Abstrak

Plagiarisme adalah penggunaan yang identik atau sedikit berubah dari karya seseorang atau
orang lain. Sistem deteksi plagiarisme teks tersedia secara luas. Meski ada sistem deteksi
plagiarisme gambar, flowchart berbasis sistem deteksi plagiarisme jarang diimplementasikan.
Pada sistem pendahuluan alur plagiarisme yang diusulkan, diagram alir dibandingkan dengan
membandingkan baik bentuk, orientasi maupun teks. Pendekatan ini menciptakan grafik dari
flowchart, sehingga mampu mendeteksi plagiarisme dengan benda berbentuk yang sama meski
orientasi grafik berubah. Akurasi metode diuji dengan diagram alir dengan bentuk dan orientasi
yang berbeda.

1. Introduce

Plagiarisme adalah penggunaan yang sama atau sedikit dimodifikasi dari karya seseorang atau
orang lain. Plagiarisme terutama dikategorikan sebagai plagiarisme berbasis teks dan gambar.
Dalam plagiarisme berbasis teks, teks yang ditulis oleh seorang penulis disalin oleh orang lain
tanpa mengutip penulis aslinya. Dalam teks plagiarisme dua kasus bisa terjadi; teks yang ditulis
oleh seseorang akan disalin seperti itu oleh orang lain atau teksnya akan dimodifikasi sedemikian
rupa sehingga kata-kata berubah tapi makna semantik kalimat tetap sama. Deteksi plagiarisme
kasus pertama mudah dideteksi sementara kemudian memerlukan analisis dan algoritma yang
kompleks. Sistem deteksi plagiarisme teks tersedia secara luas. Pada gambar plagiarisme gambar
yang digambar atau diciptakan oleh seseorang akan diambil oleh orang lain dan disajikan sebagai
karya mereka sendiri. Dalam jenis plagiarisme ini gambar akan diambil secara keseluruhan atau
hanya sebagian saja yang akan diambil. Meski ada sistem deteksi plagiarisme gambar, flowchart
berbasis sistem deteksi plagiarisme jarang diimplementasikan.

Diagram alir adalah representasi diagram dari algoritma. Ini terdiri dari berbagai bentuk grafis
seperti lingkaran, persegi panjang, berlian, jajar genjang dll yang terhubung menggunakan garis
konektor. Setiap bentuk sesuai dengan operasi tertentu dan memiliki beberapa teks yang
terkandung di dalamnya. Tujuan dari pendekatan ini adalah untuk mendeteksi plagiarisme dalam
flowchart. Karena jumlah informasi yang ditransfer oleh diagram alir meningkat setiap hari,
penting untuk mengotentikasi bagan alir.

2. Related Work

Saat ini, hanya ada sedikit penelitian yang membahas masalah plagiarisme gambar, terutama
diagram dan diagram alir. Namun, meski tidak banyak karya yang disajikan dalam sistem
plagiarisme alir diagram, ada beberapa karya yang berkaitan dengan masalah ini, seperti metode
untuk mengkarakterisasi jenis flowchart berdasarkan fitur gambar. Sensory Arrish et. Al. [1]
menyajikan metode untuk mendeteksi diagram alir angka plagiarisme berdasarkan pengolahan
citra berbasis bentuk dan pengambilan multimedia. Metode mengambil diagram alir dengan
kesamaan peringkat sesuai dengan set pencocokan yang berbeda. Vipul Bajaj dkk. Al. [2]
menggunakan fungsi hash perceptual bersamaan dengan pemeriksaan rotasi untuk mendeteksi
plagiarisme gambar. Hermann Maurer dkk. Al. [3] membahas masalah serius plagiarisme dan
hasil perangkat lunak pendeteksi plagiarisme tertentu. L. McKeever [4] memberikan gambaran
umum tentang metode yang ada saat ini untuk mendeteksi plagiarisme berbasis web. Miyao dan
Maruyama [5] menggunakan struktur loop sebagai sumber untuk mendeteksi stroke arah ke
dalam sistem pembelajaran. Metode ini berhasil mengenali 97,6% dari kumpulan data yang
diberikan, namun metode ini masih belum sepenuhnya praktis karena sistem mengharuskan
pengguna untuk menggambar struktur lingkaran sendiri.

