Perpustakaan Digital ITB

Pertumbuhan e-commerce telah mendorong banyak konsumen untuk beralih ke belanja secara online. Dalam upaya mengurangi risiko kesalahan dalam membeli produk, konsumen sering melakukan riset dengan membaca ulasan mengenai produk yang akan dibeli. Namun, tidak semua ulasan yang tersedia dapat diandalkan sebagai sumber informasi yang kredibel. Seiring dengan kemajuan teknologi, ulasan yang dihasilkan oleh komputer mulai menyerupai ulasan yang ditulis oleh manusia sehingga menimbulkan tantangan dalam membedakan keduanya. Penelitian ini bertujuan untuk mengidentifikasi fitur-fitur yang membedakan ulasan buatan manusia dengan ulasan yang dihasilkan oleh komputer serta mengembangkan model klasifikasi menggunakan algoritma Support Vector Machine (SVM). Model yang dikembangkan kemudian dibandingkan dengan hasil klasifikasi yang dilakukan oleh GPT-4o. Dalam pengembangan model, dilakukan pengujian terhadap lima fitur utama dengan total 34 sub-fitur, serta tuning hyperparameter untuk menentukan jenis kernel yang paling efektif dalam mempengaruhi kinerja SVM. Hasil penelitian menunjukkan bahwa model SVM dengan kernel Radial Basis Function (RBF) dan kombinasi fitur sentiment, syntactic, repetitiveness, dan similarity memberikan kinerja terbaik dengan akurasi 85,98%, precision 86,44%, recall 85,55%, F1 score 85,99%, dan AUC.