cover
Contact Name
Muhammad Azhar
Contact Email
jurnal.ijomss@gmail.com
Phone
+6282160052217
Journal Mail Official
jurnal.ijomss@gmail.com
Editorial Address
Kampus STAI Raudhatul Akma Jln. Nusa Indah Gg. Melati No. 66 Desa Tanjung Sari Kec. Batang Kuis, Kab. Deli Serdang, Sumatera Utara, 20372
Location
Kab. deli serdang,
Sumatera utara
INDONESIA
Indonesian Journal of Multidisciplinary Scientific Studies
ISSN : -     EISSN : 29887046     DOI : https://doi.org/10.33151/ijomss.v2i1
Ruang Lingkup Jurnal Indonesian Journal of Multidisciplinary Scientific Studies (IJOMSS) dimaksudkan sebagai media kajian ilmiah hasil penelitian, pemikiran dan kajian analisis-kritis mengenai penelitian segala bidang keilmuan dengan menerapkan pendekatan Indonesian Journal of Multidisciplinary Scientific Studies (IJOMSS). Sebagai bagian dari semangat menyebarluaskan ilmu pengetahuan hasil dari penelitian dan pemikiran untuk pengabdian pada Masyarakat luas dan sebagai sumber referensi akademisi di berbagai bidang. Jurnal Indonesian Journal of Multidisciplinary Scientific Studies (IJOMSS) menerima artikel ilmiah untuk semua lingkup penelitian seperti: Pendidikan Teknologi Informasi Manajemen Ekonomi Teknik Sastra Sosial Politik Hukum Bimbingan Konseling dan Topik kajian bidang keilmuan lainnya.
Arjuna Subject : Umum - Umum
Articles 219 Documents
Klasifikasi Tingkat Risiko Kardiovaskular Berbasis Pola Aktivitas Harian Menggunakan Random Forest Abdul Hadi Al Hakim; Al-Khowarizmi
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1132

Abstract

Penyakit kardiovaskular merupakan penyebab kematian utama di dunia, sementara pemantauan mandiri yang non-invasif masih terbatas. Penelitian ini bertujuan membangun model klasifikasi tingkat risiko kardiovaskular (rendah, sedang, tinggi) berbasis pola aktivitas harian dan indikator kesehatan menggunakan algoritma Random Forest, serta mengimplementasikannya pada purwarupa sistem berbasis web. Data sekunder bersumber dari dataset Sleep Health and Lifestyle di Kaggle sebanyak 940 data mentah, dengan enam variabel masukan: tekanan darah, kategori indeks massa tubuh, detak jantung, tingkat stres, durasi dan gangguan tidur, serta jumlah langkah harian. Label risiko dibentuk dengan aturan ambang indikator kesehatan karena dataset tidak memiliki label risiko. Pra-pemrosesan meliputi pembersihan data, transformasi, standardisasi, dan penyeimbangan kelas dengan SMOTE pada data latih, menghasilkan 507 data bersih yang dibagi dengan rasio 80:20. Model dengan 100 pohon keputusan dievaluasi menggunakan confusion matrix. Hasil menunjukkan akurasi 99,77% dengan satu kesalahan klasifikasi pada data uji, serta F1-score rata-rata makro 99,80%. Karena label diturunkan dari variabel yang sama dengan fitur model, capaian ini mencerminkan kemampuan model mereplikasi aturan pelabelan dan belum merupakan bukti kemampuan prediksi klinis. Sistem web yang dikembangkan menyediakan formulir masukan, visualisasi hasil, grafik kepentingan fitur, dan riwayat pemeriksaan. Penelitian lanjutan memerlukan data berlabel diagnosis klinis dan validasi eksternal.
Analisis Sentimen Berita Skandal Korupsi pada Media Sosial X Menggunakan Metode Linear Support Vector Machine Berbasis Android Villa Dea Ardinata; Martiano
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1134

