PENGUKURAN KEMIRIPAN DOKUMEN TEKS BAHASA INDONESIA MENGGUNAKAN METODE COSINE SIMILARITY

Transkripsi

1 E-Joural Tekik Iformatika Volume 9, No 1 (2016), ISSN : PENGUKURAN KEMIRIPAN DOKUMEN TEKS BAHASA INDONESIA MENGGUNAKAN METODE COSINE SIMILARITY Dewa Ayu Rai Ariatii, Arie S. M. Lumeta, Agustius Jacobus. Tekik Iformatika Uiversitas Sam Ratulagi Maado, Idoesia ,ayurai15@gmail.com, al@usrat.ac.id, a.jacobus@usrat.ac.id Abstrak - Perkembaga globalisasi pada saat ii dega tekologi yag sagat pesat dega perkembaga ilmu pegetahua da tekologi kemampua mahasiswa dibidag ilmu pegetahua da tekologi terutama dibidag komputer mejadi salah satu faktor yag memicu tidaka egatif apa bila dilatar belakagi berbuat curag, da redahya kemampua mahasiswa dalam berkreasi da beriovasi meciptaka karya yag origial. Pegolaha iformasi dega megguaka komputer meghasilka fasilitas yag copy paste sehigga memudahka pegolaha data sesuai dega kebutuha misalya memeuhi tugas kuliahmembuat paper da sebagaiya. Hal ii tetu berpotesi terjadiya tidaka plagiat suatu karya tulis tapa iji seperti plagiat. Tahap pegujia sistem dilakuka utuk evaluasi peragkat luak yag dibagu dega hasil yag diharapka, dapat dilakuka dega cara membadigka ilai hasil prediksi da actual, ilai prediksi diperoleh dari sistem, kemudia ilai actual diproleh dari ilai yag diperiksa secara maual, kemudia ilai yag sudah diketahui prediksi da actual dega megguaka data dummy pada sistem deteksi kemiripa dokume sudah berhasil diterapka da sudah bisa diguaka utuk megukur tigkat kemiripa dokume. Kata kuci : Cosie Similarity, Data Dummy, Plagiat, DFD, Term Frekuesi I. PENDAHULUAN Era globalisasi ditadai dega perkembaga ilmu pegetahua da Tekologi yag sagat pesat. Kemampua mahasiswa di bidag ilmu pegetahua da tekologi terutama dibidag komputer mejadi salah satu faktor yag memicu tidaka egatif apabila dilatar belakag berbuat curag da redahya kemampua mahasiswa dalam berkreasi da beriovasi meciptaka karya yag origial. Pegelolaa iformasi dega megguaka komputer meghasilaka fasilitas yag copy-paste (sali-tempel) sehigga memudahka pegolaha data sesuai dega kebutuha misalya memeuhi tugas kuliah, membuat tugas kuliah da sebagaiya. Plagiat buka merupaka feomea baru dalam duia pedidika sebelum hadirya tekologi iformasi, feomea plagiat juga telah ada amu, hadirya tekologi iformasi secara yata lebih mempermudah orag utuk melakuka plagiat. Plagiat adalah pejiplaka atau pegambila karaga, pedapat, da sebagaiya dari orag lai da mejadikaya seolah karaga da pedapat sediri. Sebearya pemeritah sudah memberika perhatia serius terkait permasalaha plagiat, seperti dalam (Peratura Meteri Pedidika Nasioal Republik Idoesia omor 17 tetag pecegaha da peaggulaga plagiat di pergurua tiggi 2010) da (Udag-Udag Republik Idoesia omor 19 tetag hak cipta 2002). Namu pada keyataaya, tidaka plagiat masih bayak dilakuka di Idoesia dimaa tidak haya melibatka mahasiswa. Melibatka dose yag bergelar Doktor diugkapka pada kompas 2013 da haria Seputar idoesia, 2012 dalam Suwarjo et al. (2012) yag melaporka bahwa MZ (Salah satu alumi S3 ITB) telah melakuka plagiat terhadap karya Siyka Zlataova utuk karya disertasiya. II. A. Pegertia Sistem LANDASAN TEORI Meurut Taufiq (2002), sistem bisa ditafsirka sebagai kesatua eleme yag memiliki keterkaita. Beberapa eleme dapat digabug mejadi suatu uit, kelompok atau kompoe sistem dega fugsi tertetu. Kompoe sistem ii bisa dilihat, diaggap atau memag diracag utuk berfugsi madiri sebagai modul sistem. B. Cosie similarity Cosie Similarity adalah ukura kesamaa atara dua buah vektor dalam sebuah ruag dimesi yag didapat dari ilai cosius sudut dari perkalia dua buah vektor yag dibadigka karea cosius dari 0 0 adalah

