Sistem pendeteksian plagiarisme dokumen skripsi menggunakan metode overlap measure fuction : studi kasus skripsi Program Studi Teknik Informatika Universitas Sanata Dharma Yogyakarta - USD Repository

i

MENGGUNAKAN METODE OVERLAP MEASURE FUNCTION (STUDI KASUS SKRIPSI PROGRAM STUDI TEKNIK INFORMATIKA

UNIVERSITAS SANATA DHARMA YOGYAKARTA)

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Oleh:

Monica Pancaindrani Dewantari

075314060

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

ii

DOCUMENT USING METHOD OVERLAP MEASURE FUNCTION (A CASE STUDY OF INFORMATIC ENGINEERING FINAL PROJECT

DOCUMENT IN SANATA DHARMA UNIVERSITY YOGYAKARTA)

A THESIS

Presented as Partial Fulfillment of the Requirements

To Obtain the Sarjana Komputer Degre

In Informatics Engineering Department

By :

Monica Pancaindrani Dewantari

075314060

INFORMATICS ENGINEERING STUDY PROGRAM FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY YOGYAKARTA

v

HALAMAN PERSEMBAHAN

! ! ! "

#

$# % &

#

! ' "#

$ ( '# & # #

viii

ABSTRAK

Skripsi merupakan tugas akhir yang sangat penting bagi seorang mahasiswa, karena skripsi sebagai salah satu syarat lulus mahasiswa di perguruan tinggi. Mahasiswa sering mengambil jalan praktis dalam pengerjaan skripsi untuk mencari kemudahan. Dalam pengerjaan skripsi sering kali mahasiswa mengutip atau menggunakan beberapa atau keseluruhan kata – kata, kalimat, gagasan, ide, dan bagian – bagian lain hasil skripsi orang lain tanpa mencantumkan secara jelas sumber kutipan yang didapat. Hal ini sangat dilarang keras oleh setiap universitas , sebab mahasiswa yang melakukan tindakan plagiarisme tidak mencerminkan sikap kreatif sebagai kalangan terpelajar. Maka dari itu skripsi ini bertujuan membuat suatu sistem untuk mendeteksi tindakan plagiarisme dokumen skripsi yang dilakukan oleh mahasiswa Universitas Sanata Dharma.

Proses untuk melakukan pendeteksian plagiarisme dokumen skripsi diawali dengan melakukan proses preprocessing, yaitu tokenisasi, stopword removal, stemming, dan splitter kalimat. Kemudian dengan menggunakan metode overlap measure function yang akan menghasilkan nilai similarity (nilai bobot) dari setiap dokumen query yang dibandingkan dengan dokumen asli, nilai similarity dokumen tersebut yang akan menentukan deteksi plagiarisme yang disesuaikan dengan nilai threshold plagiarisme.

Skripsi ini menggunakan data 50 dokumen skripsi mahasiswa Teknik Informatika untuk pengujian deteksi plagiarisme, sebelum dideteksi terlebih dahulu harus melakukan pencarian nilai threshold, pencarian nilai threshold plagiarisme menggunakan persentase 50, 40 , dan 30 dari rata – rata jumlah similarity dari dokumen – dokumen yang benar – benar sama(dokumen dengan dirinya sendiri). Setelah dilakukan pengujian persentase nilai threshold ,persentase yang paling baik adalah 50 dibandingkan dengan 30 dan 40. Persentase 50 memiliki nilai precision 94,8%, sedangkan persentase 40 dengan precision 92,4% dan persentase 30% dengan precision 70%. Maka dari itu untuk mendeteksi plagiarisme pada sistem ini digunakan nilai threshold dengan persentase 50% yaitu 869,3 dan sistem ini berlaku untuk mendeteksi dokumen dengan panjang kalimat 100 sampai 500 kalimat dan panjang kata 5 sampai dengan 50 kata.

ix

ABSTRACT

Thesis is the final task which is very important for a college students, because of thesis is one of conditions for graduating college students. College Students often take a practical way to make things easy in doing their thesis. Sometimes they using all of the words, phrases, ideas, and the rest of the thesis of others without citation shall state clearly the source derived. It is strictly prohibited by any university, for students who commit acts of plagiarism does not reflect their creative attitude as the educated. This thesis aims to create a system to detect plagiarism action thesis documents carried by students at the University of Sanata Dharma.

Process to conduct thesis document plagiarism detection process begins with preprocessing, namely tokenisasi, stopword removal, stemming, and sentence splitter. Then by using the method of overlap measure function that will return the value of similarity (weighted value) of each document query is compared to the original document, the document similarity values that will define plagiarism detection threshold value is adjusted to plagiarism.

x

KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, yang telah

melimpahkan berkat dan rahmatNya sehingga penulis dapat menyelesaikan tugas

akhir yang berjudul “SISTEM PENDETEKSI PLAGIARISME DOKUMEN

SKRIPSI MENGGUNAKAN METODE OVERLAP MEASURE FUNCTION

(STUDI KASUS SKRIPSI PROGRAM STUDI TEKNIK INFORMASTIKA

UNIVERSITAS SANATA DHARMA YOGYAKARTA)”. Tugas akhir ini ditulis

sebagai salah satu syarat memperoleh gelar sarjana program studi Teknik

Informatika, Fakultas Sains dan Teknologi Universitas Sanata Dharma.

Dalam kesempatan ini, penulis mengucapkan terimakasih yang

sebesar-besarnya kepada :

1. Ibu P.H. Prima Rosa, S.Si.,M.Sc., selaku Dekan Fakultas Sains dan Teknologi

Universitas Sanata Dharma Yogyakarta.

2. Ibu Ridhowati Gunawan, S.Kom.,M.T., selaku ketua jurusan Program Studi

Teknik Informatika Universitas Sanata Dharma Yogyakarta.

3. Ibu Sri Hartati Wijono, S.Si.,M.Kom., selaku Dosen Pembimbing atas segala

waktu, kesabaran, serta memberi kritik dan saran yang membangun dalam

membantu penyelesaian tugas akhir ini.

