Penelitian ini bertujuan untuk mengembangkan sistem keanggotaan gym berbasis desktop dengan teknologi pengenalan wajah untuk artharaga gym. Masalah yang dihadapi oleh gym ini adalah ketergantungan pada sistem keanggotaan manual menggunakan kartu anggota yang rentan terhadap kesalahan, manipulasi data, dan keterlambatan pembaruan pembayaran. Untuk mengatasi permasalahan tersebut, sistem yang diusulkan menggunakan pustaka dlib dengan algoritma histogram of oriented gradients (HOG) dan support vector machine (SVM) untuk pengenalan wajah. Sistem ini memungkinkan proses presensi otomatis dan verifikasi keanggotaan yang lebih efisien, serta mengirimkan notifikasi pembayaran otomatis melalui whatsapp kepada anggota yang mendekati jatuh tempo. Metode prototype digunakan agar pengembangan dapat menyesuaikan umpan balik pengguna. Hasil pengujian white-box, black-box, robustness, spoofing, dan User Acceptance Testing (UAT) menunjukkan sistem berjalan baik tanpa error. Sistem mencapai akurasi pengenalan wajah sebesar 96,29%, waktu presensi rata-rata 1,8 detik, dan mampu menolak serangan spoofing menggunakan foto dan video. UAT menghasilkan tingkat penerimaan 93,33% (staf/owner), 100% (member), dan 100% (calon member). Sistem ini terbukti meningkatkan efisiensi operasional, mempercepat presensi, serta memberikan keamanan dan kemudahan dalam manajemen keanggotaan gym.