Klasifikasi Produk Retur dengan Algoritma Pohon Keputusan C4.5

Amalia Anjani Arifiyanti, Rhendy May Pradana, Indra Fajar Novian

Abstract


Pengembalian produk oleh konsumen kepada penjual bukan hal yang dapat dihindari. Aktivitas ini tidak terlihat merugikan pada awalnya, namun pengelolaan informasi dari pengembalian produk dapat memberikan informasi yang bermanfaat bagi penjual untuk digunakan dalam proses evaluasi. Salah satu cara pengelolaan informasi ini adalah dengan melakukan klasifikasi dari jenis produk yang dikembalikan oleh konsumen dan alasan-alasan yang menjadikan produk tersebut dikembalikan. Pada penelitian ini produk retur dimasukkan dalam tiga klasifikasi yaitu kuat, sedang, dan lemah. Hasil klasifikasi tersebut dapat menjadi evaluasi pada proses produksi hingga pengemasan dan pengiriman produk. Algoritma pohon keputusan C4.5 dipilih dalam penelitian ini karena algoritma ini dapat menangani multi-class, memiliki performa yang baik dalam klasifikasi, dan model klasifikasi yang dihasilkannya mudah dipahami. Pembagian data latih dan data uji dilakukan dengan menggunakan metode cross-validation 10 folds karena jumlah data yang terbatas. Model klasifikasi yang dihasilkan pada penelitian ini memiliki performa akurasi sebesar 95,6%, precision sebesar 0,943, dan recall sebesar 0,956.

Keywords


C4.5; Klasifikasi; Pohon keputusan; Produk retur

References


C. Bonifield, C. Cole dan R. L. Schultz, "Product returns on the internet: a case of mixed signals?," Journal of Business Research, 63(9-10), pp. 1058-1065, 2010.

E. J. Blocher, K. H. Chen, G. Cokins dan T. W. Lin, Cost Management, Manajemen Biaya, Jakarta: Salemba Empat, 2007.

Republik Indonesia, "Undang-Undang Perlindungan Konsumen No. 8 Tahun 1999," 1999. [Online]. Available: http://sireka.pom.go.id/requirement/UU-8-1999-Perlindungan-Konsumen.pdf.

P. Jennifer C. Kerr, "Retailers tracking what customers return," 12 Agustus 2013. [Online]. Available: https://www.usatoday.com/story/money/business/2013/08/12/retailers-tracking-customers-returns/2642607/.

AllBusiness.com, "The Importance of a Good Return Policy," 10 Juli 2007. [Online]. Available: https://archive.nytimes.com/www.nytimes.com/allbusiness/AB4353479_primary.html?mcubz=1&pagewanted=all.

S.-P. Jeng, "Increasing customer purchase intention through product return policies: The pivotal impacts of retailer brand familiarity and product categories," Journal of Retailing and Consumer Services, 39, pp. 182-189, 2017.

N. Lakshmi, T. S. Indumathi dan N. Ravi, "A Study on C. 5 decision tree classification algorithm for risk predictions during pregnancy," Procedia Technology, 24, pp. 1542-1549, 2016.

Hssina, A. Merbouha, H. Ezzikouri dan M. Erritali, "A comparative study of decision tree ID3 and C4.5," International Journal of Advanced Computer Science and Applications, 4(2), 2014.

Mulyadi, Sistem Akuntansi, Edisi Tiga, Jakarta: Salemba Empat, 2001.

Soemarso, Akuntansi Suatu Pengantar. Buku ke 2. Edisi 5, Jakarta: Salemba Empat, 2009.

P. N. Tan, M. Steinbach dan V. Kumar, Introduction to Data Mining, Boston: Pearson Addison Wesley, 2005.

R. Nisbet, J. Elder dan G. Miner, Handbook of Statistical Analysis and Data Mining Applications, Elsevier, Inc, 2009.

J. Han, M. Kamber dan J. Pei, Data mining: concepts and techniques, third edition, Morgan Kauffmann, 2012.

S. B. Kotsiantis, I. Zaharakis dan P. Pintelas, "Supervised machine learning: A review of classification techniques," Emerging artificial intelligence applications in computer engineering, 160, pp. 3-24, 2007.

J. R. Quinlan, C4.5: programs for machine learning, Elsevier, 2014.

T.-S. Lim, W.-Y. Loh dan Y.-S. Shih, "A comparison of prediction accuracy, complexity, and training time of thirty-three old and new classification algorithmsA comparison of prediction accuracy, complexity, and training time of thirty-three old and new classification algorithms," Machine learning, 40(3), pp. 203-228, 2000.

V. Kotu dan B. Deshpande, Predictive analytics and data mining: concepts and practice with rapidminer, Massachusetts: Morgan Kaufmann, 2015.




DOI: https://doi.org/10.31284/j.iptek.2018.v22i1.243

Refbacks

  • There are currently no refbacks.