4. Bapak Puspaningtyas Sanjoyo Adi S.T.,M.T., dan Bapak J.B.Budi Darmawan,

xii

DAFTAR ISI

HALAMAN JUDUL ... i

HALAMAN JUDUL (Bahasa Inggris) ... ii

HALAMAN PERSETUJUAN ... iii

HALAMAN PENGESAHAN ... iv

HALAMAN PERSEMBAHAN ... v

HALAMAN PERNYATAAN KEASLIAN KARYA ... vi

LEMBAR PERNYATAAN PERSETUJUAN ... vii

ABSTRAK ... viii

ABSTRACT ... ix

KATA PENGANTAR ... x

DAFTAR ISI ... xii

DAFTAR TABEL ... xviii

DAFTAR GAMBAR ... xx

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 5

xiii

1.4 Tujuan Penelitian ... 6

1.5 Luaran Yang Diharapkan ... 6

1.6 Metodologi Penelitian ... 6

1.7 Sistematika Penulisan ... 8

BAB II LANDASAN TEORI ... 9

2.1 Plagiarisme ... 9

2.1.1 Definisi Plagiarisme ... 9

2.1.2 Bentuk Plagiarisme ... 10

2.2 Definisi Sistem ... 15

2.3 Konsep Information Retrieval ... 17

2.3.1 Definisi Information Retrieval ... 17

2.3.2 Proses Preprocessing Teks Dokumen ... 19

2.4 Stemming Algoritma Nazief dan Adriani ... 22

2.5 Deteksi Plagiarisme ... 26

2.5.1 Overlap Measure Function ... 27

2.5.2 Algoritma ... 29

2.6 Recall dan Precision ... 31

xiv

3.1 Gambaran Umum Sistem ... 33

3.2 Analisis Kebutuhan Sistem ... 41

3.2.1 Definisi Aktor ... 41

3.2.2 Diagram Use Case ... 42

3.2.3 Definisi Use Case ... 44

3.2.4 Skenario Use Case ... 47

3.2.4.1 Skenario Use Case Login ... 47

3.2.4.2 Skenario Use Case Logout ... 48

3.2.4.3 Skenario Use Case Input Account ... 49

3.2.4.4 Skenario Use Case Edit Account ... 50

3.2.4.5 Skenario Use Case Hapus Account ... 52

3.2.4.6 Skenario Use Case Input Stopword ... 53

3.2.4.7 Skenario Use Case Edit Stopword ... 55

3.2.4.8 Skenario Use Case Hapus Stopword ... 57

3.2.4.9 Skenario Use Case Input Kata Dasar ... 58

3.2.4.10 Skenario Use Case Edit Kata Dasar ... 60

xv

3.2.4.12 Skenario Use Case Kelola Koleksi Dokumen Skripsi ... 62

3.2.4.13 Skenario Use Case Deteksi Plagiarisme Koleksi Dokumen Skripsi ... 64

3.2.4.14 Skenario Use Case Kelola Dokumen Skripsi Baru ... 65

3.2.4.15 Skenario Use Case Deteksi Plagiarisme Dokumen Skripsi ... 67

3.2.4.16 Skenario Use Case Pencarian Koleksi Dokumen Skripsi ... 68

3.2.5 Model Analisis... 70

3.2.5.1 Login... 70

3.2.5.2 Input Account ... 71

3.2.5.3 Edit Account ... 72

3.2.5.4 Hapus Account ... 73

3.2.5.5 Input Stopword ... 74

3.2.5.6 Edit Stopword ... 76

3.2.5.7 Hapus Stopword ... 77

3.2.5.8 Input Kata Dasar ... 78

xvi

3.2.5.10 Hapus Kata Dasar ... 81

3.2.5.11 Kelola Koleksi Dokumen Skripsi ... 83

3.2.5.12 Deteksi Plagiarisme Koleksi Dokumen Skripsi ... 85

3.2.5.13 Kelola Dokumen Skripsi Baru... 87

3.2.5.14 Deteksi Plagiarisme Dokumen Skripsi ... 89

3.2.5.15 Pencarian Koleksi Dokumen Skripsi ... 91

3.2.5.16 Logout ... 92

3.2.6 Diagram Konteks ... 93

3.2.7 Diagram Kelas Keseluruhan ... 93

3.3 Desain Sistem ... 95

3.3.1 Kelas Perancangan ... 95

3.3.2 Atribut dan Method ... 106

3.3.3 Perancangan Database ... 147

3.3.4 Antarmuka ... 150

3.3.5 Rencana Pengujian dan Evaluasi ... 162

BAB IV IMPLEMENTASI DAN PENGUJIAN ... 167

xvii

4.2 Implementasi Antarmuka ... 168

4.3 Implementasi Controller ... 180

4.4 Implemantasi Model ... 180

4.5 Implemantasi Entity ... 181

4.6 Method – Method Penting ... 183

4.7 Pengujian Hasil Manual dan Hasil Program ... 189

4.8 Pengujian Mencari Nilai Threshold ... 212

4.9 Pengujian Deteksi Plagiarisme... 213

4.10 Testing Deteksi Plagiarisme ... 218

4.11 Analisa Kelemahan Program ... 220

BAB V KESIMPULAN DAN SARAN ... 221

5.1 KESIMPULAN ... 221

5.2 SARAN ... 222

DAFTAR PUSTAKA ... 223

xviii

DAFTAR TABEL

Tabel 2.1 Kombinasi Awalan dan Akhiran yang Tidak Diijinkan ... 24

Tabel 2.2 Cara Menentukan Tipe Awalan untuk Kata yang Diawali dengan “te” ... 25

Tabel 2.3 Jenis Awalan Berdasarkan Tipe Awalannya... 26

Tabel 3.1 Hak Akses User... 41

Tabel 3.2 Deskripsi Use Case ... 44

Tabel 3.3 Skenario Use Case Login ... 47

Tabel 3.4 Skenario Use Case Logout ... 48

Tabel 3.5 Skenario Use Case Input Account ... 49

Tabel 3.6 Skenario Use Case Edit Account ... 51

Tabel 3.7 Skenario Use Case Hapus Account ... 52

Tabel 3.8 Skenario Use Case Input Stopword ... 54

Tabel 3.9 Skenario Use Case Edit Stopword ... 55

Tabel 3.10 Skenario Use Case Hapus Stopword ... 57

Tabel 3.11 Skenario Use Case Input Kata Dasar ... 58

Tabel 3.12 Skenario Use Case Edit Kata Dasar ... 60

Tabel 3.13 Skenario Use Case Hapus Kata Dasar ... 62

xix

Tabel 3.15 Skenario Use Case Deteksi Plagiarisme Koleksi Dokumen Skripsi ... 64

Tabel 3.16 Skenario Use Case Kelola Dokumen Skripsi Baru ... 66

Tabel 3.17 Skenario Use Case Deteksi Plagiarisme Dokumen Skripsi ... 67

Tabel 3.18 Skenario Use Case Pencarian Koleksi Dokumen Skripsi ... 69

Tabel 3.19 Kelas Perancangan ... 95

Tabel 3.20 Diagram Relasional Skripsi ... 148

Tabel 3.21 Diagram Relasional Kalimat ... 148

Tabel 3.22 Diagram Relasional DokumenSimilarity ... 149

Tabel 3.23 Diagram Relasional User ... 149

Tabel 3.24 Diagram Relasional Stopword ... 149

Tabel 3.25 Diagram Relasional Kamus ... 150

Tabel 4.1 Implementasi Controller ... 180

Tabel 4.2 Diagram Relasional Kamus ... 181

xx

DAFTAR GAMBAR

Gambar 2.1 Gambaran Sistem ... 16

Gambar 2.2 Gambaran Umum Information Retrieval ... 18

Gambar 2.3 Tahapan Preprocessing ... 19

Gambar 2.4 Tahapan Tokenisasi ... 20

Gambar 2.5 Proses Deteksi Plagiat PPChecker ... 27

Gambar 3.1 Gambaran Umum Sistem ... 37

Gambar 3.2 Algoritma Overlap Measure Function ... 38

Gambar 3.3 Alur Pencarian Nilai Threshold ... 40

Gambar 3.4 Diagram Use Case... 43

Gambar 3.5 Diagram Konteks ... 93

Gambar 3.6 Diagram Kelas Keseluruhan ... 95

Gambar 3.7 Diagram ERD ... 147

Gambar 3.8 Antarmuka Form Login ... 150

Gambar 3.9 Antarmuka Menu Utama Admin ... 151

Gambar 3.10 Antarmuka Tab Add Account ... 153

xxi

Gambar 3.12 Antarmuka Tab Stopword ... 155

Gambar 3.13 Antarmuka Tab Kamus ... 156

Gambar 3.14 Antarmuka Form Preprocessing Admin ... 157

Gambar 3.15 Antarmuka Form Deteksi ... 158

Gambar 3.16 Antarmuka Tab Preprocessing ... 160

Gambar 3.17 Antarmuka Tab Deteksi ... 161

Gambar 3.18 Antarmuka Form Pencarian Skripsi User ... 162

Gambar 4.1 Implementasi Antarmuka Form Login ... 168

Gambar 4.2 Implementasi Antarmuka Form Menu Utama Admin ... 169

Gambar 4.3 Implementasi Antarmuka Form Account Admin Tab Add Account 171

Gambar 4.4 Implementasi Antarmuka Form Account Admin Tab Edit Account ... 171

Gambar 4.5 Implementasi Antarmuka Form Setting Admin Tab Stopword ... 172

Gambar 4.6 Implementasi Antarmuka Form Setting Admin Tab Kamus ... 173

Gambar 4.7 Implementasi Antarmuka Form Preprocessing Admin ... 174

Gambar 4.8 Implementasi Antarmuka Form Deteksi ... 175

Gambar 4.9 Implementasi Antarmuka Form Menu Utama User ... 176

xxii

Gambar 4.11 Implementasi Antarmuka Form Preprocessing User Tab Deteksi ... 178

1 BAB

I

PENDAHULUAN 1.1Latar Belakang

Teknologi saat ini semakin berkembang pesat di berbagai bidang kehidupan

, hal ini begitu cepat mendorong banyak orang memanfaatkan teknologi untuk

melakukan pekerjaan – pekerjaan agar menjadi lebih praktis, efisien, efektif dan

akurat pengerjaannya dalam kehidupan sehari –hari. Oleh karena teknologi telah

berkembang sangat pesat, penyalahgunaan akan teknologi juga semakin

berkembang di berbagai kalangan masyarakat. Keinginan manusia untuk

melakukan hal yang mudah dan praktis memicu berbagai tindakan negatif, salah

satu tindakan negatif yang banyak dilakukan adalah plagiarisme . Plagiarisme

merupakan suatu tindakan yang menjiplak, mencuri gagasan, ide, atau hasil karya

orang lain, hal ini terjadi karena keterbatasan dan kurang kemampuan seseorang

dalam berkarya dan menghasilkan pemikiran,ide, atau gagasan yang baru.

