Panjangnya antrean saat proses check-out produk membuat masyarakat kurang nyaman saat berbelanja di toko swalayan. Pada penelitian ini, dibuatlah sistem untuk mendeteksi produk yang diambil oleh pembeli secara real-time dan mengirimkan data dari produk tersebut ke database, sehingga diharapkan dapat mempersingkat waktu saat proses check-out produk di kasir. Sistem ini terdiri atas 3 sub-sistem, yaitu program pendeteksian jenis produk, pendeteksian pengambilan ataupun peletakan produk dan pengiriman informasi produk ke database. Pada bagian pertama, program pendeteksian produk dibuat menggunakan arsitektur YOLOv4 yang terdiri dari tahap pelatihan dan pengujian. Pelatihan program dilakukan pada Google Colab hingga mencapai nilai akurasiĀ lebih dari 80%. File pelatihan kemudian diujikan menggunakan laptop untuk mendeteksi objek via webcam. Selanjutnya yaitu pembuatan program pendeteksian pengambilan produk menggunakan program Python dengan algoritma pengukuran jarak benda ke kamera. Pada algoritma ini dibutuhkan kalibrasi untuk mengetahui jarak produk pertama dengan jarak produk kedua sebagai penentu lebar benda menurut sistem. Terakhir, informasi megenai nama, harga dan jumlah produk akan dikirim ke Firebase. Dari hasil pengujian, didapat hasil sebagai berikut; pada program pelatihan di Google Colab didapat akurasi sebesar 81,42% dengan nilai iterasi 9000. Adapun pada pengujian menggunakan webcam didapat nilai akurasi sebesar 82,75% dengan kecepatan pendeteksian 25 FPS. Sistem berhasil mendeteksi 13 macam objek pengujian dimana jarak kamera dengan benda 30-40 cm dengan waktu pengiriman data ke database rata-rata 2,04 detik.