Implementasi Metode Jaringan Syaraf Tiruan dan Metode Logika Fuzzy untuk Sistem Pendukung Keputusan Pemberian Zakat

Abstract

Masalah kemiskinan menjadi salah satu permasalahan utama di Indonesia. Upaya yang dilakukan dalam menanggulangi kemiskinan antara lain dengan memaksimalkan potensi zakat di Indonesia. Penelitian ini mengambil kasus distribusi dana zakat di IZI (Inisitif Zakat Indonesia). IZI telah berperan dalam pengelolaan zakat serta donasi keagamaan lainnya sejak berdiri pada tahun 2015. Dalam operasional sehari-hari, dibutuhkan suatu standar dalam pembuatan keputusan pemberian zakat kepada mustahiq. Dalam hal ini, perlu standar pengklasifikasian kemiskinan seseorang yang bisa dilihat dari beberapa indikator, yaitu: pendapatan, jumlah tanggungan, nilai rumah, dan status kepala rumah tangga. Dalam penelitian ini penulis menggunakan model logika fuzzy Mamdani dan model jaringan syaraf tiruan untuk pengambilan keputusan pemberian zakat. Output kedua model ini kemudian dikonfirmasikan dengan keputusan yang sudah dijalankan selama ini di IZI. Penelitian ini menunjukan kesesuaian yang sangat tinggi (94%) antara output model logika fuzzy dan fakta keputusan di lapangan. Akurasi yang serupa juga ditunjukkan oleh model jaringan syaraf tiruan. Kedua model tersebut dapat diimplementasikan dengan baik dalam penelian ini menggunakan perangkat lunak Python. Sifat perangkat Python yang merupakan perangkat lunak open source memudahkan implementasi kedua model di IZI dan LAZNAS lainnya. Dari segi kemudahan implementasi, model jaringan syaraf tiruan relatif lebih mudah diterapkan di lapangan, karena tidak diperlukan penyusunan aturan-aturan implikasi yang relatif kompleks, seperti dalam model logika fuzzy.

The problem of poverty is one of the main problems in Indonesia. Efforts made in overcoming poverty include maximizing the potential for zakat in Indonesia. This research takes the case of the distribution of zakat funds at IZI (Inisiatif Zakat Indonesia). IZI has played a role in managing zakat and other religious donations since its establishment in 2015. In daily operations, a standard is needed in making decisions on giving zakat to mustahiq. In this case, it is necessary to have a standard for classifying one's poverty which can be seen from several indicators, namely: income, number of dependents, house value, and the status of the head of the household. In this study, the authors used the Mamdani fuzzy logic model and the artificial neural network model for the decision making of giving zakat. The output of these two models is then confirmed with the decisions that have been made at IZI. This study shows very high compatibility (94%) between the output of the fuzzy logic model and the fact of the decisions in the field. Similar accuracy is also shown by the neural network model. Both models can be implemented properly in this research using Python software. The nature of Python software which is open source software facilitates the implementation of both models in IZI and other LAZNAS. In terms of ease of implementation, the neural network model is relatively easier to apply in the field, because it does not require the preparation of relatively complex implication rules, such as in fuzzy logic models.