IMPLEMENTASI DETEKSI PENJIPLAKAN DENGAN .

MAKALAH SEMINAR TUGAS AKHIR PERIODE JULI 2011

IMPLEMENTASI DETEKSI PENJIPLAKAN DENGAN ALGORITMA
WINNOWING PADA DOKUMEN TERKELOMPOK
I Wayan Surya Priantara 1, Diana Purwitasari2, Umi Laili Yuhana3
Teknik Informatika, Fakultas Teknologi Informasi, ITS
email : surya.priantara@yahoo.com1, diana@if.its.ac.id2, yuhana@if.its.ac.id3
kegiatan penjiplakan ini sangat menyusahkan dalam hal
evaluasi dan penilaian, walau sudah ada sanksi yang tegas
jika ada seorang pelajar melakukan penjiplakan. Kegiatan
penjiplakan susah dideteksi bila dokumen tugas yang
diperiksa berjumlah sangat banyak dan seorang pengajar
mengajar lebih dari satu mata pelajaran. Oleh karena itu,
diperlukan suatu aplikasi yang digunakan untuk
mendeteksi penjiplakan pada suatu dokumen.

Abstract— Penjiplakan merupakan masalah yang

semakin berkembang terutama dalam bidang
pendidikan. Banyak karya tulis yang sebagian isinya
dibuat dengan menjiplak dari karya orang lain. Saat

ini sudah terdapat sistem yang dapat mendeteksi
penjiplakan antar dokumen. Pada sistem tersebut
mampu melakukan pengecekan penjiplakan secara
one-to-many atau many-to-many. Namun, pada sistem
tersebut membandingkan satu persatu dokumen
sehingga terdapat kemungkinan dokumen yang
dibandingkan tidak memiliki kesamaan topik.
Sehingga
diperlukan
fungsi
yang
dapat
mengelompokan
dokumen
dan
mendeteksi
penjiplakan pada tiap kelompok.

Kegiatan deteksi penjiplakan ini dilakukan untuk
mengetahui tingkat presentase penjiplakan sebuah

dokumen pada dokumen lain. Sehingga, dapat diketahui
apakah seseorang telah melakukan penjiplakan pada suatu
dokumen. Selain itu dapat memudahkan pekerjaan
seorang pengajar dalam hal mengevaluasi tugas-tugas
yang berbentuk dokumen.

Pada tugas akhir ini dibuat aplikasi yang mampu
mengelompokan dokumen secara partisi dan
mendeteksi penjiplakan pada tiap kelompok. Dalam
melakukan pengelompokan dokumen dipergunakan
algoritma
K-means++.
Algoritma
K-means++
memerlukan masukan jumlah kelompok yang
seharusnya terbentuk. Pada aplikasi ini dapat
memperoleh rekomendasi jumlah kelompok yang
sebaiknya terbentuk dengan algoritma Hartigan
Index. Dalam melakukan pendeteksian penjiplakan
dengan algoritma Winnowing. Algoritma ini berfungsi

untuk melakukan proses document fingerprinting,
yang mengubah teks menjadi sekumpulan nilai-nilai
hash.

II. RISET TERKAIT
Saat ini sudah terdapat sistem yang mampu mendeteksi
penjiplakan pada beberapa dokumen, untuk membantu
pengajar menyelesaikan pekerjaannya. Pada sistem ini
mampu melakukan pengecekan yang bersifat one to many
hingga many to many, sehingga dapat digunakan
mendeteksi penjiplakan pada dokumen-dokumen yang
berjumlah banyak[2].
Namun, pada sistem tersebut memiliki waktu komputasi
yang cukup lama ketika melakukan pengecekan
penjiplakan pada dokumen yang berjumlah banyak. Hal
ini di karenakan sistem tersebut membandingkan satu
persatu dari dokumen yang ada. Ada kemungkinan bahwa
sebuah dokumen dibandingkan dengan dokumen lain
yang memiliki perbedaan topik, hal ini merupakan
kegiatan yang sia-sia karena tingkat presentase

penjiplakan antara kedua dokumen tersebut sangat kecil
bahkan 0%. Hal ini pula dapat menyebabkan waktu
proses akan menjadi lama.

Kata kunci : Deteksi Plagiat, Winnowing, K-means++.
Hartigan Index.
I. PENDAHULUAN
Pesatnya pekembangan internet menyebabkan semakin
banyaknya informasi yang tersedia. Hal ini memudahkan
seseorang dalam melakukan penjiplakan suatu karya.
Penjiplakan menurut Kamus Besar Bahasa Indonesia
(KBBI) berarti menggambar atau menulis garis-garis
gambaran atau tulisan yang telah tersedia (dengan
menempelkan kertas kosong pada gambar atau tulisan
yang akan ditiru), mencontoh atau meniru tulisan atau
pekerjaan orang lain, mencuri karangan orang lain dan
mengakui sebagai karangan sendiri, mengutip karangan
orang lain tanpa seizin penulisnya[1].

