Hasil Pencarian  ::  Simpan CSV :: Kembali

"Plagiarisme merupakan tindakan mengakui hasil karya orang lain sebagai hasil karya pribadi tanpa izin pemilik asli karya tersebut. Tindakan plagiarisme dalam bentuk dokumen sudah sangat banyak terjadi saat era digital seperti ini. Pada skripsi ini dibuat sistem pendeteksi plagiarisme otomatis pada karya tulis digital dwibahasa (Indonesia - Inggris) dengan bahasa Indonesia digunakan sebagai karya tulis yang akan diuji dan bahasa Inggris sebagai karya tulis referensinya. Sistem pendeteksi plagiarisme terdapat dua bagian penting, yaitu akurasi dan kecepatan yang dihasilkan oleh sistem. Pada skripsi ini dilakukan pengembangan terhadap sistem pendeteksi plagiarisme dengan menambahkan penerjemah Microsoft Translator API dan menerapkan similar word. Penerapan penerjemah Microsoft Translator API dapat meningkatkan akurasi yang cukup signifikan yaitu sebesar 14,93 % dibandingkan penerjemah Googletrans API dan penerapan similar word dapat meningkatkan akurasi sistem dari 0,24% hingga 15,37%. Parallel processing diterapkan untuk mengatasi permasalahan waktu eksekusi yang lama ketika jumlah dokumen referensi yang digunakan banyak. Hasil pengujian dengan menerapkan parallel processing dapat meningkatkan kecepatan 1,06 hingga 6,71 kali lebih cepat dari program yang berjalan secara serial.

---

Plagiarism is the act of acknowledging the work of others personal work without their permissions. The prevalence of plagiarism is high in this digital era. In this thesis, an automatic plagiarism detection system on bilingual digital paper (Indonesian-English) is created with Indonesian paper as the tested paper and English paper as the reference paper. The plagiarism detection system has two important parts, namely the accuracy and speed produced by the system.

In this thesis, a plagiarism detection system is developed by adding a Microsoft Translator API translator and applying a similar word. The application of the Microsoft Translator API translator can increase the accuracy of the significant amount of 14.93% compared to the Googletrans API translator and the application of similar word can increase system accuracy from 0.24% to 15.37%. Parallel processing will be applied to overcome the problems of a long execution time when the number of reference documents that are used a lot. The test results by applying parallel processing can increase the speed of 1.06 to 6.71 times faster than programs running in serial."

"Pada penelitian ini, penerapan dari komputasi paralel dan komputasi awan dilakukan dalam sistem pendeteksi plagiarisme menggunakan algoritma winnowing dengan tujuan untuk mempersingkat waktu eksekusi program. Paralelisasi dilakukan pada bagian pemrosesan data paragraf dari dokumen referensi. Program dijalankan pada sistem komputasi awan OpenStack yang berada di Departemen Teknik Elektro, Universitas Indonesia agar dapat dilakukan paralelisasi secara optimal dengan mengutilisasi inti prosesor pada sistem. Didapatkan hasil bahwa waktu eksekusi dengan komputasi paralel berhasil menjadi lebih cepat sebesar 1,07 sampai dengan 3,52 kali dibandingkan waktu eksekusi dengan komputasi serial.

---

In this research, impementation of parallel computing and cloud computing was done within the plagiarism detection system using the winnowing algorithm with an objective to decrease the execution time of the program. Parallelization was done on the portion of the program where the paragraphs of reference documents are processed. The program was then executed on the OpenStack cloud computing system in the Department of Electrical Engineering, Universitas Indonesia in order for the parallelization to be optimal by utilizing the cores on the system. The results were that the execution time with the paralel computation was successfully sped up by 1.07 to 3.52 times compared to the execution time with serial computing."

