PERANCANGAN SISTEM PENDETEKSI PLAGIARISME TERHADAP TOPIK PENELITIAN MENGGUNAKAN METODE K-MEANS CLUSTERING DAN MODEL BAYESIAN

Mufti Ari Bianto, Siti Rahayu, Miftahul Huda, Kusrini Kusrini

Abstract


Ancaman dalam dunia akademik khususnya pada bidang penulisan merupakan penjiplakan atau yang bisa kita sebuat sebagai plagiarisme. Menjiplak karya orang lain kemudian mengakuinya sebagai karya pribadi maka hal itu merupakan bagian dari tindakan plagiarisme. Adanya sebuah sistem pendeteksi plagiarisme pada sebuah dokumen teks biasanya menggunakan suatu algoritma yang kemudian akan diimplementasikan  untuk mencari kesamaan kata atau kalimat pada setiap dokumen yang berbeda.

K-means merupakan salah satu metode clustering yang dapat mempartisi data yang ada ke dalam bentuk satu atau lebih cluster. Metode ini mempartisi data ke dalam cluster sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karateristik yang berbeda di kelompokan ke dalam cluster yang lain untuk kemudian akan dicari nilai terdekat menggunakan metode bayesian sehingga akan ditemukan nilai terdekat dari kemiripan antar dokumen. Perancangan dilakukan dengan Sampel dokumen training sebanyak 10 dokumen dan 1 Dokumen Query. Perhitungan dihitung menggunakan Microsoft Excel. Dokumen yang berhasil dicluster paling dekat dengan dokumen Query kemudian diuji kemiripannya berdasarkan kesamaan pola kalimat dan kesamaan term. Hasil yang diperoleh menggunakan kesamaan term menemukan lebih banyak dokumen dengan presentase kemiripan yaitu 66%-100%, sedangkan berdasarkan kesamaan pola hanya menemukan 1 dokumen dengan kemiripan 100%.

Keywords : plagiarisme, kmeans clustering, bayesian.


Full Text:

PDF

References


Kamus Besar Bahasa Indonesia Daring (Dalam Jaringan).2008. http://bahasa.kemdiknas.go.id/kbbi/index.php. Diakses tanggal 11 Desember 2017.

Na’riful Hasna Ariyani, Sutardi, RahmadRamadhan, Aplikasi Pendeteksi Kemiripan Isi Teks Dokumen Menggunakan Metode Levenshtein Distance, semanTIK, Vol.2, N0.1, Jan-Jun 2016, pp 279-286.

Lukashenko, R., Graudina, V., dan Grundspenkis, J. “Computer-Based Plagiarism Detection Methods and Tools: An Overview”, International Conference on Computer Systems and Technologies, CompSysTech, University of Rousse, Bulgaria, hal. IIIA. 18-(1-2), 2007.

Kusrini, Tuntunan Praktis Membangun Sistem Informasi Akuntansi dengan Visual Basic dan Microsoft SQL Server, Andi, Yogyakarta, 2007.

Saunders, E.J. Confroting Academic Dishonesty. Journal of Social Work Education.29(2): 224-31, 1993.

Utorodewo, Felicia,dkk, Bahasa Indonesia: Sebuah Pengantar Penulisan Ilmiah, FEUI, Jakarta, 2007.

Riani, Amir Hamzah, Erna Kumalasari N, Klarifikasi Dokumen Berita Bahasa Indonesia Menggunakan Metode Naive Bayes Classifer (NBC) dan K-means Clustering, AKPRIND Yogyakarta, Yogyakarta, 2017.

S.Agustina, D.Yhudo, H.Santoso, N.Marnasusanto, A.Tirtana, F.Khusnu,, Clustering Kualitas Beras Berdasarkan Ciri Fisik Menggunakan Metode K-Means, Universitas Brawijaya Malang, Malang, 2012.

Asroni, Ronald Adrian , Penerapan metode K-Means untuk clustering mahasiswa berdasarkan nilai akademik dengan weka interface studi kasus pada jurusan teknik informatika UMM Magelang, Jurnal Ilmiah Semesta Teknika, Vol.18, No.1, 76-82, 2015.

Achmad Syarifudin, Nurul Hidayat, Lutfi Fanani , Sistem Pakar Diagnosis Penyakit Pada Tanaman Jagung Menggunakan Metode Naive Bayes Berbasis Android, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, e-ISSN:2548-964X Vol.2,No.7, 2738-2744, 2018.


Refbacks

  • There are currently no refbacks.