2 E-Joural Tekik Iformatika Volume 9, No 1 (2016), ISSN : da kurag dari 1 utuk ilai sudut yag lai, maka ilai similarity dari dua buah vektor dikataka mirip ketika ilai dari cosie similarity adalah 1. Cosie similarity diguaka dalam ruag positif, dimaa hasilya dibatasi atara ilai 0 da 1. Kalau ilaiya 0 maka dokume tersebut dikataka mirip jika hasilya 1 maka ilai tersebut dikataka tidak mirip Perhatika bahwa batas ii berlaku utuk sejumlah dimesi, da Cosie similarity ii palig serig diguaka dalam ruag positif dimesi tiggi. Misalya, dalam Iformatio Retrieval, masig-masig kata/istilah (term) diasumsika sebagai dimesi yag berbeda da dokume ditadai dega vector dimaa ilai masig-masig dimesi sesuai dega berapa istilah mucul dalam dokume. Berikut adalah rumus cosie similarity. Similarity = cos(θ) = Keteraga : A. B A B i 1 A i xb i i 1(A i ) 2 x i 1(B i ) 2 A = vektor B = vektor A i = bobot term i dalam blok A i B i = bobot term i dalam blok B i i = jumlah term dalam kalimat = jumlah vektor Dimaa A merupaka bobot setiap ciri pada vector A, da B merupaka bobot setiap ciri pada B. jika dikaitka dega iformatio retrieval maka A adalah bobot setiap istilah pada dokume A, da B merupaka bobot setiap istilah pada dokume B. Pada peelitia ii diguaka cosie similarity karea citra merupaka salah satu data yag memiliki dimesi tiggi. Pada citra dapat dikataka bahwa setiap pixel merupaka dimesi yag berbeda da ilai wara pada setiap pixel tersebut merupaka ilai dari setiap dimesi. Pegukura kemiripa dapat dilakuka dega membadigka dokume 1 dega dokume 2 kemudia sistem aka meghitug ilai kemiripa. Ai.Bi adalah ilai yag diperoleh dari term A da term B kemudia kedua ilai tersebut dijumlahka, kemudia ilai Ai 2 semua ilai term dokume A semua ilaiya dipagkatka dua, begitu juga dega term Bi 2 semua ilai yag diperoleh dipagkatka dua kemudia semua ilai yag diperoleh dijumlahka. (1) III. METODOLOGI PENELITIAN A. Perhituga Kemiripa Proses perhituga kemiripa adalah proses utuk mecari kemiripa atar dokume. Selajutya proses preproses teks adalah utuk meghilagka tada baca da merubah semua huruf mejadi huruf kecil pada dokume tugas mahasiswa. Kemudia proses sistem meghitug ilai TF atau term frekuesi, adalah utuk meghitug kemucula kata kemudia meyimpaya kedalam basis data tebel ideks. Selajutya adalah proses perhituga kemiripa adalah proses utuk mecari kemiripa atar dokume teks. kemudia sistem meghitug ilai kemiripa dokume A da dokume B maka user bisa melihat seberapa sbayak dokume yag mirip. Gambar 1. Perhituga kemiripa Proses upload file dokume tugas mahasiswa kemudia disimpa kedalam basis data kemudia sistem preproses teks utuk meghapus tada baca dalam dokume, meghilagka titik, koma, da sebagaiya kemudia sistem meghitug kemiripa TF yaitu term frekuesi, adalah proses utuk megambil setiap kata dari dokume. Kemudia meghitug ilai kemiripa adalah proses utuk mecari kemiripa atar dokume. Nilai kemiripa Dokume A da dokume B adalah ilai yag sudah diproses oleh sistem kemudia user bisa melihat ilai kemiripa.

