Analisis Kinerja Algoritma Levenshtein Distance Dan Rabin-Karp Dalam Mendeteksi Plagiarisme Kode Python Pada Praktikum Algoritma Dan Pemrograman = Performance Analysis Of Levenshtein Distance And Rabin-Karp Algorithms In Detecting Python Code Plagiarism In Algorithms And Programming Practicum

Kemajuan teknologi yang pesat, terutama di bidang teknologi dan internet, membawa dampak positif yang signifikan. Namun, terdapat juga konsekuensi negatif, seperti plagiarisme. Plagiarisme merupakan tindakan tidak etis dalam bidang akademik, melibatkan penggunaan karya orang lain tanpa izin dan mengakuinya sebagai karya sendiri. Penelitian ini berfokus pada plagiarisme kode, bentuk pelanggaran akademik yang umum terjadi di mana mahasiswa mengirimkan kode orang lain sebagai miliknya sendiri. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Levenshtein Distance dan Rabin-Karp dalam mendeteksi plagiarisme kode Python selama praktikum Algoritma dan Pemrograman. Selain itu, penelitian ini mengeksplorasi potensi teknik ensamble yang menggabungkan kedua algoritma untuk meningkatkan akurasi deteksi dan mengembangkan aplikasi web interaktif menggunakan Streamlit untuk deteksi plagiarisme. Penelitian ini melibatkan pengumpulan data, pemrosesan, implementasi algoritma, pengembangan web, dan evaluasi kinerja dalam berbagai skenario plagiarisme. Hasil penelitian menunjukkan bahwa Levenshtein Distance efektif mendeteksi perubahan kecil dalam kode tetapi memiliki waktu eksekusi yang lebih lama, sedangkan Rabin-Karp lebih cepat tetapi kurang sensitif terhadap kesamaan logika kecil. Teknik Voting Classifier ensamble menunjukkan kinerja seimbang antara waktu dan akurasi. Aplikasi web yang dikembangkan memudahkan deteksi plagiarisme dan membuatnya lebih mudah diakses oleh dosen dan mahasiswa.