<![CDATA[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.]]>
Copyrights © 2026
