PENERAPAN FINE-TUNING LLAMA 3.1 8B MENGGUNAKAN UNSLOTH DAN TEKNIK QLORA TERHADAP DETEKSI ULASAN PALSU PRODUK E-COMMERCE

Nicholas Vitto, Adrianto (2026) PENERAPAN FINE-TUNING LLAMA 3.1 8B MENGGUNAKAN UNSLOTH DAN TEKNIK QLORA TERHADAP DETEKSI ULASAN PALSU PRODUK E-COMMERCE. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (351Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (2374Kb) | Minta salinan
Preview	File PDF SKRIPSI FULL TANPA BAB PEMBAHASAN.pdf Download (1609Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Ulasan palsu pada platform e-commerce merusak kepercayaan konsumen dan mendistorsi integritas pasar. Penelitian ini bertujuan mengembangkan sistem deteksi ulasan palsu yang akurat dan efisien secara komputasi menggunakan Large Language Model (LLM) Llama 3.1 8B. Metode yang diterapkan adalah fine-tuning menggunakan kerangka kerja Unsloth dan teknik Quantized Low-Rank Adaptation (QLoRA) dengan kuantisasi 4-bit untuk menghemat memori. Menggunakan dataset ulasan Amazon yang terdiri dari 40.000 data seimbang antara ulasan asli dan buatan komputer, model dilatih dengan memperbarui hanya 0,52% parameter model. Hasil evaluasi menunjukkan kinerja model yang sangat tinggi dengan akurasi 99,47%, precision 99,27%, recall 99,66%, dan F1-score 99,47%. Secara teknis, implementasi ini berhasil menekan penggunaan memori GPU hingga puncaknya hanya 8,98 GB. Namun, analisis loss menunjukkan terjadinya overfitting setelah epoch kedua, yang mengindikasikan bahwa pelatihan optimal cukup dilakukan dalam dua siklus. Penelitian ini membuktikan bahwa Llama 3.1 8B dengan teknik QLoRA merupakan solusi efektif untuk mendeteksi ulasan palsu pada infrastruktur terbatas.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum 000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Ilmu Komputer
Pengguna Deposit:	2602167705 Digilib
Date Deposited:	02 Mar 2026 01:46
Terakhir diubah:	02 Mar 2026 01:46
URI:	http://digilib.unila.ac.id/id/eprint/97181

Actions (login required)

Lihat Karya Akhir