Plagiarisme terjadi pada berbagai bentuk karya , seperti karya tulis , lagu, film,

dan berbagai karya yang lain. Akan tetapi yang paling sering diplagiat adalah

karya tulis karena sangat mudah untuk menjiplaknya. Menulis adalah suatu

kegiatan yang sulit, sebab dituntut keterampilan serta kemampuan menulis yang

lebih dan dapat menuangkan pemikiran ke dalam bentuk tulisan. Penulis tidak

adalah bagaimana menuliskan ide – ide milik sendiri yang ada dalam pikiran agar

benar – benar tersampaikan dalam bentuk tulisan. Karena menulis itu sulit, maka

membutuhkan waktu dalam mengerjakannya, dalam banyak kasus untuk

mempersingkat waktu banyak orang yang mencampurkan ide orang lain ke dalam

ide tulisannya sendiri. Dan ini yang dinamakan sebagai tindakan plagiarisme,

yang dengan sengaja menggunakan ide dan pemikiran orang lain tanpa

atribusi[1]. Maka dari itu diperlukan suatu cara untuk melakukan deteksi tindakan

plagiat terhadap karya tulis, agar tindakan plagiat tersebut dapat diatasi.

Tindakan plagiarisme terhadap karya tulis dapat terjadi dimana – mana, dan

paling banyak ditemukan pada dunia pendidikan mulai dari tingkat sekolah

sampai perguruan tinggi. Terutama pada tingkat perguruan tinggi, dikalangan

mahasiswa tindakan plagiarisme tidak menjadi hal asing lagi. Hal ini terjadi

karena mahasiswa hampir setiap hari mengerjakan tugas karya tulis dari dosen

seperti laporan, tugas, makalah dan skripsi. Apalagi dalam pengerjaan skripsi,

tindakan plagiat paling sering dilakukan padahal skripsi merupakan tugas akhir

untuk mencapai kelulusan bagi seorang mahasiswa, akan tetapi banyak

mahasiswa yang melakukan kecurangan dalam pengerjaannya. Dalam membuat

skripsi sering kali mahasiswa mengutip atau menggunakan beberapa atau

keseluruhan kata – kata, gagasan, ide, dan bagian – bagian lain hasil skripsi orang

lain[2]. Mereka melakukan tindakan plagiat tersebut karena kebanyakan

tidak ingin bersusah payah dalam menulis skripsi. Hal ini sangat dilarang keras

oleh setiap universitas , sebab mahasiswa yang melakukan tindakan plagiarisme

tidak mencerminkan sikap kreatif sebagai kalangan terpelajar.

Universitas Sanata Dharma merupakan salah satu perguruan tinggi swasta

yang melarang mahasiswa untuk melakukan tindakan plagiarisme terhadap

pembuatan skripsi. Saat ini Universitas Sanata Dharma menggunakan dokumen

digital skripsi untuk media penyimpanan dan pemberian informasi skripsi bagi

mahasiswa. Penggunaan dokumen digital skripsi oleh pihak universitas

dimaksudkan untuk membantu mahasiswa yang akan menempuh skripsi agar

mendapatkan informasi, pandangan,wawasan, dan referensi bagi skripsi yang

akan dibuat. Akan tetapi penggunaan dokumen digital skripsi tidak menjadi

efisien, dikarenakan mahasiswa melakukan penyalahgunaan dengan melakukan

plagiarisme terhadap dokumen skripsi yang disediakan oleh pihak universitas.

Mahasiswa yang tidak memiliki kreativitas dapat dengan mudah menyalin isi dari

dokumen digital skripsi. Karena dokumen digital skripsi dapat dengan mudah

diplagiat oleh mahasiswa, maka diperlukan sebuah sistem pendeteksi plagiarisme

terhadap dokumen skripsi.

Sistem pendeteksian plagiarisme pada dokumen skripsi ini sangat penting

dilakukan untuk usaha menemukan tindakan plagiat skripsi yang dilakukan oleh

mahasiswa. Saat ini beberapa sistem pendeteksi plagiarisme telah dibuat dengan

rabin karp [3][4]. Pada pendeteksian plagiarisme menggunakan rabin karp,

algoritma ini digunakan untuk mendeteksi plagiarisme dengan mencari pola

tulisan yang didapat dari substring-substring pada sebuah teks dalam dokumen,

algoritma ini menggunakan hashing untuk menemukan sebuah substring dalam

sebuah teks [3]. Pada pendeteksi plagiarisme menggunakan algoritma smith

waterman, dengan melakukan pembandingan antara dua dokumen untuk

mengetahui tingkat kemiripan antara kedua dokumen tersebut. Hasil

pembandingan dinyatakan dalam bentuk bobot atau nilai kemiripan dari dokumen

yang dibandingkan [4]. Sistem pendeteksian plagiarisme yang akan dibuat

menggunakan algoritma overlap measure function , algoritma ini mampu

mendeteksi plagiarisme dengan membandingkan beberapa dokumen yang telah

diekstrak. Dokumen – dokumen tersebut terlebih dahulu diolah dengan tahap

preprocessing dan dipecah menjadi per kalimat. Setelah didapatkan kalimat –

kalimat dari setiap dokuem asli dan dokumen query, selanjutnya kalimat tersebut

akan diproses ke dalam perhitungan overlap measure function untuk

mendapatkan nilai similarity antara dokumen – dokumen asli dengan dokumen

query. Lalu dari hasil perhitungan nilai - nilai similarity, akan dimasukkan ke

algoritma overlap measure function, untuk melakukan perbandingan nilai – nilai

similarity pada dokumen – dokumen asli dengan dokumen query, sehingga akan

disesuaikan dengan nilai threshold yang didapat sebelum proses pendeteksian

dilakukan [5].

1.2Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan di atas, maka rumusan

masalah yang didapatkan adalah

1. Bagaimana mengimplementasikan metode overlap measure function untuk

membangun sistem pendeteksi plagiarisme pada dokumen skripsi.

2. Bagaimana ketepatan metode overlap measure function dalam melakukan

deteksi plagiarisme pada dokumen skripsi

1.3Batasan Masalah

1. Pendeteksian plagiarisme hanya dilakukan pada topik sistem informasi

dokumen skripsi Program Studi Teknik Informatika Universitas Sanata

Dharma Yogyakarta.

2. Pendeteksian plagiarisme dokumen skripsi dilakukan pada teks Abstrak,Bab1,

dan Bab2 dari dokumen skripsi.

3. Jumlah data dokumen skripsi yang akan diproses pada sistem ini berjumlah 50

dokumen skripsi teknik informatika.

4. Pendeteksian plagiarisme dokumen skripsi hanya dilakukan pada dokumen

yang berbahasa Indonesia.

5. Pendeteksian plagiarisme dokumen skripsi hanya mendeteksi full text, gambar

6. Pendeteksian plagiarisme dokumen skripsi tidak menghiraukan adanya

kutipan dalam teks.

1.4Tujuan Penelitian

Tujuan dari penelitian ini adalah sebagai berikut :

1. Mendeteksi tindakan plagiarisme dokumen skripsi yang dilakukan oleh

mahasiswa Universitas Sanata Dharma.

2. Menguji ketepatan metode overlap measure function dalam usaha untuk

mendeteksi tindakan plagiarisme terhadap dokumen skripsi.

1.5Luaran Yang Diharapkan

Sebuah sistem yang dapat mendeteksi tindakan plagiarisme pada dokumen

skripsi mahasiswa Universitas Sanata Dharma Yogyakarta dengan menerapkan

metode overlap measure function.

1.6Metodologi Penelitian

Metodologi penelitian yang digunakan dalam penyelesaian tugas akhir ini

adalah sebagai berikut :

1. Studi pustaka

Studi literatur dilakukan untuk mempelajari dan memahami konsep tentang

tindakan plagiarisme, mempelajari bagaimana cara mendeteksi tindakan

plagiarisme, mempelajari metode overlap measure function yang akan

ilmu pemerolehan informasi. Konsep dan materi yang dipelajari didapatkan

dari berbagai sumber seperti buku dan internet.

2. Observasi

Untuk mendapatkan data tentang dokumen digital skripsi program studi

Teknik Informatika, maka penulis melakukan survei ke perpustakaan

Universitas Sanata Dharma Yogyakarta.

3. Analisis dan perancangan sistem

Melakukan analisis terhadap masalah dan kebutuhan sistem yang akan

dibangun. Lalu melakukan perancangan umum sistem sesuai dengan

kebutuhan sistem.

