Perkembangan teknologi pengolahan citra dan kecerdasan buatan memberikan
peluang besar dalam mendukung digitalisasi administrasi pendidikan. Penelitian ini
bertujuan untuk merancang dan mengimplementasikan sistem absensi otomatis berbasis
pengenalan wajah dan deteksi emosi siswa di MI Mathlaul Ulum. Sistem dibangun
dengan memanfaatkan metode face embedding berbasis MobileNetV2 yang terintegrasi
dengan pustaka face recognition untuk proses identifikasi wajah, serta model
Convolutional Neural Network (CNN) yang dilatih menggunakan dataset FER-2013
untuk klasifikasi emosi. Hasil pengujian menunjukkan bahwa sistem mampu melakukan
absensi dengan cepat dan stabil, dengan rata-rata waktu eksekusi sekitar satu detik untuk
setiap siswa. Proses pengenalan wajah berjalan dengan baik dan akurat pada enam siswa
yang diuji dengan tiga variasi pose (lurus, serong kanan, dan serong kiri). Pada aspek
deteksi emosi, tingkat keberhasilan klasifikasi bervariasi antara 50% hingga 80%.
Kesalahan klasifikasi paling sering terjadi pada ekspresi sad dan neutral yang memiliki
kemiripan ciri visual, sehingga kerap tertukar. Meskipun demikian, sistem tetap mampu
memberikan gambaran umum mengenai kondisi emosional siswa pada saat absensi
berlangsung. Berdasarkan hasil implementasi, sistem ini dinilai layak untuk digunakan
sebagai alternatif metode absensi manual di sekolah dasar. Keunggulan utamanya
terletak pada efisiensi waktu, akurasi pengenalan wajah yang relatif stabil, serta nilai
tambah berupa informasi emosional siswa yang dapat dimanfaatkan oleh guru dalam
proses pembelajaran. Penelitian ini juga membuka peluang pengembangan lebih lanjut,
seperti integrasi dataset lokal siswa untuk meningkatkan akurasi deteksi emosi, serta
pengembangan aplikasi berbasis mobile agar sistem lebih praktis digunakan.