Proyek tugas akhir ini mengembangkan sistem absensi kehadiran otomatis berbasis pengenalan wajah dengan memanfaatkan kombinasi algoritma deteksi objek YOLOv11s dan face recognition berbasis MTCNN serta InceptionResnetV1. Sistem ini dirancang untuk mendeteksi dan mengenali wajah pegawai secara real-time menggunakan kamera CCTV maupun webcam, sehingga proses absensi menjadi lebih efisien, akurat, dan tanpa sentuhan (contactless). Dataset wajah dikumpulkan dari pegawai instansi, dianotasi menggunakan platform Roboflow, dan digunakan dalam pelatihan model YOLOv11s melalui Google Colab. Hasil pelatihan dan pengujian menunjukkan bahwa model mendeteksi wajah dengan performa cukup baik, yaitu precision sebesar 0.904, recall sebesar 0.816, mAP@50 sebesar 0.894, dan mAP@50–95 sebesar 0.585. Proses pengenalan identitas wajah dilakukan melalui ekstraksi vektor embedding dari setiap wajah yang terdeteksi, kemudian dibandingkan dengan data referensi menggunakan metode cosine similarity. Sistem juga dilengkapi fitur pengiriman notifikasi otomatis ke WhatsApp setelah absensi berhasil dilakukan, sebagai bentuk transparansi dan monitoring bagi atasan maupun pihak keluarga. Pengembangan sistem ini dilakukan menggunakan pendekatan Software Development Life Cycle (SDLC) model Agile yang meliputi tahap: requirements, design, development, testing, deployment, dan review. Pendekatan ini memungkinkan sistem dikembangkan secara bertahap dan fleksibel terhadap perubahan kebutuhan.