IMPLEMENTASI ALGORITMA JARO WINKLER DISTANCE UNTUK SISTEM PENDETEKSI SIMILARITY PADA DOKUMEN NASKAH PUBLIKASI

 

IMPLEMENTASI ALGORITMA JARO WINKLER DISTANCE UNTUK

SISTEM PENDETEKSI SIMILARITY PADA DOKUMEN

NASKAH PUBLIKASI

 

NASKAH PUBLIKASI

 

 

 

 

 

 

Diajukan Oleh:

Ihsan Almunawaroh

15.11.8846

 

 

Kepada:

FAKULTAS ILMU KOMPUTER

UNIVERSITAS AMIKOM YOGYAKARTA

YOGYAKARTA

2019

Catatan: Pengujian aplikasinya bisa kalian lihat di https://www.youtube.com/watch?v=gXs1rAkViD0

IPLEMENTASI ALGORITMA JARO WINKLER DISTANCE UNTUK

SISTEM PENDETEKSI SIMILARITY PADA DOKUMEN

NASKAH PUBLIKASI

Ihsan Almunawaroh¹⁾, Nila Feby Puspitasari²⁾

¹⁾Informatika Universitas AMIKOM Yogyakarta

²⁾Teknik Informatika Universitas AMIKOM Yogyakarta
Jl Ringroad Utara, Condongcatur, Depok, Sleman, Yogyakarta Indonesia 55283
Email : ihsan.al@students.amikom.ac.id¹⁾, nilafeby@amikom.ac.id²⁾

Similarity is looking for same word that are input with words in the source text document or text document being tested. The similarity in question is not a synonym, but a word that is close to or almost the same as the word in the document being tested. The use of similarity detection tools or can be called plagiarism detection tools in general can be a fairly effective step in dealing with plagiarism in this globalization era.

This application uses the Jaro Winkler Distance algorithm because this algorithm can check the similarity by only passing through a few processes so as to minimize time and relatively faster processes, the Jaro-winkler algorithm is very accurate and suitable for use in short string comparisons, such as abstractions in publication texts.

Keywords : Jaro Winkler Distance, Similarity, Artificial Intelligence.

1. Pendahuluan

1.1      Latar Belakang

 

Dalam dunia pendidikan, naskah publikasi dari suatu penelitian merupakan hal yang lumrah dikerjakan bagi kebanyakan civitas akademika. Pasalnya naskah publikasi ini menjadi syarat untuk memperoleh gelar terutama pada strata pendidikan, magister dan doktoral. Kemampuan dalam menyesuaikan jurnal yang sesuai dengan naskah yang telah dikerjakan agar dapat terpublikasi di jurnal tersebut. [1] Pembahasan mengenai penulisan naskah ini menjadi persoalan serius terkait maraknya kasus plagiarisme yang terjadi dalam penulisan karya ilmiah ini. Hal ini disebabkan karena kemajuan teknologi informasi membuat seorang akademisi dengan mudahnya mendapatkan segala informasi yang dibutuhkan untuk menyelesaikan naskahnya. Kemudahan dalam mendapatkan informasi inilah yang membuat seorang akademisi menghasilkan karya dengan cara menyalin atau menjiplak hasil karya orang lain sehingga terjadi banyak kesamaan data diantara akademisi.

Kasus pagiarisme sangat bisa ditanggulangi dengan cara pencegahan dan penanganan. Sebenarnya sudah jelas ditulis didalam Undang-Undang No. 20 tahun 2003 yang mengatur tentang sanksi bagi orang-orang yang melakukan plagiat, khususnya yang terjadi dalam lingkungan akademik. Penggunaan alat deteksi similarity secara umum dapat menjadi langkah yang cukup efektif dalam menangani plagiarisme yang berfungsi untuk mendeteksi plagiarisme secara otomatis. [2]

Berdasarkan permasalahan tersebut dibutuhkan sistem yang dapat digunakan untuk pendeteksi similarity dokomen naskah publikasi. Dengan menggunakan pendekatan string metrik, dimana dengan melakukan proses perbandingan string dan memasukkan dalam fungsi matematis. Terdapat beberapa algoritma yang berdasarkan string matric yaitu TF/IDF, Needleman-Wunsch Distance, Levenshtein Distance, Jaro-Winkler Distance, dan lain sebagainya. Dari beberapa algoritma yang tersebut, penulis memilih algoritma Jaro-Winkler Distance karena algoritma ini dapat memeriksa kemiripan hanya dengan melewati sedikit proses sehingga meminimalkan waktu dan proses yang relatif lebih cepat, algoritma Jaro-winkler sangat akurat dan cocok untuk digunakan dalam perbandingan string pendek, seperti abstraksi pada naskah publikasi. [3]

 

1.1      Rumusan Masalah

Berdasarkan latar belakang yang telah dijelaskan diatas dapat diambil suatu rumusan masalah, yaitu sebagai berikut:

1.         Metode seperti apa yang cocok untuk menguji kemiripan suatu dokumen naskah publikasi?

2.         Bagaimana cara mengimplementasikan algoritma Jaro Winkler Distance untuk mendeteksi similarity pada abstraksi dokumen naskah publikasi?

3.         Bagaimana cara pengujian similarity dokumen teks dengan menggunakan stremmer sastra?

4.         Bagaimana cara kerja aplikasi pendeteksi similarity dokumen naskah publikasi dengan cara membandingkan dua abstraksi naskah publikasi?

 

1.2      Tinjauan Pustaka

Kornain A., Yansen F. (2016) membuat sebuah penelitian yang berjudul “Penerapan Algoritma Jaro-Winkler Distance Untuk Sistem Pendeteksi Plagiarisme Pada Dokumen Teks Berbahasa Indonesia”. Dalam penelitian tersebut, penulis membuat sebuah penelitian untuk mendeteksi tiga tindak plagiarisme yaitu word-for-word plagiarism, plagiarism of authorship dan plagiarism of ideas. Kemudian penulis menghitung tingkat kemiripan data antara dua string dengan melakukan klarifikasi berdasarkan proporsi atau persentasi kata, kalimat, paragraf yang di bajak menjadi tiga tipe, yaitu apabila tingkat kemiripan kurang dari 30% maka tergolong plagiarisme ringan, apabila tingkat kemiripan 30-70% maka tergolong plagiarisme sedang sedangkan tingkat kemiripan diatas 70% maka akan tergolong plagiarisme besar atau total. [3]

Bunayari A. (2018). Penulis membuat sebuah penelitian yang berjudul “Implementasi Algoritma Jaro Winkler Untuk Menguji Kesamaan Teks Pada Abstraksi Tugas Akhir”. Dalam jurnal tersebut, penulis membua sebuah sistem aplikasi yang bertujuan untuk menguji kesamaan teks untuk mengatasi tindak plagiarisme pada abstraksi tugas akhir. Prosesi pengujian kesamaan teks dari data awal abstraksi tugas akhir akan dilakukan beberapa tahapan, yaitu tahap case folding, filtering, stemming, k-grams, menghitung panjang string, dan menghitung jaro winkler. [4]

Sagala A. C. S., Lydia M. S. Dan Rahmat R. F. (2017) Mahasiswa Universitas Sumatera Utara membuat sebuah penelitian yang berjudul “Pendeteksi Kesamaan pada Dokumen Teks Menggunakan Kombinasi Algoritma Enhanced Confix Stripping dan Algoritma Winnowing”. Dalam awal pendeteksian diperlukan proses stemming untuk prefixes, infixes, suffixes, dan kombinasi awalan dan akhiran (confixes). Dalam penelitian penulis memilih algoritma enchanced confix stripping stemmer untuk proses penguraian teks dari imbuhannya. Untuk menghitung nilai kesamaan teks dengan dokumen dalam database digunakan algoritma winnowing dengan teknik rolling hash. Algoritma winnowing membuang seluruh pemakaian karakter yang tidak relevan, seperti tanda baca, spasi, angka, dan karakter lainnya. Hanya karakter yang berupa huruf yang akan diproses ke tahap selanjutnya. [5]

 

1.3      Landasan Teori

1.4.1 Kecerdasan Buatan

Kecerdasan buatan berasal dari bahasa inggris “Artificial Intelligence” atau disingkat AI, yaitu intelligence adalah kata sifat yang berarti cerdas, sedangkan artificial artinya buatan. Kecerdasan buatan yang dimaksud disini merujuk pada mesin yang mampu berfikir, menimbang tindakan yang akan diambil, dan mampu mengambil keputusan seperti yang dilakukan oleh manusia.

1.4.2 Similarity

Fungsi dari similarity salah satunya merupakan sebagai key tape error correction atau pengoreksi kesalahan dalam pengetikan. Perhitungan nilai similarity dari kumpulan kata dapat ditemukan dengan menggunakan Dice’s similarity coefficient untuk pasangan kata yang digunakan. [5] Perhitungan similarity dapat dihitung dengan menggunakan persamaan (1) di bawah ini:  (1)

1.4.3 Plagiarisme

Plagiarisme atau plagiat adalah suatu perbuatan menjiplak ide-ide, gagasan atau karya orang lain yang kemudian diakui sebagai karya sendiri, dimana semua yang berkaitan dengan plagiarisme merupakan sebuah pelanggaran hak cipta. [6]

1.4.4 Text Preprocessing

Tahap ini akan melakukan analisis semantik (kebenaran arti) dan sintaktik (kebenaran susuan) terhadap sebuah teks. Tujuannya untuk mempersiapkan teks menjadi sebuah data yang akan diolah lebih lanjut.

1.4.5 Algoritma Jaro Winkler Distance

Algoritma jaro winkler distance merupakan varian dari jaro distance metrik, yaitu sebuah algoritma untuk mengukur kesamaan antar dua string, biasanya algoritma ini digunakan dalam pendeteksian similarity kata atau duplikat. Semakin tinggi jaro winkler distance untuk dua string, semakin mirip dengan string tersebut. Nilai normalna yaitu 0 untuk menandakan tidak ada kesamaan, dan 1 untuk menandakan tidak adanya kesamaan, dan 1 untuk menandakan adanya kesamaan (Kurniawati, Sulistyo dan Sazali 2010).

Dasar dari algoritma ini sendiri memiliki tiga bagian, yaitu:

1.      Menghitung panjang string.

2.      Menentukan jumlah karakter yang sama didalam dua string.

3.      Menentukan jumlah transposisi.

Pada algoritma jaro winkler distance menggunakan rumus untuk menghitung jarak (dj) antara dua string yaitu S1 dan S2 dapat dihitung dengan menggunakan persamaan (2) di bawah ini: d_j    (2)

Dimana : 

m = Jumlah karakter yang sama persis

S1 = Panjang String 1

S2 = Panjang String 2

t = Jumlah transposisi

Akan tetapi bila mengacu kepada nilai yang akan dihasilkan oleh algoritma jaro winkler diastance maka nilai maksimalnya adalah 1, yang menandakan kesamaan string yang dibandingkan mencapai seratus persen atau sama persis. Algoritma jaro winkler distance menggunakan prefix scale (p), menurut Winkler nilai standar untuk konstanta ini adalah p = 0.1 dan prefix atau panjang karakter yang sama sampai ditemukan ketidak samaan (maksimum 4 karakter), maka untuk menghitung jaro winkler distance (dw) dapat dihitung dengan menggunakan persamaan (3) di bawah ini:   (3)

Dimana :

dj = Jaro distance untuk string S1 dan S2

l = Panjang prefix (panjang karakter yang sama sebelum ditemukan ketidak samaan) nilai maksimal 4 karakter

p = Konstanta scaling factor (Nilai standar untuk konstanta ini menurut Winkler adalah p = 0.1)

 

                                        Catatan: Cara perhitungannya bisa kalian lihat di

                                    https://www.youtube.com/watch?v=PAy9o4MhVzU&t=16s

2.         Pembahasan

2.1      Analisis Kebutuhan

2.1.1Analisis Kebutuhan Fungsional

Pada sistem yang akan dibangun memiliki dua identifikasi fitur, yaitu sebagai berikut:

1.      Definisi Fitur.

Pendefinisian fitur digunakan sebagai penentuan apa saja yang dilakukan aplikasi. Beberapa fitur yang teridentifikasi dari identifikasi masalah yang telah dikemukakan di atas dapat dilihat pada Tabel 1 di bawah ini:

Tabel 1. Tabel Definisi Fitur

Fitur	Keterangan
Mendeteksi plagiarisme	Aplikasi ini dapat mendeteksi plagiarisme abstraksi naskah publikasi yang dibandingkan berdasarkan nilai dari perhitungan similarity.
Menampilkan hasil deteksi plagiarisme	Aplikasi ini dapat menampilkan data-data hasil dari pendeteksian similarity.
Melihat hasil dari deteksi similarity	User dapat melihat hasil deteksi similarity, proses-proses pengolahan yang ditampilkan dalam bentuk tabel dan hasil persentasi similarity yang ditampilkan pada sebuah bar proses. Dengan tiga level kriteria, yaitu rendah, sedang dan tinggi.

2.      Fitur Aktor

Aktor berperan sebagai perghubungan dengan sistem, dapat berupa user atau eksternal system yang akan menggunakan aplikasi. Untuk lebih jelasnya definisi aktor dapat dilihat pada Tabel 2 di bawah ini:

 

Tabel 2. Tabel Aktor

Aktor	Deskripsi
User	Manusia atau orang sebagai pengguna sistem, dan dapat mengakses fitur-fitur yang telah dijelaskan sebelumnya.

2.1.2Analisis Kebutuhan Non-Fungsional

Kebutuhan non-fungsional meliputi:

1.         Kebutuhan Perangkat Lunak

Adapun kebutuhan perangkat lunak yang digunakan untuk merancang sistem pendeteksi similarity untuk pengujian plagiarisme ditunjukkan Tabel 3 di bawah ini:

Tabel 3. Tabel Kebutuhan Perangkat Lunak

Sistem Operasi	Windows 8.1 Industry (Original)
Bahasa Pemrograman	PHP,  HTML,   CSS, Javascript
Teks Editor	Notepad++, Sublime
Web Browser	Google Chrome
Web Server	Apache (XAMPP Windows)

2.       Kebutuhan Perangkat Keras

Kebutuhan perangkat keras yang digunakan untuk merancang sistem pendeteksi similarity ditunjukkan pada Tabel 4 di bawah ini:

       Tabel 4. Tabel Kebutuhan Perangkat Keras

Processor	Intel Core i3-2328M
Storage	500 GB 5400RPM SATA
Memory	6 GB DDR4
Screen	14 inch
VGA	Intel HD 3000

 

2.2      Analisis Sistem

2.2.1 Analisis Data

Data yang dikumpulkan dan yang akan gunakan untuk dilakukan pengujian harus memenuhi prosedur, yaitu sebagai berikut:

1.       Naskah publikasi yang diperoleh dari perpustakaan elektronik Universitas Amikom Yogyakarta (http://repository.amikom.ac.id/)

2.       Memiliki judul yang serupa, berdasarkan jurusan yang sama atau mengandung unsur yang sama.

3.       Apabila abstraksi tersebut berbasa Inggris maka akan diubah terlebih dahulu kedalam bahasa Indonesia.

4.       Memiliki abstrak yang tidak cacat ketik.

5.       Abstraksi tidak melebihi 250 kata dan 2000 karakter.

2.2.2 Analisis Pemodelan Sistem

Aliran proses untuk pendeteksi similarity abstraksi naskah publikasi menggunakan algoritma jaro winkler distance ialah sebagai berikut:

1.       Menginputkan dua data berupa teks abstraksi naskah publikasi mahasiswa yang diperoleh dari perpustakaan elektronik Universitas Amikom Yogyakarta (http://repository.amikom.ac.id/)

2.       Tahap case folding, tahap ini mengubah teks kapital menjadi teks kecil, menghilangkan tanda baca dan angka.

3.       Tahap filtering, tahap ini menghapus kata penghubung atau stopword removal.

4.       Tahap stemming, pada tahap ini mencari kata dasar dari hasil proses filtering.

5.       Tahap space removal, tahap ini menghapus semua spasi yang ada pada abstraksi naskah publikasi.

6.       Tahap perhitungan jaro distance, tahap ini mencari karakter yang sama, menghitung transposisi dan perhitungan nilai jaro distance.

7.       Tahap perhitungan jaro winkler distance, tahap ini merupakan tahap perhitungan prefix legth, prefix scale dan proses perhitungan jaro winkler distance.

8.       Tahap terakhir adalah menampilkan hasil similarity, yakni menampilkan hasil perhitungan kesamaan antara dua input berupa string abstraksi naskah publikasi yang telah diolah dari rumus jaro winkler. Dimana perhitungan ditampilkan dalam bentuk persentase dengan tiga kategori similarity atau level plagiarisme. Tiga level plagiarisme tersebut yaitu, rendah (0-20%), sedang (21-60%) dan tinggi (61-100%)

 

3.         Rancangan Sistem

3.1      Rancangan Perangkat Lunak

Perangkat lunak yang dibangun menerapkan algoritma jaro winkler distance, algoritma ini merupakan algoritma untuk menghitung nilai jarak kedekatan antara dua teks. Menurut (Winkler 1999),  jaro winkler distance memiliki tiga komponen dasar, yaitu menghitung panjang string atau kata, mencari nomor huruf pada kedua kata, dan mencari transposisi. Semakin tinggi jarak jaro winkler distance antara kedua teks tersebut maka akan semakin tinggi adanya similaritynya.

 

3.2      Perhitungan Manual

Tahap pertama merupakan proses penginputan teks abstraksi naskah publikasi yang akan diuji yang diperoleh dari http://repository.amikom.ac.id/. Sebagai contoh perhitungan manual penulis menggunakan dua teks dokumen yaitu ALVIAN dan ALDIAN, untuk lebih jelasnya dapat dilihat pada Tabel di bawah ini:

Tabel 5. Tabel Dokumen Uji

Dokumen Uji 1	Dokumen Uji 2
ALVIAN	ALDIAN

Tabel 6. Tabel Hasil Teks Preprocessing

Dokumen Uji 1	Dokumen Uji 2
alvian	aldian

Tabel 7. Tabel Jumlah String

Dokumen Uji 1 (S1)	alvian	6
Dokumen Uji 2 (S2)	aldian	6

Tabel 8. Tabel Karakter yang Sama

Dokumen Uji 1 (S1)	alvian	alian	(m) = 5
Dokumen Uji 2 (S2)	aldian

Dike

 

4.         Pengujian

4.1     Pengujian Dalam Sistem

Perhitungan dalam sistem mengacu dari perhitungan dengan metode perhitungan manual yang telah dilakukan sebelumnya, dapat dilihat pada Gambar bawah ini:

 

4.2     Hasil Pengujian Naskah Publikasi

Pada pengujian ini dilakukan dengan menggunakan lima pasang dari sepuluh naskah publikasi yang berbeda namun memiliki kemiripan berdasarkan judul, metode dan konsentrasi yang sama, dapat dilihat pada Tabel 9 di bawah ini:

Tabel 9. Tabel Uji Naskah Publikasi

No	Judul	Similarity
1	Pengembangan Jaringan Wireless Dengan Wireless Hotspot Management Sistem Berbasis Captive Portal Pada Kafe Krink'jo 24	70%
	Analisis Dan Perancangan Wireless Hotspot Management Sistem Berbasis Captive Portal Pada Cafe Warung Stasiun
2	Perancangan Dan Implementasi Ips (Intrusion Prevention System) Sebagai Pengamanan Jaringan Komputer Berbasis Snort Inline	67%
	Analisis Dan Perancangan Ips (Intrusion Prevention System) Menggunakan Snort Untuk Meningkatkan Sistem Keamanan Server Di Upt Laboratorium Universitas Amikom Yogyakarta
3	Analisis Dan Implementasi Intrusion Detection System (Ids) Menggunakan Snort Pada Jaringan Wireless	66%
	Perancangan Keamanan Jaringan Berbasis Ids (Intrusion Detection System) Dan Menggunakan Firewall Tarpit Pada Mikrotik Rb-750
4	Analisis Dan Implementasi Perbandingan Manajemen Bandwidth Menggunakan Pcq Pada Simple Queue Dan Queue Tree Mikrotik Rb 951ui-2hnd Pada Jaringan Layanan Indihome Pt Ardhian Transport	68%
	Analisis Dan Perancangan Manajemen Bandwidth Dengan Metode Simple Queue Menggunakan Mikrotik Pada Sma Negeri 1 Jetis Bantul
5	Perancangan Jaringan Hotspot Dan Manajemen Bandwith Menggunakan Per Connection Queue (Pcq) Di Restoran Rocket Chicken Indonesia Cabang Berbah	64%
	Perancangan Dan Implementasi Management Bandwidt Dengan Metode Pcq Pada Jaringan Hotspot Berbasis Mikrotik Di Smk Syubbanul Wathon Magelang

Dari hasil pengujian naskah publikasi dengan konsentrasi jaringan diatas, kemudian dapat dihitung nilai rata-rata kemiripan data, yaitu sebagai berikut:

Semua tingkat similarity    : 70 + 67 + 66 +

  68 + 64

= 335

Totoal Naskah yang diuji   : 5

Nilai rata-rata = 335/5 = 67

Jadi nilai rata-rata pengujian similarity dari 5 dokumen naskah publikasi dengan konsentrasi jaringan adalah 67%.

 

5.         Penutup

5.1.    Kesimpulan

Dari pengujian yang telah dilakukan berupa implementasi algoritma jaro winkler distance pada naskah publikasi, dapat disimpulkan bahwa:

1.       Dengan menerapkan algoritma jaro winkler distance kedalam aplikasi, metode ini cocok digunakan dalam penerapan sistem pendeteksian similarity pada dokumen naskah publikasi.

2.       Cara implementasi algortima jaro winkler guna mendeteksi similarity ialah dengan cara menginputkan dua abstraksi naskah publikasi yang akan diuji, kemudian akan melalui proses text preprocessing, perhitungan jaro distance, perhitungan jaro winkler distance dan perhitungan similarity.

3.       Cara pengujian similarity dengan stremmer sastra adalah dengan cara menginputkan kata yang memiliki root word. Dalam bahasa Indonesia dapat menggunakan inflection suffixes, derivation suffixes dan derivation prefix.

4.       Cara kerja algortima jaro winkler guna mendeteksi similarity ialah dengan cara menginputkan dua abstraksi naskah publikasi yang akan diuji, kemudian akan melalui proses text preprocessing, perhitungan jaro distance, perhitungan jaro winkler distance dan perhitungan similarity. Aplikasi ini berhasil menghitung persentase kemiripan abstraksi tugas naskah publikasi anatara teks abstraksi 1 dengan teks abstraksi 2 yang diinputkan dengan menggunakan algoritma jaro winkler distance.

5.       Hasil Pengujian yang telah dilakukan oleh peneliti dari konsentrasi jaringan yang telah diuji berdasarkan naskah publikasi yang memiliki kemiripan pada judul dan kata kuncinya ialah, konsentrasi jaringan memiliki tingkat similarity yaitu sebesar 67% similarity rata-rata naskah publikasi yang diuji.

6.       Hasil pengujian dari konsentrasi jaringan dapat dihitung nilai rata-ratanya, cara perhitungannya dengan menjumlah keseluruhan tingkat similarity naskah publikasi yang diuji kemudain dibagi dengan jumlah naskah publikasi yang diuji tersebut, maka menghasilkan nilai 67%. Keseluruhan naskah publikasi yang diuji memiliki tingkat plagiarisme tinggi, berdasarakn tingkat level plagiarisme yang telah ditentukan.

 

5.2      Saran

Dalam rancangan aplikasi ini masih terdapat banyak kekurangan yang mungkin dapat disempurnakan lagi. Maka peneliti memberi saran diantaranya:

1.       Agar aplikasi ini dapat diterapkan dengan sempurna, maka sara dari penulis perlu dilakukan pengembangan pada aplikasi pendeteksi plagiarisme ini.

2.       Memperbarui user interface serta menambah fitur-fitur yang dapat memperbaiki kinerja aplikasi ini.

Daftar Pustaka

[1].               UII, “Pentingnya Pemilihan Jurnal Dalam Publikasi,” 24 Juni, 2019. [Online]. Available: https://www.uii.ac.id/pentingnya-pemilihan-jurnal-dalam-publikasi/.

[2].              A. Wibowo, “Mencegah dan Menanggulangi Plagiarisme di Dunia Pendidikan,” Kesmas Natl. Public Heal. J., vol. 6, no. 5, p. 195, 2012.

[3].              P. Novantara and O. Pasruli, “Implementasi Algoritma Jaro-Winkler Distance Untuk Sistem Pendeteksi Plagiarisme Pada Dokumen Skripsi,” J. Buffer Inform., vol. 3, no. 2, 2017.

[4].               A.  Bunayari,  “Implementasi   Algoritma   Jaro-Winkler   Distance   Untuk  Pendeteksi  Plagiarisme”.  Perpustakaan   Universitas Amikom Yogyakarta, 2018.

[5].              Sagala A. C. S., Lydia M. S. Dan Rahmat R. F. “Pendeteksian Kesamaan pada Dokumen Teks Menggunakan Kombinasi Algoritma Enhanced Confix Stripping dan Algoritma Winnowing,”. January, 2015.

[6].              M. Riadi, “Pengertian, Jenis dan Identifikasi Plagiarisme,” 22 Februari, 2019. [Online]. Available: https://www.kajianpustaka.com/2019/02/Plagiarisme.html.

 

Biodata Penulis

Ihsan Almunawaroh, memperoleh gelar Sarjana Komputer (S.Kom), Jurusan Informatika Universitas Amikom Yogyakarta, lulus tahun 2019.

 Nila Feby Puspitasari, memperoleh gelar Sarjana Komputer (S.Kom) Jurusan Teknik Informatika STMIK Amikom Yogya karta, lulus tahun 2005. Memperoleh gelar Magister Ilmu Komputer (M.Cs) Universitas Gadjah Mada, lulus tahun 2014.