Proses identifikasi wisudawan pada pelaksanaan wisuda umumnya masih dilakukan secara manual sehingga berpotensi menimbulkan antrean, keterlambatan, dan kesalahan identifikasi. Penelitian ini bertujuan mengimplementasikan Convolutional Neural Network (CNN) untuk menghasilkan embedding vector, menerapkan Cosine Similarity sebagai metode pencocokan wajah, mengembangkan sistem pengenalan wajah real-time, serta mengevaluasi kinerja sistem berdasarkan akurasi dan kecepatan identifikasi. Penelitian menggunakan metode kuantitatif dengan pendekatan eksperimen komputasional. Sistem dikembangkan menggunakan DeepFace, OpenCV, SQLite, dan Streamlit. Pengujian dilakukan terhadap 885 sampel, terdiri atas 423 wajah wisudawan terdaftar dan 462 wajah tidak terdaftar, dengan variasi jarak pengambilan citra dan penggunaan kacamata. Hasil penelitian menunjukkan bahwa sistem mampu melakukan identifikasi secara real-time dengan rata-rata waktu identifikasi 0,6877 detik. Berdasarkan evaluasi menggunakan Confusion Matrix, sistem memperoleh Accuracy sebesar 96,7232%, Precision sebesar 94,9772%, Recall sebesar 98,3452%, dan F1-Score sebesar 96,6318%. Analisis korelasi menunjukkan bahwa jarak memiliki hubungan sangat kuat terhadap ukuran wajah yang terdeteksi, namun hanya memiliki hubungan sangat lemah terhadap confidence score, cosine distance, dan latency. Hasil tersebut menunjukkan bahwa kombinasi CNN dan Cosine Similarity berhasil diterapkan untuk menghasilkan sistem pengenalan wajah real-time dengan performa identifikasi yang baik.

Kata Kunci: Convolutional Neural Network, Cosine Similarity, DeepFace, Face Recognition, Identifikasi Wisudawan.