<![CDATA[Ujaran kebencian dalam ulasan aplikasi e-commerce dapat merusak reputasi platform dan menurunkan kepercayaan pengguna. Masalah utama yang dihadapi adalah banyaknya ujaran kebencian yang disampaikan secara implisit dan dalam bentuk bahasa informal, sehingga sulit dideteksi menggunakan pendekatan berbasis kata kunci atau metode klasifikasi tradisional. Penelitian ini bertujuan untuk mengoptimalkan deteksi ujaran kebencian pada ulasan aplikasi e-commerce dengan menggabungkan BERT dan vector search berbasis FAISS. Dataset ulasan yang telah dilabeli diambil dari Kaggle, sehingga tidak memerlukan proses labelling tambahan. Teks ulasan diproses menjadi embedding menggunakan BERT dan selanjutnya diproses dengan FAISS untuk pencarian pola serupa. Hasil penelitian menunjukkan bahwa kombinasi BERT dan FAISS mencapai akurasi 96%, lebih tinggi dibandingkan BERT saja yang mencapai 89%. Waktu eksekusi juga menunjukkan perbedaan signifikan, di mana integrasi FAISS mempercepat pencarian embedding dibandingkan BERT murni. Penelitian ini membuktikan bahwa integrasi BERT dan vector search dapat mengoptimalkan analisis klasifikasi ujaran kebencian pada aplikasi e-commerce.]]>
Copyrights © 2025