Oleh karena itu, diperlukan sebuah sistem yang dapat

mengelompokan secara otomatis dokumen-dokumen yang
akan dilakukan deteksi penjiplakan. Dokumen-dokumen
dikelompokan berdasarkan topik-topik bahasan yang
sama atau kalimat-kalimat umum yang menjadi ciri.
Diharapkan pengelompokan secara otomatis dokumendokumen ini menyebabkan waktu proses dalam
pengecekan penjiplakan menjadi lebih singkat.

Dalam bidang pendidikan kegiatan ini sering dilakukan
oleh para pelajar dalam pembuatan tugas seperti tugas
sekolah/kuliah dan pembuatan laporan. Di sisi pengajar,

Saat ini sudah banyak penelitian dalam bidang deteksi
penjiplakan. salah satunya adalah sebuah alat yang diberi

1

MAKALAH SEMINAR TUGAS AKHIR PERIODE JULI 2011

nama siff. Siff digunakan untuk menemukan semua file
yang mirip pada file sistem yang besar. Pada aplikasi ini

terdapat dua mode yaitu all-against-all dan one-againstall[3].

3.

III. DETEKSI KALIMAT SAMA SEBAGAI INDIKASI
PENJIPLAKAN
Penjiplakan mempunyai beberapa tipe seperti[4] :
1. Word for word plagiarism
Menyalin setiap kata secara lansung tanpa
diubah sedikitpun.
2. Plagirism of authorship
Mengakui hasil karya orang lain sebagai hasil
karya sendiri dengan cara mencatumkan nama
sendiri
menggantikan
nama
pengarang
sebenarnya.
3. Plagiarism of ideas
Mengakui hasil pemikiran atau ide orang lain

sebagai pemikirin diri sendiri
4. Plagiarism of sources

adalah sebuah fungsi yang menkonversi setiap
string menjadi bilangan.
Kesamaan Kata Kunci
Prinsip dari metode kesamaan kata kunci adalah
mencari kata kunci dari dokumen dan kemudian
dibandingkan dengan kata kunci pada dokumen
lain.

Sebuah karya tulis dikatakan telah menjiplak karya tulis
lain apabila memiliki tingkat kesamaan yang melebihi
batas toleransi tertentu yang telah ditentukan.
Pada aplikasi ini melakukan pendeteksian penjiplakan
dengan tipe word for word plagiarism pada sebuah karya
tulisan. Dalam melakukan pendeteksian dilakukan dengan
metode dokumen fingerprint. Algoritma yang digunakan
adalah algoritma Winnowing, dimana algoritma ini dapat
memenuhi kebutuhan dasar dalam penjiplakan.

IV. ALGORITMA WINNOWING UNTUK DETEKSI
KALIMAT SAMA

Jika seorang penulis menggunakan kutipan dari penulis
tanpa mencantumkan narasumbernya.

Algoritma Winnowing merupakan algoritma yang
digunakan dalam deteksi penjiplakan. input dari algoritma
ini adalah dokumen teks yang diproses sehingga
menghasilkan output berupa kumpulan nilai-nilai hash,
nilai hash merupakan nilai numerik yang terbentuk dari
perhitungan ASCII tiap karakter . Kumpulan-kumpulan
nilai hash
tersebut selanjutnya disebut fingerprint.
Fingerprint inilah yang digunakan dalam deteksi
penjiplakan[5].

Untuk melakukan pendeteksian penjiplakan terdapat
kebutuhan mendasar yang harus dipenuhi oleh suatu
algoritma penjiplakan seperti[5] :

1. Whitespace Insensitivity, yang berarti dalam
melakukan pencocokan terhadap file teks
seharusnya tidak terpengaruh oleh spasi, jenis
huruf (kapital atau normal), tanda baca dan
sebagainya.
2. Noise Surpression , yang berarti menghindari
penemuan kecocokan dengan panjang kata yang
terlalu kecil atau kurang relevan, misal: ‘the’.
Panjang kata yang ditengarai merupakan
penjiplakan harus cukup untuk membuktikan
bahwa kata-kata tersebut telah dijiplak dan
bukan merupakan kata yang umum digunakan.
3. Position Independence , yang berarti penemuan
kecocokan / kesamaan tidak harus bergantung
pada posisi kata-kata. Walau tidak dalam berada
posisi yang sama pencocokan juga harus
dilakukan.

