Penelitian pengenalan wajah memiliki tantangan tersendiri dalam dunia penelitian, karena wajah merupakan hal yang kompleks, mulai dari ekspresi wajah, dan kondisi tertentu yang menjadikan pengenalan wajah sebagai eksperimen penelitian yang menarik. Banyak aplikasi yang berorientasi machine learning sudah beralih ke perangkat edge, tidak terkecuali dengan pengenalan wajah berbasis mobile. Perlu adanya penelitian penerapan algoritma model CNN seluler MobileFaceNet dalam mengimplementasikan aplikasi presensi pengenalan wajah berbasis mobile menggunakan metode deep learning pada Pendidikan Teknik Informatika dan Komputer (PTIK) FKIP UNS. Metode deep learning ialah metode untuk memahami dan mengklasifikasi objek, dalam aplikasi yang dikembangkan yaitu sebuah wajah yang ditangkap dalam bentuk gambar. Deep learning merupakan jaringan syaraf tiruan (neural network) yang berfungsi menirukan kinerja otak manusia dalam verifikasi dan pengenalan wajah. Penelitian ini menggunakan bantuan framework flutter dan library tensorflow lite dalam pengembangan aplikasi presensi mobile pengenalan wajah secara real-time . Hasil dari penelitian ini untuk mengetahui nilai memorisasi dan generalisasi algoritma model CNN seluler MobileFaceNet pada aplikasi. Telah dilakukan uji coba sistem dengan melibatkan 30 orang relawan dalam pengujian memorisasi dan generalisasi yang berasal dari mahasiswa PTIK Angkatan 2016-2019. Setiap pengujian dilakukan masing-masing sebanyak 10 iterasi. Dari hasil pengujian, mendapatkan nilai akurasi memorisasi sistem sebesar 84.5%, menunjukkan akurasi tergolong Good Classification dan tingkat akurasi generalisasi sebesar 70%, sudah menunjukkan akurasi tergolong Fair Classification.
Kata Kunci : Deep learning, Framerowk flutter, Pengenalan wajah, Tensorflow lite,
