Keamanan pintu menjadi aspek penting dalam melindungi akses ke ruangan tertentu. Sistem keamanan tradisional seperti kunci fisik dan kode sandi memiliki kelemahan, seperti mudah hilang, dicuri, atau ditebak. Oleh karena itu, penelitian ini bertujuan untuk menerapkan metode RetinaFace pada sistem keamanan pintu berbasis pengenalan wajah, sehingga mampu meningkatkan akurasi deteksi dalam berbagai kondisi, termasuk pencahayaan rendah dan sudut wajah miring. Metode yang digunakan dalam penelitian ini adalah pendekatan deep learning dengan algoritma RetinaFace, yang menggabungkan deteksi wajah dan landmark dalam satu tahap (single-stage) dengan memanfaatkan feature pyramid network dan context module. Penelitian ini melibatkan empat pengguna dengan masing-masing empat gambar wajah yang diuji dalam tiga kondisi berbeda, yaitu pencahayaan cukup, pencahayaan rendah, dan wajah miring. Hasil pengujian menunjukkan bahwa metode RetinaFace mencapai akurasi 100% pada kondisi pencahayaan cukup, 91,7% pada kondisi pencahayaan rendah, dan 83,3% pada kondisi wajah miring. Sistem ini juga mampu memberikan respons real-time dengan waktu deteksi kurang dari 0,5 detik pada sebagian besar pengujian. Meskipun akurasi sedikit menurun pada kondisi pencahayaan rendah dan wajah miring, metode RetinaFace tetap andal diterapkan pada sistem keamanan pintu berbasis pengenalan wajah