Abstract

Korupsi merupakan permasalahan serius yang berdampak pada keuangan negara, tatanan sosial, dan kepercayaan publik terhadap institusi pemerintahan. Banyaknya opini masyarakat yang tersebar di media sosial X (sebelumnya Twitter) menjadikan analisis sentimen sebagai pendekatan efektif untuk memahami kecenderungan persepsi publik terhadap berita skandal korupsi. Penelitian ini bertujuan menganalisis sentimen publik menggunakan metode Linear Support Vector Machine (SVM) serta mengimplementasikan hasil analisis ke dalam aplikasi berbasis Android. Tahapan penelitian meliputi scraping data menggunakan ntscraper dan API X, preprocessing (cleansing, case folding, tokenization, normalization, stopword removal, dan stemming), pelabelan sentimen secara manual, pembobotan fitur menggunakan TF-IDF, pembagian data latih dan uji, serta evaluasi model menggunakan confusion matrix dan metrik accuracy, precision, recall, dan F1-Score. Penelitian berhasil mengumpulkan 1.011 tweet terkait skandal korupsi pada periode 1 Mei–15 Agustus 2026. Hasil pengujian menunjukkan model Linear SVM mencapai akurasi 89% pada 203 data uji, dengan weighted precision 89%, weighted recall 89%, dan weighted F1-Score 89%. Temuan ini menunjukkan bahwa Linear SVM efektif mengklasifikasikan sentimen pada teks berdimensi tinggi dan layak diterapkan sebagai dasar pengembangan aplikasi analisis sentimen berbasis Android.
Penerapan Content-Based Filtering untuk Optimalisasi Pencarian Rekan Tim Lomba Mahasiswa Berbasis Vektor Fitur Hard Skill dan Soft Skill pada Aplikasi Web Siti Ardiyani; Mahardika Abdi Prawira Tanjung
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1135

Abstract

Pembentukan tim Program Kreativitas Mahasiswa (PKM) di perguruan tinggi umumnya masih dilakukan secara informal berbasis kedekatan sosial, sehingga pemetaan kompetensi anggota tim menjadi kurang objektif. Penelitian ini mengembangkan sistem rekrutmen tim PKM berbasis web menggunakan metode Content-Based Filtering (CBF) dengan algoritma Cosine Similarity untuk mencocokkan profil kompetensi mahasiswa pelamar dengan kebutuhan ketua tim. Sistem melibatkan tiga aktor: Admin SRCC (Student Research and Creative Center), Mahasiswa Ketua Tim, dan Mahasiswa Pelamar. Profil kompetensi direpresentasikan dalam bentuk vektor fitur berdimensi 15, terdiri dari 8 dimensi hard skill (V1–V8: MS Office, Desain Grafis, Editing Video, Public Speaking, Manajemen Keuangan, Pemrograman, Riset Lapangan, Metodologi dan Analisis Data) dan 7 dimensi soft skill (V9–V15: Kerja Sama Tim, Komunikasi, Kepemimpinan, Tanggung Jawab, Manajemen Waktu, Problem Solving, Kedisiplinan), masing-masing dinilai dengan skala Likert 1–5. Cosine Similarity dihitung secara real-time setiap kali pelamar men-submit formulir lamaran, menghasilkan skor kemiripan antara Vektor Query ketua dan Vektor Profil pelamar yang disimpan ke basis data MySQL dan ditampilkan sebagai ranking di dashboard ketua. Pengujian Black-Box Testing terhadap 15 skenario menunjukkan seluruh fitur berjalan valid. Pengujian akurasi terhadap 10 data pelamar membuktikan hasil perhitungan sistem identik dengan perhitungan manual (akurasi 100%), dengan nilai similarity berkisar 0,9598–0,9999. Sistem ini menghasilkan rekomendasi yang objektif, terukur, dan berbasis data, serta berpotensi meningkatkan kualitas komposisi tim PKM dibandingkan metode konvensional.
Sistem Pendukung Keputusan Penentuan Zona Risiko Longsor Berbasis Geographic Information System Menggunakan Metode Fuzzy Multi-Criteria Decision Making Adinda Nurul; Firahmi Rizky
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1136

