ABSTRAKSI: Perkembangan teknologi informasi membuat Tugas Akhir saat ini banyak disalahgunakan oleh mahasiswa yang sedang melakukan Tugas Akhir seperti menjiplak karya Tugas Akhir yang lain (plagiarisme). Dalam mengatasi permasalahan tersebut, diperlukan sebuah keluaran nilai keunikan sebuah proposal Tugas Akhir berdasarkan judul dan abstraknya sehingga mahasiswa bisa memperkirakan TA yang diajukan belum memiliki relevansi dan belum pernah ada yang menggunakan sebelumnya dengan nilai keunikannya yang mengacu pada nilai kesamaan (similarity) rangking pertama dari hasil pencarian. Nilai keunikan yang tinggi membuat semakin besar peluang Tugas Akhir yang diajukan berbeda dengan Tugas Akhir sebelumnya dan pencegahan terhadap tindakan plagiarisme. Oleh karena itu, dibutuhkan sistem untuk mendeteksi keunikan proposal Tugas Akhir berdasarkan judul dan abstrak. Pengujian keunikan proposal Tugas Akhir ini menerapkan Latent Semantic Analysis (LSA) melalui metode Semi Discrete Decomposition (SDD) dan algoritma O’Leary-Peleg dengan berbagai skenario pengujian data. Kemudian di dalam algoritma O’Leary Peleg akan digunakan tiga tipe inisialisasi proses penguraian matriks, yaitu CYC, ONE, PER dimana ketiga tipe tersebut akan menghasilkan matriks dekomposisi yang berbeda-beda. Kemudian tipe CYC, ONE, dan PER ini menjadi acuan untuk perbandingan pengujian terhadap parameter R-Precision, waktu pencarian query, dan nilai keunikan. Kemudian setelah pengujian bisa disimpulkan bahwa tipe CYC dan ONE mampu menghasilkan R-Precision yang lebih baik dibandingkan dengan tipe PER dalam menemukan dokumen yang relevan. Kemudian untuk uji keunikan, tipe ONE merupakan yang paling baik dalam menghasilkan nilai keunikan dibandingkan CYC dan PER.Kata Kunci : Latent Semantic Analysis (LSA), Semi Discrete Decomposition (SDD), algoritma O’Leary-Peleg, R-Precision, KeunikanABSTRACT: Today, The development of information technology makes Final Project widely abused by students who are doing such Final Project plagiarized other work ( plagiarism ) . Therefore , it needs an output value of uniqueness from a Final Project proposal based on title and abstract so that students can estimate the proposed TA is not relevant and no one has ever used before with the unique value that refers to the value of similarity from the first rank search results . Uniqueness high value makes more likely the proposed Final Project unlike previous Final Project and the prevention of acts of plagiarism. Therefore , it takes the system to detect value of uniqueness from the final project proposal based on title and abstract . Testing the uniqueness of this final proposal applying Latent Semantic Analysis ( LSA ) through the method of Semi Discrete Decomposition ( SDD ) and the O'Leary Peleg algorithm with data testing scenarios . O'Leary Peleg algorithm will use three types of initial matrix decomposition , that is CYC , ONE , PER which will produce different three types of matrix decomposition. Then type CYC , ONE , and the PER is a reference for comparison testing against parameter R - Precision , query search time , and the value of uniqueness . Then after testing it can be concluded that the type of CYC and ONE is able to produce R - Precision better than the type of PER in finding relevant documents . Then to test uniqueness , type ONE is the most good at producing unique value compared to CYC and PER .Keyword: Latent Semantic Analysis (LSA), Semi Discrete Decomposition (SDD), O’Leary-Peleg algorithm, R-Precision, uniqueness