Klasifikasi Produk Berdasarkan Performa Penjualan di My Baby Store Menggunakan Decission Tree

Uny Khafifah, Zaehol Fatah, Irma Yunita

Abstract


Pengelolaan stok produk secara efektif merupakan tantangan kritis bagi Usaha Mikro, Kecil, dan Menengah (UMKM) yang masih mengandalkan pencatatan penjualan secara manual. Tanpa sistem analisis data yang memadai, pemilik usaha tidak dapat mengidentifikasi performa tiap produk secara objektif, sehingga keputusan penambahan atau pengurangan stok sepenuhnya bergantung pada intuisi yang berpotensi menimbulkan penumpukan barang tidak laku atau kehabisan stok produk laris. My Baby Store, sebuah UMKM perlengkapan bayi di Pulau Raas, Kabupaten Sumenep, menghadapi masalah serupa selama periode operasionalnya. Penelitian ini bertujuan mengklasifikasikan produk berdasarkan performa penjualan ke dalam tiga kategori: Laris, Kurang Laris, dan Tidak Laris, menggunakan algoritma Decision Tree C4.5 dengan kerangka kerja CRISP-DM. Dataset yang digunakan terdiri dari 116 produk unik yang diperoleh melalui agregasi dari 433 transaksi penjualan selama periode Januari 2024–Juli 2025, dibagi dengan rasio 70:30 untuk proses pelatihan dan pengujian model. Hasil menunjukkan frekuensi transaksi sebagai atribut paling dominan (IG = 0,8113), dengan distribusi 17 produk Laris (14,7%), 11 produk Kurang Laris (9,5%), dan 88 produk Tidak Laris (75,9%). Evaluasi pada 35 data testing menghasilkan akurasi 97,14%, precision 98,81%, recall 88,89%, dan F1-Score 92,73%. Hasil klasifikasi ini memberikan landasan objektif bagi pemilik My Baby Store untuk memprioritaskan pengadaan produk Laris, merancang strategi promosi produk Kurang Laris, dan mengoptimalkan alokasi modal kerja dengan mengevaluasi ulang stok produk Tidak Laris, sehingga pengelolaan persediaan menjadi lebih terstruktur dan keputusan bisnis dapat diambil berbasis data, bukan intuisi semata.

Keywords


(Decision Tree; Klasifikasi; Kinerja Penjualan; Produk; UMKM).

Full Text:

PDF

References


D. Maulana and R. Anggraini and D. I. Lampung, “Sistem Informasi Geografis Persebaran Usaha Mikro Kecil dan Menengah di Provinsi Lampung,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. XX, no. vol. 9, 2, pp. 44–49, 2022.

M. Rochman, A. Wicaksono, F. Nugrahanti, and A. R. Putera, “Rancang Bangun Sistem Informasi Geografis Pencarian Lokasi Umkm Di Kota Madiun,” pp. 191–199, 2021.

B. Dewayana, A. Purnomo, and W. Wibowo, “Menentukan Customer Segment Dan Segment Pasar UMKM (Foodendez) Dengan Metode Decision Tree,” 2022.

R. Reima, A. Veit, and Y. Parida, "Tackling business model challenges in SME internationalization through digitalization," Journal of Innovation & Knowledge, vol. 7, no. 4, Art. 100199, 2022, doi:10.1016/j.jik.2022.100199.

R. Fahrizal, M. N. Falah, and E. Rilvani, "Prediksi Jumlah UMKM Berdasarkan Kategori Usaha dan Lokasi Kabupaten/Kota di Provinsi Jawa Barat Menggunakan Decision Tree," Jurnal Media Akademik (JMA), vol. 3, no. 7, Jul. 2025.

Ismail, Data Mining: Pengolahan Data Menjadi Informasi dengan RapidMiner. Yogyakarta: Deepublish, 2017.

A. Setiawan, Z. H. Nasution, Z. Khairi, and L. Efrizoni, "Klasifikasi Tingkat Risiko Diabetes Menggunakan Algoritma Decision Tree," Jurnal Media Informatika Budidarma, vol. 8, no. 2, pp. 263–271, 2024.

M. Rizaludin and F. Fikriah, "Prediksi Perilaku Pelanggan pada Produk UMKM Batik Menggunakan Algoritma Decision Tree," TEKNOMATIKA, vol. 13, no. 2, pp. xx–xx, 2023.

I. M. Wiryana, S. Hasanah, A. Faturohman, I. Iqbal, Q. Bunyamin, and Z. Nashrullah, "Store Product Classification Using Convolutional Neural Network," IAES International Journal of Artificial Intelligence, vol. 12, no. 2, 2023, doi:10.11591/ijai.v12.i2.pp1076-1085.

