<![CDATA[Perkembangan media sosial menyebabkan peningkatan interaksi pengguna dalam bentuk komentar pada unggahan produk. Namun, tingginya aktivitas komentar juga berpotensi memunculkan aktivitas tidak autentik dan komentar terkoordinasi yang dapat memengaruhi persepsi pengguna terhadap suatu produk. Penelitian ini bertujuan untuk mendeteksi anomali temporal dan mengidentifikasi indikasi aktivitas komentar terkoordinasi pada unggahan produk parfum di Instagram. Objek penelitian dipilih karena unggahan produk parfum memiliki tingkat interaksi yang tinggi sehingga berpotensi menimbulkan lonjakan aktivitas komentar pada waktu tertentu. Dataset yang digunakan terdiri dari 448 komentar yang dikumpulkan melalui proses scraping Instagram pada periode 19 Januari 2026 hingga 3 Mei 2026. Data kemudian diproses melalui tahapan preprocessing, transformasi time-series, serta representasi teks menggunakan model IndoBERT. Metode Long Short-Term Memory (LSTM) digunakan untuk mempelajari pola temporal komentar dan mendeteksi anomali berdasarkan nilai residual dan threshold anomaly, sedangkan Cosine Similarity digunakan untuk mengukur tingkat kemiripan antar komentar pada waktu anomali. Hasil evaluasi model menunjukkan nilai MAE sebesar 0,3318, RMSE sebesar 1,9483, dan MAPE sebesar 16,37%, yang menunjukkan kemampuan prediksi model berada pada kategori baik. Proses deteksi anomali berhasil menemukan empat waktu anomali dengan lonjakan komentar yang signifikan. Analisis cosine similarity menunjukkan adanya kelompok komentar dengan tingkat kemiripan teks yang tinggi, termasuk komentar identik dan pengulangan kata tertentu secara berulang. Penelitian ini memberikan kontribusi pada bidang social media analytics dan anomaly detection melalui integrasi analisis temporal dan analisis kemiripan teks untuk mengidentifikasi pola aktivitas komentar yang tidak normal serta indikasi aktivitas komentar terkoordinasi pada media sosial.]]>