"Pengembangan sistem pendeteksi plagiarisme dibuat untuk mengatasi masalah plagiarisme yang kerap terjadi pada dunia akademis. Pada skripsi ini dibuat sistem pendeteksi plagiarisme otomatis pada karya tulis digital dwi bahasa Indonesia-Inggris dengan Bahasa Indonesia digunakan sebagai karya tulis yang akan diuji dan Bahasa Inggris sebagai karya tulis referensinya. Sistem menerapkan algoritma winnowing yang dilengkapi dengan metode penerjemah bahasa Googletrans API dan similar words. Algoritma winnowing merupakan algoritma yang dapat mendeteksi kesamaan antar teks dengan menggunakan fingerprint yang didapat dari proses hashing karakter teks. Penelitian dilakukan untuk meningkatkan akurasi sistem dan mengetahui metode penilai kesamaan teks yang akurat. Dari hasil penelitian, didapatkan bahwa parameter terbaik algoritma winnowing secara umum terdapat saat nilai k-window = 5 dan nilai basis bilangan prima bernilai 3. Parameter n-gram bernilai kecil akan lebih akurat pada teks yang memiliki jumlah kata lebih sedikit dan/atau tingkat plagiarisme tinggi dan sebaliknya. Tingkat akurasi sistem pendeteksi plagiarisme otomatis dwi bahasa yang dikembangkan berkisar antara 75.02 hingga 99.51. Metode Cosine Similarity menjadi metode penilai kesamaan teks terbaik dari hasil penelitian ini. Selain itu, metode penerjemahan Googletrans API juga memberikan kelebihan dalam hal akurasi dan kelengkapan data kamus dibandingkan dengan metode kamus terjemahan database.

---

The development of plagiarism detection system is made to overcome the problem of plagiarism that often occurs in the academic world. In this thesis, an automatic plagiarism detection system on bilingual digital paper Indonesian English is created with Indonesian is used as the tested paper and English as the reference paper. The system implements the winnowing algorithm that comes with the Googletrans API language translator method and similar words. Winnowing algorithm is an algorithm that can detect similarity between text by using fingerprint obtained from hashing process of text character. The study was conducted to improve system accuracy and to know accurate method of text equality assessment.

From the study result, it is found that the best parameter of winnowing algorithm is generally occured when the value of k window 5 and the base value of the prime number is 3. The smaller value of n gram parameter will be more accurate in text that has fewer word counts and or high plagiarism levels and vice versa. The accuracy level of the automatic plagiarism detection system in the developed language ranged from 75.02 to 99.51 .

The Cosine Similarity method is the best method of text equality assessment according to results of this study. In addition, the Googletrans API translation method also provides advantages in terms of accuracy and completeness of dictionary data as compared to database translation dictionary method."

"Pada skripsi ini dibuat rancangan sistem deteksi plagiarisme pada karya tulis digital dua bahasa Indonesia - Inggris . Bahasa Indonesia digunakan sebagai karya tulis yang akan diuji dan bahasa Inggris sebagai karya tulis referensinya. Sistem ini menerapkan algoritma winnowing yang dilengkapi dengan metode penerjemah bahasa dan synonym recognition. Metode synonym recognition ini mampu mendeteksi sinonim dari tiap kata, mampu melakukan perubahan kata secara otomatis ketika diperlukan, dan mampu meningkatkan akurasi pada sistem deteksi plagiarisme dua bahasa yang sedang dikembangkan. Hasil penelitian ini menunjukkan bahwa penggunaan parameter winnowing yang tepat serta dilengkapi synonym recognition didapatkan peningkatan akurasi sistem dari 0.03 hingga 13.04.

---

In this thesis, the design of plagiarism detection system on bilingual digital essay Indonesian English . Indonesian used as a document to be tested and English as a reference document. The system applies winnowing algorithms that are equipped with language translator methods, and synonym recognition.

This synonym recognition method is able to detect synonyms of each word, capable of automatically changing words as needed, and capable of improving accuracy in the bilingual plagiarism detection system being developed.