4. Pembuatan Sistem

Berdasarkan hasil analisis dan perancangan sistem, maka tahap selajutnya

adalah pembuatan sistem.

5. Implementasi dan pengujian

Tahap ini adalah tahap untuk menjalankan sistem yang telah dibuat, lalu

melakukan pengujian terhadap efektivitas dan efisiensi dari sistem

pendeteksian plagiarisme, dan melakukan pengujian terhadap ketepatan

metode overlap measure function yang dipergunakan untuk mendeteksi

6. Evaluasi

Menganalisis hasil implementasi dan membuat kesimpulan terhadap

penelitian tugas akhir yang telah dikerjakan.

1.7Sistematika Penulisan

Sistematika penulisan Tugas Akhir ini adalah sebagai berikut:

BAB I PENDAHULUAN

Bab ini berisi latar belakang masalah, rumusan masalah, batasan

masalah, tujuan penelitian, ,metodologi penelitian, dan sistematika

penulisan.

BAB II TINJAUAN PUSTAKA

Bab ini berisi landasan teori yang merupakan dasar – dasar teori yang

dipergunakan dalam membuat Tugas Akhir, yaitu teori tentang

plagiarisme, pemerolehan informasi dan metode overlap measure

function.

BAB III ANALISA DAN PERANCANGAN SISTEM

Bab ini berisi penjelasan mengenai analisa masalah, analisa kebutuhan

sisten dan penjelasan mengenai gambaran umum dari sistem yang

dibuat.

BAB IV IMPLEMENTASI SISTEM

Bab ini berisi hasil langkah – langkah implementasi dari sistem yang

BAB V PENUTUP

Bab ini berisi kesimpulan dan saran atas hasil penelitian dari Tugas

9

BAB II

LANDASAN TEORI

2.1Plagiarisme

2.1.1 Definisi Plagiarisme

Plagiarisme berasal dari bahasa Latin yaitu plagiarius yang berarti

penculik, atau dalam bahasa Latin yang lain yaitu plagus. Definisi plagiarisme

secara luas yaitu mengambil alih bahan, ide, gambar, tulisan oleh mereka

yang mengaku sebagai pencipta asli[6]. Beberapa definisi plagiarisme dalam

arti yang lebih khusus yang pertama yaitu tindakan yang dengan sengaja

menyalin kata – kata atau ide milik orang lain tanpa atribusi. Definisi

plagiarisme yang kedua yaitu membeli, meminjam, atau mencuri sebuah

makalah penelitian atau esai milik orang lain, kemudian menampilkannya

sebagai milik pribadi. Definisi yang ketiga yaitu mengambil garis besar

gagasan dan argumen milik orang lain, lalu dirangkai kembali menggunakan

kata – kata sendiri. Dan definisi khusus plagiarisme yang terakhir yaitu

menyajikan fakta atau data statistik tanpa mengutip sumber yang asli [1].

Plagiarisme adalah bentuk penyalahgunaan hak kekayaan intelektual

milik orang lain, yang mana karya tersebut direpresentasikan dan diakui

kreativitas banyak orang, kekosongan akan ide, kreativitas, dan sifat malas

yang memunculkan tindakan plagiarisme. Umumnya tindakan plagiarisme

marak dikalangan siswa dan mahasiswa, seharusnya mereka sebagai kalangan

terpelajar harus lebih produktif dalam berkarya dan menjauhi tindakan

plagiarisme untuk kepentingan pribadi. Beberapa alasan tindakan plagiarisme

semakin marak dilakukan yaitu kurangnya kesadaran beretika, perangkat

teknologi informasi dengan mobilitas tinggi yang memudahkan para plagiator

mengambil sumber - sumber milik orang lain melalui akses internet, agar

dapat memperoleh prestasi akademik yang memuaskan dengan berbagai

upaya, dan para plagiator yang semakin profesional dalam menggunakan dan

mencari material yang dibutuhkan [7].

2.1.2 Bentuk Plagiarisme

Bentuk-bentuk plagiarisme yang sering terjadi di dunia akademis

berdasarkan artikel Clough (2003:2) adalah:[2]

1. Plagiarisme kata per kata, merupakan penyalinan kalimat secara

langsung dari sebuah dokumen teks tanpa adanya pengutipan atau

perizinan.

2. Plagiarisme parafrase, merupakan penulisan ulang dengan

mengubah kata atau sintaksis, tetapi teks aslinya masih dapat

3. Plagiarisme sumber sekunder, merupakan perbuatan mengutip

kepada sumber asli yang didapat dari sumber sekunder dengan

menghiraukan teks asli dari sumber yang sebenarnya.

4. Plagiarisme struktur sumber, merupakan penyalinan / penjiplakan

struktur suatu argumen dari sebuah sumber.

5. Plagiarisme ide, merupakan penggunaan ulang suatu

gagasan/pemikiran asli dari sebuah sumber teks tanpa bergantung

bentuk teks sumber.

6. Plagiarisme authorship, merupakan pembubuhan nama sendiri

secara langsung pada hasil karya orang lain.

Bila dilihat dari berbagai macam bentuk-bentuk plagiarisme diatas,

dapat disimpulkan bahwa tindakan plagiarisme yang terjadi di dunia akademis

lebih cenderung kepada tindakan menggunakan kembali suatu bagian

dokumen teks berupa kata/kalimat dari suatu sumber yang tidak mengikuti

tata aturan hak cipta, seperti aturan pengutipan ( citation ) ataupun

ketidakjelasan sumber/pengarang asli

(bibliography).

Beberapa faktor yang dapat digunakan untuk mengidentifikasikan

1. Penggunaan kosa kata.

Menganalisis kosa kata yang digunakan dalam suatu tugas

terhadap penggunaan kosa kata sebelumnya dapat membantu

menentukan apakah mahasiswa benar-benar telah menulis teks

tersebut. Dengan menemukan suatu kosa kata baru dalam jumlah

yang besar (terutama kosa kata lanjut) dapat menentukan apakah

mahasiswa menulis teks tanpa melakukan plagiarisme.

2. Perubahan kosa kata.

Apabila penggunaan kosa kata berubah secara significant dalam

suatu teks, hal ini dapat mengindikasikan plagiarisme dengan cara

copy and paste.

3. Teks yang membingungkan.

Apabila alur dari suatu teks tidak halus dan tidak konsisten, hal ini

mengindikasikan penulis tidak menulis menggunakan

pemikirannya sendiri atau beberapa bagian dari tulisannya

bukanlah hasil karyanya.

4. Penggunaan tanda baca.

Tidak wajar apabila dua orang penulis menggunakan tanda baca

5. Jumlah kemiripan teks.

Pasti ada beberapa kemiripan antara beberapa teks yang menulis

dengan topic yang sama seperti nama-nama, istilah-istilah dan

sebagainya. Bagaimanapun, tidak wajar bila beberapa teks yang

berbeda memiliki kesamaan atau kemiripan teks dalam jumlah

yang besar.

6. Kesalahan ejaan yang sama.

Merupakan hal yang biasa terjadi bagi seorang penulis dalam

membuat suatu karya tulis. Menjadi tidak wajar bila beberapa teks

yang berbeda memiliki kesalahan-kesalahan yang sama dalam

pengejaan atau jumlah ejaan salah yang sama.

7. Distribusi kata – kata.

Tidak wajar apabila distribusi penggunaan kata dalam teks yang

berbeda memiliki kesamaan. Sebagai contoh, suatu teks memiliki

parameter yang sama untuk suatu distribusi statisitk yang

digunakan untuk menjelaskan penggunaan istilah.

8. Struktur sintaksis teks.

Hal ini menunjukan plagiarisme mungkin saja telah terjadi jika dua

wajar bila penggunaan struktur sintaksis yang digunakan oleh

beberapa penulis akan berbeda.

9. Rangkaian – rangkaian panjang kata yang sama.

Tidak wajar apabila suatu teks yang berbeda (bahkan yang

menggunakan judul yang sama) memiliki rangkaian/urutan

karakter yang sama.

10.Order kemiripan antar teks.

Hal ini bisa mengindikasikan plagiarisme apabila orde kecocokan

kata atau frase antar dua teks sama. Meskipun diajarkan untuk

menyajikan fakta-fakta dalam suatu aturan (contohnya pendahulan,

isi, kemudian kesimpulan), kurang wajar jika fakta-fakta yang

sama dilaporkan dalam orde yang sama.

