VOL. V NO. 1 - FEBRUARI 2019 JURNAL TEKNIK INFORMATIKA STMIK ANTAR BANGSA P-ISSN 2442-2444 | E-ISSN 2615-3459 | Predikasi Peminatan Pelanggan … 10 1 Jurusan Teknik Informatika, STMIK Antar Bangsa, Kawasan Bisnis CBD Ciledug, Blok A5 No.29-36, Jl. HOS Cokroaminoto Karang Tengah, Tangerang; Telp.021-73453000; e-mail ari.puspita@gmail.com 2 Fakultas Teknologi Informasi, Universitas Bina Sarana Informatika ,JL. Kamal Raya No.18, Ringroad Barat, Cengkareng, Jakarta Barate-mail : jefi.manopo25@gmail.com 3 Program Studi Teknik Informatika, STMIK Nusa Mandiri Jakarta Jl.Kramat Raya B No.18 Jakarta Pusat; e-mail : fahmy2205@gmail.com Prediksi Peminatan Pelanggan dalam Penjualan Produk Sepatu Menggunakan Metode Decision Tree Berbasis Particle Swarm Optimization pada PT. Baskara Cipta Pratama Ari Puspita 1 , Jefi 2 , Muhammad Fahmi 3 Abstract—The PSO-based optimization C4.5 model gives a higher value of 78.16% compared to the C4.5 algorithm model that is 73.88. The results obtained differences between the two models by 4.28%. While for evaluation using ROC curve for second model that is, for model of algorithm C4.5 value of AUC is 0,764 with level of diagnosis classification fair, and for model of algorithm C4.5 based on PSO AUC is 0,780 with level of diagnosis of fair classification. It s concluded that ROC curvesmodels shows C4.5 algorithm based on PSO is larger. It can be inferred that C4.5 algorithm based on particle swam optimization is more accurate in predicting the customers’ interest for buying shoes. Intisari— Analisis optimasi model algoritma C4.5 berbasis PSO memberikan nilai akurasi yang lebih tinggi yaitu 78.16% dibandingkan dengan model algoritma C4.5 yaitu 73.88%. Dari hasil tersebut didapatkan selisih antara kedua model yaitu 4,28%. Sementara untuk evalusai menggunakan ROC curve untuk kedua model yaitu, untuk model algoritma C4.5 nilai AUC adalah 0.764 dengan tingkat diagnosa Fair classification, dan untuk model algoritma C4.5 berbasis PSO nilai AUC adalah 0.780 dengan tingkat diagnosa Fair classification. Dari evaluasi ROC curve tersebut terlihat bahwa model algoritma C4.5 berbasis PSO lebih besar Sehingga dapat disimpulkan bahwa algoritma C4.5 berbasis particle swarm optimization lebih akurat dalam memprediksi minat beli produk sepatu. Kata Kunci — C4.5, Produk, Sepatu PSO I. PENDAHULUAN Dalam meningkatkan penjualan suatu produk harus ditunjang dari sisi produk itu sendiri, Laku atau tidak lakunya suatu produk ditentukan dari segi mutu dan kualitas bahan yang digunakan. Bahan yang tidak baik dapat membuat pemakai produk sepatu tersebut merasa tidak nyaman dan bahkan dapat menyebabkan tidak lakunya produk sepatu di pasaran, dibandingkan sepatu- sepatu yang dibuat dengan bahan yang bermutu baik, warna yang bervariasi, model yang madern. Hingga saat ini, ada beberapa kasus yang mempengaruhi pembeli dalam memilih sebuah produk sepatu yang belum diketahui penyebabnya. Ada beberapa faktor dan masalah peminatan pembeli yang dapat memicu pertimbangan dalam memilih sepatu yaitu dari segi merk, warna, dan bahan sepatu. Perilaku pembelian seseorang dapat dikatakan sesuatu yang unik, karena preferensi dan sikap terhadap obyek setiap orang berbeda[1]. Selain itu konsumen berasal dari bebagai segmen, sehingga apa yang diinginkan dan dibutuhkan juga berbeda. Produsen perlu memamahi perilaku konsumen terhadap produk yang ditawarkan dipasaran. Minat beli adalah tahap kecenderungan responden dalam bertindak sebelum keputusan membeli benar-benar dilakukan[1]. “Minat beli merupakan pernyataan mental dari konsumen yang merefleksikan rencana pembelian sejumlah merek tertentu yang menjadi dasar pemilihan sesuatu, minat membeli menunjukkan pada kecenderungan untuk lebih menyukai produk dengan merek tertentu”, [1] Pemahaman mengenai bagaimana konsumen melakukan keputusan pembelian merupakan salah satu syarat bagi pemasar untuk meraih keberhasilan dalam melakukan program pemasarannya”[1]. Minat pembelian adalah niat untuk melakukan pembelian pada waktu yang akan datang, Secara khusus, pemasar harus mengidentifikasi siapa yang membuat keputusan pembelian, jenis-jenis keputusan pembelian, dan langkah-langkah dalam proses pembelian. Dengan menggunakan model Decision Tree For Biomaker dari hasil penelitian ini menyebutkan bahwa tingkat akurasi Sensitivity 80% dan akurasi Specificity 54 %. II. METODOLOGI PENELITIAN A. Metode Pengumpulan Data Teknik pengumpulan data adalah teknik atau cara- cara yang dapat digunakan untuk menggunakan data Dalam pengumpulan data terdapat sumber data, sumber data yang terhimpun langsung oleh peneliti disebut dengan sumber primer, sedangkan apabila melalui tangan kedua disebut sumber sekunder[3]. Dalam pengumpulan data terdapat sumber data, sumber data yang terhimpun langsung oleh peneliti disebut dengan sumber primer, sedangkan apabila melalui tangan kedua disebut sumber sekunder [5]