KLASIFIKASI PERFORMA PENJUALAN AKSESORIS MOTOR MENGGUNAKAN ALGORITMA C4.5 DENGAN PENDEKATAN DATA MINING

Abstrak

Penelitian ini bertujuan untuk membangun dan mengevaluasi model klasifikasi performa penjualan aksesoris motor menggunakan algoritma Decision Tree berbasis entropy (C4.5) dengan Random Forest sebagai model pembanding. Permasalahan utama yang diangkat adalah bagaimana mengidentifikasi faktor-faktor transaksi yang paling berpengaruh terhadap tingkat penjualan (Tinggi atau Rendah) secara akurat dan mudah diinterpretasikan, sehingga dapat mendukung pengambilan keputusan strategi persediaan pada usaha aksesoris motor. Data yang digunakan merupakan data transaksi penjualan aksesoris motor sepanjang tahun 2021 yang berjumlah 832 baris, mencakup atribut harga satuan, jumlah unit, kategori produk, dan bulan transaksi. Tahapan penelitian meliputi pengumpulan data, preprocessing dengan one-hot encoding, pembagian data latih dan uji secara stratified (80:20), pemodelan menggunakan algoritma C4.5 dan Random Forest, serta evaluasi menggunakan metrik accuracy, confusion matrix, classification report, ROC-AUC, dan 5-fold cross-validation. Hasil penelitian menunjukkan bahwa model C4.5 memperoleh akurasi data uji sebesar 79,04% dengan rata-rata akurasi cross-validation sebesar 81,25%, sementara Random Forest memperoleh akurasi sebesar 76,05%. Analisis feature importance menunjukkan bahwa variabel jumlah unit (Quantity Tier) dan tingkat harga satuan (Unit Price Tier) menjadi dua faktor paling dominan dalam menentukan performa penjualan. Kesimpulannya, algoritma C4.5 efektif digunakan dalam klasifikasi performa penjualan aksesoris motor karena memberikan akurasi yang kompetitif sekaligus interpretasi model yang mudah dipahami, sehingga dapat digunakan sebagai dasar penyusunan strategi persediaan dan pemasaran