DETEKSI ULASAN PALSU PADA TOKOPEDIA DAN SHOPEE MENGGUNAKAN NATURAL LANGUAGE PROCESSING

Arifin, Rahmat Muflih (2023) DETEKSI ULASAN PALSU PADA TOKOPEDIA DAN SHOPEE MENGGUNAKAN NATURAL LANGUAGE PROCESSING. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf

Download (752kB)
[img] Text (BAB I)
BAB I.pdf

Download (223kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only

Download (728kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only

Download (887kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only

Download (1MB)
[img] Text (BAB V)
BAB V.pdf

Download (70kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only

Download (72kB)
[img] Archive (SOURCE CODE)
Source Code 18.11.2242 2242_Rahmat Muflih Arifin.zip
Restricted to Repository staff only

Download (11MB)
[img] Text (PUBLIKASI)
Publikasi 18.11.2242 Rahmat Muflih Arifin.pdf
Restricted to Repository staff only

Download (486kB)

Abstract

Di era yang serba instan ini, proses belanja daring sudah menjadi hal yang biasa. Mulai dari kebutuhan pokok hingga alat-alat yang dapat dipakai sehari-hari, barang-barang ini dapat didapatkan secara daring dengan cara yang sangat mudah. Namun dewasa ini, banyak pembeli yang membeli barang dengan hati-hati, khawatir akan penipuan, pembeli biasanya melihat deskripsi terlebih dahulu. Hal tersebut biasa dilakukan agar menghindari penipuan kualitas, yaitu barang yang tampil di e-commerce tidak sesuai dengan barang yang datang, dan hal itu sering terjadi. Ada juga hal yang biasa pembeli lakukan adalah melihat ulasan yang disediakan di toko tersebut. Ulasan yang dilihat dinilai dari positif atau negatifnya, sehingga tidak sedikit penjual yang memalsukan ulasan agar mendapat insight negatif dari pembeli. Maka dari itu saya akan melakukan penelitian dengan judul “Deteksi Ulasan Palsu pada Tokopedia dan Shopee Menggunakan Natural Language Processing” dengan bahasa pemrograman yang digunakan python berbasis analisis. Solusi yang akan digunakan pada penelitian ini berdasarkan analisa masalah yang sudah diuraikan sebelumnya yaitu membuat system berbasis website yang dapat mendeteksi apakah ulasan tersebut dapat dikatakan palsu atau tidak. Sebagai gambaran ulasan tesebut dapat dikatakan palsu yang bersumber dari blog Blibli.com setidaknya dia memiliki 4 hal yaitu ulasan yang tidak hanya rating-nya saja melainkan ada komentarnya, ulasan yang menggunakan bahasa yang berlebihan besar kemungkinan ulasan tersebut palsu, ulasan kemungkinan besar tidak berada pada toko yang sama dengan jam dan tanggal yang sama, lalu yang terakhir adalah dengan melihat akun pengulas apakah pengulas melakukan ulasan yang banyak dalam waktu banyak atau tidak. Untuk parameter terakhir pada Tokopedia dan Shopee tampaknya tidak memungkinkan untuk dilakukan sehingga parameter yang diambil hanya 3 bagian pertama, karena untuk pengecekan akun pengulas akan membutuhkan data pengguna yang cukup banyak, itupun sangat sulit karena data tersebut merupakan data sensitif. Berdasarkan proses tersebut hingga implementasi, dapat disimpulkan bahwa: hasil penelitian menghasilkan website yang dapat mendeteksi ulasan palsu yang diinputkan berdasarkan dataset yang telah dilakukan input serta tingkat akurasi model ini karena memiliki dataset yang identik pada kedua platform melalui proses training memiliki hasil score yang baik, baik itu dari confusion matrix, akurasi, presisi, recall, serta f1-score.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Sasongko, Theopilus Bayu
Uncontrolled Keywords: Machine Learning, Natural Language Processing, Ulasan Palsu, Python
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 12 Apr 2023 01:49
Last Modified: 26 Jul 2023 07:51
URI: http://eprints.amikom.ac.id/id/eprint/18345

Actions (login required)

View Item View Item