Pengawasan kehadiran merupakan salah satu faktor untuk meningkatkan kualitas pembelajaran, tetapi saat ini presensi peserta belajar masih banyak memiliki kekurangan sehingga dapat dimanipulasi. Selain itu pengajar memiliki kendala dalam mengawasi seluruh peserta belajar, dikarenakan keterbatasan kemampuan pengajar itu sendiri. Hal ini dapat menyebabkan kualitas belajar menjadi kurang baik. Pengawasan kehadiran menggunakan kamera untuk pengenalan wajah dapat menjadi solusi untuk mengurangi permasalahan tersebut. Dalam kajian ini tidak meneliti pengawasan secara real time dari awal masuk kelas sampai jam keluar, tetapi kajian ini hanya meneliti saat masuk dan keluar jam belajar saja. Untuk pengenalan wajah menggunakan metode Viola Jones dengan memanfaatkan image processing library yang berfungsi sebagai dasar pengolahan dalam pendeteksian citra wajah. Sedangkan dalam proses pengenalan wajah metode yang digunakan adalah Eigenface. Dalam penelitian ini, pengujian deteksi wajah maupun pengenalan wajah dilakukan berdasarkan beberapa kondisi yang memungkinkan dapat mempengaruhi akurasi dari pendeteksian maupun pengenalan wajah. Faktor tersebut berupa pengaruh intensitas cahaya, posisi wajah, penambahan aksesoris, jumlah wajah dan jarak wajah dengan kamera. Hasil pengujian menunjukkan perolehan tingkat akurasi pendeteksian wajah sebesar 92,3%, sedangkan tingkat akurasi pengenalan wajah sebesar 83,3%. Dari kedua metode tersebut dapat implementasikan untuk presensi peserta belajar dengan mencatat waktu presensi masuk dan keluar jam belajar ketika wajah dikenali

Attendance monitoring is one of the factors to improve the quality of learning, but currently the attendance of learning participants still has many shortcomings that can be manipulated. In addition teachers have obstacles in supervising all participants learning in class, this is due to the limited ability of the instructor himself. This can cause the quality of learning to be less good. Attendance monitoring using a camera for facial recognition can be a solution to reduce the attendance attendance of learning participants. In this study does not examine supervision in real time from the beginning of entering the classroom to leaving the classroom, but this study only examined when entering and leaving the classroom. For face recognition using the Viola Jones method by utilizing an image processing library that serves as the basis for processing image detection in faces. While in the process of facial recognition the method used is Eigenface. In this study, the face detection and face recognition testing is carried out based on several conditions that may affect the accuracy of the detection and face recognition. These factors include the effect of light intensity, face position, the addition of accessories, the number of faces and the distance of the face to the camera. The test results show the acquisition of a face detection accuracy rate of 92.3%, while the face recognition accuracy rate of 83.3%. From both methods can be implemented for the attendance of the learning participants by recording the time of attendance in and out of learning hours when faces are recognized.