Keamanan data dan kemampuan object recognition secara real-time merupakan aspek penting dalam pengembangan sistem keamanan rumah berbasis Internet of things (IoT). Penelitian ini bertujuan untuk mengevaluasi kinerja algoritma enkripsi-dekripsi AES-128 dan efektivitas object recognition menggunakan metode YOLOv8 dalam mendeteksi keberadaan manusia sebagai ancaman. Sistem terdiri dari kamera serta sensor gas, magnet, dan api, yang dikendalikan oleh mikrokontroler dan terhubung ke aplikasi seluler melalui Firebase. Pengujian menunjukkan bahwa algoritma AES-128 bekerja efisien, dengan waktu enkripsi rata-rata 0,1774 detik dan dekripsi 0,0927 detik. Penggunaan CPU selama enkripsi rata-rata 23,3%, dan memori sekitar 38,4%, menjadikannya ringan untuk perangkat IoT. Model YOLOv8 yang dilatih pada 17.000 citra menghasilkan map50 sebesar 0.926, map50–95 sebesar 0.736, dengan precision 0.91 dan recall 0.89, menandakan kinerja deteksi objek yang sangat baik. Ketahanan sistem terhadap serangan juga diuji. Estimasi waktu brute force terhadap AES-128 mencapai 3,5 × 10⁶⁴ tahun, menjadikannya aman secara praktis. Serangan MITM dan side-channel menunjukkan data tetap terlindungi selama kunci tidak disimpan secara terbuka dalam aplikasi. Sensor gas memicu peringatan pada nilai ≥ 650, sensor magnet mendeteksi perubahan status pintu, dan sensor api merespons nyala dalam waktu < 1 detik. Hasil penelitian membuktikan bahwa integrasi enkripsi AES, object recognition, dan sistem sensor fisik dapat menciptakan solusi keamanan rumah pintar yang tangguh, efisien, dan responsif terhadap ancaman.