Langkah awal dalam penerapan algoritma Winnowing
adalah membuang karakter-karakter dari isi dokumen

yang tidak relevan misal tanda baca spasi dan simbol lain.
Sebagai contoh
the classic problem in machine learning

theclassicprobleminmachinelearning
Langkah kedua isi dokumen yang telah dilakukan
pembersihan selanjutnya dilakkukan pembentukan
rangkaian gram, dimana n =5.

Dalam melakukan pendeteksi penjiplakan terdapat tiga
metode yaitu[6] :
1. Perbandingan Teks Lengkap
Metode ini diterapkan dengan membandingkan
semua
isi
dokumen.
Pendekatan
ini
membutuhkan waktu yang lama tetapi cukup
efektif.

2. Dokumen Fingerprint
Dokumen fingerprint merupakan metode yang
digunakan untuk mendeteksi keakuratan
kesamaan antar dokumen. Prinsip kerja dari
metode dokumen fingerprint ini dengan
menggunakan teknik hashing. Teknik hashing

theclassicprobleminmachinelearning
thecl
lassi
icpro
oblem
minma
achin
nelea
arnin

2

hecla
assic
cprob
blemi
inmac
chine
elear
rning

eclas
ssicp
probl
lemin
nmach
hinel
learn

class
sicpr
roble
eminm
machi
inele
earni

MAKALAH SEMINAR TUGAS AKHIR PERIODE JULI 2011

Maka fingerprint yang dihasilkan : 12232 12268 12411 12500
12195 12508 12756 11891 12203 12411 12261

Langkah ketiga dari rangkaian gram yang telah terbentuk
dibentuk nilai hash dengan nilai ASCII tiap karakter.
Pembentukan nilai hash menggunakan persamaan rolling
hash. Persamaan rolling hash ditunujukan pada
Persamaan (1) :

Nilai-nilai fingerprint inilah yang digunakan untuk
menemukan tingkat presentase kesamaan sebuah
dokumen dengan dokumen lain. Untuk mendapatkan
tingkat presentase kesamaan sebuah dokumen dengan
dokumen lain dapat menggunakan Persamaan Jaccard
Coefficient yang ditunjukan pada Persamaan (3)

(1)
Keterangan :
c : nilai ASCII karakter
b : basis (bilangan prima)
k : banyak karakter

Similaritas(di,dj) =
V.

Keuntungan dari menggunakan rolling hash adalah untuk
mendapatkan nilai hash selanjutnya
dapat
dengan cara:

hecla
assic
cprob
blemi
inmac
chine
elear
rning

13518 12463
12852 12411
12639 12500
13021 12195
13078 12846
11891 12203
13009 12411
12350 13582

eclas
ssicp
probl
lemin
nmach
hinel
learn

12232
13774
13551
12881
13127
12660
12800

ALGORITMA K-MEANS++ UNTUK
PENGKLASTERAN

Algoritma
K-means+ +
merupakan
algoritma
pengelompokan secara partisi yang merupakan
pengembangan dari algoritma K-means. K-Means
merupakan salah satu metode pengklasteran dengan
pendekatan partisi yang mempartisi data yang ada ke
dalam bentuk satu atau lebih kelompok. Metode ini
mempartisi data ke dalam kelompok sehingga data yang
memiliki karakteristik yang sama dikelompokkan ke
dalam satu kelompok
dan data yang mempunyai
karakteristik yang berbeda dikelompokkan ke dalam
kelompok yang lain.

(2)
thecl
lassi
icpro
oblem
minma
achin
nelea
arnin

(3)

class
sicpr
roble
eminm
machi
inele
earni

Dari dasar algoritma K-means dilakukan penyesuaian
untuk data yang berupa dokumen-dokumen adalah
sebagai berikut :
1. Menentukan nilai k sebagai jumlah kelompok
yang ingin dibentuk.
2. Menentukan centroid (titik pusat klaster) awal
secara acak sebanyak k. Centroid merupakan
kumpulan dari nilai-nilai hash. Pada awalnya
nilai-nilai centroid sama dengan nilai-nilai
fingerprint dari dokumen yang dipilih.
3. Menghitung tingkat kesamaan setiap dokumen
ke masing-masing centroid menggunakan
Persamaan (3)
4. Mengelompokkan setiap dokumen berdasarkan
tingkat kesamaan terbesar antara dokumen
dengan centroid-nya.
5. Menentukan nilai – nilai hash sebagai centroid
baru dengan Persamaan (4):

12268
13491
13538
12508
12756
12809
12261

Langkah keempat nilai-nilai hash yang telah terbentuk
dibentuk window-window. Dari window-window yang
telah terbentuk dilakukan pemilihan nilai hash terkecil
pada tiap window untuk dijadikan fingerprint tiap
dokumen.

