IMPLEMENTASI METODE DECISION TREE DALAM MEMPREDIKSI PENJUALAN PRODUK TERLARIS (STUDI KASUS : KREATIF MART ATAMBUA)
DOI:
https://doi.org/10.31849/zn.v7i1.23868Keywords:
decision tree, data mining, phyton, ID3, Prediksi Penjualan.Abstract
Kebutuhan pokok atau dasar merupakan hal yang penting bagi manusia dalam menjalani kesehariannya. Pada masa era globalisasi ini, produk makanan dan minuman sangat mudah didapatkan karena saat ini banyak bidang usaha manusia yang bergerak dalam lingkup produsen dan jasa produk, Di Negara Indonesia, persebaran usaha sudah sangat banyak, khususnya di Pulau Timor Kabupaten Belu yang beribukota di Atambua. Dengan letak geografinya yang menjadi pintu masuk ke negara tetangga, menjadikan kota ini sebagai tempat persinggahan bagi masyarakat yang ingin ke Timor Leste. Dijadikan tempat persinggahan tentunya memungkinkan terjadinya transaksi jual beli barang, Dengan banyaknya transaksi jual beli yang terjadi, perputaran uang di tempat ini menjadi cepat dan mengakibatkan stok barang yang dijual toko cepat habis khususnya barang produk. Satu dari sekian banyak pusat perbelanjaan yang paling laris di kota atambua adalah toko kreatif mart yang berlokasi di Pasar Baru Atambua.
Tingginya transaksi berbelanja di toko ini, maka stok barang yang berada di gudang cepat mengalami penurunan. Diperlukan prediksi yang tepat dalam menangani masalah ini agar rantai pasok barang tidak terputus karena ada barang yang kosong saat dicari oleh pembeli. Penelitian ini bertujuan untuk menerapkan metode Decision Tree dengan algoritma ID3 untuk memprediksi produk terlaris di Kreatif Mart, Atambua. Data diambil selama satu bulan dan dianalisis berdasarkan variabel seperti stok, jumlah penjualan, dan harga. Hasil dari penelitian ini menunjukkan akurasi prediksi yang baik, membantu toko dalam manajemen persediaan untuk memenuhi kebutuhan konsumen dengan lebih efektif.
References
[2] Hesniati and S. T. Putri, “Jurnal Pengabdian kepada Masyarakat Nusantara (JPkMN) Vol.3 No.2.2 Februari 2023 1830-1840 e-ISSN : 2745 4053 Perancangan,” J. Pengabdi. Kpd. Masy. Nusant., vol. 3, no. 2, pp. 1830–1840, 2023.
[3] F. Faturrahman, “Pertambahan jumlah umkm sebagai potensi pad kabupaten sumbawa,” J. accounting, Financ. Audit., vol. 3, no. 2, pp. 48–56, 2021.
[4] C. L. Tjandra and D. S. MintoTorogo, “Fasilitas Wisata Pembuatan Kain Tenun di Atambua , NTT,” J. eDimensi Arsit., vol. XI, no. 1, pp. 329–336, 2023.
[5] S. H. Syahid, P. P. Amtiran, R. F. Makatita, and C. C. Foenay, “FAKTOR-FAKTOR YANG MEMPENGARUHI PERDAGANGAN LINTAS BATAS NEGARA INDONESIA-TIMOR LESTE Factors Affecting Cross-Border Trade Between Indonesia And Timor,” pp. 1239–1250, 2019.
[6] P. S. Ramadhan and N. Safitri, “Penerapan Data Mining Untuk Mengestimasi Laju Pertumbuhan Penduduk Menggunakan Metode Regresi Linier Berganda Pada BPS Deli Serdang,” J. saintikom, vol. 18, no. 1, pp. 55–61, 2019.
[7] P. Mai, S. Tarigan, J. T. Hardinata, H. Qurniawan, M. Safii, and R. Winanjaya, “IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI DALAM MENENTUKAN PERSEDIAAN BARANG ( STUDI KASUS : TOKO SINAR HARAHAP ),” J. Sist. Informasi, Teknol. Inf. dan Komput., vol. 12, no. 2, pp. 51–61, 2022.
[8] A. H. Nasrullah, “Implementasi Algoritma Decision Tree Untuk Klasifikasi produk terlaris,” J. Ilm. ilmu Komput., vol. 7, no. 2, p. 217, 2021.
[9] F. Zahra, M. A. Ridla, and N. Azise, “Implementasi Data Mining Menggunakan Algoritma Apriori Dalam Menentukan Persediaan Barang (Studi Kasus : Toko Sinar Harahap),” JUSTIFY J. Sist. Inf. Ibrahimy, vol. 3, no. 1, pp. 55–65, 2024, doi: 10.35316/justify.v3i1.5335.
[10] A. C. Darmawan, “Pengembanga Aplikasi Berbasis Web dengan Python Flask untuk Klasifikasi Data Menggunakan Metode Decision Tree C4.5,” J. Pendiidikan Konseling, vol. 4, no. 5, pp. 5351–5362, 2022.
[11] G. Gunawan, A. C. Fauzan, and H. Harliana, “Implementasi Algoritma Decision Tree Iterative Dichotomiser 3 (ID3) untuk Prediksi Keberhasilan Pengobatan Penyakit Kutil Menggunakan Cryotherapy,” J. Bumigora Inf. Technol., vol. 4, no. 1, pp. 73–82, 2022, doi: 10.30812/bite.v4i1.1949.
[12] S. Bahri and A. Lubis, “Metode Klasifikasi Decision Tree Untuk Memprediksi Juara English Premier League,” J. Sintaksis, vol. 2, no. 1, pp. 63–70, 2020.
Downloads
Published
Issue
Section
License
CC BY-SA 4.0
Attribution-ShareAlike 4.0
You are free to:
- Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
- Adapt — remix, transform, and build upon the material for any purpose, even commercially.
- The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
- Attribution — You must give appropriate credit , provide a link to the license, and indicate if changes were made . You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
- No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation .
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.
