IMPLEMENTASI DETEKSI PENJIPLAKAN DENGAN ALGORITMA WINNOWING PADA DOKUMEN TERKELOMPOK

Transkripsi

1 IMPLEMENTASI DETEKSI PENJIPLAKAN DENGAN ALGORITMA WINNOWING PADA DOKUMEN TERKELOMPOK 1 Tugas Akhir I Wayan Surya Priantara Dosen Pembimbing Diana Purwitasari, S.Kom., M.Sc. Umi Laili Yuhana, S.Kom., M.Sc.

2 Latar Belakang 2 Banyak artikel / tulisan yang dihasilkan oleh seseorang, menjiplak karya milik orang lain. Kegiatan penjiplakan sering terjadi pada bidang pendidikan. Sebuah dokumen dibandingkan satu persatu walau tidak memiliki kesamaan topik.

3 PERMASALAHAN 3

4 Rumusan Masalah 4 Bagaimana mengelompokan dokumen berdasarkan kesamaan kalimat. Bagaimana mekanisme pengecekan kesamaan kalimat pada satu dokumen dengan koleksi dokumen

5 Batasan Masalah 5 Dataset yang akan dilakukan pendeteksian adalah file teks digital yang berekstensi.doc,.docx, dan.pdf.

6 Tujuan 6 Mengefektifkan pengecekan penjiplakan pada banyak dokumen dengan mengelompokan dokumen.

7 Tipe-tipe Penjiplakan 7 Word for word plagiarism Menyalin setiap kata secara lansung tanpa diubah sedikitpun. Plagiarism of authorship Mengakui hasil karya orang lain sebagai hasil karya sendiri Plagiarism of ideas. Mengakui hasil pemikiran atau ide orang lain sebagai pemikirin diri sendiri. Plagiarism of sources Jika seorang penulis menggunakan kutipan dari penulis tanpa mencantumkan narasumbernya.

8 Contoh 8 Dokumen A :... cairan hidrotermal tidak harus berasal dari larutan magma, kalau demikian istilah hidrotermal bukan berarti genetik..... Dokumen B :... Park dan Diarmid (1964) berpendapat bahwa cairan hidrotermal tidak harus berasal dari larutan magma, kalau demikian istilah hidrotermal bukan berarti genetik.

9 Langkah-langkah 9 Mulai Membaca Isi Dokumen Membentuk Fingerprint Dokumen String isi dokumen Fingerprint Ya Membentuk Kelompok Membentuk Kelompok Mendeteksi Tingkat Kesamaan Tingkat Kesamaan Menampilkan Hasil Tidak Menentukan Kelompok Selesai Membentuk fingerprint dengan algoritma winnowing dan untuk mengelompokan dengan algoritma k-means++

10 Tingkat Kesamaan 10 Tingkat kesamaan sebuah dokumen terhadap dokumen lain diukur dengan cara membandingkan seluruh nilai hash (fingerprint) antar dokumen. Tingkat Kesamaan = jumla as yang sama total gabungan jumla as x 100%

11 11 Tampilan Antarmuka

12 12 Tampilan Antarmuka

13 13 Tampilan Antarmuka

14 Dataset 14 Dataset adalah dokumen-dokumen tugas mata kuliah sosio etika pada semester gasal 2009/2010 di Teknik Informatika ITS. No Nama Tugas Topik Jumlah 1 Tugas 1 Komunikasi 15 2 Tugas 2 Bioinformatika 15 Surface Recontruction 3 Tugas 3 Hyperspectral Total 60

15 Skenario Uji Coba 15 Pengelompokan Penentuan Nilai Alpha Penentuan Kelompok untuk Dokumen baru Waktu Deteksi Penjiplakan Deteksi Penjiplakan Hasil Tingkat Kemiripan

16 Penentuan Nilai Alpha 16 Jumlah Kelompok yang Terbentuk Percobaan No. Nilai Alpha Rata-rata , , , Analisis Bahwa semakin kecil nilai alpha, maka jumlah kelompok yang sebaiknya terbentuk semakin sedikit. Begitupula sebaliknya.

17 Penentuan Nilai Alpha 17 Nilai Akurasi tiap Percobaan No. Nilai Alpha Percobaan Ratarata 1 0,25 0,6469 0,7613 0,7158 0,8877 0,8134 0, , ,8055 0,7777 0,8373 0, ,75 0,7085 0,8998 0,4157 0,7368 0,5501 0, ,0886 0,3111 0,5940 0,5135 0,3889 0,3792 Analisis Nilai alpha 0,5 memiliki nilai akurasi tertinggi. Hal ini dikarenakan pada nilai tersebut banyak dokumen yang sesuai terkelompok sesuai dengan topik.

