<![CDATA[UMKM di Indonesia menghadapi tantangan dalam menentukan strategi produk baru, terutama risiko overstock dan understock akibat keputusan pengadaan yang bersifat spekulatif. Penelitian ini bertujuan membangun model prediksi kelarisan produk baru menggunakan algoritma C4.5 berbasis decision tree. Data diambil dari laporan Shopee Seller Center milik Toko RumahBayiTAZ untuk periode 2023–2024, dengan atribut seperti Produk Dilihat, Total Pengunjung, Total Pembeli Baru, dan Total Potensi Pembeli. Untuk mengatasi ketidakseimbangan kelas, diterapkan teknik SMOTE (Synthetic Minority Oversampling Technique). Model dibangun dengan pustaka ChefBoost dalam bahasa pemrograman Python dan dievaluasi menggunakan Confusion Matrix serta teknik K-Fold Cross Validation. Hasil penelitian menunjukkan akurasi rata-rata 88,9%, dengan fitur Produk Dilihat sebagai simpul akar pohon keputusan. Model ini tidak hanya mampu mengklasifikasikan produk ke dalam kategori Laris, Sedang, dan Tidak Laris, tetapi juga membantu pelaku usaha mengidentifikasi fitur-fitur penting untuk perencanaan stok dan strategi promosi produk baru. Keywords— Algoritma C4.5, Klasifikasi, UMKM, SMOTE, Pohon Keputusan]]>
Copyrights © 2026
