INTERPRETASI MODEL LOGISTIC REGRESSION MENGGUNAKAN METODE SHAP DALAM KLASIFIKASI KELAYAKAN PENERIMA ZAKAT DI DESA SEI RAMPAH

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.