Analisis Penerapan Data Mining dalam Klasifikasi Penjualan Pakaian Pada Toko Online Shopee Menggunakan Algoritma C4.5

Abstract

Shopee adalah salah satu contoh platform penjualan online yang dapat diakses oleh publik sehingga shopee dapat menjadi wadah untuk penjual melakukan transaksi jual beli. Perkembangan trend fashion dikemas melalui kecanggihan teknologi informasi yang tiada henti, antara lain iklan yang menarik, penjualan yang mudah diakses, sehingga pengaruh ini berimbas kepada kebutuhan gaya hidup anak milenial zaman sekarang. Beberapa dari mereka menghabiskan uang dengan terus-menerus membeli produk-produk yang sesuai dengan trend tetapi tidak menyesuaikan dengan diri sendiri. Semakin pesatnya pertumbuhan telah menciptakan kondisi banyaknya data jenis produk namun minim informasi mengenai minat pembeli, hal ini tentu saja dibutuhkan oleh penjual khususnya penjual online. Maka penelitian ini akan melakukan analisis data mining dalam klasifikasi penjualan pakaian menggunakan algoritma C4.5 dengan model decision tree dengan tingkat akurasi berdasarkan klasifikasi nilai AUC (Area Under Curve). yang terbagi dengan 2 kelas berdasarkan atribut toko/brand, jenis, bahan, rating dan harga. Hasil urutan klasifikasi minat konsumen yang dapat mempengaruhi penjualan pakaian dilihat dari hasil decision tree yakni atribut rating, akan tetapi berdasarkan nilai gain tertinggi yakni atribut toko/brand akan tetapi dataset dengan nilai weight/bobot tertinggi dari setiap atribut ialah atribut harga dengan weight atau bobot 0,667., dengan urutan klasifikasi selanjutnya ialah toko/brand, rating, bahan dan jenis pakaian dengan nilai weight atau bobot masing-masing adalah 0,125., 0,110., 0,098. Hasil perhitungan confussion matrix menghasilkan nilai accuracy mencapai 80,95% precision rendah sebesar 57,45% dan nilai precision tinggi sebesar 87,32% serta nilai recall rendah 55,10% dan nilai recall tinggi 88,34%. Hasil nilai AUC (Area Under Curve) pada aplikasi rapidminer ialah 0,721 dan dikategorikan ke dalam Klasifikasi Cukup.