Klasifikasi Data Penjualan pada Supermarket dengan Metode Decision Tree

Abstract

Supermarket merupakan tempat pembelanjaan yang menyediakan berbagai kebutuhan sehari-hari. Banyak pembeli yang datang ke supermarket untuk membeli keperluannya. Pertumbuhan supermarket semakin meningkat dan memiliki kompetisi pasar yang tinggi. Supermarket memiliki berbagai macam produk yang berbeda merek, berbagai cabang dan berbagai tipe pelanggan. Penelitian ini bertujuan mencari indeks penjualan dari suatu dataset berisikan data supermarket dengan berbagai informasi terkait supermarket yang ada pada dataset. Pada penelitian ini dilakukan pengembangan dari penelitian terdahulu yang menggunakan objek penelitian yang berbeda serta dengan memodifikasi algoritma yang digunakan.Metode klasifikasi yang digunakan adalah Decision Tree dengan  algoritma C4.5 dengan normalisasi MinMax dan pembagian data dengan metode  K-Fold Cross Validation dan Holdout Validation. Dataset yang digunakan merupakan data dari penjualan pada supermarket. Hasil pengujian dengan metode pembagian data Hold Out nilai akurasi regresi memiliki nilai 0.5014285714285714 dan akurasi decision tree memiliki nilai 0.5. Sedangkan dengan metode pembagian data K-Fold memiliki nilai akurasi regresi memiliki nilai 0.466 dan akurasi decision tree memiliki nilai 0.492. Akurasi tertinggi pada kelas branch adalah 1.0 dan pada kelas customer type ada pada akurasi decision tree dengan metode Hold Out yang memiliki nilai 0.5. Penelitian ini diharapkan dapat bermanfaat bagi para peneliti untuk kemudian dapat dikembangkan sesuai objek penelitiannya masing-masing.