Deteksi Ulasan Deceptive Dalam Bahasa Inggris Menggunakan Gated Recurrent Unit

Muhammad Nadhif Aswan, Yunita Sari, S.Kom., M.Sc., Ph.D.; Afiahayati, S.Kom., M.Cs., Ph.D

2020 | Skripsi | S1 ILMU KOMPUTER

Ulasan adalah pendapat yang ditulis oleh pengguna untuk suatu produk maupun layanan berdasarkan pengalaman dari produk yang ditinjau. Keputusan pembelian semakin dipengaruhi oleh ulasan produk dan layanan, maka dari itu dibutuhkan pendeteksian ulasan deceptive untuk mengurangi kerugian yang ditimbulkan oleh ulasan deceptive. Pada penelitian ini digunakan model Gated Recurrent Unit untuk mendeteksi ulasan deceptive. Model dilatih dengan menggunakan data ulasan hotel yang berjumlah 1600 ulasan dengan komposisi yang seimbang. Nilai akurasi, presisi, recall dan f1-score digunakan sebagai evaluasi performa dari model. Hasil penelitian ini menunjukan model GRU memiliki performa akurasi, presisi, recall, dan f1-score yang masing-masing sebesar 82.19%, 79.88%, 84.52%, dan 82.13%. Model LSTM memiliki akurasi, presisi, recall, dan f1-score masing-masing sebesar 81.56%, 80.38%, 81.94%, dan 81.15%

Reviews are opinions written by users for a product or service based on the experience of the product being reviewed. Purchasing decisions are increasingly influenced by product and service reviews, therefore detection of deceptive review is needed to minimize the losses incurred by deceptive reviews. In this study the Gated Recurrent Unit model was used to detect truthful and deceptive reviews. The model was trained using 1600 hotel review data with a balanced composition. Accuracy, precision, recall and f1-score values will be used as an evaluation of the performance of the model. The results of this study shows that the GRU model has accuracy, precision, recall, and f1-score performance, each of which is 82.19%, 79.88%, 84.52%, and 82.13%. The LSTM model has an accuracy, precision, recall, and f1-score of 78.75%, 77.02%, 80.00%, and 78.48%.

Kata Kunci : ulasan truthful, ulasan deceptive, Gated Recurrent Unit, Long Short-Term Memory, word embedding