The results of this study indicate that the use of appropriate winnowing parameters and by applying synonym recognition obtained improved system accuracy from 0.03 to 13.04."

"Di Indonesia yang mayoritas karya tulis di dunia akademiknya masih menggunakan bahasa Indonesia dan referensi yang digunakan mayoritas berbahasa Inggris, memudahkan terjadinya tindak plagiarisme daripada penggunaan bahasa yang sama. Departemen Teknik Elektro telah mengembangkan sistem pendeteksi plagiarisme dwibahasa berbasis Latent Semantic Analysis LSA . Lamanya eksekusi, membuat paralelisme menjadi solusi untuk mengurangi waktu eksekusi dari sistem. Pada penelitian ini dilakukan pengembangan dengan pemrosesan paralel terhadap sistem dengan menggunakan OpenMP. Proses yang diparalelkan adalah, yaitu Singular Value Decomposition SVD, operasi-operasi matriks, dan proses Learning Vector Quantization LVQ dengan melakukan pada pendekatan loop-loop-nya. Pada pengujian yang dilakukan, akurasi dari proses paralel memiliki konsistensi yang baik karena hasil yang sama dengan proses serial dan didapatkan peningkatan kecepatan eksekusi sistem sebesar 4-7,9 . Dengan fenomena pemrosesan paralel dengan menggunakan 1 thread memiliki waktu eksekusi yang lebih lambat daripada proses serial. Sedangkan saat menggunakan 2 thread dan 4 thread, didapatkan hasil yang lebih cepat daripada proses serial meskipun penggunaan 4 thread hanya berbeda sedikit atau cenderung sama dengan 2 thread. Hal ini disebabkan adanya overhead OpenMP yang terjadi saat pemrosesan paralel berjalan sebesar 20 , dan overhead MySQL yang membuat proses menjadi sangat lama karena besarnya yang mencapai 70 saat proses serial dan 50 pada proses paralel.

---

Majority of academic environment in Indonesia is still using Indonesian language and its references are in English. This condition led to ease the plagiarism acts when compared to same language environment. Due to this problem, Department of Electrical Engineering has developed bilingual plagiarism detection system based on Latent Semantic Analysis LSA . Parallelism becomes a solution to duration of execution problem. Development of parallel processing on the system with using OpenMP was conducted in this research. The parallelized processes were Singular Value Decomposition SVD , matrices operations, and Learning Vector Quantization LVQ with approach on loops.

In the testing process, accuracy of the parallel process had the same accuracy with the serial process. It is mean that the parallel process has good consistency. Then, the result of execution time has 4 7.9 of improvement compared to the serial one. There was a phenomenon that 1 thread of parallel process had worse performance than the serial process. Furthermore, use of 2 threads and 4 threads in the parallel process had a better execution time, even 4 threads is only slightly better or tend to be the same with 2 threads. These happened due to overhead presences. OpenMP overhead appeared at 20 when parallel executed and MySQL had more with 70 of system computation process in serial and 50 when executed in parallel."

"Penelitian ini mengembangkan dan menganalisa sistem pendeteksi plagiarisme dua bahasa berbasis Latent Semantic Analysis untuk karya tulis berbahasa Indonesia dan referensi berbahasa Inggris. Sistem pendeteksi plagiarisme menggunakan algoritma backpropagation neural network untuk melakukan klasifikasi pasangan karya tulis berbahasa Indonesia dan Inggris yang sudah dinilai tingkatan plagiarismenya secara manual. Sistem dapat memperoleh klasifikasi akurasi F-measure sampai dengan 92.75. Hasil percobaan menunjukkan bahwa akurasi tertinggi dapat diperoleh jika menggunakan metode term frequency binary dalam penghitungan jumlah kata dan penggunaan frobenius norm, vector angle slice, dan vector angle pad sebagai pilihan fitur untuk masukan backpropagation neural network.

