@thesis{thesis,
		author={Asrul  Sani Ariesandy},
		title ={SISTEM PENDETEKSI KEHADIRAN KARYAWAN MENGGUNAKAN METODE DEEP LEARNING R-CNN},
		year={2021},
		url={http://repository.stiki.ac.id/1866/},
		abstract={Teknologi Computer Vision merupakan teknologi yang menjadikan komputer memiliki kemampuan melihat, memroses dan menganalisis serta memahami suatu objek pada citra digital baik berupa gambar maupun video layaknya manusia. Pendeteksian objek citra yang dimaksud salah satunya adalah Face Recognition. Face Recognition dapat diimplementasikan sebagai pengganti dari model pencatatan karyawan menggunakan fingerprint maupun pencatatan manual. Hal ini dikarenakan model pencatatan karyawan manual maupun dengan fingerprint hanya merekap kehadiran karyawan pada saat presensi (check-clock) saja. Akibatnya kurang mampu menjadi indikator mengenai karyawan yang bersangkutan sedang berada di kantor selama jam kerja atau tidak. Pada penelitian ini akan diimplementasikan agar teknologi Face Recognition ini dapat membantu untuk mengenali siapa saja yang hadir di kantor untuk memudahkan karyawan lain mengetahui keberadaan karyawan yang bersangkutan, baik untuk tujuan pemantauan kehadiran selama jam kerja ataupun melakukan koordinasi. 
Dalam penelitian ini diperkenalkan arsitektur microservice untuk membagi task komputasi yang selama ini menjadi masalah pada sistem terpusat (monolith). Sistem dibagi menjadi empat bagian diantaranya adalah: Web Service, Webcam Service, Neural Network Service dan Message Queue Service. Hasil pengujian menunjukkan akurasi terbaik pada jarak kurang dari 3meter sebesar 100%. Hasil akurasi keseluruhan jarak lebih dari 3 meter adalah 50%.}
		}