11.Ketergantungan pada frasa atau kata tertentu.

Seorang penulis mungkin memilih penggunaan suatu kata atau

frase tertentu. Kekonsistenan penggunaan kata-kata tersebut dalam

suatu teks yang ditulis oleh orang lain dengan menggunankan kata

yang berbeda dapat mengindikasikan plagiarisme.

12.Frekuensi kata.

digunakan dengan frekuensi yang sama.

13.Keputusan untuk menggunakan kalimat panjang atau kalimat

pendek. Tanpa sepengetahuan kita, para penulis tentu memiliki

keputusan penggunaan panjang kalimat yang tidak biasa

dikombinasikan dengan fitur-fitur lain.

14.Teks yang dapat dibaca.

Penggunaan metrik/ukuran seperti index Gunning FOG, Flesch

Reading Ease Formula atau SMOG dapat membantu menentukan

suatu skor kemampuan. Tidak wajar apabila penulis yang berbeda

akan memiliki skor yang sama.

15.Referensi yang tidak jelas.

Apabila referensi yang muncul dalam suatu teks tetapi tidak

terdapat pada daftar pustaka, hal ini dapat mengindikasikan

plagiarisme cut and paste, dimana penulis tidak menyalin

referensinya secara lengkap.

2.2Definisi Sistem

Sistem adalah suatu kesatuan usaha yang terdiri dari bagian – bagian

yang berkaitan satu sama lain yang berusaha mencapai suatu tujuan dalam

– elemen yang saling berinteraksi secara teratur dalam rangka mencapai

tujuan atau sub tujuan[8]. Definisi sistem secara sederhana adalah suatu

kumpulan atau himpunan dari unsur atau variabel – variabel yang saling

terorganisasi, saling berinteraksi, dan saling bergantung satu sama lain [9] .

Arsitektur dari sistem digambarkan pada gambar 2.1 , gambar

tersebut menjelaskan bahwa di dalam sebuah sistem terdapat 4 elemen, yaitu

input, proses, kontroler, dan output. Keempat elemen tersebut saling

berhubungan untuk mencapai tujuan dari sebuah sistem. Pertama – tama

untuk melaksanakan sebuah sistem harus ada elemen input yang merupakan

hal – hal yang dimasukan ke dalam sistem, lalu input akan di proses sehingga

menghasilkan output dari sistem. Terdapat balikan yang berhubungan dengan

ke ketiga elemen yaitu input, proses, dan output untuk menjamin ketiga

elemen tersebut dapat berjalan dengan baik

Gambar 2.1 Gambaran Sistem[10]

Input Proses Output

2.3Konsep Information Retrieval

2.3.1 Definisi Information Retrieval

Information Retrieval adalah sebuah bidang yang berhubungan dengan

struktur, analisis, organisasi, penyimpanan, pencarian dan pemerolehan dari

informasi (Salton,1968). Gerard Salton merupakan orang yang pertama kali

mencetuskan bidang Information Retrieval pada tahun 1960, lalu menuangkan

konsep Information Retrieval dalam bukunya pada tahun 1968 [11].

Information Retrieval dipergunakan untuk menemukan kembali

informasi – informasi yang relevan terhadap kebutuhan pengguna dari suatu

kumpulan informasi secara otomatis ( Bunyamin,2008 ). Information

Retrieval berhubungan dengan pencarian informasi yang isinya tidak memiliki

struktur. Demikian pula ekspresi kebutuhan pengguna yang disebut query,

juga tidak memiliki struktur. Serta koleksi dokumen yang juga tidak

terstruktur[12]. Informasi retrieval merupakan bidang yang berkembang

secara paralel dengan sistem basis data selama beberapa tahun. Sistem basis

data lebih fokus pada query dan proses transaksional dari struktur data.

Sedangkan dalam Informasi retrieval ditemukan dokumen yang tidak

terstruktur , pencarian berdasarkan kata kunci dan tingkat kesamaan [13].

Pada gambar 2.2 menjelaskan tahapan berjalannya proses dari

kebutuhan informasi yang dimiliki oleh user, kebutuhan informasi tersebut

merupakan suatu permintaan kebutuhan oleh user yang akan diformulasikan

menjadi query. Permintaan user diformulasikan menjadi query agar sistem

dapat mengenali permintaan yang disampaikan oleh user kepada sistem.

Kemudian di sisi lain terdapat koleksi dokumen yang akan dilakukan proses

indexing sehingga menghasilkan indexed document . Lalu dilakukan

perbandingan query dengan kumpulan dokumen yang telah diproses

indexing, proses perbandingan ini juga disebut proses pencocokan. Dari

proses pencocokan, menghasilkan daftar peringkat dokumen yang relevan

terhadap query. Dokumen yang relevan diharapkan menempati urutan teratas,

setelah didapatkan dokumen yang relevan, akan dikembalikan kepada

kebutuhan user, apakah dokumen relevan tersebut sesuai dengan kebutuhan

yang dimiliki user.

Gambar 2.2 Gambaran Umun Information Retrieval[14]

Request Query Matching Index Information

Objects

Information need

Relevance

Collection

formulation

uses uses process

Is based on

2.3.2 Proses Preprocessing Teks Dokumen

Untuk melakukan pengelolaan terhadap dokumen diperlukan proses

preprocessing, karena teks yang terdapat dalam suatu dokumen bersifat tidak

terstruktur, memiliki dimensi yang tinggi, terdapat banyak noise , dan struktur

teks yang tidak baik. Proses preprocessing yang meliputi : stopword,

tokenizing, stemming dilakukan untuk mengubah teks dalam dokumen

menjadi terstuktur sehingga dapat diolah lebih lanjut. Rangkaian tahap – tahap

preprocessing dijabarkan dalam gambar 2.3.

Gambar 2.3 Tahapan Preprocessing

Tahap – tahap preprocessing adalah sebagai berikut :

a) Tokenisasi

Tokenisasi diartikan sebagai proses untuk mengenali kata kata, pada

proses ini terjadi pemisahan kata dari kata – kata yang lain dan dari tanda

baca [14]. Tokenisasi adalah pembagian teks masukan menjadi kata-kata

secara individu. Kemudian kata-kata tersebut dikelompokkan dalam

blok-blok berukuran tertentu dan dinamakan token-sequence, sedangkan

kata-Dokumen Tokenisasi Stopword teks unik

fulltext

kata yang umum dan tidak memiliki makna yang penting tidak

diikutsertakan. Token atau term yang dianalisis dicatat dalam tabel,

bersama dengan lokasi kemunculannya dalam token-sequence juga

frekuensi atau banyaknya kemunculannya[15]. Tahapan proses tokenisasi

ditunjukan pada gambar 2.4

Contoh tahap tokenisasi :

Gambar 2.4 Tahapan Tokenisasi [16]

b) Stopword

Stopword adalah yaitu penyaringan (filtering) terhadap kata-kata yang

tidak layak untuk dijadikan sebagai pembeda atau sebagai kata kunci Friends, Romans, Coutrymen,

lend me your ears;

[Teks Masukan]

Friends

Romans

Coutrymen

Lend

me

your

ears

dalam pencarian dokumen sehingga kata-kata tersebut dapat dihilangkan

dari dokumen [17].

c) Stemming

Stemming merupakan suatu proses yang terdapat dalam sistem IR yang

mentransformasi kata yang terdapat dalam suatu dokumen ke

kata-kata akarnya (root word) dengan menggunakan aturan-aturan tertentu.

Sebagai contoh, kata bersama, kebersamaan, menyamai, akan distem ke

root wordnya yaitu “sama”. Proses stemming pada teks berbahasa

Indonesia berbeda dengan stemming pada teks berbahasa Inggris. Pada

teks berbahasa Inggris, proses yang diperlukan hanya proses

menghilangkan sufiks. Sedangkan pada teks berbahasa Indonesia, selain

sufiks, prefiks, dan konfiks juga dihilangkan. Stemming adalah salah satu

cara yang digunakan untuk meningkatkan performa IR dengan cara

mentransformasi katakata dalam sebuah dokumen teks ke kata dasarnya.

Algoritma Stemming untuk bahasa yang satu berbeda dengan algoritma

stemming untuk bahasa lainnya. Sebagai contoh Bahasa Inggris memiliki

morfologi yang berbeda dengan Bahasa Indonesia sehingga algoritma

stemming untuk kedua bahasa tersebut juga berbeda. Proses stemming

pada teks berbahasa Indonesia lebih rumit/kompleks karena terdapat

variasi imbuhan yang harus dibuang untuk mendapatkan root word dari

dikembangkan sebelumnya. Penggunaan algoritma stemming yang sesuai

mempengaruhi performa sistem IR [18].

