Analisis Deteksi Kemiripan Dokumen Tugas Mahasiswa pada LMS Undiknas Menggunakan Metode K-Shingling dan Cosine Similarity
Abstract
Aplikasi LMS pada salah satu perguruan tinggi swasta di Bali yaitu Universitas Pendidikan Nasional (Undiknas) mulai dikembangan sejak adanya kewajiban untuk melakukan pembelajaran secara daring saat pandemi COVID melanda, dan hingga saat ini penggunaan LMS Undiknas digunakan untuk menunjang implementasi dari proses pembelajaran jarak jauh (PJJ). Salah satu hal yang perlu diperhatikan dari metode pembelajaran jarak jauh tersebut adalah terkait bagaimana memastikan bahwa mahasiswa telah paham dengan materi pembelajaran yang diberikan secara daring. Hal tersebut dapat dilakukan dengan memberikan tugas yang harus dikerjakan oleh mahasiswa. Namun, pemberian tugas melalui LMS juga dapat menjadi celah untuk mahasiswa melakukan kecurangan dengan kerap ditemukannya bahwa antar mahasiswa melakukan duplikasi jawaban tugas dari mahasiswa yang lain. Sehingga, dalam penelitian ini dilakukan upaya untuk mengatasi permasalahan tersebut dengan melakukan analisis fitur deteksi kemiripan dokumen tugas mahasiswa pada LMS Undiknas dengan metode K-Shingling dan Cosine Similarity agar dapat digunakan oleh dosen untuk mendeteksi persentase kemiripan dari dokumen pengumpulan tugas tiap mahasiswa. Berdasarkan tahap training dan tahap testing yang telah dilakukan, didapatkan kesimpulan bahwa pada rasio partisi data 80% (training) dan 20% (testing), deteksi kemiripan dokumen tugas mahasiswa dengan menggunakan pre-processing teks dan nilai parameter K = 3 pada metode K-Shingling diperoleh nilai akurasi sebesar 74,58% pada tahap testing yang menunjukkan performa dan tingkat keberhasilan sistem dalam melakukan deteksi kemiripan dokumen jawaban tugas mahasiswa, nilai ini dapat dikatakan sudah cukup baik karena memiliki nilai akurasi yang lebih tinggi 9.05% dibandingkan nilai akurasi pada tahap training.
Downloads
References
[2] Fitriani, Yuni. “Analisa Pemanfaatan Learning Management System (LMS) Sebagai Media Pembelajaran Online Selama Pandemi COVID-19”. Journal of Information System, Informatics and Computing. Vol.4 No.2, Desember 2020.
[3] Putra, Miftakhul Ilmi S. Mutaqin, Imam. “Analisis Deteksi Plagiarisme Pada LMS (Learning Management Systems) Untuk Pembelajaran Online Calon Guru Madrasah Ibtidaiyah”. Jpdi: Jurnal Pendidikan Dasar Islam, Vol. 3, No. 1 : 01-15. April 2021.
[4] Susanto, D., Basuki, A., Duanda, P. “Deteksi Plagiat Dokumen Tugas Daring Laporan Praktikum Mata Kuliah Desain Web Menggunakan Metode Naïve Bayes”. Nusantara Journal of Computers and its Applications Volume 2, No. 1, Desember 2016.
[5] Siswanto, Eric., Giap, Yo Ceng. “Implementasi Algoritma Rabin-Karp dan Cosine Similarity Untuk Pendeteksi Plagiarisme Pada Dokumen”. Jurnal Algor-Vol.1 No.2. 2020.
[6] Salmuasih, Sunyoto, Andi. “Implementasi Algoritma Rabin Karp untuk Pendeteksian Plagiat Dokumen Teks Menggunakan Konsep Similarity”. 2013. Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2013.
[7] Manaa, Mehdi Ebady., Abdulameer, Ghufran. “Web Documents Similarity Using K-Shingle Tokens and MinHash Technique”. Journal of Engineering and Applied Sciences 13 (6): 1449-1505, 2018.
