Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal P2M STKIP Siliwangi INSERT: Information System and Emerging Technology Journal
Utomo, Kevin Saputra
Unknown Affiliation
Computer Science & IT Education Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENGARUH PUZZLE GAME TERHADAP PERSEPSI BELAJAR MATEMATIKA DI KOTA BATAM Yoputra, Keaton; Anthony, Anthony; Utomo, Kevin Saputra; Evans, Felix; Mandala, Ivan Octovia
P2M STKIP Siliwangi Vol 10 No 2 (2023): Volume 10 Nomor 2: November 2023
Publisher : IKIP Siliwangi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22460/p2m.v10i2.3911

Abstract

Initially regarded for entertainment purposes only, games have now evolved as a medium for learning. This research’s purpose is to investigate the effects of playing puzzle games towards leaning mathematics. This research uses the quantitative method through distributing questionnaires with senior high school and university students from Batam City as the target population. Linear regression technique is used for analyzing data. Results from this research indicate the variable challenge, engagement, and skill significantly affect the perceived learning of mathematics. This research concludes that puzzle games need to be challenging, fun, and interesting to increase the perceived learning of mathematics effectively. Skill in playing puzzle games could also improve the perceived learning in mathematics. Hence the players will increase their intuition and logical problem-solving ability.
Pengembangan Verifikasi Informasi Cek Bank dengan Menggunakan CNN-XGBoost Image Classification untuk Verifikasi Tanda Tangan dan Pengenalan Tulisan Tangan Utomo, Kevin Saputra; Christian, Yefta; Yulianto, Andik
INSERT : Information System and Emerging Technology Journal Vol. 5 No. 2 (2024)
Publisher : Information System Study Program, Faculty of Engineering and Vocational, Undiksha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/insert.v5i2.85907

Abstract

Sistem bank menjadi lebih maju di mana banyak orang yang sekarang bahkan tidak memegang uang tunai dan melakukan transaksi melalui aplikasi atau transfer online. Namun, ada beberapa transaksi bank yang ketinggalan jaman, seperti cek bank tertulis. Verifikasi dan kliring cek bank tertulis membutuhkan tenaga kerja yang sangat besar. Oleh karena itu, ada berbagai penelitian yang dilakukan untuk membuat transaksi cek bank menjadi lebih efisien, salah satunya adalah penggunaan machine learning. Penelitian ini dilakukan dengan tujuan mengetahui akurasi CNN-XGBoost untuk verifikasi tanda tangan dan rekognisi angka dan huruf. Untuk pengembangan penelitian ini, sebuah simulasi verifikasi dan pengecekan informasi cek bank akan dilakukan dengan model CNN-XGBoost. Dataset yang dipakai untuk pelatihan model di penelitian ini adalah IDRBT bank cheque dataset, EMNIST Digit, dan EMNIST Letter. Dataset akan di preprocess menggunakan beberapa cara seperti menghilangkan background, grayscale, padding, pixel normalize, histogram equalization, gaussian blur, dan canny edge detection. Dari penelitian didapatkan hasil accuracy model untuk verifikasi tanda tangan sebesar 97.06%, untuk rekognisi huruf 98.76%, dan rekognisi angka 99.57%. Model tidak dapat digunakan untuk sepenuhnya menggantikan tenaga kerja manusia dalam kliring cek bank tertulis. Ini karena risiko kesalahan dalam transfer keuangan sangat berbahaya, kesalahan dalam transfer dapat menyebabkan uang yang dikirim jauh berbeda dari yang tertera di cek. CNN-XGBoost masih berguna untuk membantu ekstraksi informasi untuk membantu mengurangi tenaga kerja yang dibutuhkan.
Co-Authors Andik Yulianto Anthony Anthony Christian, Yefta Evans, Felix Mandala, Ivan Octovia Yoputra, Keaton