Abstract

Kecamatan Berastagi, Kabupaten Karo, memiliki topografi perbukitan hingga pegunungan yang rentan longsor, sedangkan analisis kerawanan sebelumnya umumnya memakai skoring dengan batas kelas tegas dan berhenti pada peta statis. Penelitian ini bertujuan menganalisis sebaran risiko longsor dan membangun Sistem Pendukung Keputusan (SPK) berbasis Geographic Information System (GIS) dengan metode Fuzzy Multi-Criteria Decision Making (Fuzzy-MCDM). Lima kriteria digunakan, yaitu kemiringan lereng, curah hujan, jenis tanah, penggunaan lahan, dan jarak terhadap jalan, dengan bobot awal 0,30; 0,25; 0,20; 0,15; dan 0,10. Nilai tiap kriteria difuzzifikasi menggunakan fungsi keanggotaan linear naik, linear turun, dan nilai kategori, lalu diagregasi menjadi indeks risiko pada 10 titik data Badan Penanggulangan Bencana Daerah (BPBD) Kabupaten Karo. Hasil menunjukkan 3 titik (30%) berada pada zona risiko tinggi dan 7 titik (70%) pada zona sedang, tanpa titik pada zona rendah. Indeks tertinggi terdapat di Lereng Doulu (P09) sebesar 0,7198, dengan kemiringan lereng sebagai kontributor terbesar (rata-rata 35% dari indeks). Analisis sensitivitas pada empat skenario bobot alternatif menunjukkan jumlah titik zona tinggi berkisar 1–4 sehingga bobot perlu dikalibrasi dengan pendapat ahli. Sistem WebGIS berbasis PHP, MySQL, dan Leaflet.js yang dibangun lulus 11 skenario pengujian black box. Sistem ini dapat membantu penentuan prioritas mitigasi, dengan keterbatasan jumlah data dan belum adanya validasi statistik formal.
Perbandingan Algoritma Yamamoto’s Recursive Code Dan Lzw Untuk Kompresi File Video Khairani Resty Harahap; Firahmy Rizky
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1139

Abstract

Ukuran file video digital yang besar menimbulkan kebutuhan akan metode kompresi lossless yang andal untuk menghemat ruang penyimpanan tanpa mengurangi kualitas data. Penelitian ini bertujuan mengimplementasikan dan membandingkan kinerja dua algoritma kompresi lossless, yaitu Yamamoto's Recursive Code (YRC) dan LZW (Lempel-Ziv-Welch), dalam sistem kompresi video berbasis web bernama VidCompress yang dibangun menggunakan Python dengan framework Flask. Pengujian dilakukan terhadap 6 sesi kompresi yang mencakup 5 file video MP4/H.264 unik dengan variasi ukuran 0,94–6,20 MB, dengan satu file diuji dua kali sebagai replikasi, menghasilkan 12 data kompresi yang diukur berdasarkan Ratio of Compression (RC), Compression Ratio (CR), Space Saving (SS), dan waktu proses, serta divalidasi melalui pengujian dekompresi langsung terhadap seluruh berkas hasil kompresi. Hasil penelitian menunjukkan bahwa Algoritma YRC secara konsisten memperbesar ukuran file pada seluruh 6 sesi (rata-rata SS −47,18%), namun seluruh hasil dekompresinya (6/6) tervalidasi identik dengan file asli. Algoritma LZW hanya berhasil mengompresi 3 dari 6 sesi (rata-rata SS −2,24%), dan seluruh hasil dekompresinya (6/6) dinyatakan tidak valid akibat keterbatasan implementasi lebar bit kode kamus yang dibatasi 16 bit tanpa mekanisme reset. Keunggulan kedua algoritma bersifat bersyarat: LZW unggul pada rasio kompresi namun belum andal, sedangkan YRC andal namun tidak efisien pada data video MP4/H.264 yang telah terkompresi oleh codec. Perbaikan mekanisme lebar bit LZW direkomendasikan untuk penelitian selanjutnya.
Penerapan AHP dan TOPSIS untuk Penentuan Prioritas Wilayah Promosi Penerimaan Peserta Didik Baru Nur Aini; Mahardika Abdi Prawira Tanjung
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1140

