UMKM di Indonesia menghadapi tantangan dalam menentukan strategi produk yang tepat, khususnya ketika meluncurkan produk baru. Kurangnya pemanfaatan data historis penjualan membuat proses pengambilan keputusan masih bersifat subjektif dan kurang efisien. Penelitian ini bertujuan untuk membangun model prediksi kelarisan produk baru berbasis data menggunakan algoritma pohon keputusan C4.5, serta menentukan fitur-fitur paling berpengaruh terhadap tingkat kelarisan. Objek penelitian adalah toko RumahBayiTAZ yang bergerak dalam penjualan produk perlengkapan bayi secara daring. Dataset yang digunakan terdiri dari tujuh atribut utama, yaitu nama produk, jumlah, produk dilihat, total pengunjung, total pembeli baru, total potensi pembeli, dan total pesanan. Mengingat adanya ketidakseimbangan data antara kelas produk laris dan tidak laris, metode SMOTE diterapkan untuk menghasilkan distribusi data yang lebih seimbang. Model dibangun dengan bantuan pustaka ChefBoost dalam bahasa pemrograman Python dan dievaluasi menggunakan teknik 5-fold cross validation. Hasil penelitian menunjukkan bahwa fitur jumlah produk dilihat menjadi prioritas utama, diikuti oleh total pembeli baru dan total potensi pembeli sebagai atribut yang paling berpengaruh dalam klasifikasi kelarisan. Model yang dibangun menghasilkan akurasi sebesar 88,9%, yang menunjukkan kemampuan model dalam melakukan klasifikasi dengan tingkat ketepatan yang tinggi dan juga memberikan interpretasi aturan keputusan yang dapat digunakan oleh pelaku usaha untuk merumuskan strategi peluncuran dan pengelolaan produk. Penelitian ini diharapkan dapat menjadi kontribusi nyata dalam pengambilan keputusan berbasis data di sektor UMKM.
Kata Kunci: Algoritma C4.5, ChefBoost, kelarisan produk, prioritas fitur, SMOTE, UMKM.