ALGORITME DECISION TREE UNTUK PREDIKSI PENGEMBALIAN ATAU RETUR DALAM BELANJA ONLINE

RIZKI KURNIAWAN, Aina Musdholifah S.Kom., M.Kom., Ph.D.

2019 | Skripsi | S1 ILMU KOMPUTER

Belanja melalui toko online saat ini merupakan kegiatan belanja yang cukup populer. Kegiatan ini bisa dilakukan kapan saja dan dimana saja. Konsumen tidak memperlukan banyak waktu untuk berbelanja. Konsumen cukup mengunjungi website toko online dan membeli barang. Hal ini membuat belanja di toko online menjadi populer. Permasalahan utama pada belanja melalui toko online adalah retur. Retur pada belanja online tidak mudah. Hal ini membutuhkan waktu dan biaya yang mahal. Algoritme decision tree dapat digunakan untuk memprediksi retur. Pada penelitian ini tiga jenis algoritme decision tree digunakan untuk memprediksi retur. Algoritme yang digunakan yaitu decision tree ID 3, decision tree C4.5, dan decision tree CART. Pada penelitian ini data yang digunakan untuk memprediksi merupakan data penjualan di tahun 2012 – 2013. Ada dua data set yang digunakan. Data set pertama memiliki outlier dan missing value. Data set kedua tidak memiliki outlier dan missing value. Untuk data set pertama akurasi dari decision tree ID3 63,65%, C4.5 63,65%, dan CART 63,55%. Untuk data set kedua akurasi dari decision tree ID3 60,30%, C4.5 60,31%, dan CART 60,38%.

Shopping through an online shop are common these days. This activity can be done anytime and anywhere. Customer spend less time compared to conventional shopping. Customer visit online shop website and purchase the item. This convenience make online shopping popular. Main problem of online shopping is return goods. Return goods is not easy as conventional shopping. This requires time and costly. Decision tree algorithm can predict return goods. Three types of decision are used to predict return goods. The algorithm used in this research are decision tree ID3, decision tree C4.5, and decision tree CART. Data used in this research are sales from 2012 – 2013. First data set has missing value and outlier. Second data set does not have missing value and outlier. For first data set accuracy decision tree ID 3 has 63,65%, C4.5 63,65%, and CART 63,55%. For second data set accuracy decision tree ID3 60,30%, C4.5 60,31%, and CART 60,38%.

Kata Kunci : retur, toko online, decision tree ID 3, decision tree C4.5, decision tree CART