Klasifikasi risiko kecurangan tugas akademik
Sistem ini memeriksa tugas mahasiswa paragraf per paragraf, menandai paragraf yang berpola mesin, dan berhenti di situ. Putusan atas mahasiswanya tetap di tangan dosen.
Pemrosesan data. Data diolah untuk mengubahnya menjadi format yang siap dianalisis. Pemrosesan dapat dilakukan secara berkala atau melalui aliran data.
Pengelolaan Big Data membutuhkan kombinasi keterampilan dalam pengolahan data, statistik, pemrograman, keamanan, dan pemahaman proses bisnis. Kekurangan tenaga yang memiliki keterampilan tersebut dapat menghambat implementasi.
Big Data adalah kumpulan data yang memiliki ukuran, kecepatan pertumbuhan, atau keragaman yang begitu besar sehingga pengelolaannya memerlukan pendekatan teknologi dan analisis yang lebih khusus dibandingkan dengan metode pengolahan data konvensional.
Cara kerja
Dokumen dipecah jadi paragraf, bukan dipotong per jumlah kata. Penyaringan hanya terjadi sekali — di aturan eksklusi — dan sesudahnya tiap paragraf yang tersisa melewati ketiga langkah berikutnya.
Pemecahan paragraf
Teks dipecah pada baris kosong. Sitasi dalam teks seperti (Nama, 2014) dan [3] dibuang lebih dulu.
95paragraf
Aturan eksklusi
Paragraf di bawah 20 kata, keterangan gambar dan tabel, serta segalanya setelah daftar pustaka tetap disimpan dan ditampilkan, tapi tidak dinilai.
49dianalisis
IndoBERT per paragraf
Teks paragraf apa adanya masuk ke IndoBERT yang di-fine-tune. Keluarannya peluang Manusia, ChatGPT, dan Gemini untuk tiap paragraf. Peluang tulisan AI tiap paragraf = gabungan peluang ChatGPT dan Gemini.
49diklasifikasi
Delapan fitur stilometri sebagai penjelas
TTR, hapax ratio, rasio kata fungsi, rata-rata panjang kata, panjang kalimat rata-rata, burstiness, simpangan baku panjang kalimat, dan rasio koma. Fitur ini ditampilkan per paragraf, dan Feature Importance Random Forest stilometri menjelaskan gaya tulisan mana yang paling membedakan ketiga kelas.
49diukur
Skor dokumen adalah rata-rata berbobot dari risiko tiap paragraf, dibobot jumlah katanya, jadi paragraf panjang berpengaruh lebih besar daripada paragraf sebaris. Skor itu lalu jatuh ke salah satu dari tiga kategori menurut ambang milik model yang dipakai (IndoBERT fine-tune (korpus v8)) — di bawah 0,239 Rendah, di atas 0,850 Tinggi, dan di antaranya Sedang. Pada contoh di atas skornya 0,981, jadi kategorinya Tinggi. Kelas dominan dokumen adalah kelas dengan peluang rata-rata tertinggi — ChatGPT di sini — dengan satu pengecualian yang disengaja: kalau Manusia menyamai peluang tertinggi, yang dipilih Manusia. Seri tidak boleh jadi tuduhan. Angka 95 dan 49 di atas berasal dari satu makalah uji (C02.docx), bukan rata-rata sistem.
Dua model lain — Random Forest atas delapan fitur stilometri, dan TF-IDF dengan Logistic Regression — dihitung untuk paragraf yang sama sebagai pembanding, memakai ambangnya sendiri. Keduanya tidak pernah mengubah skor, kategori, maupun kelas yang dilaporkan. Kalau pembandingnya gagal atau dimatikan, kolomnya kosong, bukan nol.
Sebelum dipakai
Hasilnya adalah indikasi risiko, bukan bukti. Tiga hal yang perlu diingat dosen sebelum menindaklanjuti sebuah laporan.
Sistem menandai paragraf, bukan mahasiswa. Setiap tanda perlu dibaca ulang sebelum jadi dasar tindakan akademik.
Paragraf di bawah 20 kata tidak dinilai sama sekali: penilaian pada teks sependek itu tidak stabil. Paragrafnya tetap ditampilkan beserta alasan pengecualiannya.
IndoBERT di sistem ini dilatih untuk membedakan tulisan manusia, ChatGPT, dan Gemini. Keluaran model lain bisa jatuh ke label terdekat.