centroidᵧ(C) =

[13518 12463 12232 12268] [12463 12232 12268 12852]
[12232 12268 12852 12411] [12268 12852 12411 13774]
[12852 12411 13774 13491] [12411 13774 13491 12639]
[13774 13491 12639 12500] [13491 12639 12500 13551]
[12639 12500 13551 13538] [12500 13551 13538 13021]
[13551 13538 13021 12195] [13538 13021 12195 12881]
[13021 12195 12881 12508] [12195 12881 12508 13078]
[12881 12508 13078 12846] [12508 13078 12846 13127]
[13078 12846 13127 12756] [12846 13127 12756 11891]
[13127 12756 11891 12203] [12756 11891 12203 12660]
[11891 12203 12660 12809] [12203 12660 12809 13009]
[12660 12809 13009 12411] [12809 13009 12411 12800]
[13009 12411 12800 12261] [12411 12800 12261 12350]
[12800 12261 12350 13582]

f(Cᵧ, h) | h ∈ ⊎ W(di), (hf(h,C))/n ≥ γ

(4)

dimana hf(h,C) merupakan banyaknya sebuah hash dalam
gabungan seluruh dokumen pada satu klaster (C), dan
f(Cᵧ, h) merupakan nilai-nilai yang terbentuk dari nilai
hash yang berjumlah minimal (((hf(h,C))/n ))⁄γ. Nilai γ
merupakan masukan dari pengguna.
6.

Kembali ke langkah 3 jika nilai – nilai hash pada
centroid baru dengan centroid lama tidak sama.

Namun, algoritma K-means ini memiliki kelemahan yaitu
memiliki kemungkinan waktu proses yang cukup besar.
3

MAKALAH SEMINAR TUGAS AKHIR PERIODE JULI 2011

Hal ini disebabkan pada pemilihan awal centroid yang
bersifat acak yang setiap data mempunyai kemungkinan
terpilih sama besar. Oleh karena itu digunakan algoritma
K-means+ + untuk menutup kekurangan tersebut[8].

V.2 HARTIGAN INDEX
Hartigan index merupakan salah satu metode statistik
untuk menguji perubahan relatif dari nilai perubahan
suatu kelompok. Metode ini dapat digunakan untuk
mengetahui jumlah kelompok yang sesuai dari
perbandingan tingkat error suatu kelompok dengan
kelompok satu setelahnya. Untuk mencari nilai Hartigan
Index dari suatu kelompok yang terbentuk dengan
Persamaan (7) :

Dasar algoritma K-means+ + adalah :
1. Menentukan satu centroid awal pada seluruh data
dokumen secara acak dengan distribusi uniform.
2. Untuk setiap data dokumen d, hitung D(d),
ketidakmiripan (dissimilar ) antara data dokumen
dan centroid terdekat yang telah dipilih. Untuk
mencari nilai ketidakmiripan dapat dengan
menggunakan Persamaan (5)
Dissimilar (di, dc) = 1 -

H(k) = (n – k – 1)
Keterangan
k : jumlah kelompok
n : banyaknya data

(4)

err(k) =

Nilai ketidakmiripan didapatkan dari 1 dikurangi
dengan tingkat kemiripan. Nilai kemiripan
didapatkan dari Persamaan (3).
3.

4.
5.

6)

7)

dimana
d = ketidakmiripan antara data dengan centroid terdekat
Jumlah kelompok yang seharusnya terbentuk adalah k
dari nilai h(k) yang paling maksimal[10].

Tambahkan satu centroid lagi dari semua data
yang
belum
terpilih
sebagai
centroid,
menggunakan weighted probability distribution
dimana data dokumen yang dipilih dengan
probabilitas D(d2).
Ulangi langkah 2 dan 3 hingga sejumlah k centroid
telah dipilih
Lakukan pengelompokan algoritma K-means.

VII. IMPLEMENTASI DETEKSI PENJIPLAKAN
Perangkat lunak yang dibangun adalah sistem
pengelompokan dokumen-dokumen serta pendeteksian
penjiplakan pada tiap kelompok. Dalam implementasinya
perangkat lunak ini menggunakan algoritma K-means+ +
untuk melakukan pengelompokan secara partisi dan
algoritma Winnowing untuk membantu mencari kesamaan
antara file satu dengan yang lain.

