Dalam era digital, e-commerce menjadi platform utama bagi konsumen untuk berbelanja, dengan ulasan produk mempengaruhi keputusan pembelian. Namun, ulasan palsu menimbulkan tantangan serius, merugikan konsumen dan penjual jujur. Deteksi ulasan palsu sangat penting untuk menjaga integritas dan kepercayaan dalam ekosistem e-commerce, melindungi reputasi bisnis dan membantu konsumen membuat keputusan yang tepat. Penelitian telah membandingkan berbagai metode untuk mendeteksi ulasan palsu. Penelitian ini akan fokus pada penggunaan Support Vector Machine (SVM) dengan Particle Swarm Optimization (PSO) untuk mencari nilai hyperparameter SVM terbaik dan ekstraksi fitur kata menggunakan TF-IDF. Hasil dari penelitian ini menunjukkan bahwa model dapat memprediksi ulasan palsu dengan cukup baik. Dengan nilai akurasi dan f1-score terbaik yang dicapai adalah 70.88% dan 0.73 untuk data training. Sementara untuk data testing nilai akurasi dan f1-score terbaik yang diperoleh adalah 88.50% dan 0.89.