Abstract

Persaingan antar lembaga pendidikan dasar mendorong perlunya strategi Penerimaan Peserta Didik Baru (PPDB) yang terukur dan berbasis data. SD Swasta Muhammadiyah 28 Pulo Brayan, Medan, menghadapi kendala dalam menentukan wilayah prioritas promosi karena selama ini kegiatan promosi dilakukan secara merata tanpa mempertimbangkan potensi masing-masing wilayah. Penelitian ini menerapkan metode Analytical Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) secara terintegrasi untuk menganalisis 12 wilayah kelurahan asal siswa berdasarkan 5 kriteria: jumlah siswa existing, jarak ke sekolah, jumlah TK/PAUD, jumlah SD/MI pesaing, dan skor aksesibilitas jalan. AHP digunakan untuk menentukan bobot setiap kriteria melalui perbandingan berpasangan, sedangkan TOPSIS digunakan untuk meranking seluruh wilayah alternatif. Sistem Pendukung Keputusan (SPK) berbasis web dibangun menggunakan PHP dan MySQL sebagai antarmuka penerapan metode tersebut. Hasil perhitungan AHP menunjukkan bahwa kriteria jumlah siswa existing memiliki bobot tertinggi (38,65%) dengan nilai Consistency Ratio (CR) sebesar 0,0039, jauh di bawah ambang batas 0,1 yang disyaratkan. Hasil perankingan TOPSIS menempatkan Kelurahan Pulo Brayan Darat II pada peringkat pertama (nilai preferensi 0,7877), diikuti oleh Kelurahan Tanjung Mulia (0,7607) dan Kelurahan Pulo Brayan Bengkel (0,6549). Pengujian fungsionalitas sistem menggunakan black box testing terhadap 13 skenario menunjukkan tingkat keberhasilan 100%. Penelitian ini memberikan kontribusi pada penerapan SPK berbasis AHP-TOPSIS pada domain pemasaran pendidikan di tingkat kelurahan.
Penentuan Lokasi Pelayanan Kesehatan Berbasis GIS Menggunakan Metode Rank Reciprocal dan Simple Additive Weighting Muhammad Ardiansyah Matondang; Andi Zulherry
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1141

Abstract

Ketersediaan fasilitas pelayanan kesehatan yang terbatas di Kecamatan Panyabungan Selatan, Kabupaten Mandailing Natal — yang hanya memiliki satu UPTD Puskesmas untuk melayani 11 desa dengan total populasi 9.816 jiwa — menciptakan ketimpangan akses layanan kesehatan yang signifikan. Penelitian ini bertujuan mengembangkan Sistem Pendukung Keputusan (SPK) berbasis Geographic Information System (GIS) untuk menentukan lokasi prioritas pembangunan fasilitas pelayanan kesehatan baru secara objektif dan berbasis data. Sistem mengintegrasikan metode Rank Reciprocal untuk pembobotan kriteria secara objektif dan metode Simple Additive Weighting (SAW) untuk perangkingan 11 alternatif desa berdasarkan lima kriteria: jumlah penduduk, jarak ke puskesmas terdekat (dihitung otomatis menggunakan formula Haversine), angka kematian, akses jalan, dan jumlah fasilitas kesehatan. Sistem dibangun menggunakan PHP Native, MySQL, Leaflet.js, dan Tailwind CSS, dilengkapi fitur drag-and-drop untuk pembobotan dinamis. Pengujian black box dengan 14 skenario seluruhnya menunjukkan hasil valid, dan validasi perhitungan manual terhadap keluaran sistem membuktikan konsistensi implementasi algoritma tanpa selisih. Dengan bobot Rank Reciprocal default (C1: 43,80%; C2: 21,90%; C3: 14,60%; C4: 10,95%; C5: 8,76%), sistem merekomendasikan Desa Roburan Lombang (Vi = 0,9825), Desa Roburan Dolok (Vi = 0,8850), dan Desa Lumban Dolok (Vi = 0,8584) sebagai tiga lokasi prioritas tertinggi pembangunan pelayanan kesehatan baru. Sistem ini menghasilkan rekomendasi yang objektif, transparan, dan mudah ditafsirkan oleh pemangku kepentingan dalam perencanaan kesehatan daerah.
Implementasi Convolutional Neural Network Berbasis Word Embedding untuk Klasifikasi Pertanyaan Chatbot Rayhan Pratama; Irvan
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1142

