Hak cipta dan penggunaan kembali:
Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis dan melisensikan ciptaan turunan dengan syarat yang serupa dengan ciptaan asli.
Copyright and reuse:
This license lets you remix, tweak, and build upon work
non-commercially, as long as you credit the origin creator
and license it on your new creations under the identical
terms.
RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN KLASIFIKASI FAKIR MISKIN SEBAGAI PENERIMA
ZAKAT MENGGUNAKAN ALGORITMA NAIVE BAYES
(STUDI KASUS: YAYASAN AMAL SHOLEH SEJAHTERA)
SKRIPSI
Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer (S.Kom.)
Suluh Damar Grahita 14110110123
PROGRAM STUDI INFORMATIKA FAKULTAS TEKNIK DAN INFORMATIKA UNIVERSITAS MULTIMEDIA NUSANTARA
TANGERANG 2019
HALAMAN PENGESAHAN
RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN KLASIFIKASI FAKIR MISKIN SEBAGAI PENERIMA
ZAKAT MENGGUNAKAN ALGORITMA NAIVE BAYES
(STUDI KASUS: YAYASAN AMAL SHOLEH SEJAHTERA)
Oleh
Nama : Suluh Damar Grahita
NIM : 14110110123
Program Studi : Informatika
Fakultas : Teknik dan Infromatika
Tangerang, 15 Juli 2019 Menyetujui,
Ketua Sidang Dosen Penguji
Farica Perdana Putri, S.Kom., M.Sc. Julio Christian Young, S.Kom., M.Kom.
Dosen Pembimbing
Adhi Kusnadi, S.T., M.Si.
Mengetahui,
Ketua Program Studi Informatika
Seng Hansun, S.Si., M.Cs.
PERNYATAAN TIDAK MELAKUKAN PLAGIAT
Dengan ini saya:
Nama : Suluh Damar Grahita
NIM : 14110110123
Program Studi : Informatika
Fakultas : Teknik dan Informatika
menyatakan bahwa Skripsi yang berjudul “Rancang Bangun Sistem Pendukung Keputusan Klasifikasi Fakir Miskin Sebagai Penerima Zakat Menggunakan Algoritma Naive Bayes (Studi Kasus: Yayasan Amal Sholeh Sejahtera)” ini adalah karya ilmiah saya sendiri, bukan plagiat dari karya ilmiah yang ditulis oleh orang atau lembaga lain, dan semua karya ilmiah orang atau lembaga lain yang dirujuk dalam skripsi ini telah disebutkan sumber kutipannya serta dicantumkan di Daftar Pustaka.
Jika kemudian hari terbukti ditemukan kecurangan/ penyimpangan, baik dalam pelaksanaan Skripsi maupun dalam penulisan laporan Skripsi, saya bersedia menerima konsekuensi dinyatakan TIDAK LULUS untuk mata kuliah Skripsi yang telah saya tempuh.
Tangerang, 15 Juli 2019
Suluh Damar Grahita
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS
Sebagai sivitas akademik Universitas Multimedia Nusantara, saya yang bertanda tangan dibawah ini:
Nama : Suluh Damar Grahita NIM : 14110110123
Program Studi : Informatika
Fakultas : Teknik dan Informatika Jenis Karya : Skripsi
Demi pengembangan ilmu pengetahuan, menyetujui dan memberikan izin kepada Universitas Multimedia Nusantara hak bebas Royalti Non-ekslusif (Non- exclusive Royalty-Free Right) atas karya ilmiah saya yang berjudul:
Rancang Bangun Sistem Pendukung Keputusan Klasifikasi Fakir Miskin Sebagai Penerima Zakat Menggunakan Algoritma Naive Bayes
(Studi Kasus: Yayasan Amal Sholeh Sejahtera) beserta perangkat yang diperlukan.
Dengan Hak Bebas Royalti Non-ekslusif ini, pihak Universitas Multimedia Nusantara berhak menyimpan, mengalihmedia atau format-kan, mengelola dalam bentuk pangkalan data (database), merawat, dan mendistribusi dan menampilkan atau mempublikasikan karya ilmiah saya di internet atau media lain untuk kepentingan akademis, tanpa perlu meminta izin dari saya maupun memberikan royalti kepada saya, selama tetap mencantumkan nama saya sebagai penulis karya ilmiah tersebut.
