KOMPARASI C4.5 DAN NAÏVE BAYES UNTUK KLASIFIKASI KETERJUALAN PRODUK PETSHOP BAYBAY SIDOARJO

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja algoritma Decision Tree (C4.5) dan Naïve Bayes dalam mengklasifikasikan produk terlaris pada Petshop Bay Bay Sidoarjo berdasarkan data histori penjualan. Klasifikasi produk dilakukan untuk mengelompokkan tingkat keterjualan produk ke dalam tiga kelas, yaitu tinggi, sedang, dan rendah, sehingga dapat membantu pihak petshop dalam pengambilan keputusan terkait pengelolaan stok dan strategi penjualan. Data yang digunakan dalam penelitian ini merupakan data histori penjualan produk hewan peliharaan periode Januari 2022 hingga Desember 2024 yang diperoleh langsung dari pihak Petshop Bay Bay Sidoarjo. Proses pengolahan dan pengujian data dilakukan menggunakan perangkat lunak RapidMiner dengan tahapan praproses data, pembentukan model klasifikasi, serta evaluasi performa model. Pengukuran kinerja algoritma dilakukan menggunakan metrik accuracy, weighted mean precision, dan weighted mean recall. Hasil penelitian menunjukkan bahwa algoritma Decision Tree (C4.5) memiliki kinerja yang lebih baik dibandingkan dengan algoritma Naïve Bayes berdasarkan nilai evaluasi yang diperoleh. Dengan demikian, algoritma Decision Tree (C4.5) dinilai lebih efektif untuk digunakan dalam proses klasifikasi produk terlaris pada Petshop Bay Bay Sidoarjo. Hasil penelitian ini diharapkan dapat menjadi referensi bagi pelaku usaha dalam menerapkan teknik data mining untuk mendukung pengambilan keputusan berbasis data.