CART (Classification and Regression Tree) is a method of regression tree mostly used on making decisions. CART as a method is a part of data mining algorithm that is focused on supervised learning at providing other methods of regression and classification. This research is done to obtain a strategy that may assist to sort out problems on stocks decision making at CV. XYZ using available transaction data. Data mining algorithm will be implemented to sort out the problems faced by CV. XYZ. Using 6 tests from datasets with 28 data to 852 data, calculation using the implemented CART method will be used on the obtained datasets and will be tested with the hold-out method on a split percentage of 70% on data training and 30% on data testing using random state of 6. The average testing results with hold-out method yields 95.36% accuracy./ CART (Classification and Regression Tree) merupakan sebuah metode pohon keputusan yang banyak digunakan dalam pengambilan keputusan. Metode CART termasuk kedalam algoritma data mining yang berfokus pada supervised learning terhadap penyediaan metode regresi dan klasifikasi. Penelitian ini dilakukan agar mendapatkan sebuah strategi yang dapat membantu dalam menyelesaikan permasalahan pengambilan keputusan stok yang terjadi pada CV. XYZ dengan menggunakan data transaksi yang tersedia. Sehingga akan dilakukan pengimplementasian algoritma data mining dalam menyelesaikan permasalahan yang dialami oleh CV. XYZ. Dengan melakukan enam kali pengujian dari dataset yang berjumlah kecil 28 data sampai dengan data keseluruhan yang berjumlah 852 data. Selanjutnya akan dilakukan perhitungan dengan pengimplementasian metode CART pada dataset yang telah terkumpul dan pengujian dengan menggunakan metode hold-out dengan persentase pembagian 70% pada data training dan 30% pada data testing dengan menggunakan random state sebesar enam. Hasil rata – rata yang didapatkan setelah melakukan pengujian dengan menggunakan metode hold-out menghasilkan akurasi sebesar 95.36%.