<![CDATA[Plagiarisme dalam tugas akademik merupakan masalah serius yang berdampak negatif pada integritas pendidikan tinggi. Penelitian ini bertujuan mengevaluasi kinerja tiga algoritma string matching, yaitu Levenshtein, SequenceMatcher, dan Rabin-Karp, dalam mendeteksi plagiarisme pada teks akademik pendek. Dataset yang digunakan adalah Short Answer Plagiarism Corpus dengan 100 pasang dokumen. Pengujian dilakukan menggunakan Python 3.13.5 dengan threshold 0.8 untuk Levenshtein dan SequenceMatcher, serta 0.7 untuk Rabin-Karp. Hasil menunjukkan bahwa Levenshtein dan SequenceMatcher memiliki presisi sempurna (1.00), namun menghasilkan nilai recall yang rendah (0.23 dan 0.05). sedangkan Rabin-Karp memiliki recall tertinggi (1.00) tetapi menunjukan nilai presisi yang rendah (0.6). Temuan ini menunjukkan bahwa metode string matching efektif untuk mendeteksi plagiarisme literal (plagiarisme dari sumber salinan teks langsung) namun kurang optimal terhadap variasi parafrase (penulisan ulang atau rewording). Penelitian ini merekomendasikan integrasi metode string matching dengan analisis semantik atau pembelajaran mesin untuk deteksi plagiarisme yang lebih komprehensif.]]>
Copyrights © 2025