S. Haafizh, A. Merdekawati, and Y. Yuliani, "Classification of Product Predicates Based on Sales Rate Using the C4.5 Decision Tree Algorithm in Retail Companies," International Journal Multidisciplinary Innovation, vol. 1, no. 3, 2024.

A. H. Nasrullah, "Implementasi Algoritma Decision Tree untuk Klasifikasi Produk Laris," Jurnal Ilmiah Ilmu Komputer, vol. 7, no. 2, 2021, doi:10.35329/jiik.v7i2.203.

A. H. Nasrullah, “Implementasi Algoritma Decision Tree untuk Klasifikasi Produk Laris,” Jurnal Ilmiah Ilmu Komputer, vol. 7, no. 2, p. 46, 2021.

L. Putri, F. Fadila, F. Sari, D. Syafitri, and J. Johari, “Analisis Perbandingan Decision Tree dan Random Forest dalam Klasifikasi Penjualan Produk pada Supermarket,” Emerging Statistics and Data Science Journal, vol. 3, p. 448, 2025.

M. Shahrizan et al., “The Application of Decision Tree Classification Algorithm on Decision-Making for Upstream Business.”

M. Arhami et al., Metodologi Penelitian untuk Teknologi Informasi dan Komputer. Yogyakarta, Indonesia: Penerbit Andi, 2024.

D. Astuti, A. R. Iskandar, and A. Febrianti, "Penentuan Strategi Promosi Usaha Mikro Kecil dan Menengah (UMKM) Menggunakan Metode CRISP-DM dengan Algoritma K-Means Clustering," INISTA: Journal of Informatics Information System Software Engineering and Applications, vol. 1, no. 2, pp. 60–72, 2019, doi:10.20895/INISTA.V1I2.73.

C. Schröer, F. Kruse, and J. M. Gómez, "A Systematic Literature Review on Applying CRISP-DM Process Model," Procedia Computer Science, vol. 181, pp. 526–534, 2021, doi: 10.1016/j.procs.2021.01.199.

M. A. Hasanah, S. Syafitri, and A. S. Hasanah, “Quality and Risk Management in Data Mining: A CRISP-DM Perspective,” Procedia Comput. Sci., vol. 5, 2024.

D. Pratama, Kaslani, and E. Tohidi, “Market Basket Analysis pada Data Penjualan UMKM Menggunakan Algoritma FP-Growth,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 4, pp. 8197–8206, Aug. 2024, doi: 10.36040/jati.v8i4.10939.

A. Setyawan and D. N. Fauzi, "Implementasi Fungsi Dispersion Ratio pada Proses Splitting Atribut Algoritma Decision Tree," vol. 2, no. 2, pp. 86–91, 2022, doi:10.5281/zenodo.7782439.

F. R. Valerian, M. Syafitri, A. Darmawan, and F. Fauzi, "Klasifikasi Tingkat Obesitas Menggunakan Metode GBM dan Confusion Matrix," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 2, 2025.

A. Fauzi and A. H. Yunial, "Optimasi Algoritma Klasifikasi Naive Bayes, Decision Tree, K-Nearest Neighbor, dan Random Forest menggunakan Algoritma Particle Swarm Optimization pada Diabetes Dataset," Jurnal Edukasi dan Penelitian Informatika (JEPIN), vol. 8, no. 3, pp. 470–478, 2022, doi:10.26418/jp.v8i3.56656.

A. F. Azmi and A. Voutama, "Prediksi Churn Nasabah Bank Menggunakan Klasifikasi Random Forest dan Decision Tree dengan Evaluasi Confusion Matrix," KOMPUTA: Jurnal Ilmiah Komputer dan Informatika, vol. 13, no. 1, 2024.

A. I. Putri, Y. Syahputra, P. Juanda, F. Aulia, F. Nasution, and N. S. Sitompul, "Implementation of Decision Tree and Support Vector Machine (SVM) Algorithm for Stunting Risk Prediction," MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 3, no. 2, 2023, doi:10.57152/malcom.v3i2.808.




DOI: https://doi.org/10.55340/jiu.v15i1.2708

Refbacks

  • There are currently no refbacks.


__________________________________________________________________________________________________________________________________________________

SK Accreditation No. 286/DST/C3/HM.01.00/2026 Tanggal 7 April 2026

Editorial Address :

Program Studi Teknik Informatika, Fakultas Teknik, Universitas Dayanu Ikhsanuddin Jl. Dayanu Ikhsanuddin no.124 Baubau, Sulawesi Tenggara 

Jurnal Informatika by Program Studi Teknik Informatika, Fakultas Teknik, Universitas Dayanu Ikhsanuddin Baubau, Indonesia is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. Based on work at https://ejournal.unidayan.ac.id/index.php/JIU