Diagram alir menyampaikan informasi tentang proses kerja kepada pembaca. Akibatnya, teks
yang terkandung dalam grafik dapat digunakan sebagai fitur deskripsi. Vasudevan dkk. [6]
mempresentasikan sebuah metode untuk mengekstrak informasi di dalam diagram alir dengan
pengolahan kontur dan pengenalan karakter optik berbasis jaringan syaraf tiruan. Metode ini
menganalisis garis aliran dan kontur sistem sebagai deskriptor fitur. Sistem ini berhasil
memberikan recall rate sebesar 98%. Awal et al. [7] mengambil pendekatan yang berbeda untuk
mengkarakterisasi flowchart secara semantik menggunakan pendekatan gramatikal.

Selain informasi yang terdapat dalam flowchart, bentuk yang digunakan oleh satu simpul dari
flowchart sama pentingnya, karena dapat membedakan antara proses yang berbeda dalam
pekerjaan. Dapat dikatakan bahwa flowchart adalah subset dari gambar, sehingga dapat ditandai
dengan jenis fitur gambar. Selanjutnya, untuk mengembangkan sistem plagiarisme flowchart,
sistem harus bisa mengenali fitur-fitur yang akan menjawab permintaan yang diminta oleh
manusia. Zhang dan Lu [8] mengkaji teknik untuk mewakili dan menggambarkan angka
berdasarkan fitur bentuknya. Metode ini tergantung pada fitur di dalam setiap dokumen seperti
warna, bentuk, dan tekstur. Selain warna dan tekstur, ada sejumlah representasi umum dari fitur
vektor, string, dan grafik, representasi fuzzy dan probabilistik yang dapat digunakan untuk
menggambarkan gambar [9]. Merin paul dkk. [11] menggambarkan sebuah pendekatan untuk
mendeteksi teks plagiarisme. Ini menggunakan peran semantik pelabelan dan teknik
pemeringkatan kalimat untuk mengurangi penundaan perbandingan.

3. Sistem arsitektur

Gambar 1 menunjukkan keseluruhan struktur sistem. Ini terdiri dari 4 modul: Pre-processing,
Shape detection, Graph creation and Comparison module.

3.1 Diagram Alir Pra-Pengolahan

Modul pra-pengolahan digunakan untuk mengidentifikasi sisi-sisi yang ada dalam diagram alir.
Masukan ke modul ini akan menjadi flowchart yang akan diunggah oleh pengguna. Modul ini
pertama-tama mengubah gambar masukan menjadi gambar biner kemudian menerapkan
algoritma deteksi tepi Canny [10] untuk mengidentifikasi sisi yang ada pada gambar yang
diberikan.

Di antara metode deteksi tepi yang dikembangkan sejauh ini, algoritma deteksi tepi kaleng
adalah salah satu metode yang paling ketat yang memberikan deteksi yang baik dan dapat
diandalkan. Karena optimalitasnya untuk memenuhi kriteria pendeteksian tepi dan
kesederhanaan proses implementasi, algoritma ini menjadi salah satu algoritma yang paling
populer untuk deteksi tepi.

3.1.1 Pembuatan Grafik

Fase ini akan mengembangkan grafik terarah dari himpunan bentuk yang kami identifikasi. Pada
awal modul ini kita akan mengidentifikasi arah dan bentuk bentuk dimana anak panah terhubung.
Untuk mewakili bentuk dan hubungan mereka dan untuk bertindak sebagai model bagan alir, kita
mewakili bagan alir sebagai grafik terarah. Grafik yang diarahkan terdiri dari simpul dan tepi
yang diarahkan. Petunjuk yang digunakan untuk mewakili bentuk diagram alir dan aliran kontrol
diwakili sebagai tepi yang diarahkan mulai dari satu titik dan satu titik lainnya. Setiap simpul
berisi informasi mengenai bentuk yang diwakili dan urutan no. dari bentuknya yang sesuai.
Ujung terarah berisi titik awal dan simpul akhir yang merupakan sepasang titik simpul yang
dipesan. Gambar 2 mengilustrasikan proses pembuatan grafik.

