Sistem smart door lock berbasis pengenalan wajah menggunakan arsitektur MobileFaceNet dengan pretrained ArcFace Loss dalam format TensorFlow Lite yang dijalankan pada Raspberry Pi 4B. Sistem ini menerapkan metode Incremental Enrollment untuk memungkinkan penambahan identitas pengguna baru secara dinamis, serta mengoptimalkan pipeline preprocessing melalui face alignment, super resolution, dan CLAHE guna meningkatkan kualitas citra sebelum proses ekstraksi fitur. Hasil evaluasi menunjukkan bahwa model dengan ArcFace Loss mampu mencapai akurasi puncak sebesar 96,68%, dengan performa validasi 97,54% pada dataset CFP-FP dan 97,42% pada AgeDB-30, serta menghasilkan Equal Error Rate (EER) sebesar 0,0600. Pengujian pada perangkat edge menunjukkan bahwa penggunaan super resolution meningkatkan kualitas citra namun menambah waktu pemrosesan. Pada proses enrollment, latensi meningkat dari 436,5 ms menjadi 1.800 ms, sedangkan pada proses recognition meningkat dari 311,2 ms menjadi 1.645,3 ms. Meskipun demikian, sistem tetap mampu beroperasi secara real-time dengan konsumsi RAM yang rendah, yaitu berkisar 13,9%–16,0%, sehingga layak diimplementasikan pada perangkat edge computing. Secara keseluruhan, sistem yang dikembangkan mampu menyediakan autentikasi wajah lokal dengan tingkat akurasi yang tinggi, adaptif terhadap penambahan pengguna baru, serta tetap efisien dijalankan pada Raspberry Pi 4B.