Prosiding KONSTELASI Vol.
2 No.
Juni 2025 Penerapan Algoritma Winnowing dalam Mendeteksi Kesamaan Judul Kerja Praktek Program Studi Ilmu Komputer Universitas Katolik Widya Mandira Kupang Yunita Mildayani Putri Bria1.
Yulianti Paula Bria*2.
Yovinia Carmeneja Hoar Siki3 Ilmu Komputer.
Universitas Katolik Widya Mandira Kupang E-mail: yunitampbria@gmail.
com1, yulianti.
bria@unwira.
id*2, yoviniacarmeneja@unwira.
Abstrak.
Pengajuan judul kerja praktek pada Program Studi Ilmu Komputer masih dilakukan secara manual sehingga dapat menyebabkan duplikasi judul.
Untuk mencegah adanya unsur duplikasi judul kerja praktek maka perlu dikembangkan sebuah sistem deteksi kesamaan judul menggunakan algoritma Winnowing.
Algoritma Winnowing merupakan algoritma berbasis hashing-approach yang menerapkan hash-function dan pembentukan window untuk memperoleh fingerprints pada saat mendeteksi judul.
Berdasarkan fingerprints tersebut, tingkat kesamaan judul dapat dihitung.
Penelitian ini bertujuan untuk mengukur tingkat kesamaan judul kerja praktek pada Program Studi Ilmu Komputer Universitas Katolik Widya Mandira.
Hasil dari penelitian ini menunjukkan bahwa algoritma yang diterapkan dapat mendeteksi kesamaan judul kerja praktek dengan baik.
Kata kunci: algoritma Winnowing.
deteksi kesamaan.
judul kerja praktek.
ilmu komputer.
Abstract.
The submission of internship project titles in the Computer Science Study Program is still done manually, which can lead to title duplication.
To prevent title duplication, a system needs to be developed using the Winnowing algorithm.
The Winnowing algorithm is a hashingbased approach that applies a hash function and forms a window to obtain fingerprints when detecting titles.
Based on these fingerprints, the degree of title similarity can be calculated.
This study aims to measure the similarity of internship project titles in the Computer Science Department at Widya Mandira Catholic University.
The results of this study show that the implemented algorithm can effectively detect title similarities.
Keywords: Winnowing algorithm.
similarity detection.
internship project title.
Pendahuluan Perkembangan teknologi informasi memberikan dampak signifikan di berbagai bidang termasuk bidang Kecepatan, ketepatan, dan akurasi dalam penyediaan serta aksesibilitas informasi kini menjadi prasyarat utama untuk memenuhi kebutuhan informasi yang dinamis dan berguna.
Di era digital yang semakin mengglobal, kemampuan untuk mengakses informasi secara cepat dan akurat tidak hanya menjadi kebutuhan, tetapi juga menjadi kunci penting dalam menunjang efektivitas dan efisiensi proses pembelajaran serta penelitian di lingkungan akademik.
Informasi yang diperlukan harus dapat diakses Prosiding KONSTELASI Vol.
2 No.
Juni 2025 dengan cara yang efektif dan efisien oleh semua pihak yang membutuhkannya.
Lembaga-lembaga akademik sepenuhnya menggunakan sistem informasi terkomputerisasi untuk meningkatkan kualitas pengelolaan data.
Dengan penerapan sistem informasi yang terkomputerisasi, data dapat tersimpan secara terorganisir dengan baik, dan informasi dapat diakses secara cepat, tepat, dan akurat dibandingkan dengan sistem yang masih manual dan belum terkomputerisasi .
Seiring dengan kemajuan teknologi, kini sebagian besar pekerjaan dilakukan secara daring.
Selain itu, tugas mahasiswa juga diserahkan dalam format elektronik karena lebih memudahkan dosen dan mahasiswa .
Namun, penggunaan format elektronik ini meningkatkan risiko terjadinya plagiarisme.
