Prediksi Penjualan Produk Rokok Pada PT. Indomarco Prismatama Menggunakan Algoritma C4.5

Meliana Leonardi (Universitas Nusa Mandiri)
Riska Emilda (Universitas Nusa Mandiri)
Irena Katrin (Universitas Nusa Mandiri)
Agus Yulianto

Paradigma
Vol 23, No 2 (2021): Periode September 2021

Abstrak - Pandemi Covid-19 setidaknya membawa pengaruh buruk pada ekonomi nasional sepanjang tahun 2020 yang dampaknya dapat dirasakan tak terkecuali oleh retail. Tujuan dari penelitian ini adalah untuk menginformasikan prediksi penjualan produk rokok pada Indomaret Plus Eco RSUD Cengkareng agar perusahaan dapat melakukan pengadaan barang sesuai dengan permintaan. Adanya prediksi yang tepat diharapkan dapat mengatasi beberapa masalah dalam penjualan produk rokok pada Indomaret Plus Eco RSUD Cengkareng seperti menumpuknya dan ketidakteraturan produk membuat toko harus terus melakukan FEFO (First Expired First Out) yang dalam praktiknya cukup memakan waktu ataupun overproduction dan under production. Metode yang digunakan dalam penelitian ini adalah algoritma C4.5. Algoritma C4.5 merupakan algoritma klasifikasi data dengan tipe pohon keputusan. Nilai akurasi tertinggi diperoleh dari pengujian dengan 58 data training dan 37 data testing, menunjukkan tingkat akurasi 92,11%, tingkat kesalahan 7,894% dan nilai AUC 87,8% dengan akurasi klasifikasi baik. Ukuran merupakan atribut yang paling mempengaruhi penjualan produk tembakau, tergolong bestseller atau underseller. Kata Kunci: Data Mining, Decision Tree, Prediksi Penjualan. Abstract  - The Covid-19 pandemic has had a bad influence on the national economy throughout 2020, the impact of which can be felt, including by retail. The purpose of this study is to inform the prediction of sales of cigarette products at Indomaret Plus Eco RSUD Cengkareng so that companies can procure goods according to demand. The correct prediction is expected to overcome several problems in selling cigarette products at Indomaret Plus Eco RSUD Cengkareng, such as piling up and product irregularities, making the store have to continue to carry out FEFO (First Expired First Out) which in practice is quite a time consuming or overproduction and under production. The method in this research is the C4.5 Algorithm. The C4.5 algorithm is a data classification algorithm with the type of decision tree (decision tree). The highest accuracy value was obtained from experiments with 58 training data and 37 testing data, which showed an accuracy rate of 92.11%, an error rate of 7.894%, and an AUC value of 87.8% with good classification accuracy. Size is the attribute that most influences the sale of cigarette products, which are classified as selling or not selling well. Keywords: Data Mining, Decision Tree, Sales Prediction.