Deteksi Plagiarisme Berbasis Parafrase Pada Teks Bahasa Indonesia
Abstract
Sistem pendeteksi plagiarisme konvensional perlu modifikasi agar mendapatkan hasil yang maksimal. Penelitian ini mengeksplorasi berbagai algoritma machine learning untuk memodelkan teks yang di parafrase dengan teks yang lain. Tujuan penelitian ini adalah untuk menganalisa kompleksitas masalah plagiarisme berdasarkan parafrase pada teks bahasa Indonesia dan membandingkan keunggulan metode-metode klasifikasi dalam mendeteksi plagiarisme berdasarkan parafrase pada teks bahasa Indonesia. Pada penelitian ini ada beberapa tahapan, yaitu : pengumpulan data, kemudian desain sistem, pada tahap desain sistem ini meliputi data extraction, text pre processing, dan term weighting. Berdasarkan hasil pengujian yang telah diuraikan maka dapat disimpulkan bahwa algoritma KNN dan SVM cukup optimal untuk mengklasifikasi dataset dalam penelitian ini karena menhasilkan akurasi yang memuaskan pada penelitian ini.
Downloads
References
Aziz, L. A. (2015). Upaya perpustakaan dalam mengurangi plagiarisme pada karya ilmiah mahasiswa (Studi kasus di UPT Perpustakaan UNIKA Soegijapranata). Jurnal Ilmu Perpustakaan, 4(3), 131–140.
Baharuddin, M. M., Azis, H., & Hasanuddin, T. (2019). Analisis Performa Metode K-Nearest Neighbor Untuk Identifikasi Jenis Kaca. ILKOM Jurnal Ilmiah, 11(3), 269–274.
Clough, P., & Stevenson, M. (2011). Developing a corpus of plagiarised short answers. Language Resources and Evaluation, 45(1), 5–24.
Damanik, C. M., Widjaja, F. I., Tafonao, T., Evimalinda, R., Lahagu, A., & Hartono, H. (2021). Peningkatan Kemampuan Para Dosen dalam Melakukan Tridharma sebagai Syarat Menuju Standar Pendidikan Keagamaan yang Unggul di Sekolah Tinggi Teologi Bethel Medan. Jurnal Teologi Praksis, 1(2), 56–62.
Handhika, B. I., & Hendrawan, B. (2021). Implementasi Algoritma Multifactor Evaluation Process (MFEP) Untuk Penilaian Teknisi Promosi Karyawan Tetap Berbasis Web. Syntax Idea, 3(1), 30–38.
Haryanto, N. C., Krisnawati, L. D., & Chrismanto, A. R. (2020). Temu kembali dokumen sumber rujukan dalam sistem daur ulang teks. Jurnal Teknologi Dan Sistem Komputer, 8(2), 140–149.
Isnaini, R. L. (2019). Turn Back Plagiarism! Budaya Organisasi Anti Plagiarism. Jurnal Akuntabilitas Manajemen Pendidikan, 7(2), 174–187.
Iswara, A. F. (2020). Peran Mahasiswa dalam Gerakan Open Access. BIBLIOTIKA: Jurnal Kajian Perpustakaan Dan Informasi, 4(1), 64–71.
Julianto, B., Adiwijaya, A., & Mubarok, M. (2017). Identifikasi Parafrasa Bahasa Indonesia Menggunakan Naive Bayes. EProceedings of Engineering, 4(3).
Kasim, A. A., & Sudarsono, M. (2019). Algoritma Support Vector Machine (SVM) untuk Klasifikasi Ekonomi Penduduk Penerima Bantuan Pemerintah di Kecamatan Simpang Raya Sulawesi Tengah. SEMINAR NASIONAL APTIKOM (SEMNASTIK) 2019, 568–573.
Muflikhah, L., & Mahmudy, W. F. (2021). Machine Learning dalam Bioinformatika. Universitas Brawijaya Press.
Surenggana, F. F., Aranta, A., & Bimantoro, F. (2022). Klasifikasi Mood Musik Menggunakan K-Nearest Neighbor dan Mel Frequency Cepstral Coefficients. Jurnal Teknologi Informasi, Komputer, Dan Aplikasinya (JTIKA), 4(2), 263–276.
Yudhana, A., Djayali, A. D., & Sunardi, S. (2017). Sistem Deteksi Plagiarisme Dokumen Karya Ilmiah dengan Algoritma Pencocokan Pola. Jurnal Rekayasa Teknologi Informasi (JURTI), 1(2), 178–187.
Yudiantoko, A. (2016). Analisa Dampak Supply Chain Management Pada Kinerja Operasional Industri Kreatif (Studi Kasus Industri Kerajinan Batik di DI Yogyakarta).
Zuhdi, A. M., Utami, E., & Raharjo, S. (2019). Analisis sentiment twitter terhadap capres Indonesia 2019 dengan metode K-NN. Jurnal Informa: Jurnal Penelitian Dan Pengabdian Masyarakat, 5(2), 1–7.
Copyright (c) 2022 Fauziyah Amini, Cahyo Crysdyan
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
