Deteksi objek dalam citra medis merupakan langkah krusial dalam diagnosa penyakit dan monitoring kondisi pasien. Penelitian ini menginvestigasi penggunaan metode Haar Cascade Classifier untuk mendeteksi objek seperti nodul, tumor, dan kista dalam citra medis. Haar Cascade Classifier menggunakan fitur Haar untuk mengenali pola spesifik dalam gambar dan dapat melakukan deteksi secara real-time. Implementasi metode ini menggunakan bahasa pemrograman Python dan pustaka OpenCV. Dataset yang digunakan terdiri dari citra X-ray, MRI, dan CT scan yang diannotasi secara manual oleh ahli radiologi. Proses eksperimen melibatkan preprocessing citra, pelatihan model, dan evaluasi hasil deteksi dengan metrik seperti akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode ini mampu mendeteksi objek dengan tingkat akurasi yang tinggi, meskipun masih menghadapi tantangan seperti false positives dan false negatives. Untuk peningkatan lebih lanjut, optimasi parameter, augmentasi dataset, dan kombinasi dengan teknik deteksi lainnya seperti deep learning disarankan. Penelitian ini menunjukkan bahwa Haar Cascade Classifier memiliki potensi besar dalam aplikasi klinis untuk meningkatkan akurasi diagnosa dan efisiensi analisis citra medis.