---

This research aims to develop and analyse dual language plagiarism detection system based on Latent Semantic Analysis for papers with Indonesian language and reference text with English language. The plagiarism detection system uses backpropagation neural network algorithm to classify pairs of Indonesian and English papers which plagiarism levels has been graded manually. The system has reached classification accuracy using F measure metric up to 92.75.

Experiment results show that the highest accuracy obtained when using term frequency binary method in counting frequency of words and using frobenius norm, vector angle slice, and vector angle pad features for backpropagtion neural network input."

"SIMPLE-O atau Sistem Penilaian Esai Otomatis merupakan sebuah proyek yang dikembangkan oleh Departemen Teknik Elektro, Universitas Indonesia sejak tahun 2007. Penelitian ini membahas penerapan algoritma winnowing dan algoritma ASCII-Based Hashing pada pengembangan SIMPLE-O untuk ujian bahasa Jepang. Sistem dikembangkan dengan menggunakan bahasa pemrograman Python. Beberapa penelitian sebelumnya pernah menggunakan algoritma winnowing untuk mengembangkan SIMPLE-O. Namun yang membedakannya pada penelitian ini adanya penggantian algoritma hashing yang biasa digunakan, yaitu dari Rolling Hash menjadi algoritma ASCII-Based Hashing. Algoritma hashing tersebut termasuk kedalam algoritma LSH (Locality-sensitive hashing). Proses penilaian membutuhkan dua data input, yaitu jawaban mahasiswa (peserta ujian) dan kunci jawaban dosen. Kedua data input yang masih dalam bahasa Jepang akan diromanisasi menjadi teks romaji (huruf latin), setelah itu akan diproses oleh algoritma winnowing dan algoritma hashing untuk menghasilkan fingerprint. Maksud dari penelitian ini adalah untuk mencoba mendapatkan akurasi sistem yang paling tinggi. Dari hasil penelitian, didapatkan rata-rata akurasi nilai total sistem sebesar 87.10% jika parameter winnowing untuk setiap data input diseragamkan (n = 2 dan w = 2). Akurasi tersebut mengalami peningkatkan sebesar 0.24% dari hasil penelitian sebelumnya yang bernilai 86.86%. Namun jika parameter winnowing disesuaikan menggunakan nilai kombinasi yang paling terbaik, maka rata-rata akurasi nilai total sistem yang didapatkan adalah 92.74%. Akurasi tersebebut mengalami peningkatan sebesar 1.82% dari hasil penelitian sebelumnya yang bernilai 90.92%. Untuk akurasi total per mahasiswa dapat mencapai 99.95%, dan akurasi pernomor untuk tiap sampel mahasiswa berkisar dari 69.55% hingga 100%.

---

SIMPLE-O or Automated Essay Grading System is a project developed by the Department of Electrical Engineering, University of Indonesia since 2007. This research discusses the implementation of the winnowing algorithm and the ASCII-Based Hashing algorithm in the development of SIMPLE-O for the Japanese language exam. The system was developed using the Python programming language. Several previous research have used the winnowing algorithm to develop SIMPLE-O. But what distinguishes it in this research is the replacement of the hashing algorithm that is commonly used, namely from Rolling Hash to ASCII-Based Hashing algorithm. ASCII-Based Hashing is one of the LSH (Locality-sensitive hashing) algorithm. The grading process requires two input data, namely the examinee's answers and lecturers' answer keys. The two-input data that are still in Japanese will be romanized into romaji text (Latin letters), after that it will be processed by the winnowing algorithm and hashing algorithm to generate fingerprints. The purpose of this research is to try to get the highest system accuracy. From the research results. The average accuracy of the total system value is 87.10% if the winnowing parameters for each input data are equated (n = 2 and w = 2). The accuracy increased by 0.24% from the results of previous research which were worth 86.86%. However, if the winnowing parameter is adjusted using the best combination value, then the average accuracy of the total system value obtained is 92.74%. The accuracy has increased by 1.82% from the results of previous research which were worth 90.92%. The total accuracy of each student can reach 99.95%, and the accuracy of each number for each student sample ranges from 69.55% to 100%."

