<![CDATA[Penelitian ini bertujuan menerapkan algoritma Decision Tree untuk memprediksi ketersediaan stok buah guna mendukung pengelolaan persediaan yang lebih efisien. Permasalahan dalam pengelolaan stok bukan terletak pada tidak tersedianya data penjualan, melainkan pada belum optimalnya pemanfaatan data yang telah dicatat. Data penjualan harian telah tersedia, tetapi belum dianalisis lebih lanjut untuk mengidentifikasi jenis buah yang paling banyak terjual. Kondisi tersebut menyulitkan penentuan prioritas stok secara akurat sehingga keputusan pengadaan masih cenderung bersifat subjektif dan berisiko menimbulkan penumpukan barang yang tidak terjual. Untuk mengatasi permasalahan tersebut, penelitian ini menggunakan data transaksi penjualan harian buah dari sebuah pasar di Kabupaten Karawang yang terdiri atas 1.207 entri selama periode Juni hingga Oktober 2024. Tahapan penelitian meliputi pengumpulan data, data preprocessing, pembangunan model Decision Tree, dan evaluasi kinerja model menggunakan Confusion Matrix. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan status stok buah (laku atau tidak laku) dengan akurasi sebesar 96%, precision sebesar 93%, recall sebesar 96%, dan F1-score sebesar 94%. Hasil tersebut menunjukkan bahwa algoritma Decision Tree efektif digunakan untuk mendukung pengambilan keputusan dalam memprediksi kebutuhan stok buah serta meminimalkan potensi kerugian akibat pengelolaan stok yang kurang tepat.]]>
Copyrights © 2026