2.4Stemming Algoritma Nazief dan Adriani

Algoritma stemming Nazief dan Adriani merupakan algoritma

stemming untuk teks bahasa Indonesia, langkah – langkah sebagai berikut :

[18]

1. Cari kata yang akan distem dalam kamus. Jika ditemukan maka

diasumsikan bahwa kata tersebut adalah root wood. Maka algoritma

berhenti.

2. Inflection Suffixes(“-lah”,”-kah”, “-ku”, ”-mu”, atau “-nya”) dibuang. Jika

berupa particles (“-lah”,”-kah”,”-tah”,”-pun”) maka langkah ini diulangi

lagi untuk menghapus Possesive Pronouns (“-ku”, ”-mu”, atau “-nya”)

jika ada.

3. Hapus Derivation Suffixes (“-i”, “-an”, atau “-kan”). Jika kata ditemukan

di kamus, maka algoritma berhenti. Jika tidak maka ke langkah 3a:

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

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. Jika

ditemukan maka algoritma berhenti, jika tidak pergi ke langkah 4b.

b. For i = 1 to 3, tentukan tipe awalan kemudian hapus awalan. Jika root

word belum juga ditemukan lakukan langkah 5, jika sudah maka

algoritma berhenti. Catatan: jika awalan kedua sama dengan awalan

pertama algoritma berhenti.

5. Melakukan Recoding.

6. 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:[18]

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

3. Jika dua karakter pertama bukan “di-”, “ke-”, “se-”, “te-”, “be-”, “me-”,

atau “pe-” maka berhenti.

4. Jika tipe awalan adalah “none” maka berhenti. Jika tipe awalan adalah

bukan “none” maka awalan dapat dilihat pada Tabel 2.2. Hapus awalan

jika ditemukan.

Tabel 2.1 Kombinasi Awalan Akhiran Yang Tidak Diijinkan

Awalan Akhiran yang tidak diijinkan

be- -i

di- -an

ke- -i, -kan

me- -an

se- -i, -kan

Tabel 2.2 Cara Menentukan Tipe Awalan Untuk Kata Yang Diawali Dengan “te-”

Following Characters Tipe

awalan

Set1 Set2 Set3 Set4

“-r-“ Vowel - - ter-luluh

“-r-“ not (vowel or

“-r-”)

“-er-“ vowel ter

“-r-“ not (vowel or

“-r-”)

“-er-“ not vowel ter-

“-r-“ not (vowel or

“-r-”)

not “-er-“ - ter

not (vowel or

“-r-”)

“-er-“ vowel - none

not (vowel or

“-r-”)

“-er-“ not vowel - te

Tabel 2.3 Jenis Awalan Berdasarkan Tipe Awalannya

Tipe Awalan Awalan yang harus dihapus

di- di-

ke- ke-

se- se-

te- te-

ter- ter-

2.5Deteksi Plagiarisme

Sebagian besar dokumen saat ini disimpan dalam bentuk file digital,

hal tersebut memudahkan banyak orang untuk mengakses dokumen tersebut

dengan bebas, dan memberikan peluang besar bagi para plagiat untuk

melakukan tindakan plagiarisme. Plagiarisme merupakan tindakan

penjiplakan yang berbahaya dan merugikan orang lain. Oleh karena itu

diperlukan suatu cara pendeteksi plagiarisme untuk mengatasi tindakan

plagiat yang semakin banyak dikalangan masyarakat, sehingga dapat

melindungi hak cipta hasil karya seseorang. Pada paper Plagiarism Pattern

Checker in Document Copy Detection , menjelaskan pendeteksian plagiat

menggunakan overlap measure function[5]. Gambaran umum proses deteksi

plagiat PPChecker pada gambar 2.7, dapat dilihat bahwa terdapat dokumen

baru yang menjadi query dan terdapat kumpulan dokumen asli. Lalu dokumen

– dokumen tersebut akan melalui proses pembagian kalimat, kemudian

perhitungan nilai local similarity. Dan proses yang terakhir yaitu pencarian

nilai similarity dokumen. Sehingga dari nilai tersebut dapat dilakukan

Gambar 2.5 Proses Deteksi Plagiat PPChecker[5]

2.5.1 Overlap Measure Function

Overlap measure function merupakan sebuah metode perhitungan nilai

similarity/kemiripan antar dokumen. Selain itu metode ini dipergunakan untuk

membandingkan beberapa dokumen untuk mendapatkan informasi tentang

tindakan plagiarisme antara beberapa dokumen berdasarkan nilai similarity

dokumen terhadap query.

Rumus perhitungan nilai similarity pada overlap measure function [5] :

!

[1]

[2]

[3]

" #$ _%| _% ∈ _{( %} ∈

" #$)* #+,- . _{|/( 0( 0 |1 |2%33 0 0( |}| |

4 )* #+,- . 5| . | + | . |

. | | × _{89:;<=>?;@AB C: CD EF10%G8HI8JKLM 0( 0}

Keterangan rumus :

So = kalimat yang terdapat pada dokumen asli / koleksi

dokumen

Sq = kalimat yang terdapat pada dokumen query

wn = kata – kata pada sebuah kalimat dokumen asli

wm = kata – kata pada sebuah kalimat dokumen query

Comm(So , Sq ) = irisan himpunan So dan Sq

Diff(So , Sq ) = selisih himpunan So dan Sq

Syn(w) = sinonim dari kata, elemen ini tidak dipergunakan

dalam perhitungan karena tidak efektif. Dikarenakan

sinonim pada sebuah kata sangat banyak jumlahnya.

2.5.2 Algoritma

[5]

[6]

[7]

Algoritma yang dipergunakan untuk pendeteksian plagiarisme berdasarkan

perhitungan nilai similarity antara koleksi dokumen dengan query dokumen

yang merupakan hasil perhitungan dari rumus similarity overlap measure

function.

Tahap Algoritma [5]:

Input :

1 Dokumen_D = {D1,D2,D3...Dn} = himpunan dokumen pada

koleksi dokumen.

2 Di = {Si1,Si2,Si3,...,Sim} = himpunan kalimat pada setiap

dokumen pada koleksi dokumen.

3 Query = {QS1,QS2,QS3...QSt} = himpunan kalimat pada

dokumen query.

Keterangan input :

Terdapat masukan yang berupa koleksi dokumen ( Dokumen_D ) dan query

dokumen ( Query ). Tiap - tiap dokumen pada koleksi dokumen yaitu Di ,

akan dibagi – bagi menjadi perkalimat yaitu Sim , sehingga akan terbentuk

himpunan kalimat dari setiap dokumen koleksi. Hal tersebut juga diterapkan

pada dokumen query, dibagi per kalimat pada dokumen query yaitu QSt ,

Output :

1 For i = 1 to n

2 For j = 1 to t

3 Localsimilarity [1...j] = 0 ;

4 For k =1 to m

5 If |comm(Sik,QSj)| | Sik| /2

6 Localsimilarity [j] = max

{localsimilarity[j], Sim (Sik,QSj)}

7 End

8 End

10 Documentsimilarity[i] = jumlah dari localsimilarity

11 End

11 Urutan documentsimilarity

Keterangan :

Localsimilarity = nilai kemiripan untuk setiap kalimat dokumen query dengan

Documentsimilarity = nilai kemiripan setiap dokumen pada koleksi dokumen

dengan dokumen query.

2.6Recall dan Precision

Terdapat 2 pengukuran untuk mengukur kualitas dari penemuan teks, yaitu

[13]:

1. Precision

Precision adalah tingkat ketepatan hasil klasifikasi terhadap suatu

kejadian.

Keterangan

Precision : tingkat ketepatan

{Relevant} : kumpulan dokumen yang relevan

{Retrieved} : kumpulan dokumen yang ditemukan

2. Recall

Recall adalah tingkat keberhasilan mengenali suatu kejadian dari seluruh

33

BAB III

ANALISIS DAN PERANCANGAN SISTEM

3.1 Gambaran Umum Sistem

Universitas Sanata Dharma memiliki kumpulan dokumen skripsi yang

dibuat oleh mahasiswa yang telah lulus/alumni dari setiap tahun akademik.

