Indonesia menduduki peringkat ke-2 dunia sebagai daerah rawan gempa. Oleh karena itu, sistem untuk mendeteksi gempa sangat diperlukan. Banyak peneliti yang telah merancang sistem deteksi gempa menggunakan sensor getar, dan juga sistem deteksi gempa dengan menggunakan pembelajaran mesin. Pada penelitian ini, akan dibuat alat pendeteksi gempa menggunakan satu accelerometer ADXL345 dan dapat membedakan getaran akibat gempa dan non gempa serta vandalisme sebagai fitur tambahan untuk keamanan alat dan bangunan atau ruangan dimana alat dipasang. Perangkat ini dibuat dengan menggunakan algoritma pembelajaran mesin terbaik dengan melakukan perbandingan performa algoritma supervised learning SVM (Support Vector Machine), RF (Random Forest), dan DT (Decision Tree) dari hasil simulasi menggunakan jupyter notebook. Hasil penelitian ini menunjukkan bahwa algoritma DT merupakan algoritma terbaik untuk membedakan antara getaran gempa dan non gempa. Hal tersebut dibuktikan dengan nilai akurasinya = 91%, presisi = 96%, recall = 0.875, F1 = 0.9158, RMSE = 0.283, MAE = 0.08, dan R = 0.8426. Dan ketika model diimplementasikan ke alat, nilai akurasinya = 86%, presisi = 82%, recall = 0.79, F1 = 0.795, RMSE = 0.605, MAE = 0.25, dan R = 0.751. Perangkat sensor yang dibuat mampu mendeteksi getaran dengan dua kelas dengan baik.