Penerapan Data Mining Untuk Prediksi Penjualan Router RE 11 Smartfren Home Dengan Algoritma C4.5

Abstract

Penelitian ini mengkaji penerapan metode data mining — khususnya algoritma C4.5 — untuk memprediksi penjualan router RE 11 Smartfren Home. Dataset terdiri dari 12 rekaman bulanan (2023) berisi atribut numerik: stok, permintaan, dan jumlah penjualan. Sebelum pemodelan, nilai numerik dikategorikan berdasarkan aturan bisnis: stok (Rendah ≤20, Sedang 21–24, Tinggi ≥25), permintaan (Rendah ≤9, Sedang 10–12, Tinggi ≥13), dan label target penjualan (Tidak Laris ≤9, Laris ≥10). Langkah perhitungan dimulai dengan menghitung Entropy total (Entropy(S)) untuk kelas target: Entropy(S) = 0,984, yang mengukur ketidakpastian awal dataset. Untuk setiap atribut dihitung Entropy subset per nilai kategori, kemudian Weighted Entropy dan Gain atribut. Hasil perhitungan menunjukkan Gain(Stok) = 0,183 dan Gain(Permintaan) = 0,579, sehingga atribut terbaik sebagai root pohon keputusan adalah Permintaan. Aturan keputusan sederhana yang dihasilkan: IF Permintaan = Sedang → Penjualan

= Laris; IF Permintaan = Rendah → Penjualan = Tidak Laris; IF Permintaan = Tinggi → mayoritas Tidak Laris (3 dari 5), meskipun kategori ini bersifat campuran. Evaluasi pada data training menghasilkan akurasi sederhana sebesar 10/12 ≈ 83,3% (dua prediksi berbeda). Kesimpulannya, algoritma C4.5 dengan atribut permintaan sebagai pemisah utama efektif untuk memprediksi kecenderungan penjualan router pada dataset ini; implikasinya bagi manajemen adalah memprioritaskan strategi pemasaran dan stok saat permintaan berada pada level sedang untuk meningkatkan peluang produk menjadi laris. Rekomendasi lanjutan meliputi pengujian silang, penambahan data historis, dan eksplorasi atribut tambahan untuk meningkatkan generalisasi model.Sistem yang dibangun mampu menampilkan hasil klasifikasi dan prediksi secara otomatis menggunakan algoritma C4.5. Dengan demikian, penerapan algoritma C4.5 terbukti efektif untuk memprediksi penjualan router RE 11 Smartfren Home, sehingga dapat membantu perusahaan dalam menyusun strategi promosi dan distribusi yang lebih tepat sasaran.