Perkembangan teknologi memungkinkan sistem presensi yang lebih efisien dan higienis melalui pemanfaatan pengenalan wajah tanpa sentuhan. Penelitian ini mengusulkan sistem presensi berbasis Multi-Face Recognition yang dikombinasikan dengan Gaze Tracking untuk meningkatkan keamanan dan keandalan dalam mendeteksi keaslian pengguna. Deteksi wajah dilakukan menggunakan metode Haar Cascade, sementara klasifikasi identitas wajah dilakukan dengan arsitektur VGG-16 berbasis Convolutional Neural Network (CNN). Teknologi Gaze Tracking dimanfaatkan untuk melacak arah pandangan mata secara real-time guna mengidentifikasi perilaku pengguna, sehingga sistem mampu membedakan antara pengguna asli dan upaya pemalsuan seperti penggunaan foto atau video. Model VGG-16 menunjukkan performa tinggi dengan akurasi pengujian mencapai 96,12% pada skenario pengujian nyata yang melibatkan berbagai variasi wajah dan arah pandangan. Seluruh sistem diintegrasikan dalam antarmuka aplikasi berbasis Graphical User Interface (GUI) yang terhubung ke server sebagai basis penyimpanan data presensi. Sistem ini memberikan kontribusi praktis dalam bentuk solusi presensi digital yang aman, real-time, dan scalable untuk diterapkan di lingkungan perusahaan atau industri dengan jumlah karyawan besar.