EVALUASI PENGUKURAN JARAK PADA ALGORITMA RABIN KARP UNTUK MENDETEKSI PLAGIASI BILINGUAL
Total View This Week0
Total View This Week0
Institusion
Universitas Muhammadiyah Ponorogo
Author
Pradhipta Bagaskara, Imas
Subject
T Technology (General)
Datestamp
2021-02-19 05:57:59
Abstract :
Pembandingan teks karya ilmiah bisa dengan cara menghitung kata atau kalimat yang sama dan ada pada karya ilmiah lainnya. Namun untuk cara ini membutuhkan pemrosesan yang panjang mengingat semua katanya akan dibandingkan serta dipengaruhi banyaknya teks karya ilmiah yang dibandingkan. Cara lain untuk membandinkan teks karya ilmiah adalah dengan menjadikannya sebagai fingerprint. Metode Fingerprinting Algoritma Rabinkarp merupakan salah satu metode yang mengubah dokumen menjadi kumpulan hash yang mewakili teks karya ilmiah dan mempersingkat penulisan karena tiap kata atau kalimat diperingkas dengan hashing. Penghitungan jarak kesamaan menggunakan beberapa metode pengukuran. Metode tersebut adalah penghitungan jarak yang akan diterapkan yaitu Cosine, Jaccard, Dice, Euclidean, Manhattan, Minkowski, Mahalanobis dan Weighted. Tiap rumus berbeda hasil pengukuran satu dan lainnya yang merupakan karakterisitik dari masing-masing metode pengukuran. Dari hasil pengujian menunjukkan bahwa akurasi pengukuran terhadap nilai aproksimasi yang ditentukan menunjukkan metode pengukuran Cosine Distance merupakan metode yang lebih baik dibanding ke 7 metode pengukuran lainnya pada penelitian ini. Ini dibuktikan dengan rerata selisih 0.585 dan cukup stabil dengan standar deviasi 1.00. Pada metode Dice Distance memiliki selisih rerata 0.691 dan standar deviasi 1.00. Metode Jaccard Distance memiliki akurasi yang kurang baik ini dibuktikan dengan selisih reratanya 1.00 dan standar deviasi 1.00. Pada metode Manhattan memiliki akurasi yang cukup baik ini dibuktikan dengan selisih reratanya 0.052 dan standar deviasi 1.00. Pada metode Minkowski memiliki akurasi yang buruk karena melebihi standar deviasi yaitu selisih rerata 1.13 dan deviasi 1.00. Metode Euclidean juga memiliki akurasi yang kurang baik bisa dibuktikan dengan selisih rerata 1.32 dan deviasi 1.00. Metode Mahalanobis memiliki akurasi cukup stabil tapi kurang baik dalam akurasi ini dibuktikan dengan selisih rerata 0.86 dan deviasi 1.00. Weighted memiliki akurasi yang cukup baik dengan selisih rerata 0.03 dan deviasi 1.00.
Pembandingan teks karya ilmiah bisa dengan cara menghitung kata atau kalimat yang sama dan ada pada karya ilmiah lainnya. Namun untuk cara ini membutuhkan pemrosesan yang panjang mengingat semua katanya akan dibandingkan serta dipengaruhi banyaknya teks karya ilmiah yang dibandingkan. Cara lain untuk membandinkan teks karya ilmiah adalah dengan menjadikannya sebagai fingerprint. Metode Fingerprinting Algoritma Rabinkarp merupakan salah satu metode yang mengubah dokumen menjadi kumpulan hash yang mewakili teks karya ilmiah dan mempersingkat penulisan karena tiap kata atau kalimat diperingkas dengan hashing. Penghitungan jarak kesamaan menggunakan beberapa metode pengukuran. Metode tersebut adalah penghitungan jarak yang akan diterapkan yaitu Cosine, Jaccard, Dice, Euclidean, Manhattan, Minkowski, Mahalanobis dan Weighted. Tiap rumus berbeda hasil pengukuran satu dan lainnya yang merupakan karakterisitik dari masing-masing metode pengukuran. Dari hasil pengujian menunjukkan bahwa akurasi pengukuran terhadap nilai aproksimasi yang ditentukan menunjukkan metode pengukuran Cosine Distance merupakan metode yang lebih baik dibanding ke 7 metode pengukuran lainnya pada penelitian ini. Ini dibuktikan dengan rerata selisih 0.585 dan cukup stabil dengan standar deviasi 1.00. Pada metode Dice Distance memiliki selisih rerata 0.691 dan standar deviasi 1.00. Metode Jaccard Distance memiliki akurasi yang kurang baik ini dibuktikan dengan selisih reratanya 1.00 dan standar deviasi 1.00. Pada metode Manhattan memiliki akurasi yang cukup baik ini dibuktikan dengan selisih reratanya 0.052 dan standar deviasi 1.00. Pada metode Minkowski memiliki akurasi yang buruk karena melebihi standar deviasi yaitu selisih rerata 1.13 dan deviasi 1.00. Metode Euclidean juga memiliki akurasi yang kurang baik bisa dibuktikan dengan selisih rerata 1.32 dan deviasi 1.00. Metode Mahalanobis memiliki akurasi cukup stabil tapi kurang baik dalam akurasi ini dibuktikan dengan selisih rerata 0.86 dan deviasi 1.00. Weighted memiliki akurasi yang cukup baik dengan selisih rerata 0.03 dan deviasi 1.00.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