VI. PENENTUAN JUMLAH KELOMPOK YANG
OPTIMAL
Dalam pengelompokan diperlukan jumlah kelompok yang
akan dibentuk. Jumlah kelompok yang akan dibentuk
berasal dari masukan pengguna. Masukan dari pengguna
mempunyai kemungkinan tidak sesuai dengan jumlah
kelompok yang sebaiknya terbentuk dari data-data
dokumen yang ada. Untuk itu diperlukan algoritma dalam
menentukan jumlah kelompok yang sebaiknya terbentuk
dari data-data yang ada seperti Rule of Thumb dan
Hartigan Index.

Aplikasi
Algoritma
Winnowing
Pembacaan
Dokumen

String teks

Pembentukan
Fingerprint

Fingerprint

Dokumen,
Fingerprint,
Centroid, Hasil
Similar

Pengelompokan
Penentuan
Kelompok pada
Dokumen Baru
PenentuanJumlah
Kelompok
Pengecekan
Tingkat
Kesamaan

V.1 RULE OF THUMB
Rule of Thumb merupakan algoritma penentuan jumlah
kelompok yang sebaiknya terbentuk dalam pengklasteran
berdasarkan banyaknya data yang tersedia[9]. Persamaan
Rule of Thumb adalah :

Pengelompokan
dengan Kmeans++

k

Penentuan
Jumlah
Kelompok

Gambar 1 Arsitektur Aplikasi
Pada gambar diatas dapat diketahui bahwa aplikasi ini
terdiri dari :
 Pembacaan Dokumen
Bertugas mengekstrak konten / isi dari file yang
ingin diperiksa menjadi sebuah string.
 Pembentukan Fingerprint
Bertugas memproses string yang merupakan hasil
ekstraksi dari pembacaan dokumen menjadi
fingerprint dari file yang berupa nilai-nilai hash.
 Penentuan Kelompok

5)
dimana k merupakan jumlah kelompok yang harus
terbentuk dan n adalah banyaknya data yang akan
dilakukan pengklasteran.

4

MAKALAH SEMINAR TUGAS AKHIR PERIODE JULI 2011







Tingkat otentik ini bertujuan untuk mengetahui tingkat
keaslian atau original dari sebuah dokumen.

Bertugas menentukan kelompok mana berdasarkan
isi dari dokumen.
Penentuan Jumlah Kelompok
Bertugas menentukan jumlah kelompok yang
seharusnya terbentuk. Dalam menentukan jumlah
dokumen dapat secara manual atau rekomendasi
dari aplikasi. Jumlah kelompok yang didapatkan
dari rekomendasi menggunakan algoritma Rule of
Thumb dan Hartigan Index.
Pengelompokan Dokumen
Bertugas melakukan pengelompokan sejumlah
dokumen. Jumlah kelompok yang terbentuk bisa
dari masukan pengguna (manual) atau nilai dari
Rule of Thumb dan Hartigan Index.
Pengecekan Tingkat Kesamaan
Bertugas melakukan pengecekan tingkat kesamaan
dengan
membandingkan
nilai
fingerprint
antardokumen dan menampikan hasil tingkat
kemiripan ke pengguna.

Pada bagian daftar plagiat menampilkan daftar-daftar
tingkat kemiripan antar dua dokumen. Tampilan
antarmuka daftar plagiat dapat dilihat pada Gambar 4.

Gambar 4 Antarmuka Daftar Plagiat
Pada daftar plagiat dapat menampilkan laporan isi
dokumen yang memiliki kesamaan kalimat dengan
dokumen lain. Agar mudah dalam melihat kalimat yang
sama, maka kalimat sama tersebut diberi tanda. Tampilan
laporan kesamaan kalimat pada sebuah dokumen dapat
dilihat pada Gambar 5.

Pada antarmuka terdapat beberapa fungsi-fungsi yang
dapat dilakukan sehingga pengguna dapat dengan mudah
menggunakannya. Gambar antarmuka ditunjukan pada
Gambar 2.

Gambar 5 Antarmuka Laporan Kalimat Sama
VIII. UJI COBA DAN EVALUASI
Pada uji coba ini dibedakan menjadi tiga bagian yaitu
penentuan jumlah kelompok terbaik, penentuan kelompok
untuk dokumen baru dan perbandingan waktu deteksi
plagiat. Data uji coba untuk tugas akhir ini adalah
dokumen-dokumen tugas mata kuliah sosio etika pada
semester gasal 2009/2010. Pada mata kuliah ini terdapat
tiga buah tugas. Data tugas yang digunakan dapat dilihat
pada Tabel 1.

Gambar 2 Antarmuka Aplikasi
Pada bagian daftar dokumen menampilkan semua namanama dokumen yang sudah ada pada database. Selain itu
menampilkan tanggal upload dari tiap dokumen dan
tingkat otentik isi dari tiap dokumen. Tampilan antarmuka
daftar dokumen dapat dilihat pada Gambar 3.