3 E-Joural Tekik Iformatika Volume 9, No 1 (2016), ISSN : B. Data peelitia Aalis data dilakuka utuk megaalisa data melakuka perhituga dega megguaka pedekata Cosie similarity sebelum diimplemetasika kedalam sistem, sebelum memasuki tahapa racaga sistem. Berikut adalah cotoh perhituga kemiripa. 1) Perhituga kemiripa utuk melihat jumlah kata setiap dokume. Cotoh dokume yag aka di iput. Tekik iformatika fakultas tekik uiversitas sam ratulagi maado Program studi tekik iformatika jurusa tekik elektro Disii terdapat dua dokume yag aka diguaka utuk melakuka pegujia terhadap sistem aka dilihat dari dua dokume A,B aka melihat kata-kata yag uik pada dokume A da B berikut dapat dilihat pada tabel 1. Nilai dari term A da term B dapat diperoleh dari ilai kata yag uik cotohya kata tekik pada term A berilai 2 karea kata tekik term A ada 2 begitu juga term B, kemudia semua ilai yag diperoleh dari kata yag uik aka dimasuka dalam rumus cosie similarity. Tabel 1. Perhituga kemiripa Tid Term T (A) T (B) T1 Tekik 2 2 T2 Iformatika 1 1 T3 Fakultas 1 0 T4 Uiversitas 1 0 T5 Sam 1 0 T6 Ratulagi 1 0 T7 Maado 1 0 T8 Program 0 1 T9 Studi 0 1 T10 Jurusa 0 1 T 11 Elektro 0 1 Vektor A da vektor B tersebut mewakili setiap term A da term B utuk melihat berapa bayak ilai yag diperoleh dalam setiap kata yag uik dalam dokume, berikut aka dihitug megguaka metode cosie similarity Vektor A : (2,1,1,1,1,1,1,0,0,0,0) B : (2,1,0,0,0,0,0,1,1,1,1) Misalka utuk mecari hasil perhituga A,B pada tebel I perhituga kemiripa, hasil pecaria adalah sebagai berikut : A. B Similarity (A,B) = = i=1 A.B (2) A B i=1 (A) 2. i=1(b) 2 A. B = i=1 A i B i = = 5 A = Ai 2 = i=1 B = Bi 2 i=1 5 = = = 0, = 10 = = 9 Ai. Bi adalah ilai yag diperoleh dari term A da term B, misalka term A kata tekik ilaiya 2 da term B kata tekik ilaiya 2 kemudia dikalika da diperoleh ilaiya 4, Ai 2 adalah ilai yag dipeoleh dari term A kata tekik ilaiya 2 kemudia dipagkatka da ilaiya 4. Bi 2 adalah ilai yag diperoleh dari term B kata teki ilaiya 2 kemudia dipagkatka da ilaiya 4. Dega demikia berdasarka hasil perhituga kemiripa dari term A dega term B ilai tigkat kemiripa yag diperoleh yaitu 0.52 IV. HASIL DAN PEMBAHASAN A. Implemetasi Proses Implemetasi proses adalah tahapa implemetasi dari setiap proses yag sudah dimodelka pada sistem deteksi kemiripa dokume. Adapu proses-proses yag sudah dimodelka adalah proses Tambah data. Proses Tambah Data Proses tambah data adalah proses yag ada pada sistem utuk meambahka data dokume file tugas mahasiswa. Proses tambah data memiliki 4 sub proses yaitu proses Iput dokume, Kofersi PDF ke teks, Preprosesig teks, hitug kemiripa. 1) Implemetasi atarmuka Implemetasi atarmuka meggambarka tetag hasil implemetasi peracaga storyboard terhadap peragkat luak yag dibuat pada sistem deteksi kemiripa dokume. 2) Atarmuka halama home Atarmuka halama home adalah implemetasi peracaga atarmuka berdasarka storyboard halama utama berisi fitur yaitu home, iput, da hitug.

