Sistem presensi adalah proses pencatatan kehadiran yang penting dalam berbagai lingkungan, seperti perusahaan, perkantoran, dan sekolah. Saat ini, sistem presensi dapat dioptimalkan dengan teknologi pengenalan wajah menggunakan metode YOLOv5, sebuah metode deep learning untuk deteksi objek pada gambar atau video dengan akurasi tinggi. Sistem presensi otomatis dengan metode YOLOv5 mampu mengatasi masalah kecurangan dalam presensi, menyediakan pencatatan yang cepat dan akurat, serta memastikan data presensi yang aman. Penelitian ini mengimplementasikan sistem presensi otomatis dengan pengenalan wajah menggunakan metode YOLOv5 untuk sebuah kegiatan seminar. Melalui pengujian, sistem ini berhasil mendeteksi wajah peserta dengan tingkat keberhasilan rata - rata sebesar 77.5% pada pengujian dengan 40 data peserta. Namun, masih terdapat beberapa wajah yang tidak terdeteksi, sekitar 22.5% hingga 30%, karena beberapa faktor seperti posisi kepala yang terlalu miring, cahaya ruangan yang kurang optimal, dan kualitas citra dataset yang digunakan dalam pelatihan model. Sistem yang telah dirancang dijalankan dengan mengintegrasikan ke dalam tampilan GUI program aplikasi sistem presensi melalui QT Designer. Setelah melalui proses pengujian, hasil dari program aplikasi sistem menunjukkan bahwa sistem telah berhasil dalam melakukan deteksi dan pengenalan wajah, presensi masuk dan keluar serta penyimpanan hasil presensi pada file Attendance.csv dengan performa yang baik.