Tabel 1 Dataset yang Digunakan Dalam Evaluasi
No
1
2

Nama
Tugas
Tugas 1
Tugas 2

Topik

Komunikasi
Bioinformatika
Surface Recontruction
Hyperspectral
Total

Jumlah
15
15
15
15
60

3

Tugas 3

VIII.1.

UJI COBA PENENTUAN JUMLAH KELOMPOK

Gambar 3 Antarmuka Daftar Dokumen

Dalam uji coba penentuan jumlah kelompok ini dilakukan
dalam dua kegiatan yaitu menggunakan Latent Semantic
Analysis (LSA) dan Hartigan Index.

Tingkat otentik sebuah dokumen merupakan tingkat
orisinil atau keaslian dari isi sebuah dokumen. Tingkat
otentik sebuah dokumen didapatkan dengan mencari
jumlah nilai hash yang tidak dimiliki oleh dokumen lain.

Latent Semantic Analysis (LSA) adalah sebuah teknik
matematika/statistik untuk menggali dan menyimpulkan
hubungan kontekstual dari kata-kata dalam sebuah
wacana. LSA menggunakan metode Singular Value

5

MAKALAH SEMINAR TUGAS AKHIR PERIODE JULI 2011
Decomposition (SVD) untuk memproses kata-kata yang
ada dalam dokumen[11].
Pada pengujian ini
memanfaatkan fungsi SVD yang sudah terdapat pada
Matlab. Fungsi dari SVD memerlukan masukan berupa
matriks yang merepresentasikan hubungan jumlah
frekuensi antara kata dan dokumen sehingga
menghasilkan tiga buah matriks yaitu matriks S, matriks
V dan matriks D.

Dalam evaluasi penentuan jumlah kelompok dengan
Hartigan Index dilakukan dengan beberapa kali
percobaan. Selain itu dilakukan juga percobaan dengan
beberapa nilai alpha. Nilai alpha merupakan nilai batas
sebuah kalimat atau topik bahasan pada satu kelompok.
Hasil jumlah kelompok yang terbentuk dapat dilihat pada
Tabel 2.
Tabel 2 Data Jumlah Kelompok yang Terbentuk

Pada uji coba menggunakan Hartigan Index untuk
mengetahui jumlah kelompok yang sebaiknya terbentuk
dari data-data dokumen yang tersedia. Pada pengujian ini
dilakukan dengan mengatur nilai alpha dan mengamati
jumlah kelompok yang terbentuk dari data dokumen yang
ada. Nilai alpha merupakan nilai batas sebuah kalimat
atau topik bahasan pada satu kelompok. Hal ini bertujuan
untuk mencari nilai alpha terbaik dalam pengelompokan.
VIII.2.

No.

VIII.4.

1

2

3

4

5

Rata-rata

1

0,25

3

4

4

4

4

4

2

0,5

6

6

6

5

6

6

3

0,75

7

8

5

6

7

7

4

1

6

5

8

8

4

7

Nilai akurasi didapatkan dengan mencari nilai jumlah
dokumen yang sesuai dengan kelompoknya dibagi dengan
total jumlah dokumen pada satu kelompok. Nilai akurasi
tiap kelompok dijumlahkan dan dibagi sebanyak jumlah
kelompok yang terbentuk. Nilai akurasi pada tiap
percobaan dapat dilihat pada Tabel 3.

UJI COBA WAKTU DETEKSI PENJIPLAKAN

Dalam pengujian ini terdapat dua skenario percobaan
yaitu dokumen dideteksi penjiplakan pada kumpulan
dokumen dan dokumen dideteksi penjiplakan pada
kumpulan dokumen yang sudah dikelompokan dengan
nilai alpha 0,5. Tujuan dari dilakukan dua skenario ini
untuk melihat perbedaan waktu yang diperlukan sebuah
dokumen dalam mendeteksi penjiplakan.

Percobaan

Selanjutnya dilakukan evaluasi tingkat akurasi pada tiaptiap
hasil
percobaan
pengelompokan.
Akurasi
menunujukan
tingkat
kebenaran
dalam
suatu
pengelompokan. Semakin besar nilai akurasi maka
pengelompokan tersebut dapat dikatakan benar.

UJI COBA PENENTUAN KELOMPOK UNTUK
DOKUMEN BARU

Pada pengujian penentuan kelompok untuk dokumen baru
melakukan pengamatan pada dokumen baru yang masuk
kedalam sistem saat kelompok-kelompok sudah
terbentuk. Pada dokumen baru dilakukan pengecekan
penentuan kelompok yang sesuai dengan isi dari dokumen
baru. Pada penggujian ini dilakukan pengamatan
kesesuaian dokumen baru terhadap hasil kelompoknya.
VIII.3.