Salah satu tantangan dalam merepresentasikan diagram alir sebagai grafik terarah adalah
menentukan arah tepi dari panah aliran kontrol. Tantangan ini harus ditangani dengan
mekanisme tertentu atau perhatian lebih diberikan pada fakta apakah ada sisi antara simpul atau
tidak daripada arahnya.

Untuk mengatasi tantangan ini kita mengambil gambar yang hanya berisi tanda panah pada
diagram alir input dan mencoba untuk mengetahui orientasi panah. Setelah orientasi panah
diidentifikasi, kita akan menemukan bentuk yang dihubungkan oleh panah dan membuat matriks
jarang yang mewakili sambungan panah ke bentuk.

3.4 Modul Perbandingan

Modul ini akan membandingkan grafik yang dibuat pada grafik yang dibuat untuk bagan alir
input dengan grafik yang sudah ada dalam repositori. Modul perbandingan akan mengubah
flowchart menjadi model grafik. Setiap bentuk yang diidentifikasi akan disimpan sebagai vertex
yang berisi id bentuk dan urutan no. dari bentuknya. Jika tidak ada flowchart lain yang memiliki
karakteristik serupa, kita dapat mengatakan bahwa flowchart kita adalah asli. Ada beberapa
diagram alir di repositori kami yang struktur diagram alir masukannya serupa. Jika plagiarisme
terdeteksi, grafik input akan disimpan dalam repositori untuk referensi di kemudian hari.

Diagram alir dapat dijiplak dalam banyak hal, seperti mengubah orientasi dan penempatan
bentuk dan menambahkan langkah baru ke diagram alir. Tapi aliran kontrol antar komponen
yang berbeda tetap sama sehingga sebagai tepi antara simpul yang berbeda. Jadi, bahkan jika
diagram alir ditarik dengan beberapa cara yang berbeda, representasi grafik yang sesuai tetap
sama. Algoritma untuk perbandingan adalah sebagai berikut:

Langkah 3.2: katakan grafik asli dan simpan grafik ke repositori

Langkah 1: ubah diagram alir yang diberikan menjadi grafik terarah

Step2: jika grafik input tidak isomorfik untuk setiap grafik dalam repositori maka,

Langkah 2.1: katakan grafik asli dan simpan grafik ke repositori

Langkah 3: bandingkan setiap bentuknya

Langkah 3.1: jika bentuknya juga serupa maka plafer diagram plagiarized ditampilkan

Langkah 3.2: lain katakan grafik asli dan simpan grafik ke repositori
Jadi, jika himpunan sisi antara dua grafik saling cocok, kita dapat menyimpulkan bahwa kedua
diagram alir serupa dalam strukturnya. Tapi itu tidak membenarkan bahwa diagram alur
menjiplak karena strukturnya sama di struktur mereka tidak perlu ada pada teks yang ditulis pada
masing-masing bentuk. Deteksi plagiarisme akan lengkap hanya jika teks ini juga diperiksa
plagiarisme. Kami akan mempertimbangkan teks setelah deteksi plagiarisme yang berhasil dalam
struktur flowchart ditemukan.

5. Kesimpulan

Hasil percobaan menunjukkan bahwa pendekatan yang diusulkan mampu mendeteksi

plagiarisme dalam flowchart. Sistem yang memeriksa plagiarisme dalam diagram alir tidak
tersedia seperti itu, yang membuat kita mengembangkan perangkat lunak ini. Diagram alir
dibandingkan dengan membandingkan bentuk, orientasi dan juga teks. Algoritma pendeteksian
lini seperti Canny, Sobel dll digunakan untuk tujuan ini. Karena pendekatan ini menciptakan
grafik dari flowchart, ia mampu mendeteksi plagiarisme dengan benda berbentuk sama meskipun
orientasi grafik berbeda. Rincian perbandingan teks tidak tersedia dalam dokumen ini. Kami
bermaksud menyediakan ini sebagai perangkat lunak gratis untuk institusi pendidikan.