Berkembangnya e-commerce saat ini memicu calon pembeli lebih mempercayai review yang ditulis oleh pembeli sebelumnya.Review positif
cenderung akan membuat calon pembeli akan membeli barang tersebut, dan hal sebaliknya jika
review produk tersebut negatif. Namun banyak
review yang berkembang saat ini tidak lagi ditulis oleh pembeli sebenarnya. Review
yang ditulis bukan sebenarnya disebut
fake review/untruthful review yang termasuk
kategori spam dan penulisnya disebut spammer.
Pada penelitian ini akan dilakukan deteksi
fake review dengan pendekatan
beberapa kelas feature menggunakan metode Naïve Bayes. Penelitian ini akan menggunakan NLP dan sumber lexicon SentiwordNet dan menggunakan kamus
untuk membantu ekstraksi sentiment yang belum pernah dilakukan peneliti sebelumnya untuk menghasilkan sistem yang lebih baik. Selanjutnya penelitian ini akan menganalisis apakah penggunaan
tagger, kamus, dan pemilihan feature akan
mempengaruhi sistem dan kelas feature apa yang paling mempengaruhi sistem.
Hasilnya adalah penggunaan tagger dan kamus akan mempengaruhi sistem. Hasil terbaik diperoleh akurasi sebesar 83.33%. Pemilihan feature juga akan mempengaruhi sistem. Dari hasil penelitian diperoleh akan semakin baik bila semua kelas feature digunakan ke dalam sistem. Dan kelas feature yang paling berpengaruh adalah kelas personal feature.
fake review, untruthful review, opinion spa m, Naïve Bayes