Analisis Sentimen Situs Pembajak Artikel Penelitian Menggunakan Metode Lexicon-Based

Abstract

Perkembangan teknologi sangatlah pesat pada era sekarang ini, apalagi dengan perkembangan teknologi internet. Di bidang pendidikan sendiri, untuk publikasi serta akses referensi penelitian bisa mudah dilakukan dengan internet. Namun dengan internet pula, pembajakan jurnal penelitian bisa terjadi bilamana akses untuk referensi tidak bisa diperoleh karena hambatan paywall (tidak bisa akses jika tidak membayar). Ekspresi terhadap hal tersebut bisa didapati di sosial media, dimana penggunanya bisa menggunakan platform tersebut untuk menuangkan opini mereka secara bebas. Ketersediaan data tersebut di internet yang dapat diambil serta dianalisis sehingga menghasilkan suatu informasi. Pada penelitian ini akan menganalisis sentimen masyarakat terhadap salah satu situs pembajak artikel penelitian yaitu Sci-Hub. Metode yang digunakan yaitu    Lexicon-based yang merupakan metode yang memanfaatkan dictionary untuk pengklasifikasian teks sentimen. Data yang digunakan adalah tweets yang berjumlah 35.755 dengan tweets berbahasa inggris sebanyak 28.193 dan tweets berbahasa indonesia sebanyak 7.552. Data diklasifikasikan sesuai dengan rule dalam dictionary InSet dengan hasil klasifikasi sentimen positif 59.51%, sentimen negatif 26.42% dan sentimen netral 14.07%. Penelitian ini mendapatkan hasil akurasi 55.66% untuk prediksi data bersentimen positif, negatif dan juga netral.