Analisis Penerapan Data Mining Untuk Klasifikasi Penjualan Makanan Terlaris Menggunakan Algoritma Decision Tree (C4.5)

Sektor bisnis kuliner terus berkembang pesat, menciptakan kebutuhan yang kuat akan pengambilan keputusan berbasis data untuk mendukung efisiensi operasional. Penelitian ini bertujuan untuk mengklasifikasikan kinerja penjualan item menu di Warung Makan Lalapan Haris dengan menerapkan algoritma pohon keputusan C4.5 dan metodologi KDD. Sebanyak 500 data record yang berisi atribut seperti jenis menu, jumlah pelanggan, jumlah barang terjual, dan status penjualan diproses melalui beberapa tahap, meliputi pemilihan data, praproses, transformasi, penggalian data, dan evaluasi. Model pohon keputusan dibangun menggunakan RapidMiner 2026.0.1 dengan pembagian data 70% untuk pelatihan dan 30% untuk pengujian. Hasil penelitian menunjukkan bahwa algoritma C4.5 berhasil membentuk struktur klasifikasi yang mengkategorikan item menu ke dalam kelompok Best Seller, Medium Seller, dan Low Seller. Ayam Goreng secara konsisten diidentifikasi sebagai Best Seller, Ayam Bakar sebagai Medium Seller, sementara Lele Goreng dan Lele Bakar diklasifikasikan sebagai item Low Seller dengan pola pembagian yang lebih kompleks yang terutama dipengaruhi oleh jumlah pelanggan. Hasil evaluasi menunjukkan akurasi 84%, dengan presisi dan recall sempurna untuk Ayam Goreng dan Ayam Bakar, sementara performa untuk Lele Goreng dan Lele Bakar bervariasi. Temuan ini menunjukkan bahwa algoritma pohon keputusan C4.5 efektif untuk menganalisis pola penjualan dan dapat membantu pemilik bisnis dalam merencanakan inventaris dan mengoptimalkan strategi manajemen menu.