Kumpulan dokumen tersebut disimpan dalam bentuk softcopy dan hardcopy,

dimaksudkan agar mahasiswa yang membutuhkan referensi pembuatan

skripsi dapat dengan mudah mengaksesnya. Akan tetapi pemberian akses

tersebut disalah gunakan oleh beberapa mahasiswa, banyak kasus mahasiswa

yang sedang menempuh skripsi melakukan tindakan plagiat terhadap skripsi –

skripsi yang telah disahkan. Dan biasanya dosen – dosen kesulitan untuk

meneliti apakah suatu dokumen skripsi benar – benar terjamin keaslian atau

tidak., sebab jumlah dari skripsi yang disimpan banyak sekali.

Dalam penulisan ini akan dibangun sebuah sistem yang berbasis

teknologi informasi, dipergunakan untuk mendeteksi tindakan plagiat pada

dokumen skripsi program studi teknik informatika Universitas Sanata Dharma

yang dilakukan oleh mahasiswa dalam pembuatan skripsi. Hasil yang akan

dikeluarkan oleh sistem ini yaitu informasi tentang tindakan plagiat yang

terjadi pada suatu dokumen yang dibuat oleh mahasiswa terhadap koleksi

diantara koleksi dokumen. Apakah suatu dokumen skripsi tersebut

plagiarisme dari dokumen skripsi yang lainnya. Dan juga akan menghasilkan

nilai batas tingkat kecenderungan tindakan plagiat yang dilakukan oleh

mahasiswa. Sistem ini ditujukan untuk dosen yang sedang membimbing

skripsi, agar memudahkan dosen tersebut untuk melakukan pengecekan

terhadap skripsi yang sedang dibimbingnya.

Gambar 3.1 merupakan gambaran umum sistem yang menjabarkan

tahap – tahap jalannya sistem pendeteksi plagiarisme dokumen skripsi. Sistem

ini akan dibagi menjadi 2 bagian sesuai dengan aktor yang terlibat di dalam

sistem yaitu user dan admin. Pada bagian user sistem ini akan mendeteksi

plagiarisme pada sebuah file dokumen skripsi baru dengan koleksi dokumen

skripsi yang ada dalam database. Sedangkan pada bagian admin akan

mendeteksi plagiarisme pada seluruh koleksi dokumen skripsi yang ada dalam

database. Inputan yang dimasukkan user pada sistem adalah sebuah file

dokumen skripsi yang memiliki ekstensi .txt, dan admin akan memasukkan

koleksi dokumen skripsi ke dalam sistem yang memiliki ekstensi .txt juga.

Proses pertama pada bagian user dan admin sama yaitu masing – masing

memasukkan inputan yang dimiliki, jika admin memasukkan skripsi sekaligus

banyak dalam 1 folder, sedangkan user memasukkan 1 file skripsi. Lalu dari

inputan tersebut kemudian akan dilakukan proses preprocessing mulai dari

kalimat). Proses preprocessing dilakukan pada teks agar kata – kata yang ada

pada teks menjadi unik. Setelah dilakukan proses preprocessing, hasilnya

adalah teks dokumen yang telah unik pada dokumen baru dan koleksi

dokumen. Kemudian proses selanjutnya yaitu, pada bagian user melakukan

perhitungan nilai similarity menggunakan overlap measure function dari

setiap kalimat pada setiap koleksi dokumen terhadap setiap kalimat pada

dokumen baru. Sedangkan pada bagian admin melakukan perhitungan nilai

similarity menggunakan overlap measure function dari setiap kalimat pada

setiap koleksi dokumen terhadap setiap kalimat pada setiap koleksi dokumen

yang lain. Setelah didapatkan nilai similarity, lalu diterapkan algoritma untuk

mendapatkan nilai similarity dokumen dari setiap koleksi dokumen terhadap

dokumen baru untuk user dan nilai similarity dokumen dari setiap koleksi

dokumen terhadap setiap koleksi dokumen yang lain pada admin. Sehingga

nilai – nilai similarity tersebut yang akan menjadi evaluasi, akan didapatkan

hasil pendeteksian plagiarisme untuk user. Dan untuk admin, sebelum

dilakukan proses pendeteksian plagiarisme admin terlebih dahulu harus

mencari nilai batas untuk menentukan tindakan plagiat, yaitu nilai batas

didapat dari membandingkan koleksi dokumen skripsi dengan dirinya sendiri,

cara membandingkan juga menggunakan metode overlap measure function

untuk mendapatka nilai similarity. Setelah nilai similarity didapat maka

dengan dokumen itu sendiri untuk mendapatkan nilai batas tindakan plagiat /

nilai threshold. Setelah didapat nilai batas tindakan plagiat, nilai tersebut akan

dipakai untuk pendeteksian plagiarisme terhadap koleksi dokumen skripsi.

Ketentuan plagiarisme yang dideteksi adalah pendeteksian dokumen

dengan dokumen yang lain dianggap plagiat jika kata per kata dokumen

memiliki kalimat sama / merupakan penyalinan kalimat dari dokumen yang

lain, tanpa memperhatikan urutan kalimat dan tidak memperhatikan kutipan

Untuk lebih jelasnya, proses pendeteksian plagiarisme menggunakan

metode overlap measure function melalui tahap – tahap sebagai berikut :

Gambar 3.2 Alur Algoritma Overlap Measure Function

Start

com(kala,kalq) > 0.5 FALSEFALSE local(kalq) = ocal (kalq)

local(kalq)

doksim >= threshold FALSEFALSE status = NO PLAGIAT

termTmp1 = hasil pemenggalan kata pada kal_query jum_kata1 = termTmp1.size ( )

kal_asli=select kalimat (dok_a)

termTmp = hasil pemenggalan kata pada kal_asli jum_kata = termTmp1.size ( )

TRUE

Sebelum melakukan pendeteksian plagiarisme terhadap dokumen

skripsi, maka harus ditentukan terlebih dahulu nilai batas / threshold tindakan

plagiat. Penentuan nilai batas dilakukan oleh admin, dengan membandingkan

dokumen – dokumen skripsi yang benar – benar sama (membandingkan

dokumen dengan dokumen itu sendiri/dirinya sendiri). Kemudian nilai

threshold diuji dari presentase 50% sampai 30%. Maka langkah – langkah

Gambar 3.3 Alur Pencarian Nilai Threshold

com(kala,kalq) > 0.5 FALSEFALSE local(kalq) = ocal (kalq)

local(kalq)

termTmp1 = hasil pemenggalan kata pada kal_query jum_kata1 = termTmp1.size ( )

kal_asli=select kalimat (dok_a)

termTmp = hasil pemenggalan kata pada kal_asli jum_kata = termTmp1.size ( )

total += doksim

3.2Analisa Kebutuhan Sistem

3.2.1 Definisi Actor

Berikut ini adalah aktor – aktor yang terlibat di dalam sistem. Terdapat

2 aktor yang dapat menggunakan sistem yaitu admin dan user. Aktor admin

merupakan aktor yang dapat mengelola kebutuhan – kebutuhan dari

penggunaan sistem. Sedangkan aktor user merupakan aktor yang hanya dapat

menggunakan sistem. Masing – masing aktor memiliki hak akses yang dapat

dilihat pada tabel di bawah ini.

Tabel 3.1 Hak Akses User

Aktor Hak Akses

Administrator - Login

- Kelola Account : input account, edit account , hapus account.

- Kelola Stopword : input stopword, edit stopword, hapus stopword.

- Kelola kamus : input kata dasar, edit kata dasar, dan hapus kata dasar

- Kelola Koleksi Dokumen Skripsi

- Deteksi Plagiarisme Dokumen Skripsi

- Logout

User - Login

- Deteksi Plagiarisme Dokumen Skripsi Baru dengan Koleksi Dokumen Skripsi

- Pencarian koleksi dokumen skripsi

- Logout

3.2.2 Diagram Use Case

Diagram use-case menjabarkan kebutuhan – kebutuhan pengguna

sistem terhadap sistem pendeteksi plagiarisme pada dokumen skripsi. Aktor –

aktor/pengguna yang terlibat dalam sistem ini ada 2 yaitu admin dan user.

Admin adalah pengguna yang secara khusus mengelola koleksi dokumen

yang ada, sedangkan user adalah pengguna yang mengelola dokumen baru.

