APLIKASI PENDETEKSI PLAGIARISME DALAM KARYA TULIS ILMIAH DENGAN ALGORITMA RABIN KARP

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

APLIKASI PENDETEKSI PLAGIARISME DALAM KARYA TULIS ILMIAH DENGAN ALGORITMA RABIN KARP

SKRIPSI Diajukan untuk memenuhi salah satu syarat memperoleh gelar Sarjana Teknik Informatika (S.Kom.) Program Studi Teknik Informatika

Disusun Oleh: AGUSTINUS PILIPUS TRIYUNIANTA ARUM SURYA 125314083

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2017

i


PLAGIARISM DETECTION APPLICATION IN SCIENTIFIC WORKS USING RABIN KARP ALGORITHM

THESIS Presented as partial fulfillment of the requirements to obtain the Bachelor Degree of Computer (S.Kom.) in Informatics Engineering

Written by: AGUSTINUS PILIPUS TRIYUNIANTA ARUM SURYA 125314083

DEPARTMENT OF INFORMATICS ENGINEERING FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY YOGYAKARTA 2017

ii


HALAMAN PERSETUJUAN SKRIPSI

iii


HALAMAN PENGESAHAN SKRIPSI

iv


HALAMAN MOTTO

“ Tuhan tahu apa yang kita butuhkan, tidak perlu meminta, bersyukurlah ”

“ Some people dream of success while others wake up and work hard at it ” (Napoleon Hill)

v


PERNYATAAN KEASLIAN KARYA

vi


LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH

vii


ABSTRAK Berkembangnya teknologi informasi dan komunikasi yang semakin pesat menyebabkan pencarian data dan informasi semakin mudah dan cepat. Namun perkembangan teknologi informasi ini justru menimbulkan berbagai macam dampak negatif, salah satunya adalah penjiplakan karya atau sering disebut plagiat. Penelitian ini bertujuan untuk membuat suatu sistem untuk mengantisipasi tindak plagiarisme yang semakin banyak. Salah satu algoritma yang diusulkan untuk mendeteksi plagiarisme adalah dengan algoritma Rabin Karp. Algoritma Rabin karp akan mencari kesamaan dua dokumen yang diuji dengan menampilkan presentase kesamaan dua dokumen tersebut. Pengujian sistem ini dilakukan dengan melakukan alpha test dan beta test. Berdasarkan pengujian dengan alpha test yaitu dengan membandingkan keluaran sistem dengan perhitungan manual menghasilkan rata-rata selisih 1,63 %. Sedangkan pengujian dengan beta test yaitu kuisioner dengan 15 responden menghasilkan nilai rata-rata 3.86 skala 1-5 untuk kaitannya dengan kegunaan (perceived of usefulness) dan nilai rata-rata 4.14 skala 1-5 untuk kaitannya dengan kemudahan (perceived ease of use).

Kata Kunci: plagiarisme, Rabin Karp, hashing, Sørensen Index, similarity

viii


ABSTRACT

The development of information and communication technology that increasingly rapidly led to the search for information more easily and quickly. But the development of information technology is actually causing a variety of negative impacts, one of which is plagiarism works. This research aims to create a system to anticipate the acts of plagiarism that more and more. One of the proposed algorithms for detecting plagiarism is with Rabin Karp's algorithm. The Rabin karp algorithm will look for the similarity of two documents tested by presenting the equivalent percentage of the two documents. Testing this system is done by doing alpha test and beta test. Based on the test with alpha test that is by comparing the output of the system with manual calculations yield average of 1.63% difference. While the test with the beta test is a questionnaire with 15 respondents produce an average value of 3.86 scale 1-5 for its relation with the usefulness (perceived of usefulness) and the average value of 4.14 scale 1-5 for perceived ease of use.

Keywords: plagiarism, Rabin Karp, hashing, Sørensen Index, similarity

ix


KATA PENGANTAR Puji Syukur kehadirat Tuhan Yang Maha Esa yang telah melimpahkan rahmat-Nya, sehingga penelitian ini dapat berhasil dan selesai. Penelitian ini dapat berjalan dari awal sampai akhir berkat adanya bimbingan, doa, dan dukungan yang diberikan oleh banyak pihak. Dalam penyelesaian penelitian ini, penulis ingin mengucapkan terima kasih kepada pihak-pihak tersebut, antara lain: 1. Sudi Mungkasi,S.Si.,M.Math.Sc.,Ph.D selaku Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta. 2. Dr. Anastasia Rita selaku Ketua Program Studi Teknik Informatika Universitas Sanata Dharma Yogyakarta. 3. Ibu Agnes Maria Polina, S.Kom., M.Sc selaku dosen pembimbing penelitian yang dengan sabar memberikan kritik dan saran kepada penulis. 4. Keluarga yang tercinta, Bapak Antonius Suwondo, Ibu Sutini, Mas Sigit, Mbak Fitri, Gabriel “Biel” yang selalu memberikan dukungan terbaik. 5. Florentina Anggraeni yang selalu mendampingi, membimbing, dan menemani penulis selama menyelesaikan penelitian ini. 6. Koh Eric yang telah membimbing dan memberikan bantuan selama menyelesaikan penelitian ini 7. Teman-teman Teknik Informatika 2012 yang selalu mendukung dan memberi motivasi. Penulis menyadari bahwa penelitian ini masih jauh dari kata sempurna. Oleh sebab itu penulis mengharapkan adanya kritik dan saran untuk penelitian di masa mendatang.

Yogyakarta, ……………………

Agustinus Pilipus Triyunianta A.S

x


DAFTAR ISI

HALAMAN COVER ..........................................................................................................i HALAMAN COVER ........................................................................................................ ii HALAMAN PERSETUJUAN ......................................................................................... iii SKRIPSI .......................................................................................................................... iii HALAMAN PENGESAHAN SKRIPSI ...........................................................................iv HALAMAN MOTTO ........................................................................................................v PERNYATAAN KEASLIAN KARYA ............................................................................vi LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI........................................... vii KARYA ILMIAH ........................................................................................................... vii ABSTRAK ...................................................................................................................... vii ABSTRACT......................................................................................................................ix KATA PENGANTAR .......................................................................................................x DAFTAR ISI.....................................................................................................................xi DAFTAR GAMBAR ......................................................................................................xiv DAFTAR TABEL ...........................................................................................................xvi BAB I .................................................................................................................................1 PENDAHULUAN .............................................................................................................1 1.1

Latar Belakang ...................................................................................................1

1.2

Rumusan Masalah ..............................................................................................1

1.3

Batasan Masalah .................................................................................................2

1.4

Tujuan Penelitian................................................................................................2

1.5

Metodologi Penelitian ........................................................................................2

1.6

Sistematika Penulisan .........................................................................................4

BAB II ...............................................................................................................................5 STUDI PUSTAKA ............................................................................................................5 2.1

Plagiarisme .........................................................................................................5

2.2

Text Preprocessing .............................................................................................6

2.2.3

Stemming ...................................................................................................6

2.2.4

Tokenizing ................................................................................................10

2.3

Algoritma String Matching...............................................................................10

2.3.1

ASCII (American Standard Code for Information Interchange) ...............12

xi


2.4

Rabin Karp .......................................................................................................13

2.4.1

Hashing ....................................................................................................14

2.4.2

Similarity ..................................................................................................17

2.5

Metode Waterfall..............................................................................................18

2.5.1

Definisi Waterfall .....................................................................................18

2.5.2

Tahapan Pengembangan Metode Waterfall ..............................................18

BAB III ............................................................................................................................ 20 PERANCANGAN SISTEM ............................................................................................ 20 3.1

Tahap Requirement Analysis............................................................................20

3.1.1

Gambaran Umum Sistem..........................................................................20

3.1.2

Analisis Kebutuhan ..................................................................................20

3.1.3

Use Case ...................................................................................................21

3.1.4

Flowchart..................................................................................................21

3.1.5

Pemodelan Proses .....................................................................................22

3.2

Perancangan Sistem..........................................................................................25

3.2.1

Perancangan Basis Data............................................................................25

3.2.2

Perancangan Antarmuka ...........................................................................27

4.1

Deskripsi Alat...................................................................................................31

4.2

Algoritma Rabin Karp ......................................................................................31

4.3

Implementasi Basis Data ..................................................................................40

4.3.1

Table Login ..............................................................................................40

4.3.2

Tabel Dokumen ........................................................................................40

4.3.3

Tabel Rootword_ina .................................................................................41

4.3.4

Tabel Stopword_ina .................................................................................41

4.4

Implementasi Sistem ........................................................................................41

4.4.1

Halaman Login .........................................................................................41

4.4.2

Halaman Utama ........................................................................................42

4.4.3

Halaman Deteksi dua Dokumen ...............................................................43

4.4.4

Halaman Deteksi Dokumen di Database ..................................................46

4.4.5

Halaman Karya Tulis Tersimpan ..............................................................49

4.4.6

Halaman Tambah Pengguna .....................................................................50

BAB V ............................................................................................................................. 52 ANALISA HASIL ........................................................................................................... 52 xii


5.1

Analisa Hasil Uji Coba Sistem (Pengujian Alpha) ...........................................52

5.1.1

Ujicoba dokumen dengan sistem ..............................................................52

5.1.2

Ujicoba dokumen secara manual ..............................................................56

5.2

Analisa Hasil Uji Coba Pengguna (Pengujian Beta) .........................................59

5.2.1

Hasil dan Pembahasan ..............................................................................59

BAB VI ............................................................................................................................ 73 KESIMPULAN ................................................................................................................ 73 6.1

Kesimpulan ......................................................................................................73

6.2

Saran ................................................................................................................74

DAFTAR PUSTAKA ...................................................................................................... 75 LAMPIRAN..................................................................................................................... 77

xiii


DAFTAR GAMBAR

Gambar 2.1 Waterfall menurut Pressman......................................................................... 18 Gambar 3.1 Use Case aplikasi pendeteksi plagiarisme .................................................... 21 Gambar 3.2 Flowchart aplikasi pendeteksi plagiarisme ................................................... 22 Gambar 3.3 Data Flow Diagram level 0 .......................................................................... 22 Gambar 3.4 Data Flow Diagram level 1 .......................................................................... 23 Gambar 3.5 Data Flow Diagram level 2 proses 1 ............................................................ 23 Gambar 3.6 Data Flow Diagram level 2 proses 2 ............................................................ 24 Gambar 3.7 Data Flow Diagram level 2 proses 3 ............................................................ 24 Gambar 3.8 Data Flow Diagram level 2 proses 4 ............................................................ 25 Gambar 3.9 Perancangan ER Diagram ............................................................................. 26 Gambar 3.10 Perancangan logikal basis data ................................................................... 26 Gambar 3.11 Perancangan halaman login ........................................................................ 28 Gambar 3.12 Perancangan halaman utama aplikasi ......................................................... 29 Gambar 3.13 Perancangan halaman proses dua dokumen ................................................ 29 Gambar 3.14 Perancangan halaman proses dokumen di database ................................... 30 Gambar 3.15 Perancangan halaman karya tulis tersimpan ............................................... 30 Gambar 3.16 Perancangan halaman pengguna ................................................................. 31 Gambar 4.1 Halaman login .............................................................................................. 42 Gambar 4.2 Halaman utama ............................................................................................. 43 Gambar 4.3 Halaman deteksi dua dokumen ..................................................................... 44 Gambar 4.4 Halaman deteksi dokumen di database ........................................................ 47 Gambar 4.5 Halaman karya tulis tersimpan ..................................................................... 50 Gambar 4.6 Halaman pengguna ....................................................................................... 52 Gambar 5.1 Hasil keluaran sistem untuk pengujian 1 ...................................................... 54 Gambar 5.2 Hasil keluaran sistem untuk pengujian 2 ...................................................... 54 Gambar 5.3 Hasil keluaran sistem untuk pengujian 3 ...................................................... 55 Gambar 5.4 Hasil keluaran sistem untuk pengujian 4 ...................................................... 56 Gambar 5.5 Hasil keluaran sistem untuk pengujian 5 ...................................................... 56 Gambar 5.6 Grafik kegunaan pernyataan 1 ..................................................................... 61 Gambar 5.7 Grafik kegunaan pernyataan 2 ..................................................................... 62 Gambar 5.8 Grafik kegunaan pernyataan 3 ..................................................................... 63 Gambar 5.9 Grafik kegunaan pernyataan 4 ..................................................................... 64 xiv


Gambar 5.10 Grafik kegunaan pernyataan 5 ................................................................... 65 Gambar 5.11 Grafik kegunaan pernyataan 6 ................................................................... 67 Gambar 5.12 Grafik kemudahan pernyataan 1 ................................................................ 69 Gambar 5.13 Grafik kemudahan pernyataan 2 ................................................................ 69 Gambar 5.14 Grafik kemudahan pernyataan 3 ................................................................ 70 Gambar 5.15 Grafik kemudahan pernyataan 4 ................................................................ 71 Gambar 5.16 Grafik kemudahan pernyataan 5 ................................................................ 72 Gambar 5.17 Grafik kemudahan pernyataan 6 ................................................................ 73

xv


DAFTAR TABEL

Tabel 2.1 Tabel kombinasi awalan dan akhiran yang tidak diijinkan .................................7 Tabel 2.2 Tabel aturan penghapusan awalan, untuk awalan “me-“ ....................................9 Tabel 2.3 Tabel aturan penghapusan awalan, untuk awalan “pe-“ .....................................9 Tabel 2.4 Tabel aturan penghapusan awalan, untuk awalan “ber-“ ....................................9 Tabel 2.5 Tabel aturan penghapusan awalan, untuk awalan “ter-“ ................................... 10 Tabel 2.6 Tabel ASCII ..................................................................................................... 13 Tabel 3.1 Tabel login ....................................................................................................... 27 Tabel 3.2 Tabel dokumen ................................................................................................. 27 Tabel 3.3 Tabel rootword_ina .......................................................................................... 28 Tabel 3.4 Tabel stopword ................................................................................................. 28 Tabel 4.1 Dua buah dokumen yang terindikasi terjadi plagiarisme .................................. 33 Tabel 4.2 Dua buah dokumen setelah melalui langkah case folding ................................ 33 Tabel 4.3 Dua buah dokumen setelah melalui langkah filtering ....................................... 34 Tabel 4.4 Dua buah dokumen setelah melalui langkah stemming .................................... 35 Tabel 4.5 Dua buah dokumen setelah melalui langkah parsing kgram ............................ 36 Tabel 4.6 Dua buah dokumen setelah melalui langkah hashing ....................................... 34 Tabel 4.7 Hash yang sama dalam dua buah dokumen ...................................................... 34 Tabel 4.6 Dua buah dokumen setelah melalui langkah hashing ....................................... 34 Tabel 5.1 Pengujian dokumen dengan sistem................................................................... 57 Tabel 5.2 Pengujian dokumen secara manual................................................................... 60 Tabel 5.3 Tabel hasil kuisioner kegunaan pernyataan 1 ................................................... 61 Tabel 5.4 Tabel hasil kuisioner kegunaan pernyataan 2 ................................................... 62 Tabel 5.5 Tabel hasil kuisioner kegunaan pernyataan 3 ................................................... 63 Tabel 5.6 Tabel hasil kuisioner kegunaan pernyataan 4 ................................................... 64 Tabel 5.7 Tabel hasil kuisioner kegunaan pernyataan 5 ................................................... 65 Tabel 5.8 Tabel hasil kuisioner kegunaan pernyataan 6 ................................................... 66 Tabel 5.9 Tabel hasil kuisioner kemudahan pernyataan 1 ................................................ 67 Tabel 5.10 Tabel hasil kuisioner kemudahan pernyataan 2 .............................................. 68 Tabel 5.11 Tabel hasil kuisioner kemudahan pernyataan 3 .............................................. 69 Tabel 5.12 Tabel hasil kuisioner kemudahan pernyataan 4 .............................................. 70 Tabel 5.13 Tabel hasil kuisioner kemudahan pernyataan 5 .............................................. 71 Tabel 5.14 Tabel hasil kuisioner kemudahan pernyataan 6 .............................................. 72 xvi


