Penelitian ini berfokus pada masalah ulasan palsu yang terdapat pada platform e-commerce Tokopedia, yang dapat memengaruhi keputusan pembelian konsumen serta merusak reputasi penjual. Dengan semakin berkembangnya penggunaan e-commerce, muncul tantangan baru berupa ulasan palsu yang sering digunakan untuk meningkatkan peringkat produk atau merusak reputasi pesaing. Hal ini tentu saja dapat menurunkan kepercayaan konsumen terhadap platform e-commerce. Tujuan utama dari penelitian ini adalah untuk mengembangkan model deteksi ulasan palsu yang efektif menggunakan algoritma deep learning, khususnya model Transformer. Metode penelitian yang digunakan adalah CRISP-DM yang memiliki tahapan business understandiing, data understanding, data preprocessing, modeling, evaluation dan deployment. Penelitian ini juga menguji dua konfigurasi epoch yang berbeda, yaitu 30 epoch tanpa early stopping dan 50 epoch dengan early stopping, untuk mengidentifikasi perbedaan dalam performa model. Hasil utama dari penelitian ini menunjukkan bahwa model dengan 30 epoch memberikan hasil terbaik dengan akurasi 97,4%, presisi 87,64%, recall 90,69%, dan f1-score 89,00%. Sebaliknya, model dengan 50 epoch mengalami penurunan akurasi karena overfitting meskipun nilai presisi dan recall meningkat. Model Transformer menunjukkan kinerja yang baik dalam mendeteksi ulasan palsu, sehingga dapat meningkatkan kepercayaan konsumen dan menjaga integritas ulasan di platform e-commerce. Manfaat dari penelitian ini adalah menyediakan solusi praktis untuk mendeteksi ulasan palsu, meningkatkan pengalaman pengguna, dan membantu platform e-commerce mempertahankan reputasinya.
Kata Kunci : CRISP-DM, E-Commerce, Transformer, Ulasan Palsu