KLASIFIKASI POTENSI ZAKAT DI LAZISMU DIY MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN) BERBASIS WEB FRAMEWORK

Abstract

Zakat berperan untuk mencapai keadilan sosial ekonomi antara orang kaya dan miskin. Saat ini terdapat Lembaga Amil Zakat (LAZ) yang berperan penting dalam pengelolaan dana Zakat, Infaq, dan Shodaqah. Namun ada beberapa faktor kekurangan dalam hal penyaluran dana zakat yaitu siapa yang berhak menerima dana zakat dengan tepat sasaran dan cabang-cabang mana saja yang berpotensi mandiri dalam pengelolaan zakat. Klasifikasi dapat digunakan untuk menilai ketepatan penyaluran zakat dan mengetahui kemandirian tiap-tiap cabang LAZ berdasarkan data-data masa lalu. Data tersebut bisa digunakan untuk menerapkan metode K-NN sehingga dapat mengklasifikasi dana zakat menurut kelasnya. Penelitian ini dilakukan untuk mengkaji tentang algoritma K-NN dan mengimplementasikan Algoritma K-NN dalam klasifikasi data. Data yang digunakan adalah data penyaluran dana zakat di Lazismu DIY dari tahun 2013 sampai 2015.Data penyaluran zakat dari cabang-cabang LAZ yang telah melalui proses cleaning data, integration data, selection data, transformation data,dan analisis diproses menggunakan metode K-Nearest Neighbor (K-NN)\xa0 untuk\xa0 mengklasifikasikan cabang-cabang yang berpotensi membantu perekonomian daerah (mandiri) dan penyaluran dana zakat yang tepat sasaran berdasarkan\xa0 tingkat\xa0 kemiripan sejumlah nilai\xa0 variabel\xa0 k. Proses algoritma K-NN di buatmenghasilkanpattern evaluationdandisajikanmelalui knowledge presentationdenganbantuan web framework. Hasil pengujian dilakukan terhadap 14 cabang Lazismu di DIY menghasilkan tidakada cabang di kelas Super Mandiri, 6 cabang berada dikelas Mandiri, tidakada cabang berada dikelas Cukup Mandiri, dan 8 cabang berada pada kelas Kurang Mandiri. Hasil confusion matrix dengan perbandingan 80:20 dari data uji dan data testing menghasilkan nilai accuracy sebesar 85% dan error-rate sebesar25%. Hasil accuracy>= 85% dikatakan baik dalam klasifikasi tersebut membuktikan bahwa faktor-faktor nilai atribut yang dipilih mendekati nilai significant