18 Hasil Pembentukan Kelompok 18 No Nama Kelompok Jumlah Dokumen Topik Pembahasan 1 Kelompok Kelompok 1 6 Bioinformatika 3 Kelompok 2 8 Hyperspectral 4 Kelompok 3 17 Komunikasi/Surface 5 Kelompok 4 7 Hyperspectral 6 Kelompok 5 8 Bioinformatika

19 Hasil Uji Coba Penentuan Kelompok 19 Nama Dokumen Topik Hasil Pengelompokan Keterangan Tugas 2 Sostek - Bioinformatika Kelompok 1 Benar Kelas B.doc Bioinformatika Tugas 2 Sostek- Surface Kelompok 3 Benar kelas B.doc Surface Tugas 2 Sostek- Surface Kelompok 3 Benar Kelas B.doc Surface Tugas 2 Bioinformatika Kelompok 3 Salah SosTek_ _Kel Surface as B.doc Tugas 3 Soset Kelas B.doc Tugas 3 sosioetika Kelas B.doc Tugas 3 Sostek Kelas B.doc Hyperspectral Kelompok 2 Hyperspectral Hyperspectral Kelompok 4 Hyperspectral Hyperspectral Kelompok 2 Hyperspectral Benar Benar Benar Analisis Pada penentuan kelompok untuk dokumen baru memiliki tingkat kesesuaian yang tinggi

20 Hasil Uji Coba Waktu Deteksi 20 Nama Dokumen Tidak Dikelompokan Jumlah Kelompok Dikelompokan (6 Kelompok) Quick Sort2.docx 64 detik 4 detik Tugas 1 Soset Kelas B.doc 98 detik 4 detik Tugas 1 sostek kelas B.doc 88 detik 5 detik Tugas 1 Sostek Kelas B.doc 84 detik 5 detik Tugas 1 Sostek kelas (B).doc Tugas 1 Sostek Kelas B.docx 107 detik 9 detik 74 detik 9 detik Analisis Sebuah dokumen dilakukan pendeteksian penjiplakan dokumen waktu yang diperlukan lebih lama pada kumpulan yang tidak dikelompokan dibandingkan kumpulan dokumen yang dikelompokan

21 Hasil Deteksi Penjiplakan 21 Analisis Dari dataset dokumen ditemukan beberapa dokumen yang di duga melakukan penjiplakan

22 22 Hasil Uji Coba Deteksi Penjiplakan

23 Kesimpulan 23 Berdasarkan hasil percobaan bahwa 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. Dari data set yang digunakan telah ditemukan dokumen yang diduga melakukan penjiplakan

24 24 Terima Kasih

25 Definisi Penjiplakan 25 Kamus Besar Bahasa Indonesia Menggambar atau menulis garis-garis gambaran atau tulisan yg telah tersedia (dengan menempelkan kertas kosong pada gambar atau tulisan yg 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. Back

26 Algoritma Winnowing 26 Winnowing adalah algoritma yang digunakan untuk melakukan proses document fingerprinting. Document fingerprinting merupakan proses mengubah string menjadi nilai-nilai hash. Input dari proses document fingerprinting adalah string teks. Kemudian outputnya akan berupa sekumpulan nilai hash yang disebut fingerprint.

27 Contoh Penerapan Alg. Winnowing 27 Teks : the classic problem 1. Removing : theclassicproblem 2. n-gram (n=5) : thecl hecla eclas class lassi assic ssicp sicpr icpro cprob probl roble oblem 3. Hashing : rolling hash Window : 1 [ ] 2 [ ] 3 [ ] 4 [ ] 5 [ ] 6 [ ] 7 [ ] 8 [ ] 9 [ ] 10 [ ] 5. Fingerprint : Back

28 Rolling Hashing 28 H (c1 c k ) Fungsi hash didefinisikan sebagai berikut: thecl = t * 3 (5-1) + h * 3 (5-2) + e * 3 (5-3) c * 3 (5-4) + l * 3 (5-5) c 1 b k 1 + c 2 b k c k 1 b k + c k = 116 * 3 (4) * 3 (3) * 3 (2) + 99 * 3 (1) * 3 (0) = Keuntungan dari rolling hash adalah untuk nilai hash berikutnya dapat dilakukan dengan cara: H c 2 c k+1 = H c 1 c k c 1 b k 1 b + c (k+1) hecla = (13518 t * 3 (4) ) * 3 + a = * 3 (4) ) * = Back

29 Algoritma K-means++ 29 Langkah algoritma K-means++ adalah : Menentukan satu centroid awal pada seluruh data dokumen Melakukan pembobotan D(d), ketidakmiripan tiap dokumen dengan centroid terdekat Memilih satu centroid dari data dengan probabalitas tiap dokumen terpilih D(d 2 ). Ulangi langkah 2, bila centroid terpilih < k Melakukan pengelompokan K-means.

30 Algoritma K-means 30 Langkah-langkah Alg. K-means Menentukan nilai k Menentukan centroid Mengelompokkan setiap dokumen Menghitung tingkat kesamaan setiap dokumen ke masing-masing centroid Menentukan nilai nilai hash sebagai centroid baru Kembali ke langkah 3 jika nilai nilai hash pada centroid baru dengan centroid lama tidak sama.

31 Penentuan Centroid 31 centroid α (C) = f(c α, h) h W(di), f(,c) n α Dok 1 Dok 2 Dok Hash Frekuensi , , , , , ,3333 f(, C) n

32 Penentuan Jumlah Kelompok 32 Rule of Thumb k n 2 Hartigan Index H(k) = (n k 1) dimana : err(k) = k i=1 n j =1;j εci err k err k+1 err k+1 d 2 X j, X Ci Back

33 Rule of Thumb 33 Rule of Thumb merupakan algoritma penentuan jumlah kelompok yang sebaiknya terbentuk dalam pengklasteran berdasarkan banyaknya data yang tersedia Contoh Rule of Thumb k n 2 k k 50 k 7,071

34 Hartigan Index 34 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.

35 Hartigan Index 35 Contoh dimana jumlah data adalah 100 k Nilai err(k) 2 27, , ,38 H(2) = ( ) k H(k) 2 99, , ,80 13,70 13,70