Abstract:
Penyaluran zakat yang tepat sasaran memerlukan proses penentuan penerima yang
objektif, konsisten, dan dapat dipertanggungjawabkan. Penelitian ini bertujuan
untuk membangun model Logistic Regression dalam mengklasifikasikan kelayakan
penerima zakat di Desa Sei Rampah serta menginterpretasikan hasil prediksi
menggunakan metode SHAP (Shapley Additive Explanations). Data yang
digunakan merupakan data sekunder calon penerima zakat yang diperoleh dari
pihak pengelola atau panitia penyaluran zakat di Desa Sei Rampah sebanyak 1.000
data, dengan variabel yang meliputi pendapatan, jumlah tanggungan, pekerjaan,
kondisi tempat tinggal, dan kategori asnaf.
Tahapan penelitian meliputi preprocessing data, standarisasi struktur data,
pembersihan data, encoding variabel kategorik, normalisasi fitur numerik,
pembagian data latih dan data uji dengan proporsi 80:20, pembangunan model
Logistic Regression, serta evaluasi model menggunakan accuracy, precision, recall,
dan F1-score. Hasil evaluasi menunjukkan bahwa model menghasilkan accuracy
sebesar 99%, precision sebesar 100%, recall sebesar 98,28%, dan F1-score sebesar
99,13%.
Selain menghasilkan performa klasifikasi yang sangat baik, penelitian ini juga
menunjukkan bahwa metode SHAP mampu memberikan interpretasi yang
transparan terhadap keputusan model, baik secara global maupun lokal. Pada
interpretasi global, fitur yang paling berpengaruh terhadap prediksi kelayakan adalah pendapatan, jumlah tanggungan, kondisi tempat tinggal, dan pekerjaan. Pada
interpretasi lokal, SHAP mampu menjelaskan kontribusi masing-masing fitur
terhadap prediksi individu tertentu. Dengan demikian, kombinasi Logistic
Regression dan SHAP dapat digunakan sebagai pendekatan yang efektif dalam
membantu proses klasifikasi kelayakan penerima zakat secara akurat, transparan,
dan dapat dipertanggungjawabkan.
