<![CDATA[Diamond Interest sebagai perusahaan distribusi produk herbal memiliki data karakteristik pelanggan dan riwayat transaksi yang berpotensi dimanfaatkan untuk mendukung strategi pemasaran berbasis data. Namun, data tersebut belum dioptimalkan untuk menghasilkan rekomendasi produk yang sesuai dengan kebutuhan pelanggan. Penelitian ini bertujuan merancang sistem rekomendasi produk menggunakan metode Decision Tree berdasarkan karakteristik pelanggan dan riwayat transaksi guna menghasilkan rekomendasi yang akurat dan relevan. Penelitian menggunakan pendekatan kuantitatif dengan kerangka kerja CRISP-DM yang meliputi Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dataset yang digunakan berasal dari data pelanggan, transaksi, dan produk herbal PT Diamond Interest periode 17 Mei 2025 hingga 17 Mei 2026. Model Decision Tree dibandingkan dengan Random Forest dan Support Vector Machine (SVM), kemudian dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Decision Tree memberikan kinerja terbaik dengan nilai accuracy sebesar 80,77%, precision 80,92%, recall 80,77%, dan F1-score 80,58%, serta berada pada kondisi good fit tanpa indikasi overfitting maupun underfitting. Model tersebut diimplementasikan ke dalam sistem informasi berbasis web menggunakan Streamlit yang menyediakan fitur unggah dataset, visualisasi data, klasifikasi preferensi kesehatan pelanggan, dan rekomendasi produk herbal. Sistem yang dihasilkan mampu memberikan rekomendasi produk yang lebih tepat sasaran sehingga mendukung pengambilan keputusan pemasaran berbasis data dan meningkatkan efektivitas strategi pemasaran perusahaan.]]>
