Requirements engineering adalah cabang dari software engineering yang berkaitan dengan tujuan dunia nyata untuk fungsi dan batasan pada sistem software. Dalam requirement engineering salah satu framework yang dapat digunakan adalah Framework iStar 2.0. Hingga saat ini, masih cukup banyak software engineer yang mendokumentasikan informasi dan model yang ada pada aktivitas requirements engineering dalam bentuk tulisan tangan. Untuk mendukung aktivitas analisis kebutuhan yang berkelanjutan, dokumentasi tulisan tangan tersebut perlu didigitalisasi sehingga proses requirements modeling dapat dilakukan agar dapat mempermudah engineer untuk memanipulasi data ketika terjadi perubahan. Salah satu tahap dalam digitalisasi iStar 2.0 adalah object detection. Maka dari itu dilakukanlah implementasi untuk dapat mengklasifikasikan bentuk diagram iStar 2.0. Implementasi dilakukan menggunakan algoritma Faster R-CNN dengan Tensorflow Object Detection API. Dengan menggunakan bahasa pemrograman Python dan framework Flask. Untuk memudahkan implementasi dilakukan color- to-grayscale dan Salt and Pepper noise.