"Pada penelitian ini, dikembangkan HPC yang menerapkan multicore processing pada program Sistem Pendeteksi Plagiarisme dengan memanfaatkan infrastruktur komputasi awan berbasis OpenStack. Sistem Pendeteksi Plagiarisme merupakan program yang dikembangkan untuk mendeteksi tingkat plagiarisme dari suatu karya ilmiah. Algoritma program yang digunakan untuk penelitian kali ini adalah latent semantic analysis (LSA). Implementasi HPC dilakukan dengan bantuan library OpenMP yang didesain untuk bahasa pemrograman C. Diterapkan dua jenis paralelisme pada program, yaitu paralelisme fungsi dan paralelisme data. Setelah dilakukan pengujian, didapati hasil bahwa kedua metode paralelisme ini mempercepat eksekusi program. Paralelisme fungsi mempercepat waktu eksekusi hingga sebesar 1,03 kali waktu eksekusi serial dan paralelisme data mempercepat waktu eksekusi hingga 1,34 kali waktu eksekusi serial.

---

In this research, HPC with multicore processing is developed on Plagiarism Detection System using OpenStack based cloud computing infrastructure. Plagiarism Detection System is a software developed to detect plagiarism level of a scientific papers. The algorithm used in this program is latent semantic analysis (LSA). HPC implementation is done using OpenMP library which is designed to be used in C programming language. There are two types of paralelism in this program, which are function paralelism and data paralelism, both accelerate the execution time. Function paralelism accelerates program by up to 1,03 times of serial execution while data paralelism decreases the execution time by up to 1,34 times serial execution time."

"Penelitian yang dilakukan adalah pengembangan program pendeteksi plagiarisme otomatis dwibahasa dengan waktu pelaksanaan yang singkat. Penggunaan MySQL sebagai sistem basis data menyebabkan program membutuhkan waktu yang lama untuk menyelesaikan eksekusinya, sehingga pada penelitian ini sistem basis data diganti pada program. Sistem database yang dipilih adalah Redis karena Redis menyimpan data dalam memori, sehingga diharapkan pengambilan data dapat dilakukan dengan lebih cepat. Pada akhir penelitian, berdasarkan perbandingan program yang menggunakan database Redis dengan program yang menggunakan database MySQL didapatkan bahwa penggunaan database Redis membuat eksekusi program lebih cepat sekitar 2999.335% hingga 3050.966% dibandingkan program yang digunakan. database MySQL. Pada penelitian ini juga dibuat sistem antarmuka pengguna grafis untuk program deteksi plagiarisme. Hal ini bertujuan agar pengguna lebih mudah dalam menggunakan program dan pengguna dapat langsung mengunggah makalah yang ingin diuji tingkat plagiarismenya. Pengujian pada sistem antarmuka program dilakukan dengan menanyakan penilaian terhadap 30 pengguna yang telah menggunakan program. Hasil pengujian pada antarmuka ini mendapatkan nilai akhir sebesar 87.93% di evaluasi alat ukur oleh pengguna sehingga termasuk dalam kategori Sangat Baik. Sedangkan pada pengukuran skala usability sistem, desain antarmuka program deteksi plagiarisme memperoleh skor akhir 79,16 dan termasuk dalam kategori Baik.

---

The research conducted is the development of a bilingual automatic plagiarism detection program with a short implementation time. The use of MySQL as a database system causes the program to take a long time to complete its execution, so that in this study the database system was replaced in the program. The database system chosen is Redis because Redis stores data in memory, so it is hoped that data retrieval can be done more quickly. At the end of the study, based on a comparison of programs using the Redis database and the programs using the MySQL database, it was found that the use of the Redis database made program execution faster by around 2999.335% to 3050.966% compared to the programs used. MySQL database. In this research, a graphical user interface system for the plagiarism detection program was also developed. This aims to make it easier for users to use the program and users can directly upload the paper they want to test for plagiarism level. Testing on the program interface system is carried out by asking for an assessment of 30 users who have used the program. The test results on this interface get a final score of 87.93% in the evaluation of the measuring instrument by the user so that it is included in the Very Good category. Whereas in the measurement of the system usability scale, the plagiarism detection program interface design obtained a final score of 79.16 and was included in the Good category."

