<![CDATA[Perkembangan teknologi digital dan sistem otomatisasi mendorong transformasi signifikan dalam bisnis ritel, salah satunya melalui pemanfaatan vending machine yang terintegrasi dengan sistem pembayaran dan pencatatan transaksi digital. Data transaksi yang dihasilkan vending machine menyimpan potensi besar untuk dianalisis guna memahami perilaku konsumen dan memprediksi produk terlaris secara lebih akurat. Penelitian ini bertujuan untuk menganalisis perilaku konsumen serta memprediksi produk terlaris pada bisnis vending machine menggunakan algoritma Decision Tree. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik data mining dan machine learning berbasis supervised learning. Dataset yang digunakan terdiri dari 9.617 data transaksi vending machine dengan 18 atribut yang mencakup informasi produk, harga, lokasi, waktu transaksi, dan metode pembayaran. Data diproses melalui tahapan eksplorasi data, pra-pemrosesan, pembangunan model, dan evaluasi kinerja. Hasil penelitian menunjukkan bahwa algoritma Decision Tree mampu menghasilkan kinerja prediksi yang cukup baik dengan nilai akurasi sebesar 76,30%, presisi 84,56%, recall 80,92%, dan F1-score 82,70%. Analisis feature importance mengungkapkan bahwa kategori produk, lokasi mesin, total nilai transaksi, dan harga produk merupakan faktor dominan dalam menentukan status produk terlaris. Temuan ini mengindikasikan bahwa pendekatan berbasis data dapat membantu pengelola vending machine dalam pengambilan keputusan terkait penyediaan stok, penempatan produk, dan strategi penjualan. Penelitian ini diharapkan memberikan kontribusi teoretis dalam kajian perilaku konsumen dan data mining serta implikasi praktis bagi pengembangan bisnis vending machine berbasis analitik data.]]>
