Presence using face already widely adopted as a way of monitoring employee attendance. Research on using facial Presence never been done before by applying algorithms and algorithms Eigenface linear discriminant analysis (LDA). However, previous research has found that there are still weaknesses in the algorithms used. The weakness is that the process of identifying which takes a long time because the process of calculating the value carried on the overall image or image and the distance of the face of the webcam can affect the process of identifying faces. In this study, the algorithm used is haar cascade classifier algorithm. Haar classifier cascade or known by other names haar-like features are the rectangular features (square function), which gives an indication of the specifics on a picture or image. Principle Haar-like features are recognizing objects based on simple values of the features but not the pixel values of the object image. This method has the advantage that the computation is very fast, because it depends on the number of pixels in a square instead of each pixel value of an image. Haar classifier cascade also still be able to identify faces even if the distance face with the webcam is considerably due to the value of the facial features can still be identified. Results from this study that the system can identify the face with a good degree of accuracy. Tests carried out to 13 employees Starcross Store with each employee doing 30 times the experiment presence. Attendance successful has the success rate is 87% and 13% of the total failure of the experiment 390 times. Some absences failed to happen because there are several factors that can affect attendance as high luminance, uplifted head position, and the use of attributes (hats, glasses, etc.).Keywords : Presence, face recognition, Haar cascade classifier algorithmPresensi menggunakan wajah sudah banyak diterapkan sebagai cara untuk pemantauan kehadiran pegawai. Penelitian tentang presensi menggunakan wajah pernah dilakukan sebelumnya dengan menerapkan algoritma eigenface dan algoritma linear discriminant analysis (LDA). Namun dari penelitian sebelumnya telah ditemukan kelemahan yaitu pada proses pengidentifikasian yang membutuhkan waktu cukup lama dikarenakan proses perhitungan nilai dilakukan pada keseluruhan citra atau image dan jauhnya jarak wajah dari webcam dapat mempengaruhi proses pengidentifikasian wajah tersebut. Pada penelitian ini algoritma yang digunakan adalah algoritma haar cascade classifier. Haar cascade classifier atau yang dikenal dengan nama lain haar-like features merupakan rectangular features (fungsi persegi), yang memberikan indikasi secara spesifik pada sebuah gambar atau image. Prinsip Haar-like features adalah mengenali obyek berdasarkan nilai sederhana dari fitur tetapi bukan merupakan nilai piksel dari image obyek tersebut. Metode ini memiliki kelebihan yaitu komputasinya sangat cepat, karena hanya bergantung pada jumlah piksel dalam persegi bukan setiap nilai piksel dari sebuah image. Haar cascade classifier juga masih dapat mengidentifikasi wajah walaupun jarak wajah dengan webcam terbilang jauh dikarenakan nilai fitur wajah masih dapat diidentifikasi. Hasil dari penelitian ini bahwa sistem dapat mengidentifikasi wajah dengan tingkat akurasi baik. Pengujian dilakukan kepada 13 karyawan Starcross Store dengan masing-masing karyawan melakukan 30 kali percobaan presensi. Absensi yang berhasil memiliki nilai keberhasilan 87% dan 13% gagal dari total percobaan 390 kali. Beberapa absensi yang gagal terjadi karena ada beberapa faktor yang dapat mempengaruhi absensi seperti pencahayaan yang tinggi, posisi kepala yang mendongkak dan penggunaan atribut (topi, kacamata, dsb).Kata Kunci : Presensi, Pengenalan Wajah, Algoritma Haar Cascade Classifier