Kebakaran merupakan salah satu bencana yang dapat menimbulkan kerugian besar, baik dari segi materi, lingkungan, maupun keselamatan jiwa. Sistem deteksi kebakaran konvensional seperti pendeteksi asap dan suhu sering kali memiliki keterbatasan dalam mendeteksi api secara cepat karena hanya merespons setelah adanya gejala lanjutan seperti peningkatan suhu atau munculnya asap. Oleh karena itu, diperlukan sistem deteksi dini yang mampu mengenali api secara visual melalui kamera secara real-time dan memberikan notifikasi secara cepat kepada pengguna. Penelitian ini bertujuan untuk merancang dan membangun sistem deteksi api dini berbasis kamera dengan menggunakan metode deep learning, khususnya model YOLO (You Only Look Once), yang mampu mendeteksi keberadaan api, asap, dan kondisi normal melalui citra video dari webcam. Sistem ini diintegrasikan dengan Firebase untuk pengiriman notifikasi real-time ke aplikasi Android yang telah dirancang khusus, serta menyimpan data log kejadian untuk keperluan pemantauan. Metodologi pengembangan perangkat lunak yang digunakan adalah model Waterfall yang terdiri dari tahap analisis, perancangan, implementasi, dan pengujian. Hasil pengujian menunjukkan bahwa model mampu mendeteksi objek api dan asap dengan tingkat akurasi yang cukup baik, dan sistem secara keseluruhan dapat mengirim notifikasi ke aplikasi Android secara real-time ketika terjadi kebakaran. Dengan demikian, sistem ini diharapkan dapat membantu pengguna untuk melakukan tindakan pencegahan lebih cepat dan meminimalisasi risiko kebakaran.