Abstract

Chatbot merupakan sistem percakapan berbasis kecerdasan buatan yang mampu memberikan respons otomatis terhadap pertanyaan pengguna secara real-time. Penelitian ini mengimplementasikan metode Convolutional Neural Network (CNN) yang diintegrasikan dengan Word Embedding berbasis Word2Vec untuk mengklasifikasikan pertanyaan pada chatbot Nova AI yang dikembangkan khusus bagi mahasiswa Fakultas Ilmu Komputer dan Teknologi Informasi (FIKTI) Universitas Muhammadiyah Sumatera Utara (UMSU). Dataset terdiri dari 619 pertanyaan dalam bahasa Indonesia yang dikategorikan ke dalam enam kelas intent: dekan, dosen, fakultas, kaprodi, sapaan, dan UKT, dengan pembagian 495 data latih (79,97%) dan 124 data uji (20,03%). Pipeline praproses teks mencakup case folding, tokenisasi, representasi Word2Vec berdimensi 100, pengindeksan kata, dan padding dengan max_len=10. Arsitektur CNN yang dibangun terdiri atas lapisan Embedding, Conv1D (64 filter, kernel 3, ReLU), GlobalMaxPooling1D, Dense 64 unit ReLU, dan Dense output 6 unit Softmax. Model dilatih selama 20 epoch menggunakan optimizer Adam dengan learning rate 0,001 dan fungsi loss Sparse Categorical Crossentropy. Hasil evaluasi menunjukkan akurasi model sebesar 99,19%, dengan satu kesalahan klasifikasi pada intent kaprodi yang teridentifikasi sebagai dekan. Pengujian sistem Nova AI berbasis Streamlit menghasilkan tingkat keberhasilan 83,33% (25 dari 30 skenario pengujian). Penelitian ini membuktikan bahwa kombinasi CNN dan Word Embedding mampu mengklasifikasikan intent chatbot dengan akurasi tinggi dan dapat diimplementasikan dalam aplikasi nyata berbasis web.
Penerapan Kriptografi ASCON, RSA, dan SHA-256 pada Sistem Chat Berbasis Web Asrul Al Afgani; Ferdy Riza
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1143

Abstract

Komunikasi digital berbasis web menjadi sarana pertukaran informasi yang semakin kritis, namun kerentanan terhadap penyadapan dan pemalsuan identitas terus meningkat. Badan Siber dan Sandi Negara (BSSN) mencatat lebih dari 350 juta serangan siber yang menarget Indonesia sepanjang tahun 2023, menegaskan urgensi perlindungan kriptografis pada kanal komunikasi berbasis web. Penelitian ini merancang dan mengimplementasikan sistem chat berbasis web yang mengintegrasikan tiga lapisan kriptografi: ASCON-AEAD128 sebagai algoritma enkripsi simetris ringan yang baru distandardisasi NIST melalui SP 800-232 (2025) untuk enkripsi dan autentikasi pesan secara simultan; RSA-2048-OAEP untuk pembungkusan kunci sesi secara asimetris; serta RSA-2048-PSS bersama SHA-256 untuk tanda tangan digital yang menjamin autentisitas dan non-repudiasi pengirim. Seluruh proses kriptografi dieksekusi di sisi klien menggunakan Web Cryptography API (W3C, 2017), sehingga server dan basis data tidak pernah menyimpan teks asli maupun kunci privat. Pengujian fungsional menunjukkan 28 dari 28 kasus uji (100%) berhasil, dengan waktu enkripsi penuh rata-rata 1,20 ms dan dekripsi 0,73 ms. Uji efek avalanche menghasilkan rata-rata perubahan bit pada tag autentikasi sebesar 50,16%, mendekati nilai ideal 50%. Uji ketahanan terhadap pemalsuan membuktikan sistem menolak seluruh skenario manipulasi data, baik pada ciphertext, tag, tanda tangan, maupun kunci sesi. Hasil ini menunjukkan bahwa pendekatan kriptografi hibrida berbasis ASCON dan RSA layak diterapkan sebagai solusi komunikasi teks web yang aman dan efisien.
Integrasi Naive Bayes dan ArcGIS untuk Penentuan Prioritas Mustahik Zakat di LAZISMU Sumatera Utara Mhd. Arkan Mufadhal; Firahmi Rizky
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1146

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.