4 E-Joural Tekik Iformatika Volume 9, No 1 (2016), ISSN : Gambar 2 Atarmuka halama utama 3) Atarmuka halama tabel tugas Atarmuka halama tabel tugas adalah implemetasi peracaga atarmuka berdasarka storyboard halama tabel tugas mahasiswa dapat dilihat pada gambar 2 Gambar 4 Atarmuka halama Tambah data 5. Atarmuka halama Hitug Kemiripa Atarmuka halama hitug kemiripa adalah implemtasi dari Paracaga atarmuka berdasarka storyboard halama hitug kemiripa ii bergua utuk meampilka hasil tigkat kemiripa. Gambar 3 Atarmuka halama tabel tugas Ketika user klik tabel tugas mahasiswa aka tampil semua daftar tugas mahasiswa yag sudah di iput, kemudia disimpa kedalam basis data, kemudia user bisa melihat file yag sudah diupload. 4) Atarmuka halama Tambah data Atarmuka halama tambah data adalah implemtasi dari paracaga atarmuka berdasarka storyboard halama tambah data ii bergua utuk upload file tugas mahasiswa. Gambar 5 Atarmuka halama hitug kemiripa 6. Halama Hapus Data Atarmuka halama hapus data adalah implemtasi dari Paracaga atarmuka berdasarka storyboard halama hapus data ii bergua utuk meghapus dokume yag sudah diupload.

5 E-Joural Tekik Iformatika Volume 9, No 1 (2016), ISSN : Hasil pegujia megguaka 10 dokume dapat dilihat pada gambar 7 pegujia waktu megguaka 10 dokume. Waktu yag dibutuhka sistem yaitu 5.15 detik. Da tidak meutup kemugkia hasilya pasti aka berbeda ketika megguaka komputer yag berbeda. Pegujia dokume megguaka 20 data tugas mahasiswa dapat dilihat pada gambar 8 Gambar 6 Atarmuka halama Hapus data. B. Pegujia Waktu pegukura kemiripa Pegujia ii dilakuka utuk megetahui waktu pegukura kemiripa aka diuji berdasarka bayakya dokume yag aka dibadigka da lamaya proses Dokume aka dihitug waktu proses setiap 10 Dokume utuk lebih jelasya megeai hasil pegujia aka dibahas satu per satu di setiap pegujia. Pegujia dokume megguaka 10 data tugas mahasiswa dapat dilihat pada gambar 7 Gambar 8 Pegujia waktu 20 dokume Hasil pegujia megguaka 20 dokume dapat dilihat pada gambar 8 pegujia waktu megguaka 20 dokume. Waktu yag dibutuhka sistem yaitu detik. Pegujia waktu aka terus meigkat seirig dega bayakya dokume yag aka diuji, pegujia waktu dega 20 data tidak terlalu lama waktu yag dibutuhka haya detik. Pegujia dokume megguaka 30 data tugas Mahasiswa Dapat dilihat pada gambar 9 data yag dibadigka dalah 30 data tugas mahasiswa sistem memproses data yag sudah diupload kemudia bisa dilihat berapa lama waktu yag dibutuhka utuk membadigka 30 dokume waktu yag dibutuhka adalah detik. Ketika megguaka sfesifikasi berbeda dega komputer yag lai maka hasilya juga aka berbeda. Gambar 7 Pegujia waktu 10 dokume

6 E-Joural Tekik Iformatika Volume 9, No 1 (2016), ISSN : Pegujia dokume megguaka 50 data tugas mahasiswa dapat dilihat pada gambar 11 data yag dibadigka adalah 50 data. Gambar 9 Pegujia waktu 30 dokume Hasil pegujia megguaka 30 dokume dapat dilihat pada gambar 9 pegujia megguaka 30 dokume. Waktu yag dibutuhka sistem yaitu detik. Pegujia waktu aka terus meigkat seirig dega bayakya dokume yag diuji. Pegujia dokume megguaka 40 data tugas mahasiswa dapat dilihat pada gambar 