<![CDATA[Penelitian ini bertujuan untuk menentukan outlet potensial PT XYZ menggunakan metode Decision Tree sebagai pendekatan data mining untuk mendukung pengambilan keputusan dalam penyusunan strategi distribusi dan pemasaran yang lebih efektif. Penelitian menerapkan tahapan Knowledge Discovery in Database (KDD) yang meliputi seleksi data, pembersihan data, transformasi data, penambangan data, serta evaluasi hasil. Dataset yang digunakan terdiri atas 1.069 data outlet yang berasal dari wilayah Kabupaten Bekasi dan Karawang, kemudian dibagi menjadi 748 data pelatihan dan 321 data pengujian menggunakan rasio 70:30. Proses pemodelan dilakukan dengan perangkat lunak RapidMiner menggunakan algoritma Decision Tree untuk mengklasifikasikan outlet ke dalam lima kategori, yaitu Sangat Tidak Potensial, Cukup Potensial, Potensial, Prioritas Potensial, dan Sangat Potensial. Hasil penelitian menunjukkan bahwa atribut total penjualan merupakan faktor yang paling berpengaruh dalam pembentukan pohon keputusan. Evaluasi model menggunakan confusion matrix menghasilkan nilai akurasi, presisi, dan recall masing-masing sebesar 100% pada seluruh kelas, yang menunjukkan bahwa model mampu mengklasifikasikan data secara sangat baik berdasarkan dataset yang digunakan. Hasil penelitian ini membuktikan bahwa metode Decision Tree mampu menghasilkan model klasifikasi yang efektif dalam mengidentifikasi tingkat potensi outlet sehingga dapat digunakan sebagai dasar penentuan prioritas kunjungan tim penjualan, penyusunan strategi distribusi yang lebih tepat sasaran, serta mendukung proses pengambilan keputusan perusahaan secara lebih cepat, objektif, dan berbasis data.]]>
Copyrights © 2026
