Mesin pengecek kesamaan teks akademik open-source dengan arsitektur modular, berfokus pada sumber berbahasa Indonesia. Proyek ini mendeteksi kecocokan teks persis menggunakan n-gram dan menangani parafrasa dengan multilingual semantic similarity.
Disklaimer: Ini adalah proyek riset open-source independen dan tidak dimaksudkan untuk menggantikan layanan deteksi plagiarisme institusional resmi.
OpenPlagiarismChecker adalah mesin pemeriksa kesamaan dokumen lokal yang mengutamakan privasi. Sistem memproses file PDF, DOCX, dan TXT, mengekstrak teksnya, lalu merujuk silang ke jutaan makalah akademik open-access. Dengan menggabungkan pencocokan struktural dan kontekstual, sistem ini membantu developer dan peneliti menganalisis tumpang-tindih teks secara transparan.
Banyak perangkat deteksi plagiarisme bersifat tertutup dan mahal. Proyek ini menyediakan alternatif riset open-source yang dapat direproduksi. Tujuannya adalah membuka seluruh pipeline, strategi pencarian, dan algoritma similarity agar dapat diinspeksi, diuji, dan diperbaiki oleh komunitas.
Proyek ini dikembangkan secara aktif sebagai perangkat riset. Repositori ini disusun secara modular untuk memfasilitasi eksperimen algoritma, pengujian, dan kontribusi komunitas.
- Exact Text Matching: Pencocokan langsung menggunakan 5-word n-gram shingling.
- Semantic Similarity: Mendeteksi parafrasa menggunakan model Sentence Transformers.
- Dukungan Format: Memproses dokumen PDF, DOCX, dan TXT.
- Web Interface Lokal: Dasbor sederhana untuk analisis dan ekspor laporan PDF/HTML.
- Sumber Akademik Ekstensif: Pencarian konkuren ke berbagai pangkalan data riset.
- Pemrosesan Terisolasi: Data dieksekusi secara lokal demi menjaga privasi dokumen.
Sistem mengumpulkan data dari 15+ sumber publik, di antaranya:
- Indonesia OneSearch (IOS) & Neliti: Mengindeks ratusan ribu jurnal dan repositori lokal.
- GARUDA & MORAREF: Database publikasi resmi Indonesia.
- BASE & OpenAlex: Mesin pencari akademik global raksasa.
- E-Thesis Repositori: Pemindaian spesifik ke lebih dari 70 repositori perguruan tinggi Indonesia.
- Semantic Scholar, PubMed, & arXiv: Jaringan metadata literatur terbuka.
(Untuk membaca lebih detail tentang metode ekstraksi, penghitungan skor, dan performa evaluasi benchmark, lihat docs/evaluation.md).
Ekstraksi Teks → Sampling Teks → Pencarian Multi-Sumber →
Retrieval Open-Access → N-Gram Matching → Semantic Matching → Kalkulasi Skor
Clone repositori ini, lalu jalankan script startup sesuai sistem operasi Anda:
- Windows: Klik ganda file
run.bat - Linux / macOS: Buka terminal dan jalankan
./run.sh
Aplikasi akan otomatis menginstal dependensi dan membuka browser ke http://localhost:5001.
Untuk instalasi manual:
git clone https://github.com/Raflyf/OpenPlagiarismChecker.git
cd OpenPlagiarismChecker
python -m venv .venv
# Windows: .venv\Scripts\activate | Linux/macOS: source .venv/bin/activate
pip install -r requirements.txt
cd app && python server.pyOpenPlagiarismChecker/
├── app/
│ ├── engine/ # Modul logika (N-Gram, Semantic, Web Scraper, Extractor)
│ ├── templates/ # Antarmuka web (HTML)
│ ├── test_documents/ # Dokumen uji
│ ├── server.py # Flask server
│ ├── run_test_groundtruth.py # Runner pengujian benchmark
│ └── ...
├── docs/
│ └── evaluation.md # Data benchmark, validasi, dan keterbatasan
└── requirements.txt
Pengembangan saat ini berfokus pada: (1) Memperluas dataset benchmark independen, (2) Mengurangi tingkat false-positive semantik, dan (3) Menambahkan unit testing komprehensif.
Kontribusi berupa integrasi API baru, dataset benchmark, dan perbaikan algoritma sangat disambut baik melalui Issue atau Pull Request.
OpenPlagiarismChecker dirilis menggunakan MIT License.
Proyek ditujukan untuk penelitian open-source, pendidikan, eksperimen, dan analisis kesamaan dokumen.
Rafly Firmansyah
OpenPlagiarismChecker dikembangkan secara independen sebagai proyek open-source yang berfokus pada deteksi kesamaan dokumen akademik secara transparan.