<![CDATA[Kemajuan teknologi telah mempermudah berbagai aspek kehidupan manusia, termasuk di sektor bisnis dan ekonomi. Kehadiran e-commerce memungkinkan interaksi antara penjual dan pembeli berlangsung lebih efektif serta efisien. Dalam proses pengambilan keputusan pembelian, ulasan pelanggan memiliki peran penting sebagai sumber informasi mengenai kualitas produk maupun layanan. Oleh karena itu, keaslian ulasan sangat krusial dalam menjaga kepercayaan pengguna sekaligus integritas platform.Penelitian ini menggunakan dataset berisi 887 ulasan berbahasa Indonesia yang dikumpulkan dari salah satu toko di satu platform e-commerce. Sistem deteksi ulasan palsu dibangun dengan memanfaatkan model DistilBERT berbasis pemrosesan bahasa alami (NLP) yang diawali dengan tahapan preprocessing. Model dilatih dalam beberapa skenario, baik tanpa maupun dengan teknik oversampling, lalu dievaluasi menggunakan accuracy, precision, recall, F1-Score, confusion matrix, serta ROC-AUC. Hasil evaluasi menunjukkan bahwa oversampling memberikan performa terbaik dengan akurasi 97% dan ROC-AUC 0.97–0.99. Model mampu mengenali ulasan asli (OR) dengan presisi 0.99 serta mendeteksi ulasan palsu (CG) dengan recall 0.96. Pada skenario 50 epoch, ROC-AUC tertinggi dicapai dengan nilai 0.9921. Selanjutnya, model diimplementasikan ke dalam aplikasi web berbasis Streamlit untuk membantu pengguna mengambil keputusan pembelian yang lebih bijak di e-commerce.Kata Kunci – Ulasan Palsu; DistilBERT; Pemrosesan Bahasa Alami; Perdagangan Elektronik; Streamlit]]>
