<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="76266">
 <titleInfo>
  <title>PENENTUAN TINGKAT SIMILARITAS DOKUMEN MENGGUNAKAN VECTOR SPACE MODEL  UNTUK MEMBANTU PENDETEKSIAN PLAGIARISME</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Taufiq M Isa</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Universitas Syiah Kuala</publisher>
   <dateIssued>2020</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Null</form>
  <extent></extent>
 </physicalDescription>
 <note>Kemudahan dalam memperoleh dokumen secara online, selain memudahkan seorang penulis mendapat  rujukan juga memperbesar kemungkinan  terjadinya  plagiarisme. Tulisan   yang   diambil   dari   ide  orang   bila  tidak.  dirujuk   dengan  benar   dapat mengakibatkan plagiarisme. Untuk itu perlu digagas  suatu stategi untuk membantu mendeteksi  similaritas  antar  dokumen.  Strategi  ini  dapat  membantu   mendeteksi tingkat simiJaritas antar dua dokumen. Jika tingkat similaritas tinggi, maka ada kemungkinan  telah  terjadi  plagiarisme  pada  dokumen  yang  lebih  baru.  Kendala utama dalam menentukan  tingkat similaritas antar dokumen  adalah kompleksitasnya yang tinggi.  Bila terdapat  n buah dokumen maka diperlukan O(n)  kali pengecekan. Hal ini akan menjadi masalah bila n terlalu besar. Untuk itu, perlu dilakukan penyaringan  agar sebelum proses perbandingan  dilakukan untuk setiap dokumen, k buah dokumen  yang paling relevan ditentukan  terlebih dahuJu.  Salah satu gagasan untuk penentuan  k-buah dokumen  terdekat  adalah menggunakan    aplikasi swish-e (Simple  Web Indexing System for Humans  - Enhanced).  Untuk menentukan  k buah dokumen yang relevan, vector space model akan digunakan untuk merepresentasikan dokumen.  Model  ini merepresentasikan  dokumen  dalam  vektor  dengan  nilai  dan bobot terteotu. Jika dua vektor diposisikan pada suatu bidang ortogonal, kedua vektor akan membentuk sudut. Pengukuran sudut kosinus dari vektor dokumen dapat menggambarkan  tingkat  similaritas dari  kedua dokumen  itu. Semakin tinggi tingkat kesamaannya   maka  semakin     besar  pula     diduga     plagiarisme      telah     terjadi  pa.da dokumeo atau bagian dari dokumen (paragraf).&#13;
&#13;
&#13;
Kata Kunci :  Swish-e,  vector space model, similaritas  dokumen&#13;
&#13;
</note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>76266</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2020-09-01 15:05:16</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2020-09-01 15:07:57</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>