DETEKSI ULASAN FIKTIF SKINCARE BERBAHASA INDONESIA PADA SITUS FEMALE DAILY MENGGUNAKAN METODE SVM
DOI:
https://doi.org/10.33480/inti.v20i2.7894Keywords:
Fake Review, Machine Learning, Skincare, Support Vector Machine, Text MiningAbstract
The increasing popularity of e-commerce and online review platforms has encouraged consumers to rely more heavily on reviews before purchasing skincare products. However, the proliferation of fake reviews presents a new challenge for consumers in making decisions. This study aims to detect fake reviews of skincare products by applying the Support Vector Machine (SVM) algorithm as the main model. Data was taken from the Female Daily website, which contains a collection of reviews of COSRX skincare products. This study applied text mining and data preprocessing techniques to prepare 8,880 unstructured reviews into a format ready for analysis. The SVM model was used to detect genuine and fake reviews based on linguistic patterns in the text. The test results showed excellent accuracy, with the model accurately predicting 5,900 fake reviews and 2,758 genuine reviews, with an error rate of only around 2.5% of the total data. These findings indicate that SVM is an effective method for detecting fake skincare product reviews and has the potential to be implemented as a decision support tool for consumers and online review platforms.
Downloads
References
Aisah, I. S., Irawan, B., & Suprapti, T. (2023). Algoritma Support Vector Machine (Svm) Untuk Analisis Sentimen Ulasan Aplikasi Al Qur’an Digital. In Jurnal Mahasiswa Teknik Informatika (Vol. 7, Number 6).
Anggraini, M., Sanjaya, V. F., Ekonomi dan Bisnis, F., Islam Negeri Raden Intan, U., Referensi, K., & Sosial, M. (2021). Pengaruh Kelompok Referensi, Media Sosial Dan Work Of Mouth Pada Generasi Mlenial Terhadap Keputusan Pembelian. In Manajemen dan Akuntansi (Vol. 2, Number 1). http://jema.unw.ac.id
Elkabalawy, M., Al-Sakkaf, A., Mohammed Abdelkader, E., & Alfalah, G. (2024). CRISP-DM-Based Data-Driven Approach for Building Energy Prediction Utilizing Indoor and Environmental Factors. Sustainability (Switzerland), 16(17). https://doi.org/10.3390/su16177249
Fahmuddin, M., Aidid, M. K., & Taslim, M. J. (2023). Implementasi Analisis Regresi Logistik Dengan Metode Machine Learning Untuk Mengklasifikasi Berita Di Indonesia. VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 5(03), 155–162. https://doi.org/10.35580/variansiunm116
Firdaus, M. S., & Haryanti, I. (2023). Pengaruh Sikap Konsumen dan Persepsi Konsumen terhadap Keputusan Pembelian pada Hokky Mart Cabang Santi. Kompeten: Jurnal Ilmiah Ekonomi Dan Bisnis, (3).
Kumalasari, J., & Merdekawati, A. (2023). Analisis Sentimen Terhadap Program Kampus Merdeka Pada Twitter Menggunakan Metode Naïve Bayes, Union dan Synthetic Minority Over Sampling Technique (SMOTE). SATIN - Sains Dan Teknologi Informasi, 9(1), 01–12. https://doi.org/10.33372/stn.v9i1.894
Kumalasari, J. T., & Puspitorini, I. (2025). Perbandingan Metode Klasifikasi dan SMOTE Terhadap Analisa Sentimen Mobil Listrik Indonesia. Jurnal Minfo Polgan, 13(2), 2257–2268. https://doi.org/10.33395/jmp.v13i2.1442
Milal, I. S., Hasanudin, M., Aliffiallathifa, M., Azhari, N., Nugraha, R. A., Agustina, N., Damayanti, E., Studi, P., Informatika, T., Tinggi, S., & Bandung, T. (2023). Klasifikasi Teks Review Pada E-Commerce Tokopedia Menggunakan Algoritma SVM. 05.
Mudya Yolanda, A., & Tri Mulya, R. (2024). Implementasi Metode Support Vector Machine untuk Analisis Sentimen pada Ulasan Aplikasi Sayurbox di Google Play Store. VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 6(2), 76–83. https://doi.org/10.35580/variansiunm258
Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. In Jurnal Sains Komputer & Informatika (J-SAKTI (Vol. 5, Number 2).
Rahman, O. H., Abdillah, G., & Komarudin, A. (2021). Klasifikasi Ujaran Kebencian pada Media Sosial Twitter Menggunakan Support Vector Machine. Jurnal RESTI, 5(1), 17–23. https://doi.org/10.29207/resti.v5i1.2700
Schröer, C., Kruse, F., & Gómez, J. M. (2021). A systematic literature review on applying CRISP-DM process model. Procedia Computer Science, 181, 526–534. https://doi.org/10.1016/j.procs.2021.01.19
Setyani, A. H., & Azhari, M. Z. (2020). Pengaruh Korean Wave Dan Ulasan Online Terhadap Minat Beli Produk Skin Care Korea Selatan.
Sihombing, P. R., & Yuliati, I. F. (2021). Penerapan Metode Machine Learning dalam Klasifikasi Risiko Kejadian Berat Badan Lahir Rendah di Indonesia. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 20(2), 417–426. https://doi.org/10.30812/matrik.v20i2.1174
Wang, C. K. (2023). Sentiment Analysis Using Support Vector Machines, Neural Networks, and Random Forests (pp. 23–34). https://doi.org/10.2991/978-94-6463-300-9_4
Wilandini, D., & Purwantoro. (2022). rusmanto,+47_5_Penerapan+Algoritma+Naã_Ve+Bayes+Pada+Aplikasi+Media+Sosial+Dalam+Mengamati+Trend+Kuliner. Jurnal Teknologi Terpadu, 8(1).
Windarti, S., Faidah, M., Usodoningtyas, S., & Dwiyanti, S. (2022). Kebiasaan Pemakaian Skincare Santri Putri Pesantren Kyai Syarifuddin Lumajang (Vol. 11).
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Audy Hafiza Bilqis, Farizatul Azna, Dwi Widdi, Nayla Eka Hidayat, Tasya Ramadhinta
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Penulis yang menerbitkan jurnal ini menyetujui ketentuan berikut:
1. Penulis memegang hak cipta dan memberikan hak jurnal mengenai publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Creative Commons Attribution 4.0 International License. yang memungkinkan orang lain untuk berbagi karya dengan pengakuan atas karya penulis dan publikasi awal pada jurnal.
2. Penulis dapat memasukkan pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan (misalnya, mengirimkannya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya pada Jurnal.
3. Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, dalam penyimpanan institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena hal itu dapat menghasilkan pertukaran yang produktif, serta kutipan dari karya yang diterbitkan sebelumnya.
