Sistem biometrika secara otomatis mengidentifikasi orang berdasarkan karakteristik perilakunya. Pembuluh darah jari tangan lebih aman sebagai data biometrika dibandingkan data biometrika lainnya. Pola pembuluh darah jari tangan sulit dipalsukan karena berada di bawah permukaan kulit. Supaya pola pembuluh darah jari tangan terlihat di kulit, diperlukan metode khusus untuk mengidentifikasinya. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan pembuluh darah jari menggunakan metode Convolutional Neural Network (CNN) yang diimplementasikan dalam bahasa Python, dengan tujuan menggantikan sistem absensi karyawan berbasis sidik jari di rumah sakit. Metode ini menawarkan keamanan yang lebih tinggi dan resistensi terhadap pemalsuan, mengingat pembuluh darah jari sulit diakses dari luar tubuh. Penelitian ini menggunakan dataset pembuluh darah dari Kaggle dan melalui tiga tahap utama: preprocessing, training, dan testing. Model CNN yang dilatih menunjukkan performa tinggi dengan akurasi 99,99% dalam mengenali pola-pola pada gambar pembuluh darah jari. Hasil penelitian ini menegaskan bahwa sistem yang dikembangkan dapat memberikan prediksi yang akurat dan konsisten, diharapkan dapat meningkatkan keamanan, kenyamanan, dan efisiensi operasional rumah sakit secara signifikan.