Gambar 3.4 Diagram use case

Login Logout

<<depends on>>

3.2.3 Definisi Use Case

Tabel 3.2 di bawah ini menjabarkan secara umum use case yang

terdapat pada sistem pendeteksi plagiarisme pada dokumen skripsi

Tabel 3.2 Deskripsi Use Case

NO Use Case Deskripsi Use Case Pengguna

Sistem

1. Login Use case ini menggambarkan

proses untuk mengidentifikasi pengguna sistem. Agar dapat

menggunakan menu utama,

pengguna terlebih dahulu

melakukan login dengan

memasukkan username dan

password yang telah terdaftar.

Admin dan User

2. Input Account Use case ini mennggambarkan

proses memasukkan data

pengguna ( username , password, dan status) baru ke dalam sistem, agar pengguna dapat mengakses sistem.

Admin

3. Edit Account Use case ini menggambarkan

proses pembaharuan/perubahan data pengguna yaitu password yang telah tersimpan di dalam sistem.

Admin

4. Hapus Account Use case ini menggambarkan

proses penghapusan data

pengguna pada sistem.

Admin

proses penghapusan data stopword yang tersimpan dalam sistem. 8. Input Kata Dasar Use case ini menggambarkan

proses memasukan kata dasar baru ke dalam daftar kamus sistem.

Admin

9. Edit Kata Dasar Use case ini menggambarkan proses pembaharuan/perubahan kata dasar dalam daftar kamus yang telah tersimpan dam sistem.

Admin

10. Hapus Kata Dasar Use case ini menggambarkan proses penghapusa kata dasar pada daftar kamus sistem.

Admin

11. Kelola Koleksi Dokumen Skripsi

Use case ini menggambarkan proses pengelolaan koleksi dokumen skripsi yang akan di training, dengan melakukan pengelolaan teks pada koleksi yang meliputi pemenggalan teks menjadi kalimat, tokenisasi, stopword dan stemming.Kemudian dilakukan proses input koleksi dokumen (dalam jumlah sekaligus banyak, sesuai yang diinginkan).

Admin

12. Deteksi plagiarisme koleksi dokumen skripsi

Use case ini menggambarkan proses pendeteksian plagiarisme pada koleksi dokumen skripsi yang ada. Pendeteksian meliputi

perhitungan nilai batas

kecenderungan tindakan skripsi, perhitungan nilai similarity teks dengan overlap measure function, penerapan algoritma deteksi, penentuan deteksi dengan algoritma, dan view informasi hasil pendeteksain. proses pengelolaan dokumen skirpsibaru yang akan dideteksi

uder,dengan melakukan

pengelolaan teks pada doukem

tersebut yang meliputi

pemenggalan teks menjadi

kalimat, tokenisasi, stopword dan

stemming.Kemudian dilakukan

proses input dokumen tersebut ke dalam sistem.

14. Deteksi plagiarisme Dokumen Skripsi

Use case ini menggambarkan proses pendeteksian plagiarisme antara dokumen baru dengan koleksi dokumen yang ada. Deteksi plagiarisme meliputi sistem mampu menginputkan dokumen baru, mengelola koleksi dokumen ( pemenggalan kalimat, tokenisasi, stopword, dan stemming ), perhitungan nilai similarity teks dengan overlap measure function, penerapan algoritma, dan view informasi hasil pendeteksain plagiarisme.

User

15. Pencarian Koleksi Dokumen Skripsi

Use case ini menggambarkan proses pencarian koleksi dokumen skripsi yang tersimpan

3.2.4 Skenario Use Case

3.2.4.1Skenario Use Case Login

Nama Use Case : Login

Aktor : Admin/User

Deskripsi :Use Case ini menggambarkan proses pengguna keluar dari

sistem.

Skenario :

Tabel 3.3 Skenario Use Case Login

Aksi Aktor Reaksi Sistem

Skenario Normal

1. Aktor mengisikan username dan password pada form login.

2. Aktor menekan tombol login

3. Sistem mengautentifikasi username dan password yang dimasukkan ( sesuai dengan yang disimpan ).

4. Sistem menampilkan form menu utama admin.

Skenario Alternatif

1. Aktor mengisikan username dan password pada form login.

username dan password maka akan menampilkan pesan konfirmasi.

5. kembali ke tahap 1, skenario normal.

3.2.4.2Skenario Use Case Logout

Nama Use Case : Logout

Aktor : Admin/User

Deskripsi :Use Case ini menggambarkan proses untuk memasukkan data

pengguna, agar terdaftar di dalam sistem.

Skenario :

Tabel 3.4 Skenario Use Case Logout

Aksi Aktor Reaksi Sistem

Skenario Normal

1. Aktor berada pada form menu utama user/admin, aktor menekan tombol logout.

3.2.4.3Skenario Use Case Input Account

Nama Use Case : Inpu Account

Aktor : Admin

Deskripsi :Use Case ini menggambarkan proses untuk memasukkan data

pengguna baru, agar terdaftar di dalam sistem.

Skenario :

Tabel 3.5 Skenario Use Case Input Account

Aksi Aktor Reaksi Sistem

Skenario Normal

1. Aktor berada pada form menu utama admin, aktor menekan tombol account.

2. Sistem menampilkan form account admin.

3.Aktor menekan tab add account.

4. Sistem menampilkan halaman tab add account yang masih berada pada form account admin. Yang berisi isian username, password, dan status. Terdapat beberapa tombol, yaitu save, cancel dan back.

5. Aktor mengisikan data pengguna baru yang berupa, username, password dan status ( sebagai admin / user ).

7. Sistem akan menyimpan data pengguna baru, kemudian akan menampilkan konfirmasi proses simpan berhasil.

8. Aktor menekan tombol back.

9. Sistem akan kembali menuju form menu utama admin.

Skenario Alternatif

5. Jika saat aktor mengisikan data pengguna yang berupa username, password dan status ( sebagai admin / user ) tidak lengkap (tidak semua dari ketiganya terisi).

6. Aktor menekan tombol save.

7. Sistem akan menampilkan konfirmasi bahwa proses penyimapanan data pengguna baru gagal.

5. Jika saat aktor mengisikan data pengguna yang berupa username, password dan status ( sebagai admin / user ) terjadi kesalahan pengisian.

10. Aktor menekan tombol cancel.

11. Sistem akan me-reset semua isian pada form account admin.

3.2.4.4Skenario Use Case Edit Account

Nama Use Case : Edit Account

Deskripsi :Use Case ini menggambarkan proses untukmemperbaharui

data pennguna yang telah terdaftar dalam sistem.

Skenario :

Tabel 3.6 Skenario Use Case Edit Account

Aksi Aktor Reaksi Sistem

Skenario Normal

1. Aktor berada pada form menu utama admin, aktor menekan tombol account.

2. Sistem menampilkan form account admin.

3.Aktor menekan tab edit account

4. Sistem menampilkan halaman tab edit account yang masih berada pada form account admin. Yang berisi tabel user, isian username, password lama, dan password baru. Beserta 3 tombol yaitu update, delete, dan back.

5. Aktor memilih data pengguna yang akan di edit, dengan meng – klik baris data pada tabel.

6.Aktor mengisikan password lama dan password baru pada isian.

7. Aktor menekan tombol update.

9. Aktor menekan tombol back

10. Sistem akan kembali menuju form menu utama admin.

Skenario Alternatif

6.Aktor mengisikan password lama dan password baru pada isian. Jika Pengisian tidak lengkap.

7. Aktor menekan tombol update.

11. Sistem akan menampilkan konfirmasi bahwa proses pembaharuan data pengguna gagal.

3.2.4.5Skenario Use Case Hapus Account

Nama Use Case : Hapus Account

Aktor : Admin

Deskripsi :Use Case ini menggambarkan proses untuk menghapus data

pengguna.

Skenario :

Tabel 3.7 Skenario Use Case Hapus Account

Aksi Aktor Reaksi Sistem

Skenario Normal

2. Sistem menampilkan form account admin.

3.Aktor menekan tab edit account

4. Sistem menampilkan halaman tab edit account yang masih berada pada form account admin. Yang berisi tabel user, isian username, password lama, dan password baru. Beserta 3 tombol yaitu update, delete, dan back.

5. Aktor memilih data pengguna yang akan di hapus, dengan meng – klik baris data pada tabel.

6. Aktor menekan tombol delete.

8. Sistem akan melakukan penghapusan data, dan menampilkan konfirmasi proses penghapusan berhasil.

9. Aktor menekan tombol back

10. Sistem akan kembali menuju form menu utama admin.

3.2.4.6Skenario Use Case Input Stopword

Nama Use Case : Input Stopword

Aktor : Admin

Deskripsi :Use Case ini menggambarkan proses untuk memasukkan

stopword ke daftar stopword sistem.