<![CDATA[Abstrak: Universitas Ubudiyah Indonesia sebagai salah satu Perguruan Tinggi di kota banda Aceh. pada saat ini universitas ubudiyah indonesia terus berupaya melakukannperbaikan manajemen sistem pendidikan dengan cara memadukan dengan perkebangan teknologi pada era revolusi industry 4.0 saat ini. Perbaikan dan peningkatan kualitas pendidikan dilakukan pada sistem absensi kehadiran mahasiswa yang sekarang masih dilakukan secara manual yaitu mahasiswa mengabsensi pada daftar kehadiran saat perkuliahan atau setelah perkuliahan berlangsung. Absensi yang dilakukan saat sekarang masih mendapat beberapa kendala seperti terjadi kesalahan dan kecurangan yang dilakukan sebagian mahasiswa, dimana mahasiswa yang tidak hadir dibantu oleh mahasiswa lain untuk memberikan izin pada absensi tanpa adanya informasi lebih lanjut serta proses absensi kehadiran mahasiswa yang kurang konsisten seperti absensi dilakukan sebelum diawal pertemuan, pada saat penjelasan materi selesai, diakhir pertemuan dan juga sering absen kehadiran setiap pertemuan di absensi dipertemuan selanjutnya. Guna membantu penyelesaian masalah absensi kehadiran mahasiswa diperlukan solusi yang tepat dengan cara menerapkan metode haar feature cascada classfier dan melalui haar feature cascada classfier dapat membantu mendeteksi objek wajah dengan variasi posisi dari hasil capture pada aplikasi sistem absensi deteksi wajah yang dapat digunakan oleh mahasiswa menggunakan smart phone secara online. Proses kerja aplikasi absensi deteksi wajah digunakan mahasiswa setelah didaftarkan lansung oleh admin dengan rekam wajah serta input data mahasiswa akan diverifikasi oleh admin. Selanjutnya admin berbagi akun user untuk mahasiswa supaya dapat masuk sebagai user melalui smart phone secara online dengan tujuan supaya mahasiswa dapat melakukan proses absensi kehadiran sebelum perkuliahan berlangsung. Sistem yang dibangun menampilkan hasil yang efektif berupa pengenalan wajah untuk proses absensi online berdasarkan pada variasi posisi wajah yang di uji coba pada sampel random.Kata Kunci: Deteksi Wajah, Absensi kehadiran, Mahasiswa dan Haar Feature Cascada ClassfierAbstract:Â Universitas Ubudiyah Indonesia, as one of the Higher Education Institutions in the city of Banda Aceh, is currently making continuous efforts to improve its education management system by integrating it with the advancements in technology during the current era of Industry 4.0 revolution. The focus of this improvement is on the student attendance system, which is currently managed manually, where students mark their attendance either during or after lectures. The existing attendance system faces several challenges, including errors and fraudulent activities by some students. Some students who are absent are assisted by their peers in marking attendance without further verification. Additionally, the attendance process is inconsistent, as students sometimes mark their attendance at the beginning, after the lecture, or at the end of the session. Some even frequently miss multiple sessions and are marked present in subsequent sessions without attending. To address these attendance-related challenges, a solution is being implemented by applying the Haar Feature Cascade Classifier method. This method aids in facial recognition with variations in facial positions, captured through a face detection application that can be used by students via their smartphones. The operation of the facial recognition attendance application is initiated after students are registered by administrators, where their facial features are recorded and their data is verified. Subsequently, administrators provide user accounts to students, allowing them to access the system through their smartphones, enabling students to mark their attendance before each lecture. The system is designed to effectively recognize faces for online attendance based on variations in facial positions, which have been tested using random samples. This system aims to streamline and enhance the attendance process, promoting accuracy and efficiency while mitigating the issues associated with manual attendance management.Keywords: Face Detection, Student Attendance, and Haar Feature Cascade Classifier]]>