"Prsoses inversi dan forward modeling merupakan proses yang umum dilakukan dalam keilmuan geofisika khususnya pada metode magnetotelurik (MT) untuk memprediksi data dan parameter fisis material batuan di bawah permukaan bumi. Data dalam konteks ini merupakan resistivitas semu dan fase sementara parameter fisis merupakan resistivitas batuan. Proses tersebut biasanya dilakukan dengan menggunakan perangkat lunak tertentu yang perlu di unduh dan di install pada perangkat keras yang memenuhi spesifikasi, hal ini menjadi tidak fleksibel karena perangkat lunak perlu di install ulang jika ingin mengganti perangkat keras dan tidak semua perangkat keras dapat digunakan. Pada penelitian ini penulis mengembangkan platform website berbasis bahasa pemrograman python untuk melakukan proses forward modeling dan inversi data MT 1-D. Forward modeling dilakukan dengan menggunakan persamaan rekursif yang menyatakan hubungan antara impedansi dua lapisan sedangkan inversi dilakukan dengan menggunakan metode Levenberg-Marquardt. Pada inversi dengan stasiun lebih dari 1 maka kurva sounding hasil inversi akan dibentuk menjadi penampang resistivitas bawah permukaan dengan cara Krigging. Secara kuantitatif hasil inversi dengan website memiliki RMS error berkisar 0.08-0.21 % untuk data sintetik dan 0.84-1.84 % untuk data lapangan, secara kualitatif kurva inversi website memiliki trend yang mirip dengan software konvensional sehingga inversi website dinilai cukup valid. Dengan dikembangkannya platform web ini proses inversi dan forward modeling data MT 1-D dapat dilakukan di mana saja melalui perangkat apapun selama terdapat koneksi internet dan browser. Namun karena terdapat perbedan antara penampang hasil inversi website dengan software konvensional yang menyebabkan detil struktur tidak terlihat, maka website ini lebih cocok untuk digunakan pada keperluan akademis untuk melihat pola resistivitas bawah permukan secara umum dan bukan secara detail.

---

Invers and forward modeling is a common process or technique done in the field of geophysics, particularly on magnetotelluric method (MT) in order to predict data and physical parameters of rock materials underneath the surface. Data in this context is apparent resistivity and phase, while physical parameters is the conductivity of the rock materials. This process usually conducted using a certain software that has to be installed on a hardware that meets the minimum requirement, this is not flexible in modern age because the software would need to be re-installed if we wish to use other device, moreover not all device is compatible. In this research, writer is developing a web platform based on python programming language for the purpose of forward and invers modeling of 1-D MT data. The forward modeling algorithm is done by utilizing the recursive equation which states the relationship between impedance of two sequential layers while inverse modeling is done using Levenberg-Marquardt method. In a case where the inverted data has more than 1 station, the sounding curve as the output of the inversion will be made into a resistivity crossection using Krigging. Quantitatively the inversion result using this website has an RMS error of 0.08 - 0.21 % for syntethic data and 0.84 – 1.84 % for real data, qualitatively the inversion curve resulting from this website has similar trend to an inversion curve done by a conventional software, thus the inversion using this website is valid. With the development of this web platform the inverse and forward modeling process of 1-D MT data can be conducted anywhere through all kinds of device as long as internet conection and browser is available. However due to the difference between cross section resulting from inversion using website and using conventional software that has lead to certain structure can not be seen, therefore this website is more suitable to be used in an academic purposes to see subsurface resistivity pattern in general and not in detail."