Human Activity Recognition (HAR) atau Pengenalan Aktivitas Manusia adalah salah satu topik dalam kecerdasan buatan cabang Computer Vision yang memiliki tujuan untuk menentukan atau memprediksi aksi yang dilakukan oleh subjek di dalam video. Penerapan HAR terdapat di berbagai bidang seperti keamanan, kesehatan, pendidikan, transportasi, dan manufaktur. Penggunaan dalam bidang keamanan cukup penting, melihat kasus kejahatan di Indonesia meningkat tiap tahun. Penelitian ini berfokus pada pengembangan model deteksi objek untuk menyelesaikan topik HAR dan mengimplementasikannya dalam bentuk web. Model deteksi objek yang digunakan adalah model SSD Mobilenet v2 yang dapat memproses gambar dan mendeteksi objek, memberikan label, serta memberikan kotak pembatas. Dataset yang digunakan untuk melatih model berisi gambar dengan kotak pembatas beserta label enam aksi, yaitu berdiri, berjalan, berlari, duduk, berkelah, dan mencuri. Dataset diperoleh dari berbagai sumber yang kemudian dibersihkan dan dilakukan feature engineering sebelum dijadikan data latih untuk model. Model kemudian diimplementasikan ke dalam aplikasi web yang dibuat menggunakan framework Flask. Hasil pengujian model menghasilkan nilai mAP@IoU=0.5 dan skor F1 sebesar 84,5% dan 88%. Hasil pengujian web memperoleh nilai System Usability Scale (SUS) sebesar 77.