Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
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.

Abstrak :
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.

Abstrak :
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.

Abstrak :
Penelitian yang dilakukan berupa pengembangan terhadap sistem pendeteksi plagiarisme otomatis sehingga dapat menerapkan jaringan saraf tiruan Self-Organizing Map SOM untuk melakukan klasifikasi terhadap hasil keluaran Latent Semantic Analysis. SOM dipilih untuk melakukan klasifikasi karena algoritma ini tidap perlu melakukan supervisi pada proses pembelajarannya sehingga dapat secara otomatis menentukan tingkat plagiarisme antar paragraf yang tidak mudah ditentukan secara langsung oleh manusia. Selain itu dilakukan perbandingan akurasi penentuan tingkat plagiarisme yang dimiliki oleh sistem apabila hanya menggunakan LSA saja, penggunaan LSA dengan SOM, dan penggunaan LSA dengan Learning Vector Quantization LVQ. Penggunaan SOM dan LVQ dilakukan untuk melakukan klasifikasi tingkat plagiarisme dari hasil keluaran LSA. Penentuan tingkat plagiarisme sudah cukup dilakukan apabila hanya menggunakan LSA saja, dimana sudah dapat menghasilkan tingkat akurasi paling tinggi yaitu 86,24. Namun, penggunaan SOM dengan jumlah kelas sebanyak 2 dengan 3 parameter memberikan rata-rata tingkat akurasi yang sedikit lebih rendah, yaitu sebesar 82,00. Sedangkan penggunaan LVQ dengan jumlah kelas sebanyak 2 dengan 3 parameter juga memberikan rata-rata tingkat akurasi yang sedikit lebih tinggi dibandingkan, yaitu sebesar 82,10.

---

This research has concern on deployment of neural network algorithm Self Organizing Map SOM in automatic plagiarism detector so it could be used to classify the output from Latent Semantic Analysis. SOM is chosen because it is an unsupervised neural network algorithm. With unsupervised neural network, it could determine the plagiarism level between paragraf automatically, which hard for human to determine it. Other than deployment of SOM, this research also focusses on the comparison of accuracy of the system if the system only deploys pure LSA, combination of LSA and SOM, and combination of LSA and Learning Vector Quantization LVQ. SOM and LVQ are used to do classification for the output from LSA. Plagiarism level could be determined by the result of LSA only. It has 86,24 as the highest accuracy level. But, the usage of SOM with 2 classes and 3 parameters gives lower average of accuracy, which is 82,00 . Therefore, usage of LVQ with 2 classes and 3 parameters gives slight better accuracy than SOM, which is 82,10.

Abstrak :
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.

Abstrak :
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.

Abstrak :
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.