[8] Firmansyah Fataruba. “Penerapan Metode Cosine Similarity Untuk Pengecekan Kemiripan Jawaban Ujian Siswa”. JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 2 No. 2, September 2018
[9] Rodier, S., Carter, D. “Online Near-Duplicate Detection of News Articles”. 2020. Proceedings of the 12th Conference on Language Resources and Evaluation (LREC 2020), pages 1242 – 1249
[10] Li, Peng., Qiao, Tianling., Guang, Yongxing., Zhang, Lan. “A New Shingling Similar Text Detection Algorithm” in Proceedings of the Second International Symposium on Simulation and Process Modelling, 2020, paper, page 83.
[11] Sariwating, Vegard, A. “Perancangan dan Implementasi Aplikasi Deteksi Kemiripan Citra Digital Menggunakan Algoritma Shingling dan Redundant Pixel Removal”. Skripsi. Universitas Kristen Satya Wacana. 2016
[12] Simanullang, Irwan Saputra. “Perancangan Aplikasi Deteksi Kemiripan Dokumen Teks Menggunakan Algoritma Shingling”. Jurnal Sistem Komputer dan Informatika (JSON) Volume 2, Nomor 1. Hal: 36-41, Sep 2020.
[13] Leskovec, J., Rajaraman, A., & Ullman, J. D. (n.d.). Mining of Massive Datasets.
[14] Adiansyah, Muhamad Yusuf. “Perancangan dan Implementasi Aplikasi Deteksi Kemiripan Dokumen Menggunakan Algoritma Shingling dan MD5 Fingerprint”. S. Kom. Artikel Ilmiah. Universitas Kristen Satya Wacana, Des. 2014.
[15] Setyadi, I Wayan Adi., Khrisne, Duman Care., Suyadnya, I Made Arsa. “Automatic Text Summarization Menggunakan Metode Graph dan Ant Colony Optimization”. Majalah Ilmiah Teknik Elektro, Vol. 17, No. 1, Januari – April 2018.
[16] Meilina, Lely., Kumara, I Nyoman Satya., Setiawan, Nyoman. “Literature Review Klasifikasi Data Menggunakan Metode Cosine Similarity dan Artificial Neural Network”. Majalah Ilmiah Teknologi Elektro, Vol. 20, No. 2, Juli – Desember 2021.
[17] Firdaus, Pasnur och Wabdillah. “Implementasi Cosine Similarity Untuk Peningkatan Akurasi Pengukuran Kesamaan Dokumen Pada Klasifikasi Dokumen Berita Dengan K Nearest Neighbour”. Jurnal Teknologi Informasi dan Komunikasi , Vol. 1, Nomor 1, 2019.
[18] Ratniasih, N. L., Sudarma, M., & Gunantara, N. (2017). Penerapan Text Mining dalam Spam Filtering untuk Aplikasi Chat. Majalah Ilmiah Teknologi Elektro, 16(3).
[19] Ulgasesa, R., Negara, A. B. P., Tursina. “Pengaruh Stemming Terhadap Performa Klasifikasi Sentimen Masyarakat Tentang Kebijakan New Normal”. Jurnal Sistem dan Teknologi Informasi Vol. 10, No. 3, Juli 2022.
[20] Khan, L. A. R., Ahmed, M. S. I., Almistarihi, H. H. “A Novel Technique Using Multiple K-Shingling Based Weighted Dissimilarity Score for Web Content Outlier Mining”. International Journal of Intelligent Engineering and Systems, Vol. 12, No. 4, 2019.
[21] Agustiawan. (2022). Analisis Similarity/Kemiripan Artikel Jurnal Online Terbitan Tahun 2019-2020 di ISI Yogyakarta. Jurnal Perpustakaan Dan Kearsipan, 2(1), 29–43.
![](https://ojs.unud.ac.id/public/journals/14/article_112456_cover_en_US.jpg)
![Creative Commons License](http://i.creativecommons.org/l/by-nc-nd/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
This work is licensed under a Creative Commons Attribution 4.0 International License