Penentuan Outlet Potensial PT XYZ dengan Menggunakan Metode Decision Tree

Muhammad Firza; Sari Hartini

doi:10.31004/riggs.v5i2.12294

Authors

Muhammad Firza Universitas Bina Sarana Informatika
Sari Hartini Universitas Bina Sarana Informatika

DOI:

https://doi.org/10.31004/riggs.v5i2.12294

Keywords:

Decision Tree, Penentuan Outlet Potensial, PT XYZ, Outlet Potensial, Klasifikasi Outlet

Abstract

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.

Downloads

Download data is not yet available.

References

[1] M. H. Iqbal, M., Miskiyah, S., Sham, S. L., Anwar, S., & Fuad, “Perbandingan Metode Decision Tree dan Naive Bayes Pada Tingkat Penjualan Minuman Kopi di Kopi Pawon Nusantara,” J. Insa. J. Inf. Syst. Manag. Innov., vol. 4, no. 1, pp. 27–34, 2024.

[2] & Ida, A., Sutal, R., Pius, Y., Kelen, K., Seran, K. J. T., Timor, U., Program, S., Teknologi, I., Fakultas, P., Sains, D., Kesehatan, U., Timor, K. M. and K. S. Kefamenanu, “PENERAPAN DATA MINING UNTUK PREDIKSI PENJUALAN PRODUK ELEKTRONIK TERLARIS MENGGUNAKAN METODE DECISION TREE,” J. Sist. Inf., vol. 7, no. 3, 2025.

[3] A. W. Shafarindu, A. I., Patimah, E., Siahaan, Y. M., & Wardhana, “Klasifikasi Data Penjualan pada Supermarket dengan Metode Decision Tree. (April),” pp. 660–667.

[4] G. B. Zacksavira, S., Anggraeni, C., Sebayang, B., Imanuel, J., & Sibarani, “Implementasi Algoritma Decision Tree untuk Deteksi Depresi Pada Pelajar,” vol. 5, pp. 5915–5934, 2025.

[5] L. Y. Syafii, I., Ribhi, A. A., & Astutik, “Analysis of Customer Repeat Order Predictions using the Decision Tree Algorithm in Transportation Companies Analisis Prediksi Customer Repeat Order menggunakan Algoritma Decision Tree pada Perusahaan Transportasi.,” vol. 4, pp. 1372–1378, 2024.

[6] G. Aini, Y. N., Faqih, A., & Dwilestari, “Penerapan Metode Decision Tree dalam Penentuan Jurusan Siswa,” no. 10, 2025.

[7] N. H. Hidayat, “Makalah metode kuantitatif perkembangan metode kuantitatif dalam bisnis. (105021106724).,” 2025.

[8] A. S. Hasanah, M. A., Soim, S., & Handayani, “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir.,” vol. 5, no. 2, 2021.

[9] M. Falentina, F. G., Yohan, G., Wabdaron, Y., Andiyani, D., & Sendoni, “Analysis of Data Mining Implementation for Classifying Best- Selling Food Sale Using the Decision Tree ( C4 . 5 ) Algorithm.,” vol. 4, no. 2, pp. 382–395, 2026.

[10] P. Meilina, “PENERAPAN DATA MINING DENGAN METODE KALSIFIKASI,” vol. 7, no. 1, 2015.

[11] I. Narulita, S., Oktaga, A. T., & Susanti, “Pengujian Model Prediksi Menggunakan Metode Data Mining Classification Decision Tree Untuk Penentuan Peminatan Peserta Didik,” 2016, vol. 13, 2021.

[12] V. Istiqomah, K., & Sofica, “Penerapan Data Mining Menggunakan Algoritma Decision Tree Untuk Menganalisis Penggunaan Media Sosial Dengan Konsentrasi Belajar Mahasiswa.,” vol. 4, no. 4, pp. 53–67, 2025.

[13] M. Faisal, “Klasifikasi Penyakit Diabetes Menggunakan Algoritma Decision Tree.,” vol. 10, no. 2, 2023.

[14] P. N. Nurizati, Z., Hidayat, A., Vernanda, D., Hendriawan, T., Teknologi, J., Informasi, S., & Subang, “Analisis Kelayakan Penurunan UKT Pada Mahasiswa dengan Menggunakan Metode Decision Tree,” vol. 18, no. 1, pp. 90–100.

[15] & H. Haura Hanifah, Lathifa Salsabillah, Allisa Tazkia Fitri, Riska Mona Febriani, Rully Hidayatullah, “Landasan Teori, Penelitian Relevan, Kerangka Berpikir Dan Hipotesis Penelitian Pendidikan.,” J. IHSAN J. Pendidik. Islam, vol. 3, no. 2, pp. 391–404, 2025.