Pesatnya perkembangan teknologi informasi mendorong institusi perbankan seperti Bank Riau Kepri Syariah untuk terus berinovasi demi meningkatkan efisiensi operasional. Salah satu proses yang masih menjadi tantangan adalah sistem absensi pelatihan yang dilakukan secara manual, sehingga rentan terhadap kesalahan manusia dan ketidak efisienan. Oleh karena itu, diperlukan sebuah terobosan berbasis teknologi untuk mengotomatisasi proses ini, demi meningkatkan akurasi dan efektivitas. Sebagai solusi untuk mengatasi masalah tersebut, penelitian ini mengembangkan sistem absensi otomatis berbasis biometrik pengenalan wajah (face recognition). Metodologi penelitian mencakup beberapa tahapan sistematis, mulai dari pengumpulan dataset wajah, preprocessing data, pelatihan model, hingga evaluasi performa menggunakan metrik akurasi, precision, recall, dan F1-score. Performa terbaik didapatkan dengan membandingkan tiga arsitektur CNN pre- trained, yaitu VGG16, ResNet50, dan Inception-ResNet-V2, guna menentukan model yang paling optimal untuk mengenali wajah karyawan. Berdasarkan hasil eksperimen, model ResNet50 menghasilkan akurasi tertinggi sebesar 97,97%, diikuti oleh Inception-ResNet-V2 dengan akurasi 97,71%, dan VGG16 yang mencatatkan akurasi 97,30%. Kinerja model ditingkatkan melalui teknik Transfer Learning dan diintegrasikan ke dalam platform berbasis website menggunakan framework Laravel. Hasil dari penelitian ini memberikan kontribusi dalam meningkatkan efisiensi dan akurasi sistem absensi pelatihan di Bank Riau Kepri Syariah.