10. Gambar 11 Pegujia waktu 50 dokume Hasil pegujia megguaka 50 dokume dapat dilihat pada gambar 11 pegujia 50 dokume. Waktu yag dibutuhka sistem utuk membadigka 50 dokume yaitu detik. Pegujia waktu aka terus meigkat dega bayakya dokume yag diuji pegujia. Tabel 2 Pegujia Waktu No Bayak Dokume Waktu perhituga kemiripa detik detik detik detik detik -. Gambar 10 Pegujia waktu 40 dokume Hasil pegujia megguaka 40 dokume dapat dilihat pada gambar 10 pegujia 40 dokume. Waktu yag dibutuhka sistem yaitu detik. Pegujia waktu aka terus meigkat seirig dega bayakya dokume yag diuji, pegujia dega 40 dokume waktu yag diperluka cukup lama yaitu detik. Utuk melihat hasil keseluruha pegujia waktu perhituga kemiripa yag telah dilakuka megguaka data 50 dokume hasil yag diperoleh dapat dilihat tabel III. Dapat dilihat pada tabel 2 grafik pegujia waktu perhituga kemiripa bahwa waktu proses lebih tiggi. Tidak meutup kemugkia hasil pegujia aka berbeda jika megguaka sfesifikasi komputer yag lai.

7 E-Joural Tekik Iformatika Volume 9, No 1 (2016), ISSN : Grafik pegujia waktu perhituga kemiripa % 100% 80% 60% 40% 20% 0% 100% Pegujia Data Dummy 100% 75% 66% 55% 50% Actual prediksi 25% 25% 15% 0%" Gambar 12 Pegujia waktu kemiripa Hasil dari pegujia waktu perhituga kemiripa bisa dilihat pada gambar 12 pegujia dilakuka megguaka data tugas mahasiswa waktu yag dibutuhka tergatug bayakya dokume yag aka diuji ketika dokume terus bertambah maka waktu yag dibutuhka semaki bayak. term frekuesi adalah utuk meyataka jumlah berapa bayak keberadaa suatu term dalam dokume bisa dilihat pada gambar 12 semaki bayak dokume yag dibadigka maka semaki bayak pula waktu yag dibutuhka. Pegujia megguaka data dummy Data dummy adalah data yag diguaka utuk membadigka dokume 1 dega dokume 2, ilai hasil prediksi da actual, ilai prediksi diperoleh dari sistem, sedagka ilai Actual diperoleh dari ilai memeriksa tugas mahasiswa secara maual. Berikut adalah pegujia data dummy bisa dilihat pada gambar 13. Gambar 13 Pegujia data dummy Nilai actual dari dokume satu mejadi acua ilai actual diperoleh dari memeriksa tugas secara maual kemudia dibadigka dega dokume 2 prediksi dari sistem dega ilai 100% karea didalam dokume tersebut memag sama persis. Kemudia dokume satu dega dokume tiga ilai actualya 66% da ilai prediksi sebagia isi dokume diambil dari dokume satu sehigga ilai yag diperoleh adalah 75%. Nilai actual dokume satu 55% kemudia ilai prediksi 50% karea sebagia isi dari dokume tiga diambil dari dokume dua maka da juga isi dari dokume tersebut dikuragi. Nilai actual dokume satu 25%. Sedagka ilai prediksi 25% karea didalam dokume satu sebagia isi diambil dari dokume 3 da isi dari tugas dikuragi da hasil yag diperoleh adalah 25%. Nilai actual pada dokume satu adalah 1% karea ilai isi dari dokume tersebut dikuragi. Nilai prediksi dari lima yaitu 15% karea sebagia ii dari dokume diambil dari dokume empat da juga isi dalam dokume dikuragi. Nilai kesalaha yag diperoleh rata-rata yaitu 7% sehigga masih bayak kesamaa kata atau kesalaha, dega demikia sistem tag dibagu sudah bisa diguaka utuk medeteksi kemiripa dokume..

8 E-Joural Tekik Iformatika Volume 9, No 1 (2016), ISSN : I. PENUTUP A. Kesimpula Berdasarka dari pembahasa-pembahasa pada bab-bab sebelumya, maka dapat ditarik kesimpula sebagai berikut : Sistem utuk megukur tigkat kemiripa atar dokume teks berbahasa Idoesia berhasil dibagu megguaka algoritma Cosie similarity. Pegguaa data dummy pada sistem deteksi kemiripa dokume sudah berhasil diterapka da sudah bisa diguaka utuk megukur tigkat kemiripa dokume. B. Sara Sara yag igi disampaika utuk pegembaga lebih lajut peelitia ii adalah sebagai berikut : Pegembaga bisa membagu sistem olie agar mempermudah medeteksi kemiripa dokume. Pegembag atiya juga bisa meggembagka sistem agar bisa medeteksi gambar dari hasil sca. DAFTAR PUSTAKA [1] Adriai. Cofusio Matrix Accuracy. Jakarta [2] Ercegovac, Z. & Jr., J. V. (2012) Academic Dishoesty, Plagiarism Icluded, i the Digital Age : A literature review. College & research Liberaries, [3] Hariyato, Sistem operasi, Badug, Iformatika [4] J. Hartoo, Aalisis & Desai, sistem iformasi pedekata struktur teori Da praktek aplikasi bisis. Adi Yogyakarta. [5] Udag-udag Republik Idoesia o 19 Tetag Hak Cipta Udag-udag Republik Idoesia. [6] Pressma, S.R. SOFTWARE ENGINERING : A Practitioer s Approach Sixth Editio, New York, Mcgraw-Hill [7] Kemeteria Pedidika Nasioal. 2010, Peratura Pemeritah Pedidika Nasioal No. 17 tahu 2010 tetag Pecegaha da Peaggulaga Plagiat di Pergurua Tiggi, diakses pada taggal 14 November 2014 pada pukul WIB dari: [8] Suwarjo et al. Idetifikasi Betuk Plagiat Pada Skripsi Mahasiswa Fakultas Ilmu Pedidika Uiversitas Negeri Yogyakarta, [9] Soeparo. Dasar-dasar Liguistik. Yogyakarta: Mitra Gama Widya [10] Shutharlad Smith. Plagiarism, the iteral ad studet learig : Improvig Academic iterrity. New York : Routledge Sekilas dari peulis dega ama legkap Dewa Ayu Rai Ariatii Lahir dikembag mertha, Desa Amertha Buaa kec. Dumoga Timur, kabupate Bolaag Mogodow, Provisi Sulawesi utara, aak ke-3 dari 4 bersaudara. Dega pedidika Sekolah Dasar Negeri 2 kembag mertha, Kemudia Melajutka ke Sekolah Meegah Pertama (SMP) Negeri 3 Dumoga, Kemudia melajutka ke Sekolah Meegah Kejurua (SMK) Negeri 3 Maado. Setelah lulus tahu 2011 melajutka ke Pergurua Tiggi di Uiversitas Sam Ratulagi Maado dega megambil Jurusa Tekik Iformatika. Pada tahu 2016 bula Oktober, peulis membuat Skripsi demi memeuhi syarat Sarjaa (S1) dega peelitia berjudul Sistem Deteksi Kemiripa Dokume Teks Bahasa Idoesia Megguaka Metode Cosie Similarity, yag dibimbig oleh dua dose pembimbig yaitu Arie S. M. Lumeta, ST, MT. da Agustius Jacobus, ST, M. Cs. sehigga pada taggal 3 Oktober 2016 peulis resmi lulus di Tekik Iformatika Uiversitas Sam Ratulagi Maado da meyadag gelar Sarjaa Komputer dega predikat Sagat Memuaska.