Otomatisasi dan pemantauan berbasis kehadiran manusia sangat penting untuk meningkatkan efisiensi energi dan keamanan. Namun, implementasi sistem yang efisien, real time, dan dapat diakses dari jarak jauh seringkali menjadi tantangan, memerlukan integrasi yang andal antara perangkat keras akuisisi data, pemrosesan cerdas, dan platform pencatatan data. Proyek akhir ini merancang dan membangun sebuah sistem deteksi manusia terintegrasi yang memanfaatkan kamera ESP32 CAM untuk akuisisi citra. Gambar yang ditangkap kemudian diproses menggunakan algoritma machine learning YOLOv5 pada komputer lokal untuk mengidentifikasi keberadaan manusia. Hasil deteksi, berupa status ON atau OFF, dikirimkan melalui protokol MQTT dan secara simultan dicatat ke Google Sheets lengkap dengan timestamp untuk keperluan pemantauan Penelitian ini berhasil mengimplementasikan prototipe sistem yang fungsional. Sistem mampu mendeteksi keberadaan manusia dan secara otomatis mengirimkan status melalui MQTT untuk memicu tindakan lebih lanjut. Seluruh data aktivitas, termasuk waktu deteksi, berhasil dicatat secara akurat dan real-time di Google Sheets, yang memungkinkan pemantauan historis yang efektif. Proyek ini menunjukkan keberhasilan integrasi antara perangkat IoT ESP32 CAM, machine learning YOLOv5, dan platform cloud untuk menciptakan solusi otomatisasi dan pemantauan yang efisien serta fleksibel.