ANALISIS DATA LAPORAN PENJUALAN PADA COFFE CASTELLO RANTAU PRAPAT MENGGUNAKAN METODE C4.5

LAILA HASANAH RITONGA, NPM 2209100065 (2026) ANALISIS DATA LAPORAN PENJUALAN PADA COFFE CASTELLO RANTAU PRAPAT MENGGUNAKAN METODE C4.5. Skripsi thesis, Universitas Labuhanbatu.

	Text COVER.pdf Download (1MB)
	Text BAB I.pdf Download (236kB)
	Text BAB II.pdf Download (642kB)
	Text BAB III.pdf Restricted to Registered users only Download (950kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (229kB)
	Text DAFTAR PUSTAKA.pdf Download (332kB)

Abstract

Perkembangan bisnis kedai kopi yang semakin pesat mendorong pelaku usaha untuk memanfaatkan data penjualan sebagai dasar pengambilan keputusan yang lebih efektif. Penelitian ini bertujuan untuk menganalisis pola penjualan pada Coffee Castello Rantau Prapat menggunakan algoritma C4.5 guna mengidentifikasi faktor-faktor yang memengaruhi tingkat penjualan serta menghasilkan rekomendasi strategi pemasaran berbasis data. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan tahapan Knowledge Discovery in Databases (KDD) yang meliputi pengumpulan data, seleksi data, pembersihan data, transformasi data, proses klasifikasi menggunakan algoritma C4.5, serta evaluasi model dengan bantuan aplikasi Orange Data Mining melalui perhitungan Test and Score, Confusion Matrix, dan visualisasi Tree Viewer. Hasil penelitian menunjukkan bahwa model klasifikasi C4.5 mampu membentuk pohon keputusan yang menggambarkan hubungan antaratribut penjualan sehingga dapat mengelompokkan data ke dalam kategori penjualan secara tepat, sedangkan hasil evaluasi memperlihatkan bahwa model memiliki tingkat akurasi, precision, recall, dan F1-score yang tinggi sehingga layak digunakan sebagai pendukung pengambilan keputusan dalam menganalisis pola penjualan. Berdasarkan hasil tersebut, algoritma C4.5 terbukti efektif dalam mengidentifikasi atribut yang paling berpengaruh terhadap penjualan produk serta memberikan informasi yang dapat dimanfaatkan Coffee Castello Rantau Prapat untuk menyusun strategi pemasaran, pengelolaan stok, dan peningkatan kinerja penjualan secara lebih optimal. Kata Kunci : Algoritma C4.5, Coffee Castello, Data Mining, Klasifikasi, Penjualan. ===================================================================== The rapid growth of the coffee shop business encourages business owners to utilize sales data as a basis for more effective decision-making. This study aims to analyze sales patterns at Coffee Castello Rantau Prapat using the C4.5 algorithm to identify factors influencing sales levels and to generate data-driven marketing strategy recommendations. A quantitative research approach was employed, utilizing the Knowledge Discovery in Databases (KDD) process—comprising data collection, selection, cleaning, and transformation—followed by classification using the C4.5 algorithm and model evaluation via the Orange Data Mining application (using Test and Score, Confusion Matrix, and Tree Viewer visualization). The results demonstrate that the C4.5 classification model successfully constructs a decision tree illustrating the relationships between sales attributes, enabling accurate data categorization; furthermore, evaluation metrics indicate high levels of accuracy, precision, recall, and F1-score, confirming the model's suitability for supporting decision-making in sales pattern analysis. Consequently, the C4.5 algorithm proves effective in identifying the attributes that most significantly influence product sales and provides actionable insights that Coffee Castello Rantau Prapat can leverage to optimize marketing strategies, inventory management, and sales performance. Keywords : C4.5 Algorithm, Coffee Castello, Data Mining, Classification, Sales.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Algoritma C4.5, Coffee Castello, Data Mining, Klasifikasi, Penjualan. ============================================= C4.5 Algorithm, Coffee Castello, Data Mining, Classification, Sales.
Subjects:	H Social Sciences > HF Commerce Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Sains Dan Teknologi > Sistem Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	03 Sep 2026 07:36
Last Modified:	03 Sep 2026 07:36
URI:	http://repository.ulb.ac.id/id/eprint/2740

Actions (login required)

View Item