunggah bukti visual dalam format Base64 ke Firebase Realtime
Database dan mengirimkan notifikasi dinamis beserta tingkat keyakinan (confidence score) ke aplikasi Telegram pengguna. Hasil pengujian kuantitatif menggunakan metode confusion matrix menunjukkan bahwa sistem berhasil meminimalisir alarm palsu dengan tingkat presisi pengenalan objek manusia hingga
100% di berbagai kondisi pencahayaan. Selain itu, sistem terbukti andal dengan adanya fitur anti-sabotase (fall-back) yang secara otomatis mem-Bypass kamera dan mengirimkan peringatan darurat dari sensor PIR apabila lensa ditutup.
Kesimpulannya, integrasi ESP32-CAM, Node-RED, dan AI MediaPipe menghasilkan solusi pemantauan keamanan ruangan yang akurat, responsif, terjangkau, dan mampu beroperasi secara mandiri selama 24 jam penuh.