Sistem manajemen sumber daya manusia (SDM) yang masih dilakukan secara manual di BMT Bahtera Pekalongan menimbulkan berbagai permasalahan, seperti ketidakefisienan dalam pencatatan kehadiran, keterlambatan proses administrasi, serta potensi kesalahan dan manipulasi data. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan aplikasi Human Resource Information System (HRIS) berbasis mobile yang terintegrasi dengan teknologi pengenalan dan verifikasi wajah menggunakan metode Convolutional Neural Network (CNN). Metode pengembangan yang digunakan dalam penelitian ini adalah model Waterfall, yang mencakup tahapan requirements, design, development, testing, dan deployment. Aplikasi ini dikembangkan menggunakan framework Flutter. Sistem absensi menggunakan teknologi face detection dan face verification wajah Google ML Kit dan TensorFlow Lite,  untuk memastikan keakuratan verifikasi wajah.

Hasil pengujian menggunakan metode black box testing menunjukkan bahwa seluruh fitur aplikasi berfungsi dengan baik sesuai spesifikasi yang dirancang. Hasil pengujian sistem absensi wajah menggunakan CNN dengan Cosine Similarity dan confusion matrix, threshold 70% menghasilkan akurasi tertinggi sebesar 0,77, menunjukkan keseimbangan False Positive dan False Negative yang baik. Evaluasi tingkat kegunaan aplikasi menggunakan System Usability Scale (SUS) menghasilkan skor dengan grade acceptable yang menunjukkan aplikasi memiliki tingkat penerimaan yang baik oleh pengguna. Implementasi sistem ini diharapkan dapat meningkatkan efisiensi manajemen SDM di BMT Bahtera Pekalongan, mengurangi risiko kesalahan pencatatan kehadiran, serta meningkatkan transparansi dan keandalan data.

Kata Kunci: HRIS, CNN, Face detection, Face Verification, Flutter, System Usability Scale, Aplikasi berbasis mobile

The manual human resource management (HRM) system at BMT Bahtera Pekalongan presents several challenges, including inefficiencies in attendance recording, delays in administrative processes, and risks of errors and data manipulation. Therefore, this study aims to develop a mobile-based Human Resource Information System (HRIS) integrated with facial recognition technology using the Convolutional Neural Network (CNN) method.

The development method used in this study follows the Waterfall model, which includes requirements, design, development, testing, and deployment. The application is built using the Flutter framework. The attendance system utilizes face detection and face verification technology based on Google ML Kit and TensorFlow Lite to ensure accurate facial verification.

Testing results using the black box testing method show that all application features function properly according to the designed specifications. Based on the facial attendance system testing using CNN with Cosine Similarity and confusion matrix, a 70% threshold achieved the highest accuracy of 0.77, indicating a good balance between False Positive and False Negative. Usability evaluation using the System Usability Scale (SUS) produced a score with an acceptable grade, indicating a high level of user acceptance. The implementation of this system is expected to improve HRM efficiency at BMT Bahtera Pekalongan, reduce the risk of attendance recording errors, and enhance data transparency and reliability.

Keywords: HRIS, CNN, Face Detection, Face Verification, Flutter, System Usability Scale, Mobile Application