SISTEM BANTU DETEKSI PLAGIARISME JUDUL SKRIPSI MENGGUNAKAN LATENT SEMANTIC ANALYSIS (Studi Kasus : Program Studi Akuntansi Universitas Nusantara PGRI Kediri)
Author (Penulis)
MUHAMMAD SYAHRIZAL ALIEFUniversitas Nusantara PGRI Kediri
Author Identity (NPM)
13.1.03.02.0237Abstract
Banyaknya data skripsi menjadikan kurang diperhatikannya tingkat kemiripan antara judul skripsi baru dengan judul skripsi yang sudah ada sebelumnya, sehingga besar kemungkinan tindakan plagiarisme mudah untuk dilakukan dikarenakan keterbatasan petugas akademis dalam melakukan pengecekan. Maka dengan demikian dibutuhkan suatu sistem bantu dalam melakukan deteksi tingkat kemiripan judul skripsi secara otomatis untuk mencegah tindakan plagiarisme.
Salah satu metode yang dapat digunakan untuk melakukan pendeteksian kemiripan yaitu algoritma Latent Semantic Analysis. Latent Semantic Analysis adalah suatu metode untuk menemukan hubungan, keterkaitan, dan kemiripan antar dokumen-dokumen, penggalan dari dokumen-dokumen, dan kata-kata yang muncul pada dokumen-dokumen dengan memanfaatkan komputasi statistik untuk menggali dan merepresentasikan konteks yang digunakan sebagai sebuah arti kata untuk sejumlah corpus yang besar.
Setiap judul skripsi yang diuji akan melalui beberapa tahapan dalam pendeteksiannya. Tahap pertama yaitu setiap judul skripsi akan masuk pada tahap preprocessing dimana di dalamnya meliputi proses tokenizing (pemecahan kalimat menjadi kata per kata), stopword removal (penghapusan kata tidak penting), stemming (pengambilan suku kata). Setelah tahap preprocessing telah selesai maka, tahap selanjutnya ialah pembobotan dari setiap term hasil dari preprocessing yang nantinya bobot ini yang akan digunakan dalam penghitungan nilai kemiripan antar judul skripsi. Selanjutnya yaitu tahap penghitungan bobot menggunakan cosine similarity, hasil dari perhitungan inilah yang digunakan untuk mengetahui tingkat kemiripan judul skripsi yang diuji.
Kesimpulan hasil penelitian ini yaitu jika struktur kata yang terbentuk dari setiap judul yang di uji berbeda, maka nilai tingkat kemiripan ditentukan dari seberapa banyak struktur kata yang sama, semakin banyak struktur kata yang sama maka semakin tinggi pula nilai tingkat kemiripannya. Dengan adanya sistem bantu ini dapat mempermudah petugas akademik program studi Akuntansi dalam melakukan pengecekan judul skripsi untuk mencegah tindakan plagiarisme. Berdasarkan simpulan hasil penelitian ini, disarankan agar sistem bantu deteksi ini dapat dilengkapi dengan metode-metode text mining lain yang cocok diterapkan dalam deteksi kemiripan judul skripsi.
Keyword
aReference
Dudung. 2016. Pengertian, Komponen dan Fungsi XAMPP Lengkap dengan Penjelasannya (Online). Tersedia: http://www.dosenpendidikan.com/ pengertian-komponen-dan-fungsi-xampp-lengkap-dengan-penjelasannya/, diakses 10 Juli 2016.
Hermadi, I. Clustering Menggunakan Self-Organizing Maps (Studi Kasus: Data PPMB IPB). FMIPA Institut Pertanian Bogor. 5: 2. 2007.
Imbar, R.V., Adelia, Ayub, M. & Rehatta, A. 2014. Implementasi Cosine Similarity dan Algoritma Smith-Waterman untuk Mendeteksi Kemiripan Teks. Jurnal Informatika, 10 (1): 31-42.
Jogiyanto. 2005. Pengertiang Entity Relationship Diagram (ERD). (Online). Tersedia: http://www.teukutaufik.com/2016/02/definisi-dan-simbol-erd-entity.html, diakses 9 Juli 2016.
Kadir, A. 2012. Algoritma & Pemrograman Menggunakan Java. Yogyakarta: ANDI.
Konchady, M. 2006. Text Mining Application Programming. Boston: Charles River Media.
Kowanda, A., Siregar, I.P., Lie, P., Irmawati, N.F. & Purnamasari, D. 2014. Pengukur Semantic Similarity Pada Artikel Web Dalam Upaya Pencegahan Plagiarisme. Prosiding Seminar Ilmiah Nasional Komputer dan Sistem Intelejen (KOMMIT 2014), 8: 33-40.
Kusrini, Luthfi, E.T. 2009. Algoritma Data Mining. Yogyakarta: ANDI.
Lembaga Penelitian dan Pengabdian Masyarakat (LPPM). 2016. Panduan Penulisan Karya Tulis Ilmiah. Kediri: Universitas Nusantara PGRI Kediri.
Nugroho, B. 2005. Database Relasional dengan MySQL. Yogyakarta: ANDI.
Perkasa, D.A., Saputra, E. & Fronita, M. 2015. Sistem Ujian Online Essay Dengan Penilaian Menggunakan Metode Latent Semantic Analysis (LSA). Jurnal Rekayasa dan Manajemen Sistem Informasi, 1 (1): 1-9.
Salim, M.A., Anistyasari, Y. 2017. Pengembangan Aplikasi Penilaian Ujian Essay Berbasis Online Menggunakan Algoritma Nazief dan Adriani dengan Metode Cosine Similarity. Jurnal IT-EDU, 2 (1): 126-135.
Soelistyo, H. 2011. Plagiarisme: Pelanggaran Hak Cipta dan Etika. Yogyakarta: Kanisius.
Suhartono, D. 2015. Penggunaan Latent Semantic Analysis (LSA) Dalam Pemrosesan Teks (Online). Tersedia: https://socs.binus.ac.id/2015/08/03/penggunaan-latent-semantic-analysis-lsa-dalam-pemrosesan-teks/, diakses 10 Juli 2016.
Tala, F.Z. 2004. A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia. Master of Logic Project Institute for Logic, Language and Computation Universiteit van Amsterdam The Netherlands.
Triawati, C. 2009. Metode Pembobotan Statistical Concept Based untuk Klastering dan Kategorisasi Dokumen Berbahasa Indonesia. Diakses terakhir tanggal 14 Maret 2013, dari http://digilib.ittelkom.ac.id/index.php?option=com_content&view=article&id=590:textmining&catid=20:informatika&Itemid= 14.
Utomo, M.S. 2013. Implementasi Stemmer Tala Pada Aplikasi Berbasis Web. Jurnal Teknologi Informasi DINAMIK. 18 (1): 41-45.
Wicaksono, D.W., Irawan, M.I. & Rukmi, A.M. 2014. Sistem Deteksi Kemiripan Antar Dokumen Teks Menggunakan Model Bayesian Pada Term Latent Semantic Analysis (LSA). Jurnal Sains dan Seni POMITS, 3 (2): 41-46.
