ANALISIS DATA PENJUALAN DEALER MOTOR BENELLI BRANCH PEKALONGAN MENGGUNAKAN METODE DECISION TREE

  • Ferryan Nur Setyawan UKSW
  • Magdalena Ariance Ineke Pakereng Universitas Kristen Satya Wacana

Abstract

This research aims to enhance motorcycle sales strategies at PT. Benelli Anugerah Motor Pusaka Branch Pekalongan by utilizing data mining techniques, specifically the ID3 decision tree algorithm, to analyze and classify sales data. Given the increasing prevalence of motorcycles in Indonesia, this study focuses on identifying key factors that influence motorcycle purchases to optimize inventory and boost sales. Data from December 2022 to January 2024, encompassing 82 sales records, were processed using RapidMiner. The ID3 algorithm calculated entropy and information gain to classify motorcycles based on type, color, price, and transaction method (cash or credit). The results indicate that motorcycle type is the most significant factor, followed by color, price, and payment method. The model achieved an accuracy of 76.47%, with a precision of 87.50% and recall of 70.00%. This classification provides valuable insights for the dealer to manage inventory efficiently and anticipate customer preferences, thereby enhancing sales performance. The findings demonstrate the practical application of decision tree algorithms in transforming extensive data into actionable business intelligence.

References

[1] F. Shely Amalia and D. Darwis, “ANALISIS DATA PENJUALAN HANDPHONE DAN ELEKTRONIK MENGGUNAKAN ALGORITMA APRIORI (STUDI KASUS : CV REY GASENDRA),” 2021.
[2] M. Idris et al., “IMPLEMENTASI DATA MINING DENGAN ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI ANGKA KELAHIRAN,” 2019.
[3] N. A. Prakoso Indaryono, “ANALISA PERBANDINGAN ALGORITMA RANDOM FOREST DAN NAÏVE BAYES UNTUK KLASIFIKASI CURAH HUJAN BERDASARKAN IKLIM DI INDONESIA,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 9, no. 1, pp. 158–167, Feb. 2024, doi: 10.29100/jipi.v9i1.4421.
[4] “Implementasi Data Mining Menggunakan Algoritme Naive Bayes Classifier dan C4.5 untuk Memprediksi Kelulusan Mahasiswa,” Telematika, vol. 13, no. 1, pp. 56–67, Feb. 2020, doi: 10.35671/telematika.v13i1.881.
[5] P. B. N. Setio, D. R. S. Saputro, and B. Winarno, “PRISMA, Prosiding Seminar Nasional Matematika Klasifikasi dengan Pohon Keputusan Berbasis Algoritme C4.5,” vol. 3, pp. 64–71, 2020, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/
[6] A. Perbandingan et al., “JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Journal homepage: https://jurnal.stkippgritulungagung.ac.id/index.php/jipi ANALISA PERBANDINGAN ALGORITMA RANDOM FOREST DAN NAÏVE BAYES UNTUK KLASIFIKASI CURAH HUJAN BERDASARKAN IKLIM DI INDONESIA,” vol. 9, no. 1, pp. 158–167, 2024, doi: 10.29100/jipi.v9i1.4421.
[7] A. Irzky Shafarindu, E. Patimah, Y. Marintan Siahaan, A. Wisnu Wardhana, B. Vicky Haekal, and D. Sandya Prasvita, Klasifikasi Data Penjualan pada Supermarket dengan Metode Decision Tree. 2021. [Online]. Available: https://www.kaggle.com/aungpyaeap/supermarket-sales?select=supermarket_sales+-+Sheet1.csv.
[8] A. Pebdika, R. Herdiana, and D. Solihudin, “KLASIFIKASI MENGGUNAKAN METODE NAIVE BAYES UNTUK MENENTUKAN CALON PENERIMA PIP,” 2023.
[9] S. Bahri and A. Lubis, “METODE KLASIFIKASI DECISION TREE UNTUK MEMPREDIKSI JUARA ENGLISH PREMIER LEAGUE,” vol. 2, no. 1, 2020.
[10] J. Ma’sum, A. Febriani, and D. Rachmawaty, “PENERAPAN METODE KLASIFIKASI DECISION TREE UNTUK MEMPREDIKSI KELULUSAN TEPAT WAKTU,” Journal Of Industrial Engineering And Technology (Jointech) UNIVERSITAS MURIA KUDUS Journal homepage, vol. 2, no. 1, pp. 1–14, 2021, [Online]. Available: http://journal.UMK.ac.id/index.php/jointech
[11] R. Musfikar, H. Apriadinata, and B. Yusuf, “Aplikasi Prediksi Prestasi pada Siswa Menggunakan Algoritma C4.5,” Jurnal Manajemen Informatika (JAMIKA), vol. 13, no. 2, pp. 148–162, Oct. 2023, doi: 10.34010/jamika.v13i2.10649.
[12] M. Solehuddin, W. A. Syafei, and R. Gernowo, “Metode Decision Tree untuk Meningkatkan Kualitas Rencana Pelaksanaan Pembelajaran dengan Algoritma C4.5,” Jurnal Penelitian dan Pengembangan Pendidikan, vol. 6, no. 3, pp. 510–519, Oct. 2022, doi: 10.23887/jppp.v6i3.52840.
[13] A. Tazidan OctaN et al., “ALGORITMA DECISION TREE UNTUK ANALISIS SENTIMEN PUBLIC TERHADAP MARKETPLACE DI INDONESIA,” vol. 05, 2023.
[14] W. N. Purba, D. Situmorang, Y. Alfani, D. Hutabarat, and F. W. Anggiono, “Implementasi Data Mining Dengan Metode Pohon Keputusan Algoritma Id3 Untuk Menentukan Memprediksi Penjualan Pada CV. Mitra Baja Cemerlang,” Jurnal Mantik Penusa, vol. 2, no. 1, pp. 82–86, 2019.
[15] J. Tetra, M. Aliyah Nazanah, and M. I. Jambak, “KLIK: Kajian Ilmiah Informatika dan Komputer Pemanfaatan Algoritma Decision Tree ID3 Bagi Manajemen Bimbel Untuk Menentukan Faktor Kelulusan Pada Sekolah Kedinasan,” Media Online), vol. 3, no. 6, pp. 915–924, 2023, doi: 10.30865/klik.v3i6.791.
[16] P. B. N. Setio, D. R. S. Saputro, and B. Winarno, “PRISMA, Prosiding Seminar Nasional Matematika Klasifikasi dengan Pohon Keputusan Berbasis Algoritme C4.5,” vol. 3, pp. 64–71, 2020, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/
[17] S. Defiyanti and D. L. Crispina Pardede, “PERBANDINGAN KINERJA ALGORITMA ID3 DAN C4.5 DALAM KLASIFIKASI SPAM-MAIL.” [Online]. Available: http://www.ics.uci.edu/
[18] A. Sifaunajah and R. D. Wahyuningtyas, “Penggunaan Algoritma ID3 Untuk Klasifikasi Data Calon Perserta Didik,” CSRID (Computer Science Research and Its Development Journal), vol. 14, no. 2, p. 103, Sep. 2022, doi: 10.22303/csrid.14.2.2022.103-112.
[19] “1383-Article Text-2719-1-10-20210714”.
[20] A. Akbar and R. A. Supono, “PREDIKSI KELANCARAN PIUTANG PELANGGAN PADA PT. CITRA INA FEEDMILL DENGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBORS,” 2022.
[21] W. Hidayat, M. Ardiansyah, and A. Setyanto, “Pengaruh Algoritma ADASYN dan SMOTE terhadap Performa Support Vector Machine pada Ketidakseimbangan Dataset Airbnb,” Edumatic: Jurnal Pendidikan Informatika, vol. 5, no. 1, pp. 11–20, Jun. 2021, doi: 10.29408/edumatic.v5i1.3125.
[22] M. Azhari, Z. Situmorang, and R. Rosnelly, “Perbandingan Akurasi, Recall, dan Presisi Klasifikasi pada Algoritma C4.5, Random Forest, SVM dan Naive Bayes,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 2, p. 640, Apr. 2021, doi: 10.30865/mib.v5i2.2937.
Published
2024-06-30
How to Cite
SETYAWAN, Ferryan Nur; PAKERENG, Magdalena Ariance Ineke. ANALISIS DATA PENJUALAN DEALER MOTOR BENELLI BRANCH PEKALONGAN MENGGUNAKAN METODE DECISION TREE. Jurnal Tekinkom (Teknik Informasi dan Komputer), [S.l.], v. 7, n. 1, p. 386-394, june 2024. ISSN 2621-3079. Available at: <https://jurnal.murnisadar.ac.id/index.php/Tekinkom/article/view/1268>. Date accessed: 21 july 2024. doi: https://doi.org/10.37600/tekinkom.v7i1.1268.
Section
Articles