Demikian pernyataan ini saya buat dengan sebenarnya untuk dipergunakan sebagaimana mestinya.
Tangerang, 15 Juli 2019
Suluh Damar Grahita
KATA PENGANTAR
Puji dan syukur kepada Tuhan Yang Maha Esa, karena atas berkat dan rahmat-Nya, penulis dapat menyelesaikan skripsi dengan judul “Rancang Bangun Sistem Pendukung Keputusan Klasifikasi Fakir Miskin Sebagai Penerima Zakat Menggunakan Algoritma Naive Bayes (Studi Kasus: Yayasan Amal Sholeh Sejahtera)”.
Skripsi ini dapat diselesaikan tepat waktu karena keterlibatan dari beberapa pihak. Oleh karena itu, penulis mengucapkan terima kasih kepada:
1. Dr. Ninok Leksono, selaku Rektor Universitas Multimedia Nusantara.
2. Hira Meidia, B.Eng, Ph.D, selaku Dekan Fakultas Teknik dan Informatika Universitas Multimedia Nusantara.
3. Seng Hansun, S.Si., M.Cs., selaku Ketua Program Studi Teknik Informatika Universitas Multimedia Nusantara.
4. Adhi Kusnadi, S.T., M.Si., selaku dosen pembimbing skripsi, yang telah membimbing dalam perancangan dan pembangunan sistem, serta membimbing penulisan karya ilmiah.
5. Kedua Orang tua dan keluarga yang selalu memberikan dukungan moral, motivasi, dan dukungan material kepada penulis.
6. Yayasan Amal Sholeh Sejahtera, yang telah mengizinkan penulis melakukan penelitian dan memberikan data yang diperlukan untuk penelitian.
7. Bapak Eko Riyanto, selaku narasumber utama yang telah memberikan waktu bagi penulis untuk melakukan diskusi secara langsung tentang keadaan di Yayasan Amal Sholeh Sejahtera.
8. Sahabat seperjuangan, yaitu Julio Muhammad Rizki, Rizky Ramadhan, Muhammad Hanif Herlambang, Muhammad Fajri, yang selalu menemani penulis pada saat survei dan pengambilan data di Yayasan Amal Sholeh Sejahtera, dan selalu memberikan support yang tiada hentinya kepada penulis untuk menyelesaikan tugas akhir.
9. Kelompok belajar komplek Catalina, Anthony Nugraha, Louis Handry, Ghazian Fadhli Fakhrushy, Erikson Marbun yang telah bersama-sama mengerjakan skripsi dan selalu memberikan dukungan kepada penulis.
10. Malik Abdul Ghani selaku mentor penulis dalam mata kuliah pemrograman web, sehingga penulis dapat mengerjakan sistem ini dengan baik.
Semoga skripsi ini dapat bermanfaat, baik sebagai sumber informasi maupun sumber inspirasi bagi para pembaca, terutama mahasiswa Universitas Multimedia Nusantara.
Tangerang, 15 Juli 2019
Suluh Damar Grahita
RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN KLASIFIKASI FAKIR MISKIN SEBAGAI PENERIMA
ZAKAT MENGGUNAKAN ALGORITMA NAIVE BAYES
(STUDI KASUS: YAYASAN AMAL SHOLEH SEJAHTERA)
ABSTRAK
Kemiskinan merupakan masalah yang kompleks dan bersifat multidimensional sehingga menjadi prioritas pembangunan. Pada Maret 2018, secara nasional jumlah penduduk miskin tercatat sebesar 25,95 juta jiwa berdasarkan survei yang dilakukan oleh Badan Pusat Statistik. Beberapa kajian yang telah dilakukan mengungkapkan bahwa zakat terbukti mampu mengurangi jumlah dan persentase keluarga miskin, serta mengurangi kedalaman dan keparahan kemiskinan.
Meskipun dianggap sebagai terpenting dalam area ilmu ekonomi dan keuangan Islam, zakat belum menerima perhatian yang cukup dari kalangan intelektual muslim, padahal pada kenyataannya masih banyak kelemahan yang ada pada pengelolaan zakat. Yayasan Amal Sholeh Sejahtera adalah