• 🎯 Ringkasan & Tujuan Proyek
• 📦 Sumber Data (Dataset)
• ⚙️ Alur Analisis & Metodologi
• 💡 Insight & Temuan Utama
• 🤖 Peran Kunci AI: Klasifikasi & Penalaran
• 🚀 Cara Menjalankan Proyek

Proyek ini dibangun untuk mengatasi tantangan signifikan dalam ekosistem e-commerce: proliferasi produk palsu. Dengan menganalisis data transaksi dan atribut produk secara cermat, proyek ini menghadirkan solusi cerdas yang menggabungkan kekuatan Machine Learning tradisional dengan kemampuan Large Language Model (LLM) modern untuk:

1. Klasifikasi Produk: Mengembangkan model prediktif yang akurat untuk mengidentifikasi listingan produk yang berpotensi palsu. Ini memungkinkan platform e-commerce untuk secara proaktif menandai atau menghapus produk berisiko sebelum mencapai konsumen.
2. Ringkasan Risiko Cerdas: Memanfaatkan model bahasa besar (LLM) IBM Granite untuk mengubah data terstruktur (statistik, kategori, dll.) menjadi narasi ringkas yang menjelaskan alasan di balik prediksi "palsu". Ini memberikan konteks yang kaya bagi tim Trust & Safety untuk mempercepat investigasi dan pengambilan keputusan.

Sistem ini bertujuan untuk meningkatkan kepercayaan konsumen, melindungi reputasi penjual asli, dan menciptakan lingkungan belanja online yang lebih aman.

• Nama Dataset: Counterfeit Product Detection Dataset
• Sumber:
• Deskripsi: Dataset ini adalah simulasi data listingan produk dari platform e-commerce, terdiri dari 5000 baris data dengan 27 kolom yang mencakup berbagai atribut seperti harga produk, rating dan ulasan penjual, jumlah gambar, panjang deskripsi, waktu pengiriman, asal pengiriman, metrik interaksi pembeli, serta indikator lain yang terkait dengan potensi pemalsuan. Kolom target (is_counterfeit) adalah variabel boolean yang menandai apakah produk tersebut asli (False) atau palsu (True).
• Lokasi File Mentah:

  /data/raw/Counterfeit_Product_Detection.csv

Proyek ini dirancang mengikuti pipeline data science yang sistematis dan terstruktur:

Data Cleaning & Feature Engineering -> Exploratory Data Analysis (EDA) -> Model Training & Comparison -> IBM Granite Integration & Summarization

Performa Model yang Sempurna: Sebuah temuan menarik, seluruh model klasifikasi yang diuji berhasil mencapai performa 100% (Skor 1.0) pada semua metrik evaluasi di data uji. Hal ini menunjukkan bahwa fitur-fitur yang ada di dalam dataset ini sangat diskriminatif dan memiliki daya pemisah yang sangat kuat antara produk asli dan palsu. Dalam skenario dunia nyata, hasil seperti ini jarang terjadi dan menyoroti kualitas tinggi dari fitur yang direkayasa dalam dataset simulasi ini.

Berikut adalah faktor-faktor paling berpengaruh dalam mendeteksi produk palsu, diurutkan berdasarkan Feature Importance dari model Random Forest:

1. 📸 product_images: Jumlah gambar sedikit adalah tanda bahaya utama.
2. ⏳ domain_age_days: Akun/toko baru sangat mencurigakan.
3. 📝 description_length: Deskripsi pendek dan kurang detail.
4. 🚚 shipping_time_days: Waktu pengiriman yang tidak wajar (terlalu lama).
5. 💳 payment_methods_count: Opsi pembayaran yang terbatas.
6. ⭐ seller_reviews & seller_rating: Ulasan sedikit dan rating buruk.
7. 📞 contact_info_complete: Informasi kontak tidak lengkap.
8. 💰 price & is_price_below_avg: Harga terlalu murah untuk menjadi kenyataan.
9. ✍️ spelling_errors: Banyak kesalahan ejaan pada listingan.

AI adalah tulang punggung proyek ini, diaplikasikan dalam dua peran yang berbeda namun saling melengkapi:

• 🤖 AI for Classification: Algoritma Machine Learning digunakan untuk tugas prediksi. Walaupun semua model (termasuk XGBoost, LightGBM, dll.) menunjukkan performa sempurna, model Random Forest (setelah tuning) dipilih sebagai model "juara" karena interpretasi feature importance-nya yang jelas dan performa yang solid.

• 🧠 AI for Reasoning & Summarization (IBM Granite): Ini adalah aplikasi AI yang paling inovatif dalam proyek ini. IBM Granite tidak digunakan untuk meringkas teks deskripsi. Sebaliknya, ia menerima input data terstruktur (angka, kategori, boolean) dan bertugas untuk melakukan penalaran (reasoning). Hasilnya adalah ringkasan naratif yang menjelaskan FAKTOR-FAKTOR RISIKO dalam bahasa alami. Ini menunjukkan kemampuan LLM untuk menjelaskan "mengapa" di balik prediksi model ML, sebuah jembatan penting antara data science dan operasional bisnis.

Untuk mereplikasi hasil analisis dalam proyek ini, ikuti langkah-langkah berikut:

1. Clone Repositori

   git clone https://github.com/LatiefDataVisionary/counterfeit-detection-capstone.git
   cd counterfeit-detection-capstone

2. Buat Virtual Environment (Dianjurkan)

   python -m venv venv
   source venv/bin/activate  # Untuk Windows: venv\Scripts\activate

3. Instal Dependensi Pastikan Anda sudah memiliki file requirements.txt yang berisi semua library yang dibutuhkan.

   pip install -r requirements.txt

4. Jalankan Notebook Buka dan jalankan file notebook yang ada di direktori /notebooks/ menggunakan Google Colab atau Jupyter Notebook.