Penelitian ini memfokuskan pada pengukuran akurasi pengenalan wajah, pergerakan wajah dalam kondisi kepala miring, dan ketepatan identifikasi karakter dalam permainan Runner menggunakan Haar Cascade Classifier untuk deteksi wajah dan mata. Lima skenario permainan yang berbeda diuji untuk mengamati kinerja deteksi dalam berbagai kondisi. Pemain pertama memiliki rata-rata 632,5 deteksi wajah dan 88,25% deteksi mata per game, dengan akurasi 98,45%. Pemain kedua memiliki rata-rata 401,0 deteksi wajah dan 76,75% deteksi mata per game, dengan akurasi 93,67%. Pemain lainnya menunjukkan variasi dalam rata-rata deteksi wajah antara 448,5 hingga 545,25 per game, dengan tingkat kegagalan deteksi bervariasi dari 5,5 hingga 19,0 kali. Selain itu, penelitian ini juga mengkaji bagaimana perubahan sudut kepala mempengaruhi kemampuan sistem dalam mengenali wajah dan mata. Dengan demikian, penelitian ini memberikan wawasan penting untuk pengembangan sistem deteksi yang lebih andal dan adaptif di masa depan, terutama dalam konteks permainan interaktif yang membutuhkan respons real-time dan akurasi tinggi. Implementasi yang lebih baik dari sistem deteksi wajah dan mata akan meningkatkan pengalaman pengguna dalam permainan dan aplikasi lain yang memerlukan pengenalan wajah yang cepat dan akurat.