Nilai Alpha

Tabel 3 Nilai Akurasi Masing-masing Nilai Alpha

Nilai
Alpha
0,25
0,5
0,75
1

EVALUASI HASIL UJI COBA

1
0,6469
0.8616
0,7085
0,0886

2
0,7613
0,8055
0,8998
0,3111

Percobaan
3
0,7158
0,7777
0,4157
0,5940

4
0,8877
0,8373
0,7368
0,5135

5
0,8134
0,8228
0,5501
0,3889

Rata-rata
0,7650
0.8209
0,6621
0,3792

Dalam evaluasi penentuan kelompok untuk dokumen baru
dilakukan dengan memasukan beberapa dokumen ke
dalam aplikasi dan mencocokan data dokumen yang
sudah terkelompok. Kelompok-kelompok dokumen
terbentuk sebanyak 6 kelompok dengan nilai alpha adalah
0,5. Penjelasan tiap kelompok dapat dilihat pada Tabel 4.

Hasil dari LSA dengan metode SVD pada Matlab dapat
dilihat pada Gambar 6. Pada Gambar 6 merupakan hasil
representasi dokumen-dokumen kedalam dua dimensi
menggunakan SVD. Pada gambar tersebut terlihat
dokumen-dokumen tersebut membentuk empat daerah..

Tabel 4 Keterangan Tiap Kelompok

No

Nama Kelompok

1
2
3
4
5
6

Kelompok 0
Kelompok 1
Kelompok 2
Kelompok 3
Kelompok 4
Kelompok 5

Jumlah
Dokumen
14
6
8
17
7
8

Topik Pembahasan
Bioinformatika
Hyperspectral
Komunikasi/Surface
Hyperspectral
Bioinformatika

Selanjutnya dilakukan percobaan penentuan kelompok
dengan beberapa dokumen. Masing-masing dokumen
memiliki pembahasan topik yang berbeda dan diharapkan
masuk kedalam kelompok dengan pembahasan topik yang
sama. Bila terdapat dokumen yang memiliki tidak

Gambar 6 Hasil Representasi Dokumen dengan SVD

6

MAKALAH SEMINAR TUGAS AKHIR PERIODE JULI 2011

terbentuk semakin sedikit. Hal ini dikarenakan
pembahasan topik pada sebuah kelompok bersifat umum
atau luas sehingga diperlukan sedikit kelompok untuk
menampung topik-topik yang ada. Begitu pula semakin
besar nilai alpha maka jumlah kelompok yang terbentuk
semakin banyak hal ini dikarenakan pembahasan topik
pada sebuah topik semakin spesifik atau khusus sehingga
diperlukan banyak kelompok untuk menampunt topiktopik yang ada.

kesamaan topik dengan topik yang telah ada pada aplikasi
maka dokumen tersebut akan dikelompokan pada
kelompok 0. Hasil dari percobaan dapat dilihat pada
Tabel 5.
Tabel 5 Hasil Uji Coba Penentuan Kelompok untuk
Dokumen Baru

Nama Dokumen

Topik

Hasil
Pengelompokan
Kelompok 1
Bioinformatika

Ket

Tugas 2 Sostek 5107100125 Kelas
B.doc
Tugas 2 Sostek5107100032 kelas
B.doc
Tugas 2 Sostek5107100167 Kelas
B.doc
Tugas 2
SosTek_5107100070_
Kelas B.doc
Tugas 3 Soset 5101700098 - Kelas
B.doc
Tugas 3 sosioetika5107100116 Kelas
B.doc
Tugas 3 Sostek 5106100024 - Kelas
B.doc

