<![CDATA[Kemajuan teknologi Internet of Things (IoT) telah membuka peluang inovasi di berbagai bidang, khususnya dalam pengamanan akses pintu. Sistem kunci konvensional memiliki berbagai kelemahan seperti mudah diduplikasi, rawan pembobolan, dan tidak dapat dipantau secara real-time. Penelitian ini bertujuan untuk merancang smart lock berbasis ESP32-CAM dengan fitur face recognition serta monitoring IoT sebagai solusi sistem keamanan modern yang cerdas dan efisien. Metode penelitian yang digunakan adalah metode eksperimen yang meliputi tahap perancangan perangkat keras, perangkat lunak, implementasi, dan pengujian sistem. ESP32-CAM digunakan sebagai pusat pengolahan data sekaligus perangkat akuisisi citra. Sistem mengenali wajah pengguna yang telah terdaftar, kemudian mengaktifkan relay untuk membuka solenoid door lock. Selain itu, sistem terintegrasi dengan IoT untuk monitoring dan notifikasi secara real-time melalui Telegram Bot dan antarmuka web berbasis WebSocket. Hasil penelitian menunjukkan bahwa sistem mampu bekerja dengan baik dalam mendeteksi dan mengenali wajah pada kondisi pencahayaan yang cukup, dengan akurasi rata-rata 91% (100% pada kondisi optimal). Sistem juga berhasil melakukan monitoring IoT melalui Telegram dan web dengan delay notifikasi rata-rata 2 detik. The advancement of Internet of Things (IoT) technology has opened innovation opportunities in various fields, particularly in door access security. Conventional lock systems have several weaknesses such as easy duplication, vulnerability to break-ins, and inability to be monitored in real- time. This research aims to design a smart lock based on ESP32-CAM with face recognition features and IoT monitoring as a smart and efficient modern security system solution. The research method used is an experimental approach covering hardware design, software development, implementation, and system testing phases. ESP32-CAM is used as the data processing center and image acquisition device. The system recognizes registered users' faces and activates a relay to open a solenoid door lock. Additionally, the system integrates with IoT for real-time monitoring and notifications via Telegram Bot and a WebSocket-based web interface. The results show that the system works well in detecting and recognizing faces under sufficient lighting conditions, with an average accuracy of 91% (100% under optimal conditions). The system also successfully performs IoT monitoring through. Telegram and web with an average notification delay of 2 seconds.]]>
