Sistem Rekomendasi Keaslian Barang Berdasarkan Klasifikasi Ulasan Tokopedia Menggunakan Metode LSTM

Abstrak

Abstrak — Perkembangan marketplace membuat pengguna semakin bergantung pada ulasan untuk melihat keaslian suatu produk. Namun, ulasan yang panjang dan tidak terstruktur sering membuat proses penilaian menjadi sulit. Penelitian ini bertujuan membangun sistem rekomendasi keaslian barang berdasarkan analisis ulasan Tokopedia menggunakan metode Long Short-Term Memory (LSTM). Proses penelitian dimulai dari pengambilan data ulasan, preprocessing tanpa stopword removal, serta penerapan teknik oversampling untuk menyeimbangkan kelas sentimen. Setelah itu dilakukan pelabelan manual dan pelatihan model dengan variasi hyperparameter melalui 10-fold cross-validation. Model terbaik diperoleh pada kombinasi K = 10, fold ke-10, epoch 20, batch size 16, dan dropout 0.3. Model ini menghasilkan akurasi 89.50%, presisi 87.15%, recall 86.34%, dan F1-score macro 84.41% pada data pengujian. Hasil tersebut menunjukkan bahwa model mampu memberikan prediksi yang cukup stabil dan dapat digunakan untuk melihat kecenderungan keaslian produk berdasarkan sentimen ulasan. Sistem rekomendasi yang dibangun diharapkan dapat membantu pengguna agar lebih mudah dalam mempertimbangkan kualitas dan keaslian produk sebelum membeli.

Kata kunci — Sistem Rekomendasi, Keaslian Produk, Tokopedia, LSTM, Analisis Ulasan