"Implementasi TF-IDF dan Algoritma XGBoost untuk Deteksi Ulasan Palsu [ENY, IAU]"

Abstract

Ulasan palsu yang beredar di berbagai platform online menimbulkan masalah serius dalam mempertahankan kualitas informasi serta membangun kepercayaan pengguna. Ulasan ini sering kali tidak didasarkan pada pengalaman nyata, tetapi ditulis dengan tujuan untuk memengaruhi pandangan konsumen terhadap suatu produk atau layanan  tertentu. Jika tidak teridentifikasi dengan baik, ulasan tidak asli dapat merusak sistem rekomendasi, menyesatkan calon pembeli, dan memberikan dampak negatif kepada pelaku bisnis. Penelitian ini berfokus pada penciptaan metode pengklasifikasian ulasan tidak asli yang berbasis teks dengan mengintegrasikan teknik Term Frequency-Inverse Document Frequency (TF-IDF) untuk ekstraksi fitur, serta menggunakan algoritma eXtreme Gradient Boosting (XGBoost) sebagai model pengklasifikasi. Tahapan penelitian mencakup penelusuran dataset ulasan, pemrosesan awal teks, pelatihan model, serta evaluasi kinerja melalui metrik klasifikasi. Dengan pendekatan ini, diharapkan dapat tercipta sistem pendeteksian yang memiliki akurasi tinggi dan relevan untuk meningkatkan kualitas informasi pada platform digital.