Sistem presensi mahasiswa berbasis pengenalan wajah dikembangkan untuk mengatasi kelemahan metode pencatatan manual yang rentan terhadap kesalahan dan penyalahgunaan. Teknologi ini menggunakan Google ML Kit dan FaceNet dengan Firebase Realtime Database sebagai media penyimpanan, serta diterapkan dalam aplikasi berbasis Android Studio. Pengujian menunjukkan akurasi 100% dalam jarak 50 cm hingga 150 cm, meskipun waktu identifikasi bertambah dari 1,328 detik menjadi 1,963 detik seiring bertambahnya jarak. Faktor pencahayaan mempengaruhi kinerja sistem, dengan kondisi terang mempercepat proses pengenalan, sementara pencahayaan rendah menurunkan akurasi. Penggunaan aksesoris seperti topi dan kacamata berdampak pada penurunan akurasi hingga 78,75%. Selain itu, uji coba terhadap wajah yang tidak terdaftar menghasilkan False Acceptance Rate (FAR) sebesar 10%.Evaluasi pengalaman pengguna menunjukkan respons positif, dengan skor tertinggi 4,2 pada fitur "Input Mata Kuliah". Dari segi performa, aplikasi mengalami peningkatan kecepatan startup sebesar 63%, meskipun beberapa aspek seperti pengiriman data dan login masih perlu ditingkatkan agar lebih efisien dan responsif.