Bioinformatika
Surface

Kelompok 3
Surface

Benar

Surface

Kelompok 3
Surface

Benar

Bioinformatika

Kelompok 3
Surface

Salah

Hyperspectral

Kelompok 2
Hyperspectral

Benar

Hyperspectral

Kelompok 4
Hyperspectral

Benar

Hyperspectral

Kelompok 2
Hyperspectral

Benar

Benar

Dari hasil percobaan penentuan kelompok untuk dokumen
baru bahwa proses ini memiliki tingkat kebenaran yang
cukup tinggi, sehingga dalam melakukan penentuan
kelompok untuk dokumen baru sesuai dengan topik
pembahasan.
Dari pencatatan waktu deteksi penjiplakan dapat
disimpulkan bahwa waktu yang diperlukan lebih sedikit
dalam pendeteksian penjiplakan pada kumpulan dokumen
yang telah dikelompokan daripada kumpulan dokumen
yang tidak dikelompokan. Hal ini karena jumlah dokumen
yang dibandingkan lebih sedikit dan dokumen yang
dibandingkan memiliki kesamaan topik.
REFERENSI
[1] ____,____, Kamus Besar Bahasa Indonesia,
,
diakses tanggal 12 April 2011.
[2] Yuwono, Putu., Yuhana, Umi Laili., dan
Purwitasari, Diana. 2010. Aplikasi deteksi
penjiplakan pada file teks dengan algoritma
winnowing. Surabaya.
[3] Manber, Ubi. 1994. Finding similar files in a large
file system. In proceedings of the USENIX Winter
1994 Technical Conference.
[4] Iyer, Parvati dan Singh, Abhipsita. 2005. Document
similarity analysis for a plagiatrism detection
system. In Proceedings of the 2nd Indian
International Cenfrence on Artificial Intelegence
(IICAI-05. pp 2534-2544.
[5] Schleimer, S., Wilkerson, D., dan Aiken, A. 2003.
Winnowing: Local algorithms for document
fingerprinting. In Proceedings of the ACM
SIGMOD international conference on management
of data. pp 76–85.
[6] Stein, S. Meyer zu Eissen. 2006. Near similarity
search and plagiarism analysis. In Proceedings of the
29th Annual Conference of the German
Classification Society (GfKI), Magdeburg, ISDN
1431-8841. pp. 430-437.
[7] Parapar., Javier dan Barreiro, Alvaro. 2009.
Evaluation of text clustering algorithms with ngram-based document fingerprints. In Proceedings
of the 31st European Conference on Information
Retrieval Research ECIR 2009, Toulouse, France,
April 2009, Lecture Notes in Computer Science vol.
5478, pp. 645-653..

Dalam evaluasi waktu deteksi penjiplakan dilakukan
pencatatan waktu yang diperlukan sebuah dokumen
melakukan pendeteksian penjiplakan dengan kumpulan
dokumen dan dengan kumpulan dokumen yang sudah
dikelompokan sesuai dengan topik masing-masing. Hasil
dari percobaan dapat dilihat pada Tabel 6
Tabel 6 Hasil Uji Coba Waktu Deteksi Penjiplakan
Nama Dokumen
Quick Sort2.docx
Tugas 1 Soset - 5107100098 - Kelas B.doc
Tugas 1 sostek - 5107100100 kelas B.doc
Tugas 1 Sostek - 5106100093 Kelas B.doc
Tugas 1 Sostek - 5106100104 kelas (B).doc
Tugas 1 Sostek - 5106100117 Kelas B.docx

Jumlah Kelompok
1
6
64 detik
4 detik
98 detik
4 detik
88 detik
5 detik
84 detik
5 detik
107 detik
9 detik
74 detik
9 detik

IX. KESIMPULAN
Dalam penentuan jumlah kelompok dengan LSA dari 60
dokumen yang dilakukan representasi kedalam dua
dimensi bahwa sebaiknya dibentuk dengan menggunakan
LSA sebanyak empat kelompok sedangkan dengan
Hartigan Index bahwa jumlah kelompok yang sebaiknya
terbentuk dari data yang ada adalah 6 dengan nilai alpha
yang terbaik adalah 0,50. Hal ini dikarenakan dari jumlah
kelompok yang terbentuk stabil dan nilai akurasi yang
dimiliki cukup tinggi. Selain itu pembahasan topik pada
tiap kelompok tidak terlalu tinggi atau pun rendah
sehingga jumlah pembagian anggota tiap kelompok
hampir merata.
Dalam pemilihan nilai alpha dapat disimpulkan bahwa
semakin kecil nilai alpha maka jumlah kelompok yang
7

MAKALAH SEMINAR TUGAS AKHIR PERIODE JULI 2011

[8] Arthur, D., dan S, Vassilvitskii. 2007. K-means++:
The advantages of careful seeding. In Proceeding of
the 18th Annual ACM-SIAM Symposium of
Discrete Analysis, Jan. 7-9, ACM Press, New
Orleans, Louisiana. pp. 1027-1035
[9] Mardia, Kantia et al. 1979. Multivariate Analysis.
Academic Press.
[10] Li, Xiang., Ramachandran, Rahul., Movva, Sunil.,
Graves, Sara., Plale, Beth., dan Vijayakumar,
Nithya. 2008. Storm Clustering for Data-driven
Weather Forecasting. 24th Conference on IIPS,
AMS, To Appear 2008.
[11] Landauer, T. K., Foltz, P. W., & Laham, D. 1998.
Introduction to Latent Semantic Analysis. Discourse
Processes,
25,
259-2

8

MAKALAH SEMINAR TUGAS AKHIR PERIODE JULI 2011

9