Available via license: CC BY 4.0
Content may be subject to copyright.
”Technologia” Vol 8, No.4, Oktober – Desember 2017 205
DETEKSI PLAGIARISME TINGKAT KEMIRIPAN JUDUL SKRIPSI
DENGAN ALGORITMA WINNOWING
Nur Alamsyah
Fakultas Teknologi Informasi
Universitas Islam Kalimantan Muhammad Arsyad Al Banjari Banjarmasin
uniskalam@gmail.com
ABSTRAK
Untuk menentukan kemiripan teks judul skripsi yang di ajukan dengan judul-judul skripsi yang
telah ada sebelumnya maka diperlukan penerapan suatu algoritma untuk menentukan kemiripan
teks, salah satunya algoritma untuk menentukan kemiripan teks ialah algoritma Winnowing.
Algoritma Winnowing adalah sebuah cara yang digunakan untuk mendeteksi kesamaan
kata/kalimat (common subsequence) dalam dua atau lebih teks yang dibandingkan. Dua teks
diketahui memiliki kesamaan kata/kalimat apabila di dalam dokumen tersebut dijumpai fingerprint,
fingerprint inilah yang akan dijadikan dasar pembanding antara teks, algoritma ini akan mencari
fingerprint (kesamaan di dalam dua teks) dengan cara mengubah n-gram dari sebuah teks ke dalam
bentuk nilai angka yang disebut dengan nilai hash, teknik untuk mencari nilai tersebut adalah
Hashing.
Dengan sistem ini, Ketua Program Studi atau Koordinator Tugas Akhir nantinya hanya
memasukkan judul yang akan diajukan mahasiswa, kemudian sistem akan mengecek secara
otomatis dan menampilkan hasilnya. Hasil tersebut bisa dijadikan sebagai pertimbangan dalam
pengambilan keputusan dan dapa menentukan apakah diterima atau ditolak judul skripsi tersebut.
Kata Kunci : Algoritma Winnowing, fingerprint, n-gram, Hashing
PENDAHULUAN
Bagi mahasiswa tingkat akhir, pencarian
judul skripsi merupakan suatu hal yang sangat
penting dan dapat dikatakan sulit namun dapat
juga dikatakan mudah, dikatakan mudah
karena dengan semakin cepatnya akses
internet saat ini, mahasiswa dapat dengan
mudah menemukan judul-judul skripsi untuk
dijadikan acuan atau referensi, menjadi sulit
karena dengan banyaknya judul-judul skripsi
yang mudah diakses ada kemungkinan
memiliki judul yang mirip bahkan sama
sehingga bisa terjebak kedalam plagiarisme.
Seiring berjalannya waktu telah banyak
judul-judul skripsi yang telah diterima dan
tersimpan di akademis. Dalam pengajuan judul
tidak sedikit mahasiswa yang berulang kali
mengajukan judul skripsi, hal ini dikarenakan
mahasiswa tersebut tidak mengetahui
judul yang diajukan telah ada sebelumnya
karena penentuan diterima atau ditolaknya
judul-judul yang diajukan oleh mahasiswa
masih dilakukan secara manual yaitu dengan
dengan mengecek satu persatu berdasarkan
daftar judul-judul skripsi angkatan yang telah
lulus yang tersimpan di file Microsoft excel.
Judul skripsi yang sama, tidak menutup
kemungkinan isi dari skripsi tersebut juga
sama namun tidak menutup kemungkinan juga
isi skripsi berbeda walaupun judul skripsi
sama sehingga mahasiswa bingung dalam
menentukan judul skripsinya. Dalam
menentukan diterima atau tidaknya sebuah
judul skripsi yang sekarang ini dilakukan
adalah dengan mengecek atau membandingkan
judul tersebut dengan daftar judul-judul yang
”Technologia” Vol 8, No.4, Oktober – Desember 2017 206
telah ada, tentu saja hal ini akan membutuhkan
waktu yang cukup lama belum lagi jika
pengaju judul skripsi berjumlah banyak, tidak
menutup kemungkinan ada judul yang terulang
atau sama dengan judul-judul yang tersimpan
di akademis bahkan waktu yang dibutuhkan
juga akan semakin lama.
Di samping itu, pengelolaan daftar
judul-judul yang telah ada juga masih
manual sehingga tidak menutup
kemungkinan data akan hilang dan sulit dalam
mendistribusikan informasi tersebut kepada
mahasiswa. Oleh karena itu, diperlukan suatu
sistem yang mampu mendeteksi persentase
kemiripan teks judul secara cepat dan tepat
dan mampu menyediakan informasi tersebut
kepada seluruh mahasiswa.
RUMUSAN MASALAH
Berdasarkan uraian dari latar belakang,
maka dapat dirumuskan permasalahanya yaitu
dalam menentukan diterima atau tidaknya
sebuah judul skripsi masih dilakukan dengan
cara manual yakni dengan mengecek atau
membandingkan judul tersebut dengan daftar
judul-judul yang telah ada, tidak menutup
kemungkinan data akan hilang dan sulit dalam
mendistribusikan informasi tersebut kepada
mahasiswa.
TUJUAN PENELITIAN
Tujuan penelitian ini adalah untuk
mengetahui kemampuan algoritma winnowing
dalam mendeteksi tingkat plagiarisme
kemiripan judul skripsi dengan menggunakan
perubahan nilai n-gram dan window dari
algoritma winnowing untuk menghasilakan
persentase kemiripan judul skripsi.
TARGET LUARAN DAN MANFAAT
PENELITIAN
Target Luaran pada penelitian ini
adalah untuk memberikan kontribusi kepada
Koordinator Tugas Akhir atau Ketua Program
Studi dalam menentukan tingkat plagiarisme
pada judul-judul skripsi yang diajukan
mahasiswa agar terhindar dari plagiarisme.
Sedangkan manfaat dari penelitian adalah
untuk memudahkan mendeteksi tingkat
plagiarisme pada judul-judul skripsi yang ada
difakultas dengan judul skripsi yang diajukan
dengan menggunakan algoritma winnowing.
METODE PENELITIAN
Metode yang digunakan adalah dengan
metode eksperimen, dengan tahapan
penelitian sebagai berikut:
1. Pengumpulan Data
Data yang diperlukan berupa dokumen teks
yaitu judul-judul skripsi mahasiswa yang
telah lulus kemudian disimpan pada
Microsoft excel.
2. Pengolahan Data Menggunakan
Algoritma Winnowing
Winnowing adalah algoritma yang digunakan
untuk melakukan proses document
fingerprinting (Schleimer, Wilkerson, &
Aiken, 2003: 4). Document fingerprinting
merupakan metode yang digunakan untuk
mendeteksi keakuratan salinan antar dokumen
atau hanya sebagian teks saja. Prinsip kerja
dari metode document fingerprinting ini
adalah dengan menggunakan teknik hashing.
Teknik hashing adalah sebuah fungsi yang
mengkonversi setiap string menjadi bilangan.
Algoritma winnowing melakukan
penghitungan nilai-nilai hash dari setiap k-
gram, untuk mencari nilai hash selanjutnya
digunakan fungsi rolling hash. Kemudian
dibentuk window dari nilai-nilai hash tersebut.
Dalam setiap window dipilih nilai hash
minimum. Jika ada lebih dari satu hash dengan
nilai minimum, dipilih nilai hash yang paling
kanan. Kemudian semua nilai hash terpilih
disimpan untuk dijadikan fingerprint dari
suatu dokumen.
Input dari proses document fingerprinting
adalah file teks. Kemudian outputnya akan
berupa sekumpulan nilai hash yang disebut
fingerprint. Fingerprint ini yang akan
dijadikan dasar pembanding kesamaan antara
teks yang telah dimasukkan.
”Technologia” Vol 8, No.4, Oktober – Desember 2017 207
Syarat dari algoritma deteksi plagiarisme
(Schleimer, Wilkerson, & Aiken, 2003: 2)
yaitu;
a. Whitespace insensitivity, yaitu pencocokan
teks file seharusnya tidak terpengaruh oleh
spasi, jenis huruf kapital, tanda baca dan
sebagainya.
b. Noise surpression, menghindari
pencocokan teks file dengan panjang kata
yang terlalu kecil atau kurang relevan dan
bukan merupakan kata yang umum
digunakan.
c. position independence, yaitu pencocokan
teks file seharusnya tidak bergantung pada
posisi kata-kata sehingga kata dengan
urutan posisi berbeda masih dapat dikenali
jika terjadi kesamaan.
Winnowing telah memenuhi syarat-
syarat tersebut dengan cara membuang seluruh
karakter-karakter yang tidak relevan misal:
tanda baca, spasi dan juga karakter lain,
sehingga nantinya hanya karakter-karakter
yang berupa huruf atau angka yang akan
diproses lebih lanjut.
Langkah-langkah dalam penerapan
Algoritma Winnowing adalah sebagai berikut
(Sariyanti Astutik, Andharini Dwi Cahyani,
Mochammad Kautsar Sophan, 2014):
Langkah I Pembuangan Karakter yang Tidak
Relevan.
Yaitu penghapusan tanda baca, spasi
dan symbol-simbol seperti =, #, %, &, (, ), -,
_, $, @, !, /,”, seperti contoh dibawah ini:
Hello !!! Saya Alam, Apa kabarmu?
teks diatas yang telah dibersihakan dengan
ukuran k, misal ukuran k = 5
hello ellos llosa losay osaya sayaa ayaal
yaala aalam alama lamap amapa mapak
apaka pakab akaba kabar abarm barmu
Langkah III Perhitungan Fungsi Hash untuk
Setiap n-gram.
Yaitu melakukan perhitungan-
perhitungan nilai-nilai hash dari setiap gram,
fungsi yang digunakan untuk menghasilkan
nilai hash dari rangkaian gram dalam
algoritma Winnowing adalah rolling hash.
Rolling Hash adalah suatu cara untuk
mentransformasi sebuah string menjadi suatu
nilai yang unik dengan panjang tertentu (fixed-
length) yang berfungsi sebagai penanda string
tersebut. Fungsi untuk menghasilkan nilai ini
disebut fungsi hash, sedangkan nilai yang
dihasilkan disebut nilai hash.
Fungsi hash H(c1..ck) didefinisikan sebagai
berikut:
H(ck) =c1 * b(k-1) + c2 * b (k-2) + ...+ ck * b (k-k)
Keterangan :
c = nilai ascii karakter
b = basis (bilangan prima)
k = banyak karakter
hasil rolling hash dari kalimat diatas adalah:
6462 6498 6726 6782 6846 6782 6420 6826
6126 6238 6492 6266 6538 6294 6576 6178
6376 6122 6270
Akan dirubah menjadi
hellosayaalamapakabarmu
Langkah IV Pembentukan Window dari Nilai
Hash.
Langkah II Pembentukan Rangkaian n-gram.
Yaitu dengan cara membentuk
rangkaian karakter sepanjang n dari hasil
pembuangan karakter yang tidak relevan, dari
Pembentukan nilai hash dari window
dengan ukuran w = 4 yaitu :
W-1 : {6462 6498 6726 6782}
W-2 : {6498 6726 6782 6846}
W-3 : {6726 6782 6846 6782}
”Technologia” Vol 8, No.4, Oktober – Desember 2017 208
Persamaan
Jaccard
Coefficient
digunakan untuk
menghitung
kemiripan
W-4 : {6782 6846 6782 6420}
W-5 : {6846 6782 6420 6826}
W-6 : {6782 6420 6826 6126}
W-7 : {6420 6826 6126 6238}
W-8 : {6826 6126 6238 6492}
W-9 : {6126 6238 6492 6266}
W-10 : {6238 6492 6266 6538}
W-11 : {6492 6266 6538 6294}
W-12 : {6266 6538 6294 6576}
W-13 : {6538 6294 6576 6178}
W-14 : {6294 6576 6178 6376}
W-15 : {6576 6178 6376 6122}
W-16 : {6178 6376 6122 6270}
Langkah V Pemilihan Fingerprint dari Setiap
Window
Langkah terakhir yaitu memilih nilai
terkecil dari setiap window untuk dijadikan
fingerprint, hasil dari nilai fingerprintnya
sebagai berikut;
[6462, 1], [6498, 2], [6726, 3], [6420, 4],
[6126, 6], [6238, 10], [6266, 12], [6178, 14],
[6122,15]
Persamaan Jaccard Coeficient.
Nilai fingerprint yang dibentuk dari
algoritma winnowing digunakan untuk
mengukur prosentase kemiripan teks pada
persamaan Jaccard Coeficient.
(similarity) dari kumpulan kata-kata yang telah
dihitung nilai hash nya. Berikut ini rumus
persamaan Jaccard Coefficient.
ANALISIS HASIL DAN PEMBAHASAN
Analisis Algoritma Winnowing
Algoritma Winnowing merupakan salah
satu metode document fingerprinting yang
digunakan untuk mendeteksi kemiripan antar
teks dokumen dengan menggunakan teknik
hashing. Algoritma ini dipilih karena
Winnowing merupakan salah satu algoritma
terbaik untuk mendapatkan nilai similarity
antar teks dokumen baik dalam segi akurasi
ataupum performansi.
Penerapan Algoritma Winnowing dalam
sebuah system membutuhkan beberapa inputan
yaitu dokumen teks berekstensi .txt, jumlah
karakter, jumlah Gram dan jumlah Window,
sedangkan output yang akan dihasilkan berupa
Persentase kemiripan dari teks dokumen yang
dibandingkan.
Tahapan-tahapan Algoritma dapat
dililihat pada flowchart dibawah ini:
Flowchart Algoritma Winnowing
Berdasarkan gambar flowchart diatas,
menjelaskan tahapan Algoritma Winnowing
mulai dari input teks (processing), kemudian
pembuangan karakter yang tidak relevan
seperti spasi, tanda baca dan symbol-simbol.
Setelah itu pembagian kata untuk membentuk
nilai gram, kemudian menghitung nilai-nilai
hash melalui proses tolling hash akan
menghasilkan nilai hash yang dibag menurut
window dan sampai pada proses menghasilkan
nilai fingerprint.
Tahapan tersebut dilakukan pada
dokumen pertama, setelah itu dilakukan
”Technologia” Vol 8, No.4, Oktober – Desember 2017 209
tahapan yang sama untuk dokumen kedua
sehingga menghasilkan dua nilai-nilai
fingerprints dari kedua dokumen. Setelah itu
proses dilanjutkan dengan perhitungan
persentasi kemiripan dari kedua dokumen
berdasarkan nilai fingerprints yang telah
diperoleh. Persentasi kemiripan dihitung
menggunakan metode kesamaan nilai
fingerprint (jaccard similarity coefficient).
Jadi dapat disimpulkan Input dari
proses document fingerprinting adalah file
teks. Kemudian output-nya berupa
sekumpulan nilai hash yang disebut
fingerprint. Fingerprint inilah yang akan
dijadikan dasar pembanding antara file-file
teks yang telah dimasukkan.
Analisis Deteksi Kemiripan Judul Skripsi
dengan Algoritma Winnowing
Proses deteksi kemiripan judul dapat
dilakukan dengan menerapkan berbagai
metode untuk menghasilkan presentasi
kemiripan. Tujuan utama dari deteksi
kemiripan judul adalah untuk menentukan
presentase kemiripan judul satu dengan judul
lainya.
Skema deteksi kemiripan judul skripsi
Deteksi kemiripan judul skripsi dapat
dideteksi dengan salah satu algoritma yaitu
dengan algoritma winnowing dimana hasil
presentase kemirpan judul ditampilkan. Proses
deteksi kemiripan dilakukan dengan
menampilkan presentase dengan mengunakan
Persamaan Jaccard Coeficient pada hasil
Fingerprint.
Adapun langkah-langkah deteksi kemiripan
judul skripsi adalah sebagai berikut:
1. Masukan judul skripsi yang akan dilihat
tingkat presentase nya dengan judul skripsi
yang sudah ada sebelumnya.
2. Memasukan nilai n-gram, untuk
memebentuk rangkaian gram pada judul
yang dimasukan dan judul yang
dibandingkan.
3. Masukan nilai Window, untuk
menentukan pembentukan window dari
nilai Hash.
4. Proses deteksi kemiripan judul skripsi
dengan algoritma winnowing yang mana
tujuanya dari proses deteksi kemiripan judul
tersebut ada untuk menampilkan tingkat
presentase dengan judul-judul yang sudah ada
sebelumnya. Berdasarkan analisa di atas, dapat
disimpulkan bahwa proses deteksi kemirpan
judul skripsi berdasarkan algoritma winnowing
menghasilkan presentase kemiripan dengan
kumpulan judul skripsi yang sudah ada, karena
semakin tinggi presentase kemiripan maka
akan semakin mirip dengan judul yang
dibandingkan.
Implementasi Algoritma Winnowing
Terhadap Kemiripan Judul Skripsi
Tahapan-tahapan untuk mengimplementasikan
Algoritma Winnowing untuk mendeteksi
presentase plagiarisme pada judul skripsi
adalah sebagai berikut;
1. Ambil 2 judul skripsi yang akan
dibandingkan.
Teks Judul 1:
“APLIKASI LAYANAN KEPENDUDUKAN
ELEKTRONIK PADA DINAS KEPENDUDUKAN
DAN PENCATATAN SIPIL KOTA BANJARMASIN”
Teks Judul 2:
“SISTEM INFORMASI MANAJEMEN LAYANAN
KEPENDUDUKAN PADA DISCAPIL KOTA
BANJARMASIN”
”Technologia” Vol 8, No.4, Oktober – Desember 2017 210
2. Pembuangan Karakter yang Tidak
Relevan
Hapus semua huruf yang bukan A-Z, a-z,
0-9. Kemudian ubah menjadi huruf kecil
semua.
Teks Judul 1 akan terbentuk menjadi:
aplikasilayanankependudukanelektronikp
adadinaskependudukandanpencatatan
sipilkotabanjarmasin
Teks Judul 2 akan terbentuk menjadi :
sisteminformasimanajemenlayanankepend
udukanpadadiscapilkotabanjarmasin
3. Pembentukan Rangkaian n-gram
Buat n-gram untuk masing-masing judul
kalimat. Jumlah data pengelompokan n-
gram ini bisa dimulai dari 2, 3, 5, 7 dan
seterusnya misal n-gram=3.
Pada teks Judul 1 akan terbentuk 87
rangkaian n-gram yaitu:
4. Perhitungan Fungsi Hash untuk Setiap
n-gram
Buat Rolling Hash untuk masing-masing
N-Gram , Perhitungan nilai hash pada
rangkaian n-gram pada teks judul 1
bagian pertama “apl” dengan nilai basis
(b) = 2, panjang rangkaian ngram(n) = 3
H(apl) =asci (a)* 23 + asci (p)* 22 + asci (l) * 21
= 97 *8 + 112*4 + 108 * 2
= 1440
Hasil semua perhitungan nilai hash pada teks
judul 1 yaitu:
1440 1538 1498 1462 1474 1446 1556 1466
1494 1454 1576 1410 1488 1430 1510 1484
1458 1520 1448 1514 1468 1570 1482 1558
1464 1418 1500 1442 1482 1468 1548 1606
1576 1538 1514 1492 1498 1484 1370 1388
1386 1440 1474 1498 1450 1550 1484 1458
1520 1448 1514 1468 1570 1482 1558 1464
1416 1474 1408 1440 1530 1520 1446 1470
1412 1434 1548 1434 1536 1446 1550 1564
1498 1532 1486 1514 1532 1546 1512 1362
1392 1428 1498 1464 1450 1542 1490 1446
1560
apl pli lik ika kas asi sil ila lay aya yan
ana nan ank nke kep epe pen end ndu
dud udu duk uka kan ane nel ele lek ekt
ktr tro ron oni nik ikp kpa pad ada dad
adi din ina nas ask ske kep epe pen end
ndu dud udu duk uka kan and nda dan
anp npe pen enc nca cat ata tat ata tan
ans nsi sip ipi pil ilk lko kot ota tab aba
ban anj nja jar arm rma mas asi sin
Sedangkan pada teks Judul 2 terbentuk 66
rangkaian n-gram yaitu:
sis ist ste tem emi min inf nfo for orm
rma mas asi sim ima man ana naj aje
jem eme men enl nla lay aya yan ana nan
ank nke kep epe pen end ndu dud udu
duk uka kan anp npa pad ada dad adi
dis isc sca cap api pil ilk lko kot ota tab
aba ban anj nja jar arm rma mas asi sin
Kemudian rangkaian n-gram pada teks judul 2
bagian pertama “sis” dengan nilai basis (b) =
2, panjang rangkaian ngram(n) = 3
H(sis) =asci (s)* 23 + asci (i)* 22 + asci (s) * 21
= 115 *8 + 105*4 + 115 * 2
= 1570
Hasil semua perhitungan nilai hash pada teks
judul 2 yaitu:
1570 1532 1586 1550 1454 1512 1484 1510
1488 1562 1542 1490 1446 1558 1470 1480
1410 1480 1402 1470 1446 1496 1464 1506
1494 1454 1576 1410 1488 1430 1510 1484
1458 1520 1448 1514 1468 1570 1482 1558
1464 1440 1522 1484 1370 1388 1386 1450
1498 1510 1404 1434 1532 1486 1514 1532
1546 1512 1362 1392 1428 1498 1464 1450
1542 1490 1446 1560
”Technologia” Vol 8, No.4, Oktober – Desember 2017 211
5. Pembentukan Window dari Nilai Hash
Kelompokkan (windowing) untuk masing-
masing hasil hash, langkahnya mirip seperti
n-gram. Pembentukan window dari hasil
perhitungan nilai hash dengan ukuran
lebar window (w) = 3 pada teks judul 1
yaitu:
6. Pemilihan Fingerprint dari Setiap
Window
Ambil angka terkecil dari masing-masing
window. Untuk selanjutnya angka terkecil
ini diistilahkan Fingerprints. Pemilihan
nilai fingerprint dari hasil pembentukan
window pada tahap sebelumnya adalah ;
nilai fingerprint pada teks judul 1
W-1 : {1440 1538 1498}
W-2 : {1538 1498 1462}
W-3 : {1498 1462 1474}
W-4 : {1462 1474 1446}
W-5 : {1474 1446 1556}
W-6 : {1446 1556 1466}
W-7 : {1556 1466 1494}
W-8 : {1466 1494 1454}
W-9 : {1494 1454 1576}
W-10 : {1454 1576 1410}
W-11 : {1576 1410 1488}
W-12 : {1410 1488 1430}
W-13 : {1488 1430 1510}
W-14 : {1430 1510 1484}
W-15 : {1510 1484 1458}
W-16 : {1484 1458 1520}
W-17 : {1458 1520 1448}
W-18 : {1520 1448 1514}
W-19 : {1448 1514 1468}
W-20 : {1514 1468 1570}
W-21 : {1468 1570 1482}
W-22 : {1570 1482 1558}
W-23 : {1482 1558 1464}
W-24 : {1558 1464 1418}
W-25 : {1464 1418 1500}
W-26 : {1418 1500 1442}
W-27 : {1500 1442 1482}
W-61 : {1530 1520 1446}
W-62 : {1520 1446 1470}
W-63 : {1446 1470 1412}
W-64 : {1470 1412 1434}
W-65 : {1412 1434 1548}
W-66 : {1434 1548 1434}
W-67 : {1548 1434 1536}
W-68 : {1434 1536 1446}
W-69 : {1536 1446 1550}
W-70 : {1446 1550 1564}
W-71 : {1550 1564 1498}
W-72 : {1564 1498 1532}
W-73 : {1498 1532 1486}
W-74 : {1532 1486 1514}
W-75 : {1486 1514 1532}
W-76 : {1514 1532 1546}
W-77 : {1532 1546 1512}
W-78 : {1546 1512 1362}
W-79 : {1512 1362 1392}
W-80 : {1362 1392 1428}
W-81 : {1392 1428 1498}
W-82 : {1428 1498 1464}
W-83 : {1498 1464 1450}
W-84 : {1464 1450 1542}
W-85 : {1450 1542 1490}
W-86 : {1542 1490 1446}
W-87 : {1490 1446 1560}
adalah 78 window
nilai fingerprint pada teks judul 2
adalah 66 window
Fingerprints dari kelompok (window)
kalimat teks judul 1 dengan fingerprints
(window) kalimat teks judul 2 inilah yang
nanti akan dihitung tingkat koefisien
plagiarisme-nya
7. Persamaan Jaccard Coeficient
Perhitungan kesamaan dengan menggunakan
persamaan jaccard coefficient yaitu;
Similarity (kemiripan) = 65/88 * 100%
= 73.86 %
Jumlah Fingerprints pada teks judul 1 = 87
Jumlah Fingerprints teks judul 2 = 66
Kemudian pada teks judul 2 hasilnya yaitu; Union (Gabungan) Fingerprints 1 dan 2 = 153
W-1 : {1570 1532 1586}
W-2 : {1532 1586 1550}
W-3 : {1586 1550 1454}
W-4 : {1550 1454 1512}
W-5 : {1454 1512 1484}
W-6 : {1512 1484 1510}
W-7 : {1484 1510 1488}
W-8 : {1510 1488 1562}
W-9 : {1488 1562 1542}
W-10 : {1562 1542 1490}
W-11 : {1542 1490 1446}
W-12 : {1490 1446 1558}
W-13 : {1446 1558 1470}
W-14 : {1558 1470 1480}
W-15 : {1470 1480 1410}
W-16 : {1480 1410 1480}
W-17 : {1410 1480 1402}
W-18 : {1480 1402 1470}
W-49 : {1498 1510 1404}
W-50 : {1510 1404 1434}
W-51 : {1404 1434 1532}
W-52 : {1434 1532 1486}
W-53 : {1532 1486 1514}
W-54 : {1486 1514 1532}
W-55 : {1514 1532 1546}
W-56 : {1532 1546 1512}
W-57 : {1546 1512 1362}
W-58 : {1512 1362 1392}
W-59 : {1362 1392 1428}
W-60 : {1392 1428 1498}
W-61 : {1428 1498 1464}
W-62 : {1498 1464 1450}
W-63 : {1464 1450 1542}
W-64 : {1450 1542 1490}
W-65 : {1542 1490 1446}
W-66 : {1490 1446 1560}
Intersection (fingerprints yang sama) = 65
(Union - Intersection) = 88
Prosentase Plagiarisme
Koefisien Jaccard = (Intersection / (Union-
Intersection) * 100
(65/88) * 100 = 73.86 %
Jadi dapat disimpulkan dari kedua judul diatas
memiliki tingkat plagiarisme sebesar 73.86 %
Pengujian Metode Winnowing
Untuk menentukan jenis kesamaan antara
dokumen yang diuji dalam kasus ini adalah
teks judul skripsi, ada 5 jenis penilaian
persentase similarity (Mutiara-Agustina,
2008):
”Technologia” Vol 8, No.4, Oktober – Desember 2017 212
1. 0% : Hasil uji 0% berarti kedua dokumen
tersebut benar-benar berbeda baik dari segi
isi dan kalimat secara keseluruhan
2. < 15%: Hasil uji 1-14% berarti kedua
dokumen tersebut hanya mempunyai sedikit
kesamaan
3. 15-50%: Hasil uji 15-50% berarti
menandakan dokumen tersebut termasuk
plagiat tingkat sedang
4. >50% : Hasil uji lebih dari 51-99% berarti
dapat dikatakan bahwa dokumen tersebut
mendekati plagiarisme
5. 100% : Hasil uji 100% menandakan bahwa
dokumen tersebut adalah plagiat karena dari
awal sampai akhir mempunyai isi yg sama
persis.
Proses pengujian dilakukan mulai dari
pegujian jumlah gram, jumlah window dan
basis bilangan prima. Dapat dilihat pada tabel
dibawah ini;
Tabel hasil pengujian deteksi tingkat
plagiarism pada judul skripsi
Berdasarkan dari tabel hasil Pengujian
diatas dalam menentukan tingkat plagiarisme
dengan menggunakan n-gram, window dan
bilangan prima menghasilkan 73.86 % tingkat
plagiarisme tinggi artinya mendekati
plagiarisme dengan n-gram = 3 , window = 3
dan bilangan prima = 2 sedangkan dengan
menggunakan n-gram = 7 , window = 9 dan
bilangan prima = 2 menghasilkan 19.82 %
artinya hanya mempunyai tingkat
plagiarisme sedang.
PENUTUP
Kesimpulan
Berdasarkan hasil pengujian teks judul
skripsi dengan menggunakan algoritma
winnowing dapat ditarik kesimpulan sebagai
berikut;
1. Penerapan Algoritma Winnowing dalam
sebuah sistem membutuhkan beberapa
inputan yaitu dokumen teks berekstensi .txt,
jumlah karakter, jumlah Gram dan jumlah
Window, sedangkan output yang akan
dihasilkan berupa Persentase kemiripan dari
teks dokumen yang dibandingkan.
2. Setelah membandingkan teks judul 1
dengan teks judul 2 menghasilkan Jumlah
Fingerprints pada teks judul 1 = 87, Jumlah
Fingerprints teks judul 2 = 66, Union
(Gabungan) Fingerprints 1 dan 2 = 153,
Intersection (fingerprints yang sama) = 65,
(Union - Intersection) = 88, Prosentase
Plagiarisme, Koefisien Jaccard =
(Intersection /(Union-Intersection) * 100
jadi (65/88) * 100 = 73.86 %
3. Berdasarkan hasil Pengujian dalam
menentukan tingkat plagiarisme dengan
menggunakan n-gram, window, bilangan
prima menghasilkan 73.86 % tingkat
plagiarisme tinggi artinya mendekati
plagiarisme dengan n-gram = 3 , window =
3 dan bilangan prima = 2 sedangkan dengan
menggunakan n-gram = 3 , window = 3
dan bilangan prima = 2 menghasilkan 19.82
% artinya hanya mempunyai tingkat
plagiarisme sedang.
Saran
Deteksi Plagiarisme Tingkat Kemiripan
Judul skripsi dengan Algoritma Winnowing ini
tidak terlepas dari kekurangan dan kelemahan.
Oleh Karena itu perlu perbaikan dan
perkembangan sistem selanjutnya, maka saran
yang diberikan untuk penelitian selanjutnya
adalah sebagai berikut:
1. Untuk mendeteksi plagiarisme atau
kemiripan teks dokumen dengan metode
fingerprinting dapat dilakukan dengan
algoritma lainnya yang berkaitan pada
”Technologia” Vol 8, No.4, Oktober – Desember 2017 213
bidang text mining seperti Algoritma Rabin
Karp atau Algoritma Manber.
2. Dapat dibuatkan perbandingan antar
algoritma mana algoritma terbaik untuk
mendeteksi plagiarisme pada dokumen teks
atau judul skripsi.
3. Dapat dibuatkan aplikasi deteksi
plagiarisme secara online yang sudah
memiliki database judul-judul skripsi
mahasiswa yang telah lulus, kemudian
mahasiswa yang ingin mengambil judul
bisa langsung cek di aplikasi tersebut
sebelum mengusulkan judulnya.
4. Dapat dikembangkan untuk document teks
yang lebih banyak atau kompleks, tidak
hanya judul skripsi tapi dapat diterapkan
untuk dokumen utuh skripsi atau jurnal
penelitian.
DAFTAR PUSTAKA
Astuti, W. (Agustus 2017). Analisis String
Matching Pada Judul Skripsi dengan
Algoritma Knuth-Morris Pratt(KMP).
ILKOM Jurnal Ilmiah Volume 9 Nomor 2
ISSN Cetak 2087-1716 ISSN Online 2548-
7779, 168 - 172.
Astutik, S., Cahyani, A. D., & Sophan, M. K.
(November 2014). Sistem Penilaian Esai
Otomatis pada E-Learning dengan
Algoritma Winnowing. Jurnal
Informatika, Vol 12, No.2 ISSN 1411-
0105, 47-52.
Christian. (2013). Perancangan Sistem Deteksi
Plagiarisme Dokumen Teks Menggunakan
Algoritma Damerau Levenshtein
Distance. Jurnal Mahasiswa PTIIK UB
Vol 1.
leonaerde, G. G. (2014). Penerapan algoritma
Boyes Moore Pada Aplikasi Pengajuan
Judul Skripsi Berbasis Web. Seminar
Informasi dan Teknologi Ilmiah (INTI).
Mudafiq, P. r. (2011). Aplikasi Pendeteksi
Duplikasi Dokumen Teks Bahasa
Indonesia Menggunakan Algoritma
Winnowing dengan metode K-gram dan
Synonym Recognition. . Jurnal Tugas
Akhir Jurusan Teknik Informatika
Universitas Muhammadiyah Malang.
Nurdin, & Amin, M. (September 2017).
Sistem Pendeteksian Kemiripan Judul
Skripsi Menggunakan Algoritma
Winnowing. Jurnal Nasional Informatika
dan Teknologi Jaringan (InfoTekJar) Vol
2, No 1 e- ISSN : 2540-7600, p-ISSN :
2540-7597.
Ridho, M. (2013). Rancang Bangun Aplikasi
Pendeteksi Penjiplakan Dokumen
Menggunakan Algoritma Biword
Winnowing . Pekanbaru Riau:
UNIVERSITAS ISLAM NEGERI
SULTAN SYARIF KASIM .
Setiawan, A. (Januari 2017). Implementasi
Algoritma Winnowing Untuk Deteksi
Kemiripan Judul Skripsi Studi Kasus
STIMIK Budidarma. Majalah Ilmiah INTI
Volume: XII, Nomor : 1 ISSN : 2339-
210X.
Soelistyo, H. (2011). Plagiarisme ,
Pelanggaran Hak cipta dan Etika. Jakarta:
Kanisius.
Syahputra, A. R. (Maret 2015). Implementasi
Algoritma Winnowing Untuk Deteksi
Kemiripan Text. Pelita Informatika Budi
Darma, Volume ; IX, Nomor; 1 ISSN
2301-9425, 134-138.
