Abstrak- Penelitian ini membahas tentang perancangan aplikasi artifical intelligence berbasis web membantu mengatasi permasalahan pada gangguan penglihatan dalam mendeteksi objek. Sistem ini dirancang menggunakan framework React Js, dengan beberapa sampel yang diambil dari Coco Dataset dan library Tesorflow Js. Sistem ini bekerja dengan memberikan informasi berupa teks dari setiap objek yang terdeteksi pada kamera. Tingkat akurasi tergantung pada jumlah data yang digunakan untuk melatih model tersebut. Keunggulan aplikasi ini memudahkan developer dalam merancang dan membuat sebuah aplikasi. Developer hanya cukup memasukkan data-data yang sudah dilatih tanpa menuliskan kode program lagi. studi pustaka berupa data mengenai materi penelitian ini dari buku, jurnal, atau referensi lainnya untuk mencari pembanding dari riset sebelumnya. Aplikasi akan diuji coba menggunakan metode black box. Dengan metode ini, aplikasi akan diuji coba secara keseluruhan sesuai dengan fitur yang dimilikinya. Pada uji coba deteksi objek ini, terdapat 2 tahap yaitu uji coba deteksi objek dengan menggunakan data normal dimana objek yang digunakan adalah objek yang terdaftar dan uji coba deteksi objek dengan menggunakan data salah dimana objek yang digunakan adalah objek yang tidak terdaftar atau objek yang terlihat tidak jelas. Pada uji coba ini, menggunakan 10 sampel objek dari 80 objek yang terdaftar. Berdasarkan penelitian yang telah dilakukan, aplikasi deteksi objek ini berhasil mendeteksi 80 objek dari model Coco Dataset dengan baik yang telah tersimpan di sistem. Berdasarkan hasil percobaan tersebut aplikasi deteksi objek berbasis web ini dapat dijalankan pada browser Google Chrome. Aplikasi ini dibuat dan dijalankan dengan sempurna dengan menggunakan library Tensorflow Js dan Coco Dataset pada Framework React Js. Kata Kunci: Deteksi Objek, Tensorflow Js, Artifical Intelligence. Abstract- This research discusses the design of an artificial intelligence based web application to assist in addressing problems with visual impairment in object detection. The system is designed using the React Js framework, with some samples taken from the Coco Dataset and the Tensorflow Js library. The system works by providing text information on each detected object in the camera. The accuracy level depends on the amount of data used to train the model. The advantage of this application makes it easy for developers to design and create an application. Developers only need to enter data that has been trained without writing any more program code. The literature study consists of data on the research material from books, journals, or other references to find comparisons from previous research. The application will be tested using the black box method. With this method, the application will be tested as a whole according to its features. In this object detection test, there are two stages, namely testing object detection using normal data where the object used is a registered object and testing object detection using incorrect data where the object used is an unregistered object or an object that appears unclear. In this test, 10 object samples from 80 registered objects are used. Based on the research that has been carried out, this object detection application successfully detected 80 objects from the Coco Dataset model stored in the system. Based on the results of these tests, the web-based object detection application can be run on the Google Chrome browser. This application was created and run perfectly using the Tensorflow Js library and the Coco Dataset on the React Js Framework. Key Words: Object Detection, Tensorflow Js, Artifical Intelligence.