Analisa dini plagiarism jurnal diperlukan oleh tim redaksi dan mitra bestari dalam menilai keaslian jurnal usulan, penilain plagiarism diperlukan guna menjaga kualitas publikasi jurnal. Oleh karena itu dibutuhkan fitur analisis
plagiarism pada aplikasi pengelolaan jurnal , sehingga akan membantu dalam memberikan informasi mengenai tingkat keaslian jurnal. Pada penelitian ini digunakan SDLC Waterfall dengan menerapkan metode Text Mining Cosine Similarity dan SVM dalam menilai tingkat kemiripan jurnal usulan dengan data jurnal yang ada. Perancangan aplikasi menggunakan UML dan dilakukan pengujian blackbox testing guna mengetahui keberhasilan aplikasi serta metode evaluasi guna mengetahui akurasi klasifikasi kemiripan dokumen. Hasil pengujian plagiarism pada portal jurnal elektronik STT-PLN terhadap 30 data jurnal publikasi yang diuji dengan 1806 data training menggunakan metode Text Mining Cosine Similarity dan SVM dapat mengindentifikasi plagiarism dini pada jurnal dengan nilai precision 100% serta recall 100%
dengan hasil rentang nilai plagiarism 5,52% - 29,03%, namun apabila Jumlah data training besar maka membutuhkan waktu yang lama. Dengan adanya analisa dini plagiarism dapat meningkatkan mutu publikasi jurnal

Early analysis of journal plagiarism is needed by the editorial team and partners to evaluate the authenticity of the proposed journal, assessment of plagiarism is needed to maintain the quality of journal publications. Therefore,
a plagiarism analysis feature is needed in journal management applications, so it will help in providing information about the journal's authenticity. In this study SDLC Waterfall is used by applying the Text Mining Cosine Similarity method and SVM in assessing the level of similarity of a proposed journal with existing journal data. Application design uses UML and blackbox testing is conducted to determine the success of applications and evaluation methods to determine the accuracy of document similarity classification. The results of plagiarism testing on the electronic journal portal STT-PLN on 30 published journal journal data with 1836 training data using the Text Mining Cosine Similarity method and SVM can identify early plagiarism in journals with 100% precision and 100% recall with susceptible results plagiarism values 5,52% - 29,03%, but if the amount of training data big then takes a long time. With the early analysis of plagiarism can improve the quality of journal publications