Integrasi Naive Bayes dan ArcGIS untuk Penentuan Prioritas Mustahik Zakat di LAZISMU Sumatera Utara
Abstract
Pengelolaan distribusi zakat yang akurat dan tepat sasaran merupakan tantangan bagi lembaga amil zakat, salah satunya LAZISMU Sumatera Utara. Penelitian ini bertujuan mengembangkan sistem penentuan prioritas mustahik zakat menggunakan algoritma Naive Bayes yang diintegrasikan dengan visualisasi spasial berbasis ArcGIS. Data yang digunakan adalah data mustahik LAZISMU Sumatera Utara periode 2022–2024 sebanyak 500 sampel dengan atribut pendapatan bulanan, jumlah tanggungan, kondisi tempat tinggal, dan ketidakmampuan bekerja. Discretisasi diterapkan pada fitur numerik sebelum proses klasifikasi, dan Laplace Smoothing digunakan untuk mengatasi kemungkinan zero-probability. Evaluasi model menggunakan confusion matrix menghasilkan akurasi sebesar 92,00%, presisi 92,47%, recall 98,85%, dan F1-Score 95,56%. Sistem kemudian diintegrasikan dengan ArcGIS untuk menghasilkan peta persebaran mustahik dan peta kerapatan (kernel density) per kecamatan di kota Medan, yang mempermudah pengambilan keputusan berbasis wilayah. Penelitian ini menunjukkan bahwa kombinasi Naive Bayes dan GIS mampu meningkatkan efektivitas dan transparansi distribusi zakat, serta dapat menjadi referensi bagi lembaga amil zakat lain dalam mengoptimalkan pengelolaan data mustahik.
References
Chaerunnisa, R., Azizah Muchlis, N., & Nur Eliza, W. (2025). Zakat dalam Islam: Pengertian, Hukum, Jenis, Syarat, dan Ketentuan Lengkap. Tadhkirah: Jurnal Terapan Hukum Islam dan Kajian Filsafat Syariah, 2(3), 233–242.
Fatmawati, Misbahuddin, & Sanusi, T. N. M. (2024). Analisis Zakat Fitrah dan Zakat Mal dalam Islam. Jurnal Penelitian Ilmu-Ilmu Sosial, 1(6), 52–55.
Fatra, E., Manguma, T. T. F., & Mastura. (2024). Analisis Sentimen Media Sosial Menggunakan Metode Naive Bayes. Culture Education and Technology Research (CETERA), 2(3), 456–466. https://doi.org/10.31004/ctr.v2i2.166
Firmansyach, W. A., Hayati, U., & Arie Wijaya, Y. (2023). Analisa Terjadinya Overfitting dan Underfitting pada Algoritma Naive Bayes dan Decision Tree dengan Teknik Cross Validation. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 262–269. https://doi.org/10.36040/jati.v7i1.6329
Grahesti, A., Hutami, A. S., Sari, N. N., & Rohmah, J. M. (2023). Mengurai Permasalahan Pendistribusian Zakat dengan Analisis SWOT: Studi Kasus di Lembaga Amil Zakat Daarut Tauhid Solo. Jurnal Ilmiah Ekonomi Islam, 9(1), 1411–1420.
Lailatul Zannah, Maslahah, M., Maylinda, M., Saputra, M. R., & Ridwan, M. (2024). Analisis Macam-Macam Zakat dan Wakaf dalam Manajemen Filantropi. Jurnal Manajemen dan Pendidikan Agama Islam, 2(5), 140–153. https://doi.org/10.61132/jmpai.v2i5.507
Nazila, J. (2024). Pemanfaatan Teknologi dalam Pengelolaan Zakat di Era Digital. JSE: Jurnal Sharia Economica, 3(2), 116–125. https://doi.org/10.46773/jse.v3i2.1369
Nurul, A., & Rizky, F. (2026). Sistem Pendukung Keputusan Berbasis GIS untuk Pemetaan Wilayah Prioritas Pelayanan Publik. Indonesian Journal of Multidisciplinary Scientific Studies (IJOMSS), 4(6), 486–502. https://doi.org/10.33151/ijomss.v4i6.1136
Ramadania, S., Nadila, S., Saharani, C., Mukhtar, K., Chandra, A. A., Pratama, F. H., & Risja, R. A. (2025). Konsep Syarat dan Rukun dalam Fiqih Ibadah: Studi. Amanah, 1(1), 12.
Rasyad Al Fajar, M., & Jannah, M. (2021). Implementasi Undang-Undang Zakat No. 23 Tahun 2011 tentang Pengelolaan Zakat (Studi Kasus LAZISMU Kota Bima). J-ESA (Jurnal Ekonomi Syariah), 4(2), 127–140. https://doi.org/10.52266/jesa.v4i2.750
Widodo, A., & Herlambang, B. A. (2024). Sistem Informasi Geografis Sebaran Stunting dan Tingkat Kemiskinan di Provinsi Jawa Tengah Tahun 2023. Jurnal Penelitian Sistem Informasi (JPSI), 2(1), 55–63. https://doi.org/10.54066/jpsi.v1i4.1457
Copyright (c) 2026 Mhd. Arkan Mufadhal, Firahmi Rizky
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
