Face recognition merupakan teknologi biometric dalam pengolahan citra dengan teknik identifikasi menggunakan wajah sebagai parameter kunci. Penelitian ini menerapkan konsep computer vision dalam mengidentifikasi atau memverifikasi seseorang dari gambar digital pada absensi. Deteksi wajah telah menggunakan metode haar cascade classifier yang memiliki kecepatan dan keakuratan yang cukup tinggi karena menggabungkan beberapa teknik terdiri dari Haar Features, Integral Image, Adaboost dan Cascade Classifier serta Local Binary Pattern Histogram (LBPH). Sedangkan, bahasa pemrograman yang telah digunakan adalah Python dengan library OpenCV. Dataset yang digunakan sebanyak 1800 sebagai data training dan 40 sebagai data testing dari 40 citra mahasiswa Prodi Informatika yang disimpan kedalam file.yml. Hasil penelitian menunjukkan bahwa metode haar cascade classifier dan LBPH cukup baik diterapkan pada sistem presensi mahasiswa dengan nilai accuracy 72,5%, precision 96,2%, dan recall 72,2%. Sistem presensi juga telah dilakukan pengujian dari perspektif pengguna dengan menggunakan User Acceptance Testing (UAT) telah memperoleh hasil sebesar 86,6%. Dengan kata lain, sistem presensi mahasiswa dengan face recognition yang dibuat dapat diterima oleh user.