plagiat 0.1.6

Library untuk memeriksa tingkat plagiarisme.

Plagiat

Library untuk memeriksa tingkat Plagiarisme atau Similarity menggunakan Bahasa Python. Secara default library ini akan menggunakan Algoritma Rabin Karp sebagai perhitungan utamanya.

Pustaka ini dibuat hanya sebagai penunjang untuk membantu saya menguji-coba dan memahami semua konsep algoritma untuk menghitung similaritas.

Instalasi

pip install plagiat

Cara Penggunaan

Menggunakan File .txt

from plagiat.deteksi import Deteksi

file_1 = '/content/kalimat-1.txt'
file_2 = '/content/kalimat-2.txt'

cek = Deteksi(file_1, file_2, url=True).hitung()

print('Persentase plagiarisme = {0}%'.format(cek))

Menggunakan Text

from plagiat.deteksi import Deteksi

string_1 = "Aku sedang belajar kecerdasan buatan"
string_2 = "Mahasiswa yang cerdas selalu siap menerima tantangan"

cek = Deteksi(string_1, string_2, text=True).hitung()

print('Persentase plagiarisme = {0}%'.format(cek))

Menggunakan URL

from plagiat.deteksi import Deteksi

teks_1 = 'https://raw.githubusercontent.com/novay/amikom/main/datasets/text/kalimat-1.txt'
teks_2 = 'https://raw.githubusercontent.com/novay/amikom/main/datasets/text/kalimat-1.txt'

cek = Deteksi(teks_1, teks_2, url=True).hitung()

print('Persentase plagiarisme = {0}%'.format(cek))

Penggunaan Parameter

from plagiat.deteksi import Deteksi

Deteksi(teks_1, teks_2, text=True, url=True, bahasa='english', method='Cosine').hitung()

Penjelasan

• text=True digunakan untuk mendeteksi string
  default False
• url=True digunakan untuk mendeteksi dokumen melalui URL
  default False
• bahasa='english' digunakan untuk menentukan bahasa yang digunakan dalam proses stopwords
  default 'indonesian'
• method='Cosine' digunakan untuk mengubah metode yang ingin digunakan
  default 'Rabin Karp', pilihan 'Rabin Karp', 'Cosine', 'Jaccard'

Referensi

Rabin Karp:

• Ranti Eka Putri, Andysah Putera Utama Siahaan
  https://www.researchgate.net/publication/319272358_Examination_of_Document_Similarity_Using_Rabin-Karp_Algorithm
• Andysah Putera Utama Siahaan, Mesran, Robbi Rahim, Dodi Siregar
  https://www.ijstr.org/final-print/july2017/K-gram-As-A-Determinant-Of-Plagiarism-Level-In-Rabin-karp-Algorithm.pdf

Jaccard Similarity:

• https://en.wikipedia.org/wiki/Jaccard_index

Cosine Similarity:

• Jiapeng Wang, Yihong Dong
  https://www.researchgate.net/publication/344010599_Measurement_of_Text_Similarity_A_Survey

Disclaimer

Library ini di buat hanya untuk keperluan pembuatan tugas Data Science.

Output mungkin saja bisa berbeda dengan pustaka lain khususnya perhitungan Cosine, karena dalam implementasinya ada variasi dalam cara perhitungan vektor TF-IDF, tokenisasi kata, dan faktor-faktor lainnya. Agar hasil lebih maksimal, lebih baik handle dulu masalah stop word, n-gram, dan normalisasi secara mandiri karena perhitungan yang dilakukan dalam pustaka ini hanya melakukan normalisasi sederhana sebelum dieksekusi.

Salam hormat,
Novianto Rahmadi (22.55.2293)

Credit

• Paper Ranti Eka Putri, Andysah Putera Utama Siahaan, Mesran, Robbi Rahim & Dodi Siregar
• NLTK - corpus, tokenize, stem
• Numpy
• TheDhejavu - Rabin Karp Module
  https://gist.github.com/TheDhejavu/39d6cfec2b3f75a1ac111042cb8aebdb#file-rabin_karp-py
• Jiapeng Wang, Yihong Dong (Cosine Similarity)