Kemudahan akses internet bagi banyak pengguna memungkinkan mereka memperoleh berbagai hasil penelitian, makalah, artikel, dan buku, yang berpotensi mendorong terjadinya praktik plagiarisme.
Dampak negatifnya juga dapat mempengaruhi proses belajar mahasiswa.
Oleh karena itu, diperlukan metode yang efektif untuk mendeteksi plagiarisme pada data.
Plagiarisme dalam penulisan akademis menjadi permasalahan yang serius, karena tidak hanya merugikan pencipta karya asli, tetapi juga menurunkan kualitas akademik secara keseluruhan .
Untuk mengatasi hal ini.
Kementerian Riset.
Teknologi, dan Pendidikan Tinggi telah menetapkan kebijakan yang mewajibkan setiap karya ilmiah menjalani pemeriksaan plagiasi menggunakan perangkat lunak tertentu, dengan hasil yang harus berada di bawah ambang batas 20% .
Namun, banyak akademisi mengalami kesulitan dalam memenuhi persyaratan ini karena kurang memahami cara kerja sistem pengecekan plagiasi .
Setiap perguruan tinggi juga memiliki kebijakan yang berbeda terkait batas toleransi plagiasi yang diperbolehkan.
Semakin tinggi jenjang pendidikan, semakin ketat pula persyaratan yang ditetapkan, termasuk penggunaan referensi dari jurnal ilmiah yang dapat meningkatkan tingkat kemiripan teks.
Oleh karena itu, mahasiswa dan peneliti harus lebih teliti dan cermat dalam mengutip sumber agar dapat meminimalkan risiko plagiarisme .
Sebagai salah satu lembaga akademik.
Universitas Katolik Widya Mandira (UNWIRA) Kupang telah mengambil langkahlangkah signifikan dalam mencegah dan mendeteksi plagiarisme di lingkungan akademik.
UNWIRA
mewajibkan setiap mahasiswa yang akan mengikuti seminar proposal atau ujian skripsi untuk menyerahkan salinan digital skripsi atau tesis mereka guna dilakukan pengecekan plagiarisme.
Jika tingkat kesamaan dalam dokumen tersebut melebihi ambang batas yang ditetapkan, mahasiswa diwajibkan untuk melakukan revisi sebelum melanjutkan ke tahap berikutnya.
Langkah ini bertujuan untuk memastikan integritas akademik serta meningkatkan kesadaran mahasiswa akan pentingnya orisinalitas dalam karya ilmiah mereka.
Berbagai perangkat lunak tersedia sebagai solusi untuk mendeteksi plagiarisme, seperti Turnitin.
WCopyFind .
Namun, perangkat lunak tersebut umumnya memiliki biaya komersial yang cukup Oleh karena itu, penelitian ini bertujuan untuk menyediakan alternatif yang lebih hemat biaya tanpa perlu membeli perangkat lunak komersial tersebut .
Solusi yang ditawarkan adalah dengan mencoba menerapkan sebuah metode rolling hash pada algoritma Winnowing yang akan diimplementasikan pada aplikasi deteksi kesamaan judul kerja praktek (KP).
KP merupakan mata kuliah wajib yang berbasis praktik lapangan dengan bobot 3 SKS dilakukan secara mandiri dan harus ditempuh oleh setiap mahasiswa .
Tujuan utama KP ialah untuk meningkatkan pengetahuan yang dipelajari mahasiswa terhadap masalah yang terjadi di dunia nyata sehingga mahasiswa dapat menemukan solusi yang tepat untuk menghadapinya.
Metode rolling hash itu sendiri merupakan salah satu metode hashing pada algoritma Winnowing yang memberikan kemampuan untuk menghitung nilai hash tanpa mengulangi seluruh string per kata.
Algoritma Winnowing adalah salah satu algoritma yang dapat melakukan metode dokumen fingerprinting untuk mendeteksi kesamaan.