BAB I PENDAHULUAN 1.1

Latar Belakang Berkembangnya teknologi informasi dan komunikasi yang semakin pesat menyebabkan pencarian data dan informasi melalui internet menjadi semakin mudah dan cepat. Namun perkembangan teknologi informasi ini justru menimbulkan berbagai macam dampak negatif, salah satunya adalah penjiplakan karya atau sering disebut plagiat. Plagiarisme sering dijumpai dalam sektor akademis maupun non akademis. Dalam sektor akademis, plagiarisme dianggap sebagai tindak pidana serius karena dianggap pengambilan karangan, pendapat, ide, dan gagasan orang lain. Plagiarisme secara tidak sengaja juga dapat terjadi jika dalam pembuatan karya tulis lalai dalam mencantumkan sumber pustaka dengan lengkap dan cermat. Plagiarisme belum cukup dikenali dan dipahami khususnya di kalangan mahasiswa sehingga tingkat kejadiannya cukup tinggi dan sulit dipantau. . Kemiripan dokumen karya tulis ilmiah tidak dikataan plagiat jika menggunakan informasi yang berupa fakta umum, menuliskan kembali (dengan mengubah kalimat atau parafrase) opini orang lain dengan memberikan sumber jelas, mengutip secukupnya tulisan orang lain dengan memberikan tanda batas jelas bagian kutipan dan menuliskan sumbernya. Tindakan plagiarisme dalam instansi, sektor akademis, maupun non akademis secara perlahan harus dicegah dan dihilangkan dengan melakukan pendeteksian plagiat secara manual maupun dengan memanfaatkan metode pencocokan string. Namun pendeteksian secara manual memiliki masalah yang cukup besar yaitu sangat tidak memungkinkan melalukan pendeteksian dokumen dengan membandingkannya dengan dokumen lain yang berjumlah ratusan bahkan sampai ribuan. Dengan demikian melakukan pendeteksian plagiarisme secara manual sangat tidak efektif.

1


Metode kedua adalah dengan melakukan pembandingan dengan sumber dokumen asli atau yang disebut dengan metode pencocokan string. Dengan metode pencocokan string dapat dikembangkan untuk merancang sebuah aplikasi pendeteksi plagiarisme. Metode pencocokan string bermacammacam antara lain Brute Force, Boyer-Morre, Knuth-Morris-Pratt, RabinKarp, dan lain-lain. Penelitian untuk pendeteksian plagiarisme sudah banyak dilakukan dengan berbagai macam algoritma, tetapi beberapa penelitian tidak mengikut sertakan proses preprocessing atau pengolahan kata terlebih dahulu dan hanya dapat melalukan proses pendeteksian untuk dua dokumen saja, hal tersebut membuat proses pendeteksian plagiarisme menjadi kurang akurat dan kurang efisien. Dari latar belakang tersebut, penulis tertarik untuk membangun sebuah aplikasi pendeteksian plagiarisme karya tulis ilmiah dalam instansi dinas pendidikan dengan menggunakan algoritma Rabin-Karp yang dapat melakukan proses pendeteksian plagiarism lebih dari dua dokumen dan dengan melakukan proses preprocessing terlebih dahulu. Algoritma tersebut dipilih karena Rabin-Karp adalah algoritma multiple patterns search yang sangat efesien untuk pencarian string dengan pola yang banyak sehingga waktu dan keakuratan pencarian string menjadi lebih baik.

1.2

Rumusan Masalah Berdasarkan latar belakang diatas dapat diuraikan rumusan masalah sebagai berikut: 1. Bagaimana mendesain dan membangun aplikasi pendeteksi plagiarisme dalam karya tulis ilmiah dengan metode Rabin Karp agar dapat mendeteksi tingkat kesamaan yang terdapat pada dua dokumen karya tulis ilmiah? 2. Seberapa akurat aplikasi pendeteksi plagiarisme dalam karya tulis ilmiah dengan metode Rabin Karp ini untuk mendeteksi file plagiat?

1


3. Apakah aplikasi pendeteksian plagiarism dalam karya tulis ilmiah dengan motode Rabin Karp ini bermanfaat (perceived of usefulness) dan mudah digunakan (perceived ease of use) dalam melakukan pendeteskian file?

1.3

Batasan Masalah Terdapat beberapa batasan masalah pada penelitian ini, yaitu: 1. Membandingkan dua buah dokumen teks dengan tipe .doc dan .docx 2. Data yang diuji menggunakan Bahasa Indonesia. 3. Tidak memperhatikan sinonim atau persamaan kata pada dokumen teks. 4. Tidak meperhatikan parafrase atau kutipan dengan atau tidak menggunakan sumber terkait

1.4

Tujuan Penelitian Tujuan dari penelitian ini adalah: 1. Mendesain dan membangun Apakah aplikasi pendeteksi plagiarisme dalam karya tulis ilmiah dengan metode Rabin Karp. 2. Mendeteksi tingkat kesamaan dua buah dokumen dengan metode Rabin Karp.

1.5

Metodologi Penelitian Metodologi penelitian yang dilakukan penulis untuk menyelesaikan masalah adalah sebagai berikut: a. Survei awal Dilakukan wawancara dengan pihak terkait yang dipergunakan untuk mendesain sistem yang akan dibangun. b. Studi pustaka Studi pustaka dilakukan dengan mencari informasi tentang metode Rabin Karp serta penggunaannya dalam kaitannya dengan pendeteksian plagiat dari beberapa sumber berupa buku, jurnal, maupun website. 2


c. Pengembangan Aplikasi Pendeteksi Plagiarisme Pengembangan aplikasi pendeteksi plagiarisme menggunakan metode Waterfall. Tahap-tahap dalam metode ini adalah: 1. Requirement Analisis Merupakan tahap awal dalam pengembangan sistem. Pada tahap ini harus mendapatkan beberapa hal yang dianggap menunjang penelitian yang dilakukan, seperti mencari permasalahan yang ada, mengumpulkan data, wawancara dan lain-lain. 2. System Design Tahap desain sistem membantu dalam menentukan perangkat keras, tampilan, alur kerja sistem, pengoperasian sistem, dan lain-lain yang disesuaikan dengan analisis kebutuhan tahap awal. 3. Implementation Pada tahap ini, sistem pertama kali dikembangkan untuk menghasilkan aplikasi yang telah di desain pada tahap sebelumnya. 4. Integration & Testing Dalam tahap ini, dilakukan pengujian sistem, sehingga akan dapat diketahui seperti apa hasil kinerja sistem yang baru ini dibandingkan dengan sistem yang lama, kemudian dapat diketahui pula apakan dalam sistem yang baru ini masih ada kelemahan yang kemudian akan dikembangkan oleh peneliti berikutnya. 5. Operation & Maintenance Tahap akhir dalam model waterfall adalah melakukan pemeliharaan sistem. Pemeliharaan termasuk dalam memperbaiki kesalahan yang tidak ditemukan pada langkah sebelumnya

3


1.6

Sistematika Penulisan BAB 1 : PENDAHULUAN Bab ini berisi tentang latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian dan sistematika penulisan.

BAB II : STUDI PUSTAKA Bab ini berisi tentang sumber acuan, penjelasan dan uraian singkat mengenai teori-teori yang berkaitan dengan topik dari tugas akhir ini.

BAB III : PERANCANGAN SISTEM Bab ini berisi tentang proses-proses perancangan aplikasi dengan teori yang berkaitan, perancangan alur kerja aplikasi, antar muka pemakai, dan perancangan penelitian.

BAB IV : IMPLEMENTASI SISTEM Bab ini berisi tentang implementasi basis data dan implementasi dari sistem yang akan dibuat, pembahasan sistem dan implementasi antarmuka.

BAB V : ANALISA HASIL Bab ini berisi tentang hasil implementasi aplikasi, serta analisa hasil pengujian.

BAB V1 : PENUTUP Bab ini berisi kesimpulan yang diambil dari analisa, desain, dan implementasi serta uji coba yang telah dilakukan. Selain itu bab ini juga berisi saran yang bermanfaat dalam pengembangan aplikasi di waktu yang akan datang.

4


BAB II STUDI PUSTAKA Pada bab studi pustaka ini berisi tentang sumber acuan, penjelasan dan uraian singkat mengenai teori-teori yang berkaitan dengan topik. 2.1

Plagiarisme Plagiarisme atau sering disebut plagiat adalah penjiplakan atau pengambilan karangan, pendapat, dan sebagainya dari orang lain dan menjadikannya seolah karangan dan pendapat sendiri (KBBI, 1997). “Plagiarisme adalah bentuk penyalahgunaan hak kekayaan intelektual milik orang lain, yang mana karya tersebut dipresentasikan dan diakui secara tidak sah sebagai hasil karya pribadi” (Sulianta, 2007). Dalam buku Bahasa Indonesia: Sebuah Pengantar Penulisan Ilmiah, (Utorodewo,2007) menggolongkan hal-hal berikut sebagai tindakan plagiarisme: 1. Mengakui tulisan orang lain sebagai tulisan sendiri, 2. Mengakui gagasan orang lain sebagai pemikiran sendiri, 3. Mengakui temuan orang lain sebagai kepunyaan sendiri, 4. Mengakui karya kelompok sebagai kepunyaan atau hasil sendiri, 5. Menyajikan tulisan yang sama dalam kesempatan yang berbeda tanpa menyebutkan asal usulnya, 6. Meringkas dan memparafrasekan (mengutip tak langsung) tanpa menyebutkan sumbernya, dan 7. Meringkas dan memparafrasekan dengan menyebut sumbernya, tetapi rangkaian kalimat dan pilihan katanya masih terlalu sama dengan sumbernya.

5


2.2

Text Preprocessing Preprocessing merupakan tahapan awal dalam mengolah data input sebelum memasuki proses selanjutnya. Preprocessing terdiri dari beberapa tahapan, yaitu: case folding, tokenizing, filtering, dan stemming. Berikut penjelasan empat tahapan dalam proses preprocessing. 2.2.1

Case Folding Proses case folding adalah menghilangkan tanda baca maupun karakter yang ada pada kata di dalam dokumen tersebut dan semua huruf menjadi huruf kecil. (Manning, 2008).

2.2.2

Stopword Filtering Stopword filtering merupakan salah satu dari empat tahapan dalam preprocessing untuk menghilangkan kata yang tidak berguna dan sering muncul dalam dokumen. Stopword perlu dieliminasi untuk mengurangi waktu eksekusi query dengan cara menghindari proses list yang panjang (Buttcher, 2010). Contoh stopword filtering dalam Bahasa Indonesia adalah dengan menghilangkan konjungsi, kata ganti orang, dan kata lainnya.

2.2.3

Stemming Stemming merupakan bagian yang tidak terpisahkan dalam Information Retrieval (IR). Stemming adalah salah satu cara yang digunakan untuk meningkatkan performa IR dengan cara mentransformasi kata-kata dalam sebuah dokumen teks ke bentuk kata dasarnya. 2.2.3.1 Algoritma Nazief-Adriani Algoritma Stemming Nazief – Adriani diperkenalkan oleh Nazief dan Adriani (1996) dengan tahapan sebagai berikut: 1. Cari kata yang akan diistem dalam basis data kata dasar. Jika ditemukan maka diasumsikan kata adalah root word. Maka algoritma berhenti. 2. Selanjutnya adalah pembuangan Inflection Suffixes (“lah”, “-kah”, “-ku”, “-mu”, atau “-nya”). Jika berupa 6


particles (“-lah”, “-kah”, “-tah” atau “-pun”) dan terdapat Possesive Pronouns (“-ku”, “-mu”, atau “nya”), maka langkah ini diulangi lagi untuk menghapus Possesive Pronouns. 3. Hapus Derivation Suffixes (“-i”, “-an” atau “-kan”). Jika kata ditemukan di kamus, maka algoritma berhenti. Jika tidak maka ke langkah 3a berikut ini : a. Jika “-an” telah dihapus dan huruf terakhir dari kata tersebut adalah “-k”, maka “-k” juga ikut dihapus. Jika kata tersebut ditemukan dalam kamus maka algoritma berhenti. Jika tidak ditemukan maka lakukan langkah 3b. b. Akhiran yang dihapus (“-i”, “-an” atau “-kan”) dikembalikan, lanjut ke langkah 4. 4. Hapus Derivation Prefix. Jika pada langkah 3 ada sufiks yang dihapus maka pergi ke langkah 4a, jika tidak pergi ke langkah 4b. a. Periksa tabel kombinasi awalan-akhiran yang tidak diijinkan pada Tabel 2.1. Jika ditemukan maka algoritma berhenti, jika tidak, pergi ke langkah 4b. Tabel kombinasi awalan-akhiran yang tidak diijinkan ditampilkan pada tabel berikut ini : Awalan

Akhiran yang tidak diizinkan

be-

-i

di-

-an

ke-

-i, -kan

me-

-an

se-

-i, -kan

Tabel 2.1. Tabel kombinasi awalan dan akhiran yang tidak diijinkan

7


b. Tentukan tipe awalan kemudian hapus awalan. Jika awalan kedua sama dengan awalan pertama algoritma berhenti. c. Jika root word belum juga ditemukan lakukan langkah 5, jika sudah maka algoritma berhenti. 5. Jika semua langkah telah selesai tetapi tidak juga berhasil maka kata awal diasumsikan sebagai root word. Proses selesai.

Tipe awalan ditentukan melalui langkah-langkah berikut: 1. Jika awalannya adalah: “di-”, “ke-”, atau “se-” maka tipe awalannya secara berturut-turut adalah “di-”, “ke-”, atau “se-”. 2. Jika awalannya adalah “te-”, “me-”, “be-”, atau “pe-” maka dibutuhkan sebuah proses tambahan untuk menentukan tipe awalannya. 3. Jika dua karakter pertama bukan “di-”, “ke-”, “se-”, “te-”, “be-”, “me-”, atau “pe-” maka berhenti.

Berikut adalah aturan untuk melakukan penghapusan awalan. Dengan keterangan C adalah huruf konsonan, V adalah huruf hidup, A adalah semua huruf, dan P adalah karakter tertentu, misal ‘er’. Aturan Kontruksi

Prefix yang dihapus

1

me{l|r|w|y}V…

me-

2

mem{b|f|v}…

mem-

3

mempe…

mem-pe

4

mem{rV|V}…

me-m, me-p

5

men{c|d|j|s|z}…

men-{ c|d|j|s|z }…

8


6

mengV…

meng-V… | meng-kV… |(mengV-… ifV=’e’)

7

meng{g|h|q|k}… meng-

8

mengV…

meng-

9

menyV…

mensy-s

10

mempA…

mem-pA… dimana A!=’e’

Tabel 2.2. Tabel aturan penghapusan awalan, untuk awalan “me-“ Aturan

Kontruksi

Prefix yang dihapus

1

pe{w|y}V…

pe-{w|y}V...

2

perV…

per-V... | pe-rV...

3

perCAP

per-CAP... dimana C!= ‘r’ dan P!= “er”

4

per CAerV…

per-CAerV... dimana C!= ‘r’

5

pem{b|f|V}…

pem-{b|f|V}...

6

pem{rV|V}…

pe-m{rV|V}... | pe-p{rV|V}...

7

pen{c|d|j|z}…

pen-{c|d|j|z}...

8

penV…

pe-nV... | pe-tV...

9

pengC…

peng-C...

Tabel 2.3. Tabel aturan penghapusan awalan, untuk awalan “pe-“ Aturan

Kontruksi

Prefix yang dihapus

1

berV...

ber-V... | be-rV...

2

berCAP...

ber-CAP... dimana C!= ‘r’ dan P!= “er”

3

berCAerV...

ber-CaerV... dimana C!= ‘r’

4

belajar

bel-ajar

5

beC1erC2…

be-C1erC2... dimana C1!={ ‘r’|‘l’}

Tabel 2.4. Tabel aturan penghapusan awalan, untuk awalan “ber-“

9


Aturan

Kontruksi

Prefix yang dihapus

1

terV...

ter-V... | te-rV...

2

terCerV...

ter-CerV... dimana C!= ‘r’

3

terCP...

ter-CP... dimana C!= ‘r’ dan P!= ‘er’

4

teC1erC2…

te-C1erC2… dimana C1=’r’

Tabel 2.5. Tabel aturan penghapusan awalan, untuk awalan “ter-“

2.2.4

Tokenizing Tokenizing adalah proses pemisahan kata berdasarkan tiap kata yang menyusunnya. Pada prinsipnya proses ini adalah memisahkan setiap kata yang menyusun setiap dokumen sehingga menghasilkan suatu kata yang berdiri sendiri, baik dalam bentuk perulangan maupun tunggal (Manning, 2008). Metode tokenizing yang digunakan dalam penelitian ini adalah metode k-gram, yaitu membentuk pola kata dalam sebuah teks dengan memecah kata menjadi potonganpotongan dimana setiap potongan mengandung karakter sebanyak k. Penentuan nilai k adalah dengan melihat banyaknya banyaknya kata yang akan diolah atau di hitung nilai hashnya, semakin banyak kata yang diolah maka pemotongan kata (k) yang dipilih dapat semakin besar (Mujahidin, 2013). Hasil yang paling bagus pada pengujian adalah dengan menentukan nilai k-gram dan basis bilangan yang tidak terlalu kecil dan tidak terlalu besar.

2.3

Algoritma String Matching Algoritma string matching atau sering disebut juga dengan algoritma pencocokan string adalah algoritma untuk melakukan pencarian semua kemunculan string dengan pendek dan panjang, untuk string pendek yang disebut pattern dan string yang lebih panjang yang disebut teks.

10


Persoalan pencarian string dirumuskan sebagai berikut (Munir, 2004) : 1. teks (text), yaitu (long) string yang panjangnya n karakter 2. pattern, yaitu string dengan panjang m karakter (m < n) yang akan dicari di dalam teks. Cara kerjanya adalah mencari lokasi pertama di dalam teks yang bersesuaian dengan pattern. Diberikan contoh seperti dibawah: Pattern : for Teks

: Teknik Informatika Target

Algoritma pencarian string ini dapat juga diklasifikasikan menjadi tiga bagian menurut arah pencariannya. 1. Dari kiri ke kanan, algoritma yang termasuk kategori ini adalah: a. Algoritma Brute Force. b. Algoritma dari Morris dan Pratt, yang kemudian dikembangkan oleh Knuth, Morris, dan Pratt. c. Algoritma Rabin Karp 2. Dari arah kanan ke kiri, algoritma yang termasuk kategori ini adalah: a. Algoritma dari Boyer dan Moore, yang kemudian banyak dikembangkan, menjadi Algoritma turbo Boyer-Moore, Algoritma tuned Boyer-Moore, dan Algoritma Zhu-Takaoka. 3. Dari arah yang ditentukan secara spesifik oleh algoritma yang dipakai, algoritma yang termasuk kategori ini adalah: a. Algoritma Colussi b. Algoritma Crochemore-Perrin

11


2.3.1

ASCII (American Standard Code for Information Interchange) Kode Standar Amerika untuk Pertukaran Informasi atau ASCII (American Standard Code for Information Interchange) merupakan suatu standar internasional dalam kode huruf dan simbol seperti Hex dan Unicode tetapi ASCII lebih bersifat universal, contohnya 124 adalah untuk karakter "|". Ia selalu digunakan oleh komputer dan alat komunikasi lain untuk menunjukkan teks. Kode ASCII sebenarnya memiliki komposisi bilangan biner sebanyak 7 bit. Namun, ASCII disimpan sebagai sandi 8 bit dengan menambakan satu angka 0 sebagai bit significant paling tinggi. Jumlah kode ASCII adalah 255 kode. Kode ASCII 0..127 merupakan kode ASCII untuk manipulasi teks; sedangkan kode ASCII 128..255 merupakan kode ASCII untuk manipulasi grafik. Kode ASCII sendiri dapat dikelompokkan lagi kedalam beberapa bagian: 1.

Kode yang tidak terlihat simbolnya seperti Kode 10(Line Feed), 13(Carriage Return), 8(Tab), 32(Space).

2.

Kode yang terlihat simbolnya seperti abjad (A..Z), numerik (0..9), karakter khusus (~!@#$%^&*()_+?:”{}).

3.

Kode yang tidak ada di keyboard namun dapat ditampilkan. Kode ini umumnya untuk kode-kode grafik.

12


Tabel 2.6 Tabel ASCII.

2.4

Rabin Karp Algoritma Rabin Karp dibuat oleh Michael O. Rabin dan Richard M. Karp pada tahun 1987 dengan memanfaatkan metode hashing dalam pengoperasiannya untuk mekukan pencarian kata yang mecari pola berupa substring. Algoritma Rabin Karp efektif dalam melakukan pencocokan kata dengan pola yang banyak. Dengan menggunakan metode hashing, kecepatan pencarian pola dapat dilakukan secara lebih cepat. Menurut (Abdeen, 2011) pada prinsipnya algoritma Rabin-Karp menghitung sebuah fungsi hash untuk mencari pola didalam sebuah teks yang diberikan. Setiap karakter M subsequence dari pada teks akan dikomparasi, jika nilai hash tidak sama algoritma akan menghitung nilai hash untuk karakter M subsequence berikutnya. Dan jika nilai hash sama maka algoritma akan melakukan perbandingan secara brute-force antara 13


pola dan karakter M subsequence, dengan cara ini hanya akan ada satu perbandingan per teks subsequence dan brute-force hanya dibutuhkan jika nilai hash cocok atau sama. (Jain, et., al, 2012). Algoritma Rabin Karp adalah algoritma pencocokan string yang menggunakan fungsi hash sebagai pembanding antara string yang dicari (m) dengan substring pada teks (n). Apabila nilai hash keduanya sama maka akan dilakukan perbandingan sekali lagi terhadap karakter-karakternya. Apabila hasil keduanya tidak sama, maka substring akan bergeser ke kanan. Pergeseran dilakukan sebanyak (n-m) kali. Perhitungan nilai hash yang efisien pada saat pergeseran akan mempengaruhi performa dari algoritma ini. (David Indra Lesmana, 2012). Langkah-langkah dalam algortima Rabin Karp : 1. Menghilangkan tanda baca dan mengubah ke teks sumber dan kata yang ingin dicari menjadi kata-kata tanpa huruf. 2. Membagi teks kedalam gram-gram yang ditentukan nilai k-gramnya 3. Mencari nilai hash dengan fungsi hash dari tiap kata yang terbentuk 4. Mencari nilai hash yang sama antara dua teks.

2.4.1

Hashing Fungsi hash adalah sebuah fungsi untuk mengubah setiap string menjadi bilangan yang disebut hash value. Sebuah string diubah menjadi suatu nilai yang unik dengan panjang tertentu (fixedlength) yang berfungsi sebagai penanda string tersebut. Pada sistem ini proses hashing memanfaatkan tabel ascii dengan rumus Hash (Mitra, 2003):

𝐼 𝑝 = 𝑝1 ∗ 𝑑 (𝑚−1) + 𝑝2 ∗ 𝑑 (𝑚−2) + ⋯ + 𝑝(𝑚−1) ∗ 𝑑1 + 𝑝(𝑚−1) ∗ 𝑑 0

14


Keterangan : I

= Nilai hash

p

= Nilai ascii karakter (desimal)

m

= Banyak karakter (indeks karakter)

d

= Basis Bilangan (nilai dari basis bilangan harus bilangan prima)

Fungsi hash dengan basis yang biasanya memanfaatkan bilangan prima disebut dengan rolling hash. Untuk penentuan basis bilangan adalah dengan memilih bilangan prima karena dapat memperkecil terjadinya collision (Zeil, 2014). Berikut ini adalah contoh penggunaan fungsi hash atau rolling hash dengan basis. Menggunakan string “informasi” sebagai sumber string dan “for” sebagai string pola yang dicari. 1. Dengan menggunakan b = 2 lalu panjang string “informasi” sebagai n = 8 dan string “for” untuk pola yang dicari sebagai k = 3. 2. Selanjutnya ubah pola yang dicari dengan fungsi hash atau rolling hash dengan persamaan diatas. 3. Nilai hash dari “for” adalah 744 yang didapat dari: (nilai ascii f = 102, o = 111, r = 114) I

= 102*22 + 111*21 + 114*20 = 408 + 222 + 114 = 744

4. Percobaan pencocokan pola dilakukan berawal dari indeks ke 0 sampai ke 7 dari string “informasi” dengan pola string “for”. a. Percobaan pertama 0

1

2

3

4

5

6

7

8

i n f o r m a s i f o r 15


Hash(for)

= 744

Hash(y[0..2]) = 105*22 + 110*21 + 102*20 = 420 + 220 +102 = 724 Nilai hash dari indeks 0 sampai 2 tidak cocok, maka dilakukan percobaan selanjutnya dengan bergeser ke indeks 1 sampai 3. b. Percobaan kedua 0

1

2

3

4

5

6

7

8

i n f o r m a s i f o r Hash(for)

= 744

Hash(y[1..3]) = 110*22 + 102*21 + 111*20 = 440 + 204 +111 = 755 Nilai hash dari indeks 1 sampai 3 tidak cocok, maka dilakukan percobaan selanjutnya dengan bergeser ke indeks 2 sampai 4.

c. Percobaan ketiga 0

1

2

3

4

5

6

7

8

i n f o r m a s i f o r Hash(for)

= 744

Hash(y[2..4]) = 102*22 + 111*21 + 114*20 = 408 + 222 + 114 = 744 Nilai hash dari indeks 2 sampai 4 terjadi kecocokan, maka algoritma akan menandai lokasi penemuan kecocokan pola dan dilakukan percobaan selanjutnya

16


sampai percobaan keenam atau sampai karakter pada sumber string habis.

2.4.2

Similarity Fungsi kemiripan atau similarity adalah menghitung kesamaan dan ketidaksamaan antara dua objek yang diobservasi. Objek yang dimaksud disini adalah komunitas yang saling berbeda.

Ludwig &

Reynolds (1988)

menyatakan bahwa kemiripan suatu komunitas dengan komunitas

lain

dapat

dinyatakan

dengan

similarity

coefficients. Similarity coefficients memiliki nilai yang bervariasi antara 0 (jika kedua komunitas benar-benar berbeda) hingga 1 (jika kedua komunitas identik). Pada sistem pendeteksian plagiarisme ini digunakan indeks Sørensen atau disebut juga dengan Dice's coefficient dengan persamaan:

𝑆=

2𝑛𝑡 𝑛𝑥 + 𝑛𝑦

Keterangan: S

: Similaritas indeks Sørensen

𝑛𝑥

: Jumlah nilai hash komunitas x

𝑛𝑦

: Jumlah nilai hash komunitas y

𝑛𝑡

: Jumlah hash yang sama dari komunitas x dan y

Kisaran nilai indeks Sørensen adalah antara 0 sampai 1, dimana semakin mendekati angka 0 maka indeks disimilaritas tidak ada perbedaan dan indeks similaritas kecil, sedangkan semakin mendekati nilai 1, menunjukkan disimilaritas yang berbeda dan similaritas besar.

17


2.5

Metode Waterfall 2.5.1

Definisi Waterfall Metode waterfall pertama kali diperkenalkan oleh Windows W. Royce pada tahun 1970. Walaupun sering dianggap kuno, metode ini paling banyak dipakai dalam Software Engineering (SE) karena metode ini melakukan pendekatan yang sistematis dan berurutan. Metode ini disebut waterfall karena tahap demi tahap yang dilalui harus menunggu tahap sebelumnya selesai dan berjalan berurutan Menurut (Pressman, 2010), model waterfall adalah model klasik

yang bersifat sistematis, berurutan dalam membangun

software.

Gambar 2.1 Waterfall menurut Pressman

2.5.2

Tahapan Pengembangan Metode Waterfall Langkah-langkah yang dilakukan dalam pengembangan waterfall adalah: 1. Requirement Analisis Merupakan tahap awal dalam pengembangan sistem. Pada tahap ini harus mendapatkan beberapa hal yang dianggap menunjang penelitian yang dilakukan, seperti mencari permasalahan yang ada, mengumpulkan data, wawancara dan lain-lain. 2. System Design Tahap desain sistem membantu dalam menentukan perangkat keras, tampilan, alur kerja sistem, pengoperasian sistem, dan

18


lain-lain yang disesuaikan dengan analisis kebutuhan tahap awal. 3. Implementation Pada tahap ini, sistem pertama kali dikembangkan untuk menghasilkan aplikasi yang telah di desain pada tahap sebelumnya. 4. Integration & Testing Tahap ini merupakan tahap pengujian sistem yang artinya sistem yang telah dibuat dari hasil analisis masalah yang telah melalui tahap desain dan implementasi kemudian masuk kedalam pengujian sistem, sehingga akan dapat diketahui seperti apa hasil kinerja sistem yang baru ini dibandingkan dengan sistem yang lama, kemudian dapat diketahui pula apakan dalam sistem yang baru ini masih ada kelemahan yang kemudian akan dikembangkan oleh peneliti berikutnya. 5. Operation & Maintenance Tahap

akhir

dalam

model

waterfall

adalah

melakukan pemeliharaan sistem. Pemeliharaan termasuk dalam memperbaiki kesalahan yang tidak ditemukan pada langkah sebelumnya Ada 3 alasan perlunya pemeliharaan sistem, yaitu: a. Untuk membenarkan kesalahan atau kelemahan sistem yang tidak terdeteksi pada saat pengujian. b. Untuk membuat sistem up to date. c. Untuk meningkatkan kemampuan sistem.

19


BAB III PERANCANGAN SISTEM Pada bab perancangan sistem ini berisi tentang penjelasan rancangan, proses kerja sistem, dan perancangan antarmuka pengguna yang akan dibangun oleh penulis. 3.1

Tahap Requirement Analysis 3.1.1

Gambaran Umum Sistem Sistem pendeteksi plagiat yang akan dibangun merupakan sistem yang akan mendeteksi tingkat kesamaan dua dokumen teks. Masukan sistem diperoleh dari dokumen teks yang akan diunggah oleh pengguna. Selanjutnya dokumen akan melewati tahap preprocessing menggunakan text mining. Pada tahap preprocessing, dilakukan case folding (mengubah isi dokumen menjadi huruf kecil), filtering (membuang kata yang tidak penting), stemming (mengubah kata kedalam bentuk aslinya atau kata dasar), dan tokenizing (pembentukan rangkaian k-gram). Setelah melakukan preprocessing, dokumen akan masuk ke dalam proses pencocokan kata dengan menggunakan algoritma Rabin Karp. Hasil pencocokan dokumen kemudian dihitung similarity dengan indeks Sorensen dengan nilai 0 sampai 1. Jika similarity yang dihasilkan mendekati angka 1, maka disimpulkan bahwa tingkat plagiarisme dalam dokumen tersebut semakin besar.

3.1.2

Analisis Kebutuhan Analisis kebutuhan digunakan untuk mengidentifikasi terhadap kebutuhan sistem. Kebutuhan sistem meliputi analisis kebutuhan pengguna atau admin sebagai berikut: 1.

Mengolah data file dokumen untuk dideteksi tingkat kemiripannya. 20


3.1.3

Use Case Login

Lihat tutorial Input file

Lihat similarity

Lihat plagiat

user

Simpan file

CRUD karya tulis tersimpan

Logout

Gambar 3.1 Use Case aplikasi pendeteksi plagiarisme.

3.1.4

Flowchart

Gambar 3.2 Flowchart aplikasi pendeteksi plagiarisme. 21


3.1.5

Pemodelan Proses 3.1.5.1 Data Flow Diagram Level 0

Gambar 3.3 Data Flow Diagram Level 0

3.1.5.2 Data Flow Diagram Level 1

Gambar 3.4 Data Flow Diagram Level 1

22


3.1.5.3 Data Flow Diagram Level 2 Proses 1

Gambar 3.5 Data Flow Diagram Level 2 proses 1



23






24


3.2

Perancangan Sistem 3.2.1

Perancangan Basis Data Perancangan basis data pada sistem meliputi pembuatan tabel-tabel basis data. 3.2.1.1 Perancangan Basis Data Konseptual (ERD)

Gambar 3.9 Perancangan ER Diagram

3.2.1.2 Perancangan Basis Data Logikal Login *Id Nama Username Password

Dokumen *Id Path Judul Penulis Tahun

Stopword_ina *Id Stopword

Gambar 3.10 Perancangan logikal basis data

25

Rootword_ina *Id Rootword


3.2.1.3 Perancangan Basis Data Fisikal 3.2.1.3.1

Tabel Login Tabel untuk menyimpan data admin seperti id, nama, username, dan password yang digunakan untuk keperluan login sebelum masuk ke sistem.

Tabel 3.1 Tabel Login Field

Tipe

Keterangan

Id

Int (10)

Primary key table login

Nama

Varchar (50)

Nama admin

Username

Varchar (50)

Username admin

Password

Varchar (50)

Password admin

3.2.1.3.2

Tabel Dokumen Tabel untuk menyimpan data dokumen seperti id, path, judul, penulis, dan tahun.

Tabel 3.2 Tabel Dokumen Field

Tipe

Keterangan

Id

Int (10)

Primary key table ini

Path

Varchar (100)

Path dokumen terkait

Judul

Varchar (100)

Judul dokumen terkait

Penulis

Varchar (100)

Penulis dokumen terkait

Tahun

Int (5)

Tahun penulisan dokumen terkait

26


3.2.1.3.3

Tabel Rootword_ina Tabel untuk menyimpan kamus kata dasar yang digunakan untuk stemming dokumen.

Tabel 3.3 Tabel Rootword_ina Field

Tipe

Keterangan

Id

Int (10)

Primary key tabel ini

Rootword

Varchar (50)

Daftar kata rootword (dasar)

3.2.1.3.4

Tabel Stopword_ina Tabel untuk menyimpan kamus kata tidak penting pada dokumen.

Tabel 3.4 Tabel Stopword_ina Field

Tipe

Keterangan

Id

Int (10)

Primary key tabel ini

Stopword

Varchar (50)

Daftar kata stopword (tidak penting)

3.2.2

Perancangan Antarmuka 3.2.2.1 Halaman Login Rancangan antarmuka untuk halaman login. Pada halaman ini pengguna akan mengisi username dan password untuk bisa masuk ke sistem. Dapat dilihat pada gambar 3.11.

27


Aplikasi Pendeteksi Plagiat Username Password Login

Gambar 3.11 Perancangan halaman login 3.2.2.2 Halaman Utama Rancangan antarmuka untuk halaman utama sistem. Halaman utama sistem ini terdiri dari empat buah menu yaitu menu untuk mendeteksi dua dokumen, menu untuk mendeteksi dokumen dengan dokumen yang sudah tersimpan di database, menu karya tulis tersimpan, dan menu pengguna. Dapat dilihat pada gambar 3.12. ?

X

Aplikasi Pendeteksi Plagiat Deteksi dua Dokumen

Deteksi Dokumen di Database

Karya Tulis Tersimpan

Pengguna

Gambar 3.12 Perancangan halaman utama aplikasi 3.2.2.3 Halaman Deteksi dua Dokumen Rancangan antarmuka untuk halaman deteksi dua dokumen. Pada halaman ini dua buah dokumen akan di proses untuk dilihat presentase kemiripannya. Dapat dilihat pada gambar 3.13.

28


Aplikasi Pendeteksi Plagiat

?

X

Dokumen 1 upload

Dokumen 2 upload

Proses Kembali

Gambar 3.13 Perancangan halaman proses dua dokumen 3.2.2.4 Halaman Deteksi Dokumen di Database Rancangan antarmuka untuk halaman deteksi dokumen di database. Pada halaman ini dokumen yang akan diuji akan dibandingkan dengan beberapa dokumen yang sudah tersimpan di database. Dapat dilihat pada gambar 3.14.

Aplikasi Pendeteksi Plagiat Dokumen 1

upload

?

X

Karya Tulis Ilmiah tersimpan

Proses

Hasil

Gambar 3.14 Perancangan halaman proses dokumen di database 3.2.2.5 Halaman Karya Tulis Tersimpan Rancangan antarmuka untuk halaman karya tulis tersimpan. Pada halaman ini path dari karya tulis yang tersimpan di komputer akan disimpan di database. Dapat dilihat pada gambar 3.15.

29


?

Aplikasi Pendeteksi Plagiat

x

Gambar 3.14 Tabel Halaman Karya Tulis karya Tersimpan tulis tersimpan

Gambar 3.15 Perancangan halaman karya tulis tersimpan

3.2.2.6 Halaman Pengguna Rancangan antarmuka halaman pengguna. Halaman ini merupakan proses pengelolaan pengguna. Dapat dilihat pada gambar 3.16.

Aplikasi Pendeteksi Plagiat NIP

?

Tabel Pengguna

Nama Password

Simpan

Gambar 3.16 Perancangan halaman pengguna

30

X


BAB IV IMPLEMENTASI SISTEM Pada bab implementasi sistem berisi tentang implementasi dari sistem yang akan dibuat, pembahasan sistem, implementasi antarmuka, dan hasil implementasi aplikasi. 4.1

Deskripsi Alat Pada implementasi sistem, penulis menggunakan komputer pribadi dengan spesifikasi sebagai berikut: 1. Processor

: AMD A8-5550M

2. RAM

: 4 GB

3. Kapasitas Penyimpanan : 500 GB Sedangkan perangkat lunak yang penulis gunakan adalah:

4.2

1. Sistem Operasi

: Windows 10

2. Bahasa Pemrograman

: Java

3. Tools Perancang

: Netbeans IDE 8.0.2

Algoritma Rabin Karp Dalam pembuatan aplikasi pendeteksi plagiat, penulis memilih algoritma Rabin Karp karena memungkinkan melakukan pencarian pola tulisan dari substring-substring pada sebuah teks dalam dokumen. Algoritma Rabin Karp tidak melakukan pergeseran yang rumit untuk menyelesaikan masalah, algoritma ini mempercepat pengecekan kata pada suatu teks dengan menggunakan fungsi hash. Contoh perbandingan dua buah dokumen yang terindikasi merupakan hasil plagiat dengan dokumen aslinya.

31


Tabel 4.1 Dua buah dokumen yang terindikasi terjadi plagiarisme. Dokumen 1 Dalam The 100 Greatest Disasters of All Time karya Stephen J Spignesi, dua bencana di Indonesia berada di peringkat ke-22 dan ke-30. Pertama, letusan Gunung Tambora di Sumbawa (1815) yang merenggut 150.000 jiwa dan menurunkan suhu bumi. Kedua, letusan Gunung Krakatau (1883) yang menelan 36.000 nyawa. Dokumen 2 Dalam buku The 100 Greatest Disasters of All Time karya Stephen J Spignesi, dua bencana di Indonesia masuk peringkat ke-22 dan 30. Letusan Gunung Tambora di Sumbawa tahun 1815 merenggut 150.000 jiwa dan menurunkan suhu Bumi. Adapun letusan Gunung Krakatau tahun 1883 menelan 36.000 nyawa.

Dari table 4.1 diatas, dapat dilihat kemiripan dokumen sangat terlihat. Namun untuk mengetahui tingkat kemiripan atau similarity antara dua buah dokumen digunakan algoritma Rabin Karp. Langkah pertama adalah dengan melakukan preprocessing dokumen, yaitu: 1. Case folding Proses ini adalah dengan mengubah semua huruf menjadi huruf kecil.

Tabel 4.2 Dua buah dokumen setelah melalui langkah case folding. Dokumen 1 dalam the 100 greatest disasters of all time karya stephen j spignesi, dua bencana di indonesia berada di peringkat ke-22 dan ke-30. pertama, letusan gunung tambora di sumbawa (1815) yang merenggut 150.000

32


jiwa dan menurunkan suhu bumi. kedua, letusan gunung krakatau (1883) yang menelan 36.000 nyawa. Dokumen 2 dalam buku the 100 greatest disasters of all time karya stephen j spignesi, dua bencana di indonesia masuk peringkat ke-22 dan 30. letusan gunung tambora di sumbawa tahun 1815 merenggut 150.000 jiwa dan menurunkan suhu bumi. adapun letusan gunung krakatau tahun 1883 menelan 36.000 nyawa.

2. Filtering Langkah yang kedua adalah menghilangkan kata-kata yang kurang penting. Pada proses filtering, kata-kata yang akan dihapus meliputi kata-kata yang kurang penting atau kata sambung seperti kata “dari”, “dan”, dan kata sambung lainnya. Pada proses ini tanda baca juga dihilangkan. Tabel 4.3 Dua buah dokumen setelah melalui langkah case filtering. Dokumen 1 100 greatest disasters all time karya stephen j spignesi dua bencana indonesia berada peringkat 22 30 pertama letusan gunung tambora sumbawa 1815 merenggut 150000 jiwa menurunkan suhu bumi kedua letusan gunung krakatau 1883 menelan 36000 nyawa Dokumen 2 buku 100 greatest disasters all time karya stephen j spignesi dua bencana indonesia masuk peringkat 22 30 letusan gunung tambora sumbawa tahun 1815 merenggut 150000 jiwa menurunkan suhu bumi letusan gunung krakatau tahun 1883 menelan 36000 nyawa

33


3. Stemming Langkah ketiga adalah dengan melakukan stemming, yaitu mengubah kata kedalam bentuk aslinya atau dengan kata lain mengubah ke bentuk kata dasar. Dalam penelitian ini, kata yang diubah ke bentuk kata dasar hanya kata dalam Bahasa Indonesia saja. Tabel 4.4 Dua buah dokumen setelah melalui langkah stemming. Dokumen 1 100 greatest disasters all time karya stephen j spignesi dua bencana indonesia ada tingkat 22 30 pertama letus gunung tambora sumbawa 1815 renggut 150000 jiwa turun suhu bumi dua letus gunung krakatau 1883 telan 36000 nyawa Dokumen 2 buku 100 greatest disasters all time karya stephen j spignesi dua bencana indonesia masuk tingkat 22 30 letus gunung tambora sumbawa tahun 1815 renggut 150000 jiwa turun suhu bumi letus gunung krakatau tahun 1883 telan 36000 nyawa

4. Tokenizing Langkah terakhir dalam proses preprocessing adalah proses pemotongan string input berdasarkan tiap kata penyusunnya dan pembentukan pola kata dalam rangkaian k-gram. Langkah tokenizing dibagi menjadi dua proses, yaitu : a.

Proses parsing k-gram Merupakan pemotongan kata sebanyak k = 5. Penentuan nilai k adalah dengan melihat banyaknya banyaknya kata yang akan diolah atau di hitung nilai hashnya.

34


Tabel 4.5 Dua buah dokumen setelah melalui langkah parsing k-gram dalam tokenizing. Dokumen 1 {100 g}{00 gr}{0 gre}{ grea}{great}{reate}{eates} {atest}{testd} {estdi}{stdis} {tdisa}{disas}{isast}{saste}{aster}{sters}{ters }{ers a}{rs al}{s all}{ all }{all t}{ll th}{l the}{ the }{the t}{he ti}{e tim}{ time}{time }{ime k}{me ka}{e kar}{ kary} {karya}{arya }{rya s}{ya st}{a ste}{ step}{steph}{tephe}{ephen}{phen }{hen j}{en j }{n j s}{ j sp}{j spi}{ spig}{spign}{pigne}{ignes}{gnesi} {nesi }{esi d}{si du}{i dua}{ dua }{dua b}{ua be}{a ben}{ benc}{benca}{encan}{ncana}{cana }{ana i}{na in}{a ind}{ indo} {indon}{ndone}{dones} {onesi} {nesia}{esia }{sia a}{ia ad}{a ada}{ ada }{ada t}{da ti}{a tin} { ting} {tingk} {ingka}{ngkat}{gkat }{kat 2}{at 22}{t 22 }{ 22 3}{22 30}{2 30 }{ 30 p}{30 pe}{0 per}{ pert} {perta} {ertam}{rtama}{tama }{ama l}{ma le}{a let}{ letu} {letus}{etus }{tus g}{us gu}{s gun}{ gunu} {gunun}{unung}{nung }{ung t}{ng ta}{g tam}{ tamb} {tambo}{ambor} {mbora}{bora }{ora s}{ra su}{a sum}{ sumb} {sumba} {umbaw} {mbawa}{bawa }{awa 1}{wa 18}{a 181}{ 1815}{1815 }{815 r} {15 re}{5 ren}{ reng}{rengg} {enggu}{nggut}{ggut } {gut 1}{ut 15}{t 150}{ 1500} {15000} {50000}{0000 } {000 j}{00 ji}{0 jiw}{ jiwa} {jiwa }{iwa t}{wa tu} {a tur} { turu}{turun}{urun }{run s}{un su}{n suh}{ suhu}{suhu }{uhu b}{hu bu}{u bum}{ bumi}{bumi }{umi d}{mi du}{i dua}{ dua } {dua l}{ua le}{a let}{ letu}{letus}{etusa} {tusan{usan }{san g}{an gu}{n gun}{ gunu}{gunun}{unung} {nung }{ung k}{ng kr}{g kra}{ krak}{kraka} {rakat}{akata}{katau}{atau }{tau 1}{au 18}{u 188}{ 1883}{1883 } {883 t}{83 te}{3 tel}{ tela}{telan}{elan }{lan 3}{an 36}{n 360}{ 3600} {36000} {6000 }{000 n}{00 ny}{0 nya}{ nyaw} {nyawa}

Dokumen 2 {buku }{uku 1}{ku 10}{u 100}{ 100 }{100 g}{00 gr} {0 gre}{ grea}{great}{reate} {eates}{atest}{test }{est d}{st di}{t dis}{ disa}{disas}{isast}{saste}{aster}{sters} {ters }{ers a}{rs al}{s all}{ all }{all t}{ll ti}{l tim}{ time}{time }{ime k}{me ka}{e kar}{ kary}{karya}{arya }{rya s}{ya st}{a ste}{ step}{steph} {tephe}{ephen}{phen }{hen j}{en j }{n j s} { j sp}{j spi}{ spig} {spign}{pigne}{ignes}{gnesi}{nesi }{esi d}{si du}{i dua}{ dua }{dua b}{ua be}{a ben}{ benc}{benca}{encan}{ncana}{cana }{ana i}{na in}{a ind}{ indo}{indon}{ndone}{dones} {onesi} {nesia}{esia }{sia m}{ia ma}{a mas}{ masu}{masuk}{asuk }{suk t}{uk ti}{k tin}{ ting}{tingk} {ingka}{ngkat}{gkat }{kat 2}{at 22}{t 22 }{ 22 3}{22 30}{2 30 }{ 30 l}{30 le}{0 let}{ letu}{letus}{etus }{tus g}{us gu}{s gun}{ gunu} {gunun} {unung}{nung }{ung

35


t}{ng ta}{g tam}{ tamb}{tambo} {ambor}{mbora}{bora }{ora s}{ra su}{a sum}{ sumb}{sumba} {umbaw}{mbawa}{bawa }{awa t}{wa ta}{a tah}{ tahu}{tahun} {ahun }{hun 1}{un 18}{n 181}{ 1815}{1815 }{815 r}{15 re} {5 ren}{ reng}{rengg}{enggu}{nggut}{ggut }{gut 1}{ut 15}{t 150}{ 1500}{15000}{50000}{0000 }{000 j}{00 ji}{0 jiw}{ jiwa}{jiwa }{iwa t}{wa tu} {a tur}{ turu} {turun}{urun }{run s}{un su}{n suh}{ suhu}{suhu }{uhu b}{hu bu} {u bum}{ bumi} {bumi }{umi l}{mi le}{i let}{ letu}{letus}{etus }{tus g}{us gu} {s gun}{ gunu}{gunun} {unung}{nung }{ung k}{ng kr}{g kra}{ krak}{kraka}{rakat}{akata}{katau}{atau }{tau t}{au ta}{u tah}{ tahu}{tahun}{ahun }{hun 1}{un 18}{n 188}{ 1883}{1883 }{883 t}{83 te}{3 tel}{ tela}{telan}{elan } {lan 3}{an 36} {n 360}{ 3600}{36000}{6000 }{000 n}{00 ny}{0 nya}{ nyaw}{nyawa}

b. Proses hashing Proses yang kedua adalah mengubah setiap string menjadi angka. Dengan menggunakan persamaan: 𝐼 𝑝 = 𝑝1 ∗ 𝑑 (𝑚−1) + 𝑝2 ∗ 𝑑 (𝑚−2) + ⋯ + 𝑝(𝑚−1) ∗ 𝑑1 + 𝑝(𝑚−1) ∗ 𝑑 0

Maka kedua dokumen yang telah diproses sampai ke tahap tokenizing dapat dihitung nilai hash nya dengan basis bilangan (d) = 7. Untuk penentuan basis bilangan adalah dengan memilih bilangan prima karena dapat memperkecil terjadinya collision.

Tabel 4.6 Dua buah dokumen setelah melalui langkah hashing dalam tokenizing. Dokumen 1 1367 92 3216 53 2927 08

1341 15 3188 63 1161 83

1321 70 2825 44 2755 73

1185 51 2972 24 2988 36

2921 49 3159 34 2767 97

36

3140 23 2788 47 1224 55

2822 78 3217 65 3194 77

2785 55 3195 82 2868 32

3197 06 2875 59 2600 05

2884 35 3155 14 1226 29


3206 11 1227 80 1226 03 2853 06 2499 37 2494 96 2876 21 1338 93 2974 05 1187 81 2968 55 2787 40 2874 25 1464 53 1200 55 2816 44 2691 31 3250 71 3018 70 2947 42 2851 00 1212 89

2947 72 3217 40 3205 07 3165 43 1193 91 1162 90 3159 47 9701 3 2499 88 2937 53 2796 68 3209 57 3145 71 1344 32 3026 75 1365 75 1192 99 3259 17 2644 17 9682 6 2982 44 3112 96

2987 66 3194 76 3108 45 2494 92 2980 23 2763 06 2957 28 9334 8 1197 54 3252 53 3107 05 2467 15 2861 16 1343 94 2868 79 4182 33 2973 66 3151 03 1199 05 1399 90 2726 06

2595 13 2868 30 2936 46 1162 64 3047 20 2871 53 3054 77 1325 33 3005 69 3103 84 3094 75 9677 9 3954 21 1321 27 3107 56 3226 44 2832 45 2730 33 3016 08 1564 96 2780 11

1192 05 3103 35 2908 92 2761 21 2843 85 3125 96 2896 01 1211 11 2889 24 3240 34 2504 36 1396 61 2892 09 1322 71 3266 29 2922 06 2853 16 2810 62 3130 23 1543 81 9735 5

2967 08 2900 67 3051 55 2858 71 3101 00 2722 86 2961 36 3100 50 3250 71 3019 16 1228 71 1541 93 2933 91 1192 68 3200 81 2976 23 3166 13 1187 81 2752 60 1395 85 1437 06

2786 39 2825 73 2874 15 3036 87 3052 20 2758 24 2746 53 2880 75 3259 17 2647 51 3223 70 1382 60 3226 69 2970 14 3246 79 1170 47 2499 88 2937 53 2966 58 1200 39 1488 38

3203 09 2806 19 3145 15 2770 71 2878 02 2501 82 2923 24 3191 15 3151 03 1222 34 3239 04 1443 91 2923 12 2976 64 3063 66 2815 37 1197 54 3252 53 2782 89 3025 57 1343 98

3262 81 1156 75 2688 97 2757 10 3172 05 1211 00 9670 7 3178 39 2730 33 3179 25 3010 06 1200 67 9662 0 3190 21 2959 07 3237 80 3005 69 3103 84 3177 93 2860 33 1341 71

2504 21 2720 06 1175 76 2998 01 2877 31 3099 86 1391 73 2753 69 2810 62 2759 77 2751 11 3027 55 1385 64 2500 31 2731 17 3001 42 2889 24 3240 25 2749 95 3048 34 1325 58

2946 78 3196 38

9635 9 2879 54

1367 92 3182 76

1341 15 2952 42

1321 70 1171 79

1185 51 2825 44

2921 49 2872 24

Jumlah hashing = 242 Dokumen 2 2815 23 3140 23

3236 24 2822 78

2989 97 2785 55

37


3159 34 2768 12 3262 81 1156 75 2688 97 2757 09 3172 16 3099 86 1338 93 2730 33 3179 25 3010 06 2779 28 2861 16 1343 94 2868 79 3221 93 3005 69 3103 84 3178 60 1399 90 2726 06

2788 47 1226 29 2504 21 2720 06 1175 76 2997 94 2878 04 2876 25 9700 9 2810 62 2759 77 2751 11 9677 9 3054 21 1341 27 3107 56 3226 44 2889 24 3240 25 2755 05 1564 96 2780 11

3217 65 3206 11 1227 80 1226 03 2853 09 2498 88 2500 08 3159 65 1414 40 1187 81 3016 57 2788 07 1396 61 2892 09 1322 72 3266 29 2922 07 3250 71 3018 70 2983 60 1543 81 9735 5

3195 82 2947 72 3217 40 3205 07 3265 43 1190 48 1198 94 2958 75 1323 39 2937 53 2796 68 3214 67 1541 93 2933 91 1192 65 3200 81 2976 23 3259 17 2644 17 1222 18 1395 85 1437 04

2875 59 2987 66 3194 76 3108 45 2494 92 2956 22 3015 41 3064 08 1197 54 3252 53 3107 05 2503 40 1383 50 3226 69 2970 65 3246 79 1170 47 3151 03 1199 05 3178 12 1200 39 1488 38

3155 14 2595 13 2868 30 1936 46 1162 64 3047 20 2788 56 2961 36 3005 69 3193 84 3094 75 1222 18 1443 91 2923 12 2980 08 3063 66 2815 37 2730 33 3016 08 2751 04 3025 57 1343 98

2927 08 1192 05 3193 35 2908 92 2761 21 2843 85 3218 25 2746 53 2889 24 3240 34 2504 36 3178 12 1200 67 9662 0 3214 22 2959 07 3237 81 2570 52 3130 23 2954 98 2860 33 1341 71

1161 83 2967 08 2900 67 3051 55 2858 71 3101 00 3200 71 2923 24 3250 71 3019 16 1228 71 2751 04 3027 55 1385 64 2500 31 2731 17 3001 49 1187 81 2752 60 3206 14 3048 34 1325 58

2755 73 2786 39 2825 73 2874 15 3036 87 3052 20 2741 92 9670 7 3259 17 2647 51 3223 70 2954 98 2874 25 1464 53 1200 55 2816 44 2691 96 2937 53 2966 58 2779 35 2851 00 1212 89

2988 37 3203 09 2806 19 3145 15 2770 71 2878 02 1211 00 1391 73 3151 03 1222 34 3239 04 3206 14 3145 71 1344 32 3026 75 1228 55 1197 54 3252 53 2782 89 9682 6 2982 44 3112 96

Jumlah hashing = 240 Dari proses hashing fedua dokumen diatas, dapat diketahui jumlah hash yang sama dalam table berikut:

38


Tabel 4.7 Hash yang sama dalam dua buah dokumen setelah melalui langkah hashing dalam tokenizing. Dokumen 1 dan Dokumen 2 1341 15 3217 65 1192 05 2825 73 2688 97 3101 00 1197 54 3252 53 2504 36 3206 14 2933 91 3107 56 2815 37 3252 53 1222 18 1200 39 1341 71

1321 70 3195 82 2967 08 2806 19 1175 76 3052 20 3005 69 3240 34 1228 71 9677 9 3226 69 3266 29 1197 54 3103 84 3178 12 3025 57 1325 58

1185 51 2875 59 2786 39 1156 75 2494 92 2878 02 2889 24 3019 16 3223 70 1396 61 2923 12 3200 81 3005 69 3240 25

2751 04 2860 33 3112 96

2921 49 3155 14 3203 09 2720 06 1162 64 1211 00 3250 71 2647 51 3239 04 1541 93 9662 0 3246 79 2889 24 2644 17 2954 98 3048 34

3140 23 1161 83 3262 81 3205 07 2761 21 3099 86 3259 17 1222 34 3010 06 1443 91 1385 64 3063 66 3250 71 1199 05 3206 14 2982 44

2822 78 2755 73 2504 21 3108 45 2858 71 2961 36 3151 03 3179 25 2751 11 1200 67 1344 32 2959 07 3259 17 3016 08 9682 6 2726 06

2785 55 1226 29 3217 40 2908 92 3036 87 2746 53 2730 33 2759 77 1222 18 3027 55 1343 94 2731 17 3151 03 3130 23 1399 90 2780 11

2825 44 2947 72 3194 76 3051 55 2770 71 2923 24 2810 62 2796 68 3178 12 3145 71 2500 31 3226 44 2730 33 2752 60 1564 96 9735 5

3159 34 2987 66 2868 30 2874 15 3047 20 9670 7 1187 81 3107 05 2751 04 2861 16 3026 75 2976 23 1187 81 2966 58 1543 81 1488 38

2788 47 2595 13 2900 67 3145 15 2843 85 1391 73 2937 53 3094 75 2954 98 2892 09 2868 79 1170 47 2937 53 2782 89 1395 85 1343 98

Jumlah hashing = 163 Setelah jumlah hash diketahui, yaitu hash pada dokumen pertama sebanyak 242, hash dokumen uji sebanyak 240 dan hash yang sama sebanyak 163, proses selanjutnya adalah menghitung similarity.

39


Langkah selanjutnya dalam algoritma Rabin Karp adalah melakukan uji similarity. Uji similarity menggunakan indeks Sørensen dengan persamaan: 𝑆=

𝑆 =


2 ∗ 163 = 0.67634 242 + 240

Diketahui similary antar dua buah dokumen sebesar 0.67634 yang artinya kedua dokumen memiliki similarity yang besar dan dapat dikatakan plagiarisme.

4.3

Implementasi Basis Data Pada tahap ini dilakukan pembangunan database untuk menunjang sistem yang dibangun. Berikut query untuk membuat database dan tabeltabel yang ada di dalamnya. 4.3.1

Table Login create table login( nip int(10) primary key, nama varchar(50), username varchar(50), password varchar(50));

4.3.2

Tabel Dokumen create table dokumen( id int 10 primary key, path varchar(100), judul varchar(100), penulis varchar(100), tahun int(5)); 40


4.3.3

Tabel Rootword_ina create table rootword_ina( id int(10) primary key, rootword varchar(50));

4.3.4

Tabel Stopword_ina create table stopword_ina( id int(10) primary key, stopword varchar(50));

4.4

Implementasi Sistem Pada tahap ini dilakukan pembangunan sistem sesuai dengan rancangan yang dibuat pada bab sebelumnya. 4.4.1

Halaman Login Pada halaman login ini, pengguna harus memasukkan username dan password lalu menekan tombol “Login” untuk masuk ke halaman utama sistem. Dapat dilihat pada gambar 4.1.

Gambar 4.1 Halaman login 41


Berikut adalah potongan listing program bagian tombol “Login”. try { Connection conn = new Database().connect(); String sql = "select * from LOGIN where USERNAME='"+ jTextFieldUsername.getText() +"' and PASSWORD='" + jPasswordField.getText()+ "'"; PreparedStatement ps = conn.prepareStatement(sql); ResultSet rs = ps.executeQuery(); if(rs.next()){ this.dispose(); HalamanUtama i = new HalamanUtama(); i.setVisible(true); } else{ JOptionPane.showMessageDialog(null, "Maaf Username dan Password Salah");} } catch (SQLException ex) {}

4.4.2

Halaman Utama Halaman utama adalah halaman yang muncul saat pengguna sudah login ke sistem. Pada halaman ini terdapat tiga menu utama yaitu deteksi dua dokumen, deteksi dokumen di database, dan karya tulis tersimpan serta terdapat menu tambahan yaitu menu edit pengguna. Dapat dilihat pada gambar 4.2.

Gambar 4.2 Halaman utama

42


4.4.3

Halaman Deteksi dua Dokumen Halaman Deteksi dua dokumen merupakan halaman yang digunakan dalam proses pendeteksian dua dokumen yang terindikasi plagiat. Pada halaman ini pengguna akan memilih dokumen asli dan dokumen uji kemudian penguna bisa memilih batas toleransi plagiarisme dengan memilih pada combobox presentase, dan untuk memulai proses pengujian adalah dengan menekan tombol “proses”. Setelah proses selesai, hasil akan ditampilkan pada panel sebelah kanan halaman ini. Dapat dilihat pada gambar 4.3.

Gambar 4.3 Halaman deteksi dua dokumen Berikut adalah beberapa potongan listing program untuk proses pendeteksian dua dokumen. 1. Listing program case folding private String deleteDelimiter(String isiDoc){ String [] delimiter = {"0","1","2","3","4","5","6","7","8","9","`","~","!","@","#","$","%","%","^","&","*","(",") ","-","_","=","+","{","}","[","]",":",";","'",",","<",".",">","?","/"}; for (String delimiter1 : delimiter) { isiDoc = isiDoc.replace(delimiter1, "").toLowerCase();} return isiDoc;

43


2. Listing program filtering public String removeStopWord(String words) { String[] wordArray = words.split("\\s+"); String newSentence = ""; for (String word : wordArray) { boolean inList = false; try { inList = isInList(word); } catch (SQLException ex) { Logger.getLogger(StopWordRemover.class.getName()).log(Level.SEVERE, null, ex);} if(!inList && !containNumeric(word)) newSentence = newSentence + word + " ";}} return newSentence;}

3. Listing program stemming private String Stem(String isiDoc){ StringBuilder result = new StringBuilder(); if (isiDoc!=null && isiDoc.trim().length()>0){ StringReader tReader = new StringReader(isiDoc); IndonesianAnalyzer analyzer = new IndonesianAnalyzer(Version.LUCENE_34); org.apache.lucene.analysis.TokenStream tStream = analyzer.tokenStream("contents", tReader); TermAttribute term = tStream.addAttribute(TermAttribute.class); try { while (tStream.incrementToken()){ result.append(term.term()); result.append(" ");} } catch (IOException ioe){ System.out.println("Error: "+ioe.getMessage());}} if (result.length()==0) result.append(isiDoc); return result.toString().trim();}}

4. Listing program parsing k-gram private void parsingKgram(String pattern, String teks, int jumKgram) for (int i = 0; i < jumKgram; i++) { int nextKgram = Kgram + i; matching(pattern.substring(i, nextKgram), teks);}}

5. Listing program hashing private int hash(String pattern) {//fungsi hash int h = 0; for (int i = 0; i < pattern.length(); i++) { h += pattern.charAt(i) * Math.pow(basis, pattern.length() - i - 1);} return h;}

44


6. Listing program Rabin-Karp private void matching(String pattern, String teks) {//rabin karp int panjangPattern = pattern.length(); int panjangTeks = teks.length(); int i, j; int hashPattern = hash(pattern); int hashTeks = hash(teks.substring(0, panjangPattern)); for (i = 0; i < panjangTeks - panjangPattern; i++) { if (hashPattern == hashTeks) { for (j = 0; j < panjangPattern; j++) { if (teks.charAt(i + j) != pattern.charAt(j)) {break;}} if (j == panjangPattern) { jumPatternSama++; patternSama[i] = pattern; break;}} else { hashTeks = hash(teks.substring(i + 1, panjangPattern + i + 1));}}}

7. Listing program similarity public double getSimilarity() { DecimalFormat twoDForm = new DecimalFormat("#.##"); double A = 2*jumPatternSama; double B = jumPatternDocAsli + jumPatternDocUji; double C = (A / B) * 100; int decimalPlace = 2; BigDecimal bigDecimal = new BigDecimal(C); bigDecimal = bigDecimal.setScale(decimalPlace, BigDecimal.ROUND_UP); if (similarity == null) { similarity = bigDecimal.doubleValue();} return similarity;}

8. Listing program tombol “Start” SwingUtilities.invokeLater(() -> { boolean p = TestPlagiat.isPlagiarism(sumberDocAsli, sumberDocUji, kgram, presentase, (rk) -> { similarity = rk.similarity;viewDocAsli = rk.DocAsli;viewDocUji = rk.DocUji; waktuProses = rk.waktuProses;patternSama = rk.patternSama; jLabelNilaiSimilarity.setText(": " + Double.toString(similarity) + " %"); jLabelNilaiWaktuProses.setText(": " + Long.toString(waktuProses) + " ms");}); jLabelNilaiPlagiat.setText(p ? ": Ya" : ": Tidak");

45


4.4.4

Halaman Deteksi Dokumen di Database Halaman Deteksi dokumen di database merupakan halaman proses pengujian dokumen uji terhadap dokumen yang tesimpan di database. Pada halaman ini terdapat dua tiga panel yaitu panel input dokumen, panel karya tulis tersimpan, dan panel hasil pengujian. Untuk memulai proses pengujian, pengguna memilih dokumen yang akan diuji dan memilih batas toleransi plagiarisme dengan memilih pada combobox presentase. Untuk memulai poengujian pengguna dapat menekan tompol “proses”. Hasil pengujian akan ditampilkan pada panel hasil di sebelah bawah. Pengguna dapat menyimpan dokumen yang sudah diuji dengan menekan tombol “simpan dokumen” Dapat dilihat pada gambar 4.4.

Gambar 4.4 Halaman deteksi dokumen di database Berikut adalah beberapa potongan listing program untuk proses pendeteksian dokumen di database. 1. Listing program case folding private String deleteDelimiter(String isiDoc){ String [] delimiter = {"0","1","2","3","4","5","6","7","8","9", "`","~","!","@","#","$","%","%","^","&","*","(",")","-","_", "=","+","{","}","[","]",":",";","'",",","<",".",">","?","/"}; for (String delimiter1 : delimiter) { isiDoc = isiDoc.replace(delimiter1, "").toLowerCase();} return isiDoc;

46


2. Listing program filtering public String removeStopWord(String words) { String[] wordArray = words.split("\\s+"); String newSentence = ""; for (String word : wordArray) { boolean inList = false; try { inList = isInList(word); } catch (SQLException ex) { Logger.getLogger(StopWordRemover.class.getName()).log(Level.SEVERE, null, ex);} if(!inList && !containNumeric(word)) newSentence = newSentence + word + " ";}} return newSentence;}

3. Listing program stemming private String Stem(String isiDoc){ StringBuilder result = new StringBuilder(); if (isiDoc!=null && isiDoc.trim().length()>0){ StringReader tReader = new StringReader(isiDoc); IndonesianAnalyzer analyzer = new IndonesianAnalyzer(Version.LUCENE_34); org.apache.lucene.analysis.TokenStream tStream = analyzer.tokenStream("contents", tReader); TermAttribute term = tStream.addAttribute(TermAttribute.class); try { while (tStream.incrementToken()){ result.append(term.term()); result.append(" ");} } catch (IOException ioe){ System.out.println("Error: "+ioe.getMessage());}} if (result.length()==0) result.append(isiDoc); return result.toString().trim();}}

4. Listing program parsing k-gram private void parsingKgram(String pattern, String teks, int jumKgram) for (int i = 0; i < jumKgram; i++) { int nextKgram = Kgram + i; matching(pattern.substring(i, nextKgram), teks);}}

5. Listing program hashing private int hash(String pattern) {//fungsi hash int h = 0; for (int i = 0; i < pattern.length(); i++) { h += pattern.charAt(i) * Math.pow(basis, pattern.length() - i - 1);} return h;}

47


6. Listing program Rabin-Karp private void matching(String pattern, String teks) {//rabin karp int panjangPattern = pattern.length(); int panjangTeks = teks.length(); int i, j; int hashPattern = hash(pattern); int hashTeks = hash(teks.substring(0, panjangPattern)); for (i = 0; i < panjangTeks - panjangPattern; i++) { if (hashPattern == hashTeks) { for (j = 0; j < panjangPattern; j++) { if (teks.charAt(i + j) != pattern.charAt(j)) { break;}} if (j == panjangPattern) { jumPatternSama++; patternSama[i] = pattern; break;}} else { hashTeks = hash(teks.substring(i + 1, panjangPattern + i + 1));}}}

7. Listing program similarity public double getSimilarity() { DecimalFormat twoDForm = new DecimalFormat("#.##"); double A = 2*jumPatternSama; double B = jumPatternDocAsli + jumPatternDocUji; double C = (A / B) * 100; int decimalPlace = 2; BigDecimal bigDecimal = new BigDecimal(C); bigDecimal = bigDecimal.setScale(decimalPlace, BigDecimal.ROUND_UP); if (similarity == null) { similarity = bigDecimal.doubleValue();} return similarity;}

8. Listing program tombol “Start” hasil = TestPlagiat.isPlagiarism(d[0], docUji, k, t, rk -> { String[] row = new String[5]; row[0] = docUji; row[1] = d[0]; row[2] = d[1]; row[3] = "" + rk.getSimilarity(); row[4] = rk.getSimilarity() > t ? "Ya" : "Tidak"; model.addRow(row); jLabelWaktu.setText(": " + Long.toString(rk.waktuProses) + " ms");c

48


4.4.5

Halaman Karya Tulis Tersimpan Halaman karya tulis tersimpan merupakan halaman yabg digunakan untuk melakukan penyimpanan dokumen ke database. Dokumen yang disimpan hanya path nya saja, hal ini dilakukan untuk mempercepat proses yang dilakukan sistem dan tidak membebani database karena data file yang tersimpan akan mencapai ratusan atau bahkan ribuan sementara dokumen yang sebenarnya akan disimpan di filesystem. Pada halaman ini terdapat dua panel yaitu panel tambah dokumen dan panel tabel dokumen yang telah tersimpan di database. Dapat dilihat pada gambar 4.5. Untuk menyimpan dokumen ke database, pengguna hanya perlu menuliskan judul dokumen, nama penulis, tahun penulisan, dan memasukkan path dimana dokumen tersimpan. Kemudian tekan tombol “simpan” untuk menyimpan dokumen. Pada halaman ini pengguna dapat menghapus dan mengupdate dokumen dengan memilih baris di panel di bawah kemudian pilih tombol “hapus” atau “update”. Dapat dilihat pada gambar 4.5.

Gambar 4.5 Halaman karya tulis tersimpan 49


Berikut adalah beberapa potongan listing program tombol “Simpan” di halaman karya tulis tersimpan private void Simpan() throws SQLException { Connection conn = new Database().connect(); String sql = "insert into dokumen values (?,?,?,?,?)"; PreparedStatement statement; statement = conn.prepareStatement(sql); statement.setString(1, jTextFieldId.getText()); statement.setString(2, jTextFieldDokumen.getText()); statement.setString(3, jTextFieldJudul.getText()); statement.setString(4, jTextFieldPenulis.getText()); statement.setString(5, jTextFieldTahun.getText()); statement.executeUpdate(); conn.commit();conn.close();}

4.4.6

Halaman Tambah Pengguna Halaman tambah pengguna merupakan halaman yang melakukan proses penyimpanan, penghapusan, dan update data pengguna. Pada halaman ini terdapat dua panel yaitu panel tambah pengguna dan panel data pengguna yang sudah tersimpan di database. Dapat dilihat pada gambar 4.6. Untuk melakukan penyimpanan data, pengguna diharuskan mengisi nip, nama, username, dan password. Kemudian setelah data disimpan maka data akan mucul pada panel di bawah. Pengguna dapat melakukan hapus dan update data pengguna dengan memilih baris pada tabel kemudian pengguna dapat menekan tombol “hapus” atau “update”. Dapat dilihat pada gambar 4.6.

50


Gambar 4.6 Halaman Pengguna Berikut adalah beberapa potongan listing program tombol “Simpan” di halaman tambah pengguna private void Simpan() throws SQLException { Connection conn = new Database().connect(); String sql = "insert into login values (?,?,?,?)"; PreparedStatement statement; statement = conn.prepareStatement(sql); statement.setString(1, jTextFieldNip.getText()); statement.setString(2, jTextFieldNamaPengguna.getText()); statement.setString(3, jTextFieldUsername.getText()); statement.setString(4, jTextFieldPassword.getText()); statement.executeUpdate(); conn.commit(); conn.close();}

51


BAB V ANALISA HASIL

Pada bab analisa hasil berisi tentang hasil implementasi aplikasi, serta analisa hasil pengujian. 5.1

Analisa Hasil Uji Coba Sistem (Pengujian Alpha) Pengujian Alpha merupakan strategi pengujian perangkat lunakyang umum digunakan dalam pengembangan perangkat lunak dengan tujuan agar sistem yang dibuat terhindar dari cacat atau kegagalan penggunaan. Pengujian alpha terhadap Aplikasi Pendeteksi Plagiarisme dalam Karya Tulis Ilmiah dengan Metode Rabin Karp ini dengan membadingkan hasil keluaran sistem dengan perhitungan manual peneliti.

5.1.1

Ujicoba dokumen dengan sistem Terdapat 10 buah dokumen yang akan diuji yaitu dengan pengujian sebanyak 5 kali. Berikut hasil pengujian:

Pengujian 1 Dokumen a Plagiat adalah penjiplakan atau pengambilan karangan, pendapat, dan sebagainya dari orang lain dan menjadikannya seolah karangan dan pendapat sendiri. Dokumen b Plagiarisme adalah mengakui tulisan orang lain sebagai tulisan sendiri.

52


Gambar 5.1 Hasil keluaran sistem untuk pengujian Dokumen a dan Dokumen b

Pengujian 2 Dokumen c Dapat disimpulkan bahwa motivasi belajar adalah sebuah dorongan dari dalam atau luar diri untuk melakukan sebuah kegiatan belajar demi mencapai suatu tujuan. Dokumen d Motivasi belajar merupakan dorongan melakukan sebuah kegiatan belajar demi mencapai suatu tujuan.

Gambar 5.2 Hasil keluaran sistem untuk pengujian Dokumen c dan Dokumen d

53


Pengujian 3 Dokumen e Media sosial memiliki pengaruh buruk terhadap perkembangan anak usia dini Dokumen f Anak usia dini yang ketergantungan dengan media sosial sering mengabaikan keadaan sekitarnya

Gambar 5.3 Hasil keluaran sistem untuk pengujian Dokumen e dan Dokumen f

Pengujian 4 Dokumen g Kerusakan alam yang semakin parah diakibatkan oleh maraknya penebangan liar yang tidak terkendali. Dokumen h Banyak penebangan liar yang tidak memperhatikan dampak buruk bagi lingkungan.

54


Gambar 5.4 Hasil keluaran sistem untuk pengujian Dokumen g dan Dokumen h.

Pengujian 5 Dokumen i Preprocessing merupakan tahapan awal dalam mengolah data input sebelum memasuki proses selanjutnya. Dokumen j Sebelum memasuki proses berikutnya, data input akan diolah terlebih dahulu dengan preprocessing.

Gambar 5.5 Hasil keluaran sistem untuk pengujian Dokumen i dan Dokumen j

55


Tabel 5.1 Pengujian dua dokumen dengan sistem Pengujian Pengujian 1

Pengujian 2

Pengujian 3

Pengujian 4

Pengujian 5

5.1.2

Dokumen Dokumen a Dokumen b Dokumen c Dokumen d Dokumen e Dokumen f Dokumen g Dokumen h Dokumen i Dokumen j

Similarity 8,96 %

87,88 %

33,90 %

19,36 %

55,08 %

Ujicoba dokumen secara manual Terdapat 10 buah dokumen yang akan diuji yaitu dengan pengujian sebanyak 5 kali. Dokumen yang diuji sama dengan dokumen yang diuji pada sub bab 5.1.3. Berikut langkah langkah dan hasil pengujian:

Pengujian 1 Dokumen a Plagiat adalah penjiplakan atau pengambilan karangan, pendapat, dan sebagainya dari orang lain dan menjadikannya seolah karangan dan pendapat sendiri.

Preprocessing plagiat jiplak ambil karang dapat orang jadi karang dapat

56


Parsing k-gram {plagi} {lagia} {agiat} {giatj} {iatji} {atjip} {tjipl} {jipla} {iplak} {plaka} {lakam} {akamb} {kambi} {ambil}{mbilk} {bilka} {ilkar} {lkara} {karan} {arang} {rangd} {angda} {ngdap} {gdapa} {dapat}{apato} {pator}{atora} {toran} {orang} {rangj} {angja} {ngjad} {gjadi} {jadik} {adika} {dikar} {ikara} {karan} {arang} {rangd} {angda} {ngdap} {gdapa} {dapat }

Hashing Perhitungan hash adalah sebagai berikut : 𝐼 𝑝 = 112 ∗ 7(4) + 108 ∗ 7(3) + 97 ∗ 7(2) +103 ∗ 7(1) + 105 ∗ 7(0) = 311535

311535

298458

274116

288989

291907

278726

320911 296310

296862 275929

296559 301331

311555 277451

298610 295185

275212 301657

296553 279654

277625 276989

313196 308758

276471 279019

305130 322964

287237 311239

313202 282151

276513 294454

305412 296553

289219 277625

293519 313196

273188 276471

305130

287237

279654

Jumlah Hash : 45

Dokumen b Plagiarisme adalah mengakui tulisan orang lain sebagai tulisan sendiri.

57


Preprocessing plagiarisme tulis orang tulis

Parsing k-gram {plagi} {lagia} {agiar} {giari} {iaris} {arism} {risme} {ismet} {smetu} {metul} {etuli} {tulis}{uliso} {lisor} {isora} {soran} {orang}{rangt} {angtu} {ngtul} {gtuli} {tulis} Hashing 311535 316228

298458 297714

274164 319380

288974 319378

291812 301946

278058 288774

324022 276603

301849 306050

297884 293685

320563 324789

311239

313212

Jumlah Hash : 22 Menghitung Similarity Hash yang sama dari kedua dokumen berjumlah 3 𝑆=

𝑆=


2∗3 ∗ 100 = 10 % 38 + 22

Setelah pengujian 1 dilakukan secara manual untuk mengetahui presentase kemiripannya, pengujian 2 sampai pengujian 5 selanjutnya dilakukan dengan langkah yang sama. Data hasil lima kali pengujian adalah sebagai berikut:

58


Tabel 5.2 Pengujian dua dokumen secara manual Pengujian Pengujian 1

Pengujian 2

Pengujian 3

Pengujian 4

Pengujian 5

Dokumen

Jumlah Hash

Dokumen a

38

Dokumen b

22

Dokumen c

42

Dokumen d

35

Dokumen e

43

Dokumen f

34

Dokumen g

45

Dokumen h

34

Dokumen i

56

Dokumen j

43

Hash sama

Similarity

3

10,00 %

35

90,00 %

14

35,44 %

8

20,25 %

26

52,52 %

Dari hasil uji dokumen dengan menggunakan aplikasi pendeteksi plagiarisme dan secara manual, dapat disimpulkan bahwa sistem mampu mendeteksi plagiarisme dengan cukup akurat dengan rata-rata selisih presentase kemiripan adalah 1.63 %. 5.2

Analisa Hasil Uji Coba Pengguna (Pengujian Beta) Pengujian beta merupakan pengujian oleh pengguna untuk memvalidasi kegunaan, fungsi, kompatibilitas, dan uji reliabilitas dari software yang dibuat. Uji coba terhadap pengguna dilakukan dengan menyebarkan kuesioner kepada 15 orang. 5.2.1

Hasil dan Pembahasan Hasil jawaban responden kemudian diolah sehingga memperoleh gambaran sebagai berikut: 5.2.1.1 Pengujian perceived of usefulness Pernyataan 1: Menggunakan sistem ini dalam pekerjaan saya memungkinkan saya menyelesaikan tugas dengan lebih cepat. 59


Tabel 5.3 Tabel Hasil Kuesioner Pernyataan 1 Bobot

Jumlah

(1-5)

Responden

Sangat Setuju

5

Setuju

Jawaban

Hasil

Total

3

15

20.00 %

4

9

36

60.00 %

Ragu-Ragu

3

3

9

20.00 %

Tidak Setuju

2

0

0

0.00 %

Sangat Tidak Setuju

1

0

0

0.00 %

15

60

Total

NILAI AKHIR (total hasil/total jml

4.00

responden

Grafik Pernyataan 1 10 8 6 4 2 0 Sangat Setuju

Setuju

Ragu - Ragu

Tidak Setuju

Sangat Tidak Setuju

Responden

Gambar 5.6 Grafik Pernyataan 1

Dari perhitungan tabel 5.3 diatas, dapat dianalisa bahwa secara umum, Aplikasi Pendeteksian Plagiarisme dalam Karya Tulis Ilmiah dengan Algoritma Rabin Karp ini memungkinkan untuk membantu pengguna menyelesaikan tugas dengan cepat, dengan skor 4.00 dari skala 1-5.

60


Pernyataan 2: Menggunakan sistem ini akan meningkatkan performa kinerja saya. Tabel 5.4 Tabel Hasil Kuesioner Pernyataan 2 Bobot

Jumlah

(1-5)

Responden

Sangat Setuju

5

Setuju

Jawaban

Hasil

Total

2

10

13.33 %

4

8

32

53.33 %

Ragu-Ragu

3

4

12

26.66 %

Tidak Setuju

2

1

2

6.66 %

Sangat Tidak Setuju

1

0

0

0.00 %

15

56

Total

NILAI AKHIR (total hasil/total jml responden

3.37

Grafik Pernyataan 2 9 8 7 6 5 4 3 2 1 0 Sangat Setuju

Setuju

Ragu - Ragu

Tidak Setuju

Sangat Tidak Setuju

Responden

Gambar 5.7 Grafik Pernyataan 2 Dari perhitungan tabel 5.4 diatas, dapat dianalisa secara umum bahwa pengguna merasa ragu-ragu Aplikasi Pendeteksian Plagiarisme dalam Karya Tulis Ilmiah dengan Algoritma Rabin Karp dapat meningkatkan performa kinerja pengguna dengan skor 3.37 dari skala 1-5. 61


Pernyataan 3: Menggunakan sistem ini akan meningkatkan produktivitas saya. Tabel 5.5 Tabel Hasil Kuesioner Pernyataan 3 Bobot

Jumlah

(1-5)

Responden

Sangat Setuju

5

Setuju

Jawaban

Hasil

Total

3

15

20/00 %

4

5

20

33.33 %

Ragu-Ragu

3

7

21

46.66 %

Tidak Setuju

2

0

0

0.00 %

Sangat Tidak Setuju

1

0

0

0.00 %

15

56

Total


3.37

Grafik Pernyataan 3 8 7 6 5 4 3 2 1 0 Sangat Setuju

Setuju

Ragu - Ragu

Tidak Setuju

Sangat Tidak Setuju

Responden


Dari perhitungan tabel 5.5 diatas, dapat dianalisa secara umum bahwa pengguna merasa ragu-ragu Aplikasi Pendeteksian Plagiarisme dalam Karya Tulis Ilmiah dengan

62


Algoritma Rabin Karp dapat meningkatkan produktivitas pengguna dengan skor 3.37 dari skala 1-5.

Pernyataan 4: Menggunakan sistem ini akan meningkatkan efektifitas pekerjaan saya. Tabel 5.6 Tabel Hasil Kuesioner Pernyataan 4 Bobot

Jumlah

(1-5)

Responden

Sangat Setuju

5

Setuju

Jawaban

Hasil

Total

4

20

26.66 %

4

8

32

53.33 %

Ragu-Ragu

3

2

9

13.33 %

Tidak Setuju

2

1

2

6.66 %

Sangat Tidak Setuju

1

0

0

0.00 %

15

63

Total


4.20


Setuju

Ragu - Ragu

Tidak Setuju

Responden


63

Sangat Tidak Setuju


Dari perhitungan tabel 5.6 diatas, dapat dianalisa secara umum bahwa Aplikasi Pendeteksian Plagiarisme dalam Karya Tulis Ilmiah dengan Algoritma Rabin Karp ini dapat

meningkatkan

efektifitas

pengguna

dalam

menyelesaikan pekerjaan dengan skor 4.20 dari skala 1-5.

Pernyataan 5: Menggunakan sistem ini akan mempermudah pekerjaan saya. Tabel 5.7 Tabel Hasil Kuesioner Pernyataan 5 Bobot

Jumlah

(1-5)

Responden

Sangat Setuju

5

Setuju

Jawaban

Hasil

Total

3

20

20.00 %

4

9

32

60.00 %

Ragu-Ragu

3

3

9

20.00 %

Tidak Setuju

2

0

0

0.00 %

Sangat Tidak Setuju

1

0

0

0.00 %

15

61

Total


4.06


Setuju

Ragu-Ragu

Tidak Setuju Sangat Tidak Setuju

Responden

Gambar 5.9 Grafik Pernyataan 5 64


Dari perhitungan tabel 5.7 diatas, dapat dianalisa secara umum bahwa Aplikasi Pendeteksian Plagiarisme dalam Karya Tulis Ilmiah dengan Algoritma Rabin Karp ini dapat

mempermudah

penggun

dalam

menyelesaikan

pekerjaan dengan skor 4.06 dari skala 1-5.

Pernyataan 6: Saya merasa sistem ini berguna dan bermanfaat bagi pekerjaan saya. Tabel 5.8 Tabel Hasil Kuesioner Pernyataan 6 Bobot

Jumlah

(1-5)

Responden

Sangat Setuju

5

Setuju

Jawaban

Hasil

Total

5

25

33.33 %

4

8

32

53.33 %

Ragu-Ragu

3

2

6

13.33 %

Tidak Setuju

2

0

0

0.00 %

Sangat Tidak Setuju

1

0

0

0.00 %

15

63

Total


4.20


Setuju

Ragu-Ragu Tidak Setuju Sangat Tidak Setuju Responden


65


Dari perhitungan tabel 5.8 diatas, dapat dianalisa secara umum bahwa Aplikasi Pendeteksian Plagiarisme dalam Karya Tulis Ilmiah dengan Algoritma Rabin Karp ini bermanfaat

dan

berguna

bagi

pengguna

untuk

menyelesaikan pekerjaan dengan skor 4.20 dari skala 1-5.

5.2.1.2 Pengujian perceived ease of use Pernyataan 1: Sistem ini mudah dipelajari. Tabel 5.9 Tabel Hasil Kuesioner Pernyataan 1 Bobot

Jumlah

(1-5)

Responden

Sangat Setuju

5

Setuju

Jawaban

Hasil

Total

5

25

33.33 %

4

10

40

66.66 %

Ragu-Ragu

3

0

0

0.00 %

Tidak Setuju

2

0

0

0.00 %

Sangat Tidak Setuju

1

0

0

0.00 %

15

65

Total


4.33

Grafik Pernyataan 1 12 10 8 6 4 2 0 Sangat Setuju

Setuju

Ragu-Ragu

Tidak Setuju

Responden


66

Sangat Tidak Setuju


Dari perhitungan tabel 5.9 diatas, dapat dianalisa secara umum bahwa Aplikasi Pendeteksian Plagiarisme dalam Karya Tulis Ilmiah dengan Algoritma Rabin Karp ini mudah dipelajari dengan skor 4.33 dari skala 1-5.

Pernyataan 2: Sistem ini mudah dikendalikan (mendeteksi, menambah, mengedit, dan menghapus data) Tabel 5.10 Tabel Hasil Kuesioner Pernyataan 2 Bobot

Jumlah

(1-5)

Responden

Sangat Setuju

5

Setuju

Jawaban

Hasil

Total

4

20

26.66 %

4

8

32

53.33 %

Ragu-Ragu

3

3

9

20/00 %

Tidak Setuju

2

0

0

0.00 %

Sangat Tidak Setuju

1

0

0

0.00 %

15

61

Total


4.06


Setuju

Ragu-Ragu Responden

67

Tidak Setuju

Sangat Tidak Setuju


Gambar 5.13 Grafik Pernyataan 2 Dari perhitungan tabel 5.10 diatas, dapat dianalisa secara umum bahwa Aplikasi Pendeteksian Plagiarisme dalam Karya Tulis Ilmiah dengan Algoritma Rabin Karp ini mudah dikendalikan dengan skor 4.06 dari skala 1-5.

Pernyataan 3: Sistem ini jelas dan mudah dipahami Tabel 5.11 Tabel Hasil Kuesioner Pernyataan 3 Bobot

Jumlah

(1-5)

Responden

Sangat Setuju

5

Setuju

Jawaban

Hasil

Total

4

20

26.66 %

4

7

28

46.66 %

Ragu-Ragu

3

4

12

26.66 %

Tidak Setuju

2

0

0

0.00 %

Sangat Tidak Setuju

1

0

0

0.00 %

15

60

Total


4.00


Setuju

Ragu-Ragu

Tidak Setuju

Responden

Gambar 5.14 Grafik Pernyataan 3 68

Sangat Tidak Setuju


Dari perhitungan tabel 5.11 diatas, dapat dianalisa secara umum bahwa Aplikasi Pendeteksian Plagiarisme dalam Karya Tulis Ilmiah dengan Algoritma Rabin Karp ini jelas dan mudah dipahami dengan skor 4.00 dari skala 1-5.

Pernyataan 4: Sistem ini memiliki fitur yang lengkap. Tabel 5.12 Tabel Hasil Kuesioner Pernyataan 4 Bobot

Jumlah

(1-5)

Responden

Sangat Setuju

5

Setuju

Jawaban

Hasil

Total

5

25

33.33 %

4

8

32

53.33 %

Ragu-Ragu

3

2

5

13.33 %

Tidak Setuju

2

0

0

0.00 %

Sangat Tidak Setuju

1

0

0

0.00 %

15

62

Total


4.13


Setuju

Ragu-Ragu

Tidak Setuju

Sangat Tidak Setuju

Responden

Gambar 5.15 Grafik Pernyataan 4 Dari perhitungan tabel 5.12 diatas, dapat dianalisa secara umum bahwa Aplikasi Pendeteksian Plagiarisme 69


dalam Karya Tulis Ilmiah dengan Algoritma Rabin Karp ini memiliki fitur yang lengkap dengan skor 4.13 dari skala 1-5.

Pernyataan 5: Sistem ini memberikan kemudahan sehingga saya menjadi mahir dalam satu atau beberapa fitur yang tersedia. Tabel 5.13 Tabel Hasil Kuesioner Pernyataan 5 Bobot

Jumlah

(1-5)

Responden

Sangat Setuju

5

Setuju

Jawaban

Hasil

Total

3

15

20.00 %

4

9

36

60.00 %

Ragu-Ragu

3

3

9

20.00 %

Tidak Setuju

2

0

0

Sangat Tidak Setuju

1

0

0

15

60

Total


4.00


Setuju

Ragu-Ragu

Tidak Setuju Sangat Tidak Setuju

Responden

Gambar 5.16 Grafik Pernyataan 5 Dari perhitungan tabel 5.13 diatas, dapat dianalisa secara umum bahwa Aplikasi Pendeteksian Plagiarisme 70


dalam Karya Tulis Ilmiah dengan Algoritma Rabin Karp ini memberikan kemudahan dengan skor 4.00 dari skala 1-5.

Pernyataan 6: Sistem ini mudah untuk digunakan. Tabel 5.16 Tabel Hasil Kuesioner Pernyataan 6 Bobot

Jumlah

(1-5)

Responden

Sangat Setuju

5

Setuju

Jawaban

Hasil

Total

8

40

53.33 %

4

4

16

26.66 %

Ragu-Ragu

3

3

9

20.00 %

Tidak Setuju

2

0

0

0.00 %

Sangat Tidak Setuju

1

0

0

0.00 %

15

65

Total

NILAI AKHIR (total hasil/total jml

4.33

responden


Setuju

Ragu-Ragu

Tidak Setuju

Sangat Tidak Setuju

Responden

Gambar 5.16 Grafik Pernyataan 6 Dari perhitungan tabel 5.14 diatas, dapat dianalisa secara umum bahwa Aplikasi Pendeteksian Plagiarisme

71


dalam Karya Tulis Ilmiah dengan Algoritma Rabin Karp ini mudah digunakan dengan skor 4.33 dari skala 1-5.

72


BAB VI KESIMPULAN Pada bab ini berisi kesimpulan yang diambil dari analisa, desain, dan implementasi serta uji coba yang telah dilakukan. Selain itu bab ini juga berisi saran yang bermanfaat dalam pengembangan aplikasi di waktu yang akan datang. 6.1

Kesimpulan 1. Aplikasi pendeteksi plagiarisme karya tulis ilmiah dengan metode Rabin Karp ini telah selesai dibangun dengan bahasa pemrograman java dan SQL database dan dapat mendeteksi plagiarisme dengan baik. 2. Berdasarkan hasil perbandingan uji coba dengan sistem dan secara manual, dapat disimpulkan bahwa

sistem mampu mendeteksi

plagiarisme dengan cukup akurat dengan rata-rata selisih presentase kemiripan adalah 1.63 %. 3. Berdasarkan ujicoba yang dilakukan dengan kuisioner terhadap 15 pengguna, didapatkan hasil sebagai berikut: 1. Dalam kaitannya dengan kegunaan (perceived of usefullnes), sistem ini mampu memberikan beberapa manfaat yaitu mempercepat pekerjaan, meningkatkan performa penggua, meningkatkan produktivitas pengguna, meningkatkan efektifitas pengguna, dan mempermudah pekerjaan dengan nilai rata-rata 3.86 % skala 1-5. 2. Dalam kaitannya dengan kemudahan (perceived ease of use). Sistem ini mampu memberikan kemudahan berupa kemudahan mempelajari sistem, sistem yang mudah dikendalikan, sistem yang jelas dan mudah dipahami, memilifi fitur yang lengkap, sistem yang memberikan kemudahan, dan sistem yang mudah untuk digunakan dengan nilai rata-rata 4.14 skala 1-5.

73


6.2

Saran 1. Sistem dapat dikembangkan menjadi berbasis web. 2. Sistem dapat mendeteksi parafrase atau kutipan dengan atau tidak menggunakan sumber terkait. 3. Sistem diharapkan dapat mendeteksi persamaan kata atau sinonim. 4. Penelitian dilanjutkan dengan penggunaan metode yang lain untuk menemukan metode yang lebih baik untuk mendeteksi plagiarisme.

74


DAFTAR PUSTAKA

Abdeen, Ali.,Rawan.(2011). An Algorithm for String Searching Based on BruteForce Algorithm. Intenational Journal of Computer Science and Network Security, Vol.11 No.7. Büttcher, Stefan., Clarke, L.A. Charles., Cormack, V. Gordon. (2010) Information Retrieval Implementing and Evaluating Search Engine. Massachusetts: MIT Press. Jain, Shivani., Rao, Nersimha, A.L., Agarwal, Pankaj. A Relative Study of Pattern Matching Algorithm. Journal of Computing Technologies. Vol.2 Issue 1. KBBI. 1997: 775. Ludwig JA, Reynold JF. (1988). Statisyical Ecology: A Primer on Methods and Computing. New York: John Wiley and Sons Inc. Lesmana, David Indra. (2012). Sistem Penilaian Otomatis Pada Jawaban Ujian Berbentuk Esai Menggunakan Metode Rabin Karp. Tugas Akhir. Malang: Universitas Islam Negeri Maulana Malik Ibrahim Malang. Manning, Christoper D., Raghavan, Prabhakar., Schütze, Hinrich. (2008). Introduction to Information Retrieval. New York: Cambridge University Press. Mitra, Sushmita., Acharya, Tinku. (2003). Data Mining Multimedia, Soft Computing, and Bioinformatics. United State of America. A John Wiley & Sons Inc. Mujahidin, Zainal. (2013). Implementasi Metode Rabin Karp untuk Mendeteksi Tingkat Kesamaan Dua Dokumen. Tugas Akhir. Riau: Universitas Islam Negeri Sultan Syarif Kasim Pekanbaru. Sulianta, F. (2007). Seri referensi praktis: Konten internet, 71-72. Diunduh dari http://books.google.com/books?isbn=9792717889.

75


Utorodewo, Felicia, dkk. (2007). Bahasa Indonesia: Sebuah Pengantar Penulisan Ilmiah. Jakarta. Lembaga Penerbit FEUI. Zeil, Steven J. (2014) Hashing. https://www.cs.odu.edu/~zeil/cs361/f16 /Public/ hash/index.html. Diakses tanggal 7 Maret 2017.

76


LAMPIRAN Form Kuisioner: ANGKET PENDETEKSIAN PLAGIAT

Inisial: Petunjuk: a. Bacalah pertanyaan atau pernyataan berikut dengan teliti. Kemudian tentukan pilihan 1 sampai 5, dengan keterangan pilihan sebagai berikut: •

SS

= Sangat Setuju

•

S

= Setuju

•

RR

= Ragu-Ragu

•

TS

= Tidak Setuju

•

STS

= Sangat Tidak Setuju

b. Berilah tanda centang (√) pada alternative jawaban yang kamu pilih di tempat yang tersedia, contoh: Pernyataan

Pilihan Jawaban SS

S 

Aplikasi ini efektif/tepat guna sebagai alat/sarana untuk mendeteksi plagiarisme

SELAMAT MENGERJAKAN

77

RR

TS

STS


No 1

Pernyataan

SS

Menggunakan sistem ini dalam pekerjaan saya memungkinkan saya menyelesaikan tugas dengan lebih cepat.

2

Menggunakan sistem ini akan meningkatkan performa kinerja saya.

3

Menggunakan sistem ini akan meningkatkan produktivitas saya.

4

Menggunakan sistem ini akan meningkatkan efektifitas pekerjaan saya

5

Menggunakan sistem ini akan mempermudah pekerjaan saya

6

Saya merasa sistem ini berguna dan bermanfaat bagi pekerjaan saya

78

S

Jawaban RR TS

STS


No 1

Pernyataan

SS

Sistem ini mudah dipelajari

2

Sistem ini mudah dikendalikan (mendeteksi, menambah, mengedit, dan menghapus data)

3

Sistem ini jelas dan mudah dipahami

4

Sistem ini memiliki fitur yang lengkap

5

Sistem ini memberikan kemudahan sehingga saya menjadi mahir dalam satu atau beberapa fitur yang tersedia

6

Sistem ini mudah untuk digunakan

79

S

Jawaban RR

TS

STS

APLIKASI PENDETEKSI PLAGIARISME DALAM KARYA TULIS ILMIAH DENGAN ALGORITMA RABIN KARP

Recommend Documents