Pendeteksian kesamaan source code pemrograman .
Algoritma Winnowing dapat digunakan untuk menghitung persentase kesamaan teks pada judul penelitian yang diajukan dengan judul penelitian yang terdapat pada basis data Google Scholar.
Sebagai mesin pencari yang menjadi rujukan publikasi ilmiah.
Google Scholar menyediakan data karya ilmiah yang valid dan dapat digunakan sebagai acuan dalam mendeteksi kesamaan judul proposal tugas akhir mahasiswa .
Jika dibandingkan dengan algoritma fingerprint lainnya, algoritma Winnowing mempunyai keunggulan dalam membandingkan suatu teks atau dokumen yaitu adanya penambahan konsep window yang dari window tersebut nilai hash yang dipilih menjadi nilai fingerprint minimum .
Pada tahun 2019, algoritma Winnowing digunakan untuk mendeteksi Prosiding KONSTELASI Vol.
2 No.
Juni 2025 kemiripan teks skripsi dengan cara membandingkan kedua teks melalui teknik fingerprinting.
Proses ini melibatkan pengubahan n-gram huruf menjadi angka yang disebut hash .
Algoritma Winnowing menggunakan Teknik pra-pemrosesan yang digunakan adalah case folding, tokenizing, filtering, dan stemming dengan stemmer Nazief-Andriani.
Hash function menggunakan rolling hash.
Pembentukan ngram menggunakan character-level trigrams.
Pengukuran similaritas menggunakan Jaccard Coefficient.
Hasil penelitian menunjukkan bahwa algoritma Winnowing dengan character-level trigrams dapat mendeteksi kesamaan kata dengan hasil sebesar 23,53% .
Pemilihan algoritma yang tepat dalam pencarian kesamaan dokumen teks memiliki pengaruh yang signifikan terhadap akurasi perhitungan.
Kesalahan dalam pemilihan algoritma dapat menyebabkan penurunan keakuratan dalam mendeteksi tingkat kemiripan dokumen .
Oleh karena itu, metode yang digunakan harus mampu mengidentifikasi kesamaan dalam dokumen berjumlah besar secara lebih efisien dibandingkan metode tradisional.
Pengujian algoritma Winnowing dalam sistem informasi pengajuan judul skripsi menunjukkan bahwa algoritma ini efektif dalam menghitung persentase kemiripan dengan membandingkan fingerprint dari kalimat yang diajukan.
Nilai n-gram yang lebih kecil cenderung menghasilkan tingkat kemiripan yang lebih tinggi, sedangkan n-gram yang lebih besar menurunkan nilai kemiripan.
Dengan demikian, algoritma ini dapat memberikan rekomendasi penerimaan judul berdasarkan batas kemiripan yang telah ditetapkan dalam sistem .
Penelitian terkait pengecekan kesamaan pada judul dan abstrak skripsi telah berhasil dilakukan .
dimana metode yang diterapkan dalam deteksi kemiripan judul memberikan hasil yang cukup Penelitian tersebut menggunakan algoritma Winnowing untuk mendeteksi kata atau kalimat dalam teks, serta menerapkan metode Jaccard Similarity untuk mengukur persentase kesamaan.
Hasil penelitian menunjukkan bahwa algoritma Winnowing memiliki tingkat akurasi lebih tinggi dibandingkan algoritma Rabin-Karp dan Knuth-Morris-Pratt dalam mendeteksi plagiarisme dalam dokumen teks .
Pemilihan Algoritma Winnowing dibandingkan Algoritma Rabin-Karp dalam penelitian ini didasarkan pada beberapa faktor utama, yaitu akurasi, efisiensi, dan stabilitas dalam mendeteksi kesamaan teks, khususnya pada judul kerja praktek atau skripsi.
Algoritma Winnowing memiliki tingkat akurasi yang lebih tinggi karena menggunakan teknik fingerprinting dengan konsep windowing, yang memungkinkan algoritma menangkap pola kesamaan lebih baik dibandingkan metode pencocokan langsung .
Berdasarkan latar belakang tersebut, penelitian ini bertujuan untuk mengembangkan sistem deteksi kesamaan judul kerja praktek menggunakan algoritma Winnowing yang diharapkan dapat membantu perguruan tinggi dalam memastikan orisinalitas judul tugas akhir mahasiswa serta mendukung integritas akademik secara lebih optimal.
Metode Penelitian Gambar 1 menunjukkan tahapan sistematis untuk mengembangkan aplikasi deteksi judul KP menggunakan algoritma Winnowing.
Tahap penelitian diawali dengan pengumpulan data judul KP, diikuti dengan tahap analisis kebutuhan sistem, desain, pengkodean, pengujian dan dokumentasi.
Gambar 1.
Tahapan Penelitian Prosiding KONSTELASI Vol.
2 No.
Juni 2025 1 Analisis Kebutuhan Sistem 1 Analisis Peran Sistem Sistem ini memiliki beberapa peran penting dalam proses pengelolaan kerja praktek:
Sistem yang dibangun dapat menerima dan menyimpan judul kerja praktek yang diajukan Sistem yang dibangun dapat mendeteksi kesamaan judul kerja praktek yang diajukan oleh mahasiswa menggunakan algoritma.
2 Analisis Peran Pengguna Pembuatan sistem ini mempunyai tiga kategori pengguna yaitu:
Admin Admin bertanggung jawab untuk mengelola data mahasiswa dan dosen, memperbarui data judul kerja praktek secara berkala termasuk menambahkan, menghapus dan menyimpan data yang sudah tidak Mahasiswa Mahasiswa berperan sebagai pengguna sistem untuk mencari judul kerja praktek yang sudah diajukan oleh mahasiswa lain.
Mahasiswa dapat mengecek tingkat kesamaan judul kerja praktek melalui sistem dan membantu mahasiswa dalam bimbingan laporan KP.
Dosen Dosen berperan sebagai pengguna sistem untuk mengecek judul-judul kerja praktek yang diajukan oleh mahasiswa, memastikan bahwa judul yang diajukan tidak mirip dengan judul yang sudah pernah diajukan sebelumnya dan melihat hasil akhir laporan KP mahasiswa bimbingan secara online.
2 Desain Perancangan interface adalah tahap penting dalam pengembangan sistem yang fokus pada bagaimana pengguna akan berinteraksi dengan sistem secara visual.
Dalam konteks sistem pengelolaan dan deteksi kesamaan judul kerja praktek, perancangan interface bertujuan untuk menciptakan antarmuka yang intuitif, mudah digunakan dan efisien dalam menyajikan informasi yang dibutuhkan oleh pengguna seperti mahasiswa, dosen, dan admin dapat dilihat pada gambar 2.
Gambar 2.
Desain deteksi kesamaan judul 3 Pengkodean/Implementasi Pengembangan sistem diimplementasikan menggunakan bahasa pemrograman PHP dan database MySQL.
Prosiding KONSTELASI Vol.
2 No.
Juni 2025 4 Pengujian -User Acceptance Test User Acceptance Test (UAT) adalah pengujian aplikasi yang telah dibangun sebelum aplikasi dirilis dan digunakan langsung oleh pengguna.
UAT dapat menyakinkan pengguna aplikasi yang telah dibangun apakah aplikasi dapat diterima pengguna dengan baik atau tidak.
Dalam pengujian ini, peneliti memberikan beberapa pernyataan kepada beberapa responden dimana responden ini adalah dosen, mahasiswa, dan tata usaha.
Pertanyaan yang akan disajikan berkaitan dengan kelayakan dari sistem yang telah dikembangkan oleh peneliti.
Hasil dan Pembahasan 1 Hasil Implementasi Pada penelitian ini, tahap pra-pemrosesan data meliputi case folding untuk mengubah seluruh judul menjadi huruf kecil .
dan filtering dengan menghilangkan tanda simbol [ -] yang terdapat dalam teks.
Tahap filtering pada kata-kata tidak dilakukan dengan tujuan untuk mempermudah proses pendeteksian kesamaan berdasarkan makna kalimatnya.
Dengan demikian tanda spasi dibiarkan tetap ada .
ase sensitivity ignore.
Proses steaming atau pengembalian kata ke akar katanya juga tidak dilakukan sehingga kedua teks dibiarkan sesuai makna aslinya.
1 Menu Deteksi Kesamaan Judul Gambar 3 menunjukkan tampilan user interface untuk mendeteksi kesamaan judul.
Pada menu ini ditampilkan judul yang telah diajukan.
Kita juga dapat mengakses hasil pengecekan kesamaan judul serta melakukan revisi atau pengajuan ulang judul KP.
Gambar 3.
Deteksi kesamaan judul 2 Menu View My Proposal Gambar 4 menunjukkan menu View My Proposal dimana mahasiswa dapat melihat presentasi kesamaan dan mengakses catatan dosen terkait judul KP.
Gambar 4.
Menu View My Proposal 3 Menu Dosen Persetujuan Proposal Gambar 5 menunjukkan tampilan persetujuan proposal.
Pada halaman ini dapat dilihat persetujuan atau penolakan dari dosen pembimbing serta catatan revisi dari dosen.
Prosiding KONSTELASI Vol.
2 No.
Juni 2025 Gambar 5.
Persetujuan Proposal 2 Hasil Pengujian 1 Hasil Pengujian Black Box Setelah melalui tahap pra-pemrosesan, judul asli maupun judul perbandingan kemudian diubah ke dalam potongan-potongan gram.
Setelah diubah ke dalam bentuk grams, fungsi rolling hash diterapkan kepada setiap gram untuk mendapatkan nilai hash .
dari kedua judul yang akan dibandingkan.
Sebelum mengidentifikasi nilai-nilai hash yang sama di antara kedua judul, seluruh fingerprints pada masing-masing judul dikelompokkan ke dalam window untuk mendapatkan nilai hash minimum.
Pada penelitian ini lebar window yang digunakan adalah w=4.
Perbandingan Judul Berikut adalah 2 judul yang dibandingkan:
sistem pakar pendeteksian kerusakan pada laptop menggunakan metode nayve bayes.
sistem pakar pendeteksi penyakit tanaman dan hama buah naga menggunakan nayve bayes.
Test Processing Dari dua judul yang telah dipilih, maka akan dilakukan text preprocessing menggunakan case folding, remove punctuation dan remove space sehingga terbentuk seperti Tabel 1.
Tabel 1.
Preprocessing Judul Text Preprocessing judul 1 Sistempakarpendeteksikerusakanpada Text Preprocessing judul 2 Sistempakarpendeteksipenyakittanaman Pembentukan N-Gram N-gram adalah sebuah metode yang dilakukan dengan mengambil suatu rangkaian substring dari string yang berjumlah n.
pada penelitian ini, peneliti menggunakan n-gram=4 dan 5.
Dari dua judul tersebut terbentuk n-gram dengan nilai 4 seperti Tabel 2.
Tabel 2.
Pembentukan N-Gram N-Gram Judul 1 siste, istem, stem , tem p, em pa, m pak, paka, pakar, akar , kar p, ar pe, r pen, pend, pende, endet, ndete, detek, eteks, teksi, eksi , ksi k, si ke, i ker, keru, kerus, erusa, rusak, usaka, sakan, akan , kan p, an pa, n pad, pada, pada , ada l, da la, a lap, lapt, lapto, aptop, ptop , top m, op me.
N-Gram Judul 2 siste, istem, stem , tem p, em pa, m pak, paka, pakar, akar , kar p, ar pe, r pen, pend, pende, endet, ndete, detek, eteks, teksi, eksi , ksi p, si pe, i pen, peny, penya, enyak, nyaki, yakit, akit , kit t, it ta, t tan, tana, tanam, anama, naman, aman , man d, an da, n dan, dan , dan h, an ha, n ham, hama, hama .
Prosiding KONSTELASI Vol.
2 No.
Juni 2025 N-Gram Judul 1 p men, meng, mengg, enggu, nggun, gguna, gunak, unaka, nakan, akan , kan m, an me, n met, meto, metod, etode, tode , ode n, de na, e nai, naiv, naive, aiveb, iveba, vebay, ebaye, bayes, ayes N-Gram Judul 2 ama b, ma bu, a bua, buah, buah , uah n, ah na, h nag, naga, naga , aga m, ga me, a men, meng, mengg, enggu, nggun, gguna, gunak, unaka, nakan, akan , kan n, an na, n nav, navi, navie, avie , vie b, ie ba, e bay, baye, bayes, ayes N-gram juga dilihat pada Gambar 6.
Gambar 6.
Pembentukan n-gram Perhitungan Fungsi Hash Hashing merupakan metode untuk mengkonversi sebuah string menjadi suatu nilai unik dengan penentuan panjang tertentu yang berfungsi sebagai penanda string tersebut.
Rumus fungsi hash dapat dilihat pada Persamaan .
=C1*b(K-.
C1*b.
A C1*b.
Keterangan:
C1= nilai ASCII dari setiap huruf b=basis bilangan prima .
k=jumlah n-gram Berikut merupakan penerapan rumus rolling hash untuk menghitung n-gram dari 2 judul tersebut.
= ASCII()*2.
ASCII()*2.
ASCII.
*2.
=122.
=896 404 220 100 =1620 Jadi, berdasarkan perhitungan fungsi hash dari huruf Pend menghasilkan nilai hash yaitu 1620.
Perhitungan tersebut dilakukan pada seluruh rangkaian n-gram sehingga menghasilkan nilai seperti terlihat pada Tabel 3.
Prosiding KONSTELASI Vol.
2 No.
Juni 2025 Tabel 3.
Pembentukan rolling hash
N-gram judul 1
12076312652, 11046020346,
12087502373, 12176182170,
10622741151, 11376705757,
3446326945, 11755805527,
10205102147, 11235568362,
10211651056, 11897008169,
3446368055, 11759957624,
10624464028, 11550716328,
10511294125, 10630656640,
12176170144, 10621526460,
11254021891, 12075457491,
10959649077, 3364004286, 3441216971, 12172077729,
11239698154, 10628760044,
11984613950, 12294551933,
12067986726, 10205101743,
11235527558, 10207529848,
11480766151, 3446326238,
11755734038, 10197881834,
10506316734, 10127940146,
3442206265, 11339616844,
10210447248, 11775423483,
12186515780, 11666435765,
11688856764, 3443277155,
11447776726, 10624494834,
11553827743, 10825547030,
10839898534, 12289400428,
11547684721, 10205101743,
11235527555, 10207529549,
11480735968, 3443277769,
11447838737, 10630757929,
12186400260, 11654768176,
10510430275, 10543407772,
3364034476, 3444266162, 11547666431,
10203254453, 11048951254,
12383524146, 10544079749,
3431904149, 10299103132, 10219567266
N-gram Judul 2 Pembentukan Window Proses pembentukan window sama dengan pembentukan n-gram.
Pada penelitian ini, peneliti menggunakan window =4 yang dapat dilihat pada Tabel 4.
Tabel 4.
Pembentukan window Window judul 1 Window judul 2 Prosiding KONSTELASI Vol.
2 No.
Juni 2025
W1= 12076312652, 11046020346,
12087502373, 12176182170
W2= 11046020346, 12087502373,
12176182170, 10622741151
W3 = 12087502373, 12176182170,
10622741151, 11376705757
W5 =12176182170, 10622741151,
11376705757, 3446326945a.
W1= 12076312652, 11046020346, 12087502373,
W2= 11046020346, 12087502373, 12176182170,
W3= 12087502373, 12176182170, 10622741151,
W5= 12176182170, 10622741151, 11376705757,
Pencarian Fingerprint Dokumen fingerprint merupakan metode yang digunakan untuk mendeteksi dari salinan antara teks atau antar dokumen baik dari seluruh teks dokumen atau sebagian dari teks dokumen yang dapat dilihat pada Tabel 5.
Tabel 5.
Hasil Fingerprint Fingerprint judul 1 Fingerprint Judul 2 Jumlah fingerprint judul 1 Jumlah fingerprint judul 2 Gabungan semua Jumlah yang sama Perhitungan Jaccard coefficient untuk menghitung similarity dapat dilihat pada Persamaan .
ycIycnycoycnycoycaycycnycyc = Keterangan :
ycIycnycoycnycoycaycycnycyc = ycnycuycyceycycyceycaycycnycuycu ycu 100% ycycuycnycuycu Oe ycnycuycyceycycyceycaycycnycuycu = fingerprint yang sama = gabungan fingerprint ycu 100% .
Oe .
= 60% Berdasarkan hasil perhitungan persentase dari kemiripan 2 judul yang dibandingkan diperoleh hasil similarity sebesar 60%.
2 Hasil Pengujian UAT User Acceptance Testing (UAT) dilakukan untuk menguji sejauh mana sistem yang telah dikembangkan dapat diterima oleh pengguna.
UAT dilakukan untuk menguji sejauh mana aplikasi yang telah dikembangkan dapat diterima oleh pengguna.
UAT ini melibatkan 7 responden yang terdiri dari 5 orang mahasiswa, 1 dosen dan 1 pegawai tata usaha.
Setiap responden memasukkan judul, melakukan validasi dan menginput judul di dalam sistem.
Setelah pengujian, responden diminta untuk memberikan penilaian terhadap aspek-aspek sistem dengan menggunakan skala Likert .
, 1: sangat tidak setuju, 2: tidak setuju, 3: netral, 4: setuju, 5: Sangat Setuju.
Hasil pengujian UAT dapat dilihat pada Tabel 6 Tabel 6.
Pengujian Sistem Prosiding KONSTELASI Vol.
2 No.
Juni 2025 Responden Mahasiswa 1 Mahasiswa 2 Mahasiswa 3 Mahasiswa 4 Mahasiswa 5 Tata Usaha Dosen Kemudahan Kejelasan Kecepatan Kepuasan Rata-Rata skor Hasil pengujian UAT menunjukkan rata-rata skor dari semua responden adalah sebesar 4,5 yang menunjukkan bahwa responden secara umum merasa puas dengan kemudahan, kejelasan dan kecepatan sistem yang dikembangkan dalam membantu proses deteksi judul.
Kesimpulan dan Saran 1 Kesimpulan Aplikasi pengelolaan dan deteksi kesamaan judul KP pada Program Studi Ilmu Komputer berbasis web telah berhasil dibangun.
Aplikasi ini memungkinkan pengelolaan dan deteksi kesamaan judul KP sehingga mempermudah mahasiswa dalam mengecek kesamaan judul, membantu pegawai tata usaha dalam mengelola data judul, serta mendukung dosen dalam proses bimbingan secara online.
Selain itu, informasi mengenai judul KP dapat diakses dengan mudah dan dalam waktu yang relatif singkat.
2 Saran Aplikasi ini dapat dikembangkan lagi dengan menambahkan fitur rekomendasi judul KP berdasarkan topik yang belum banyak dieksplorasi sehingga membantu mahasiswa yang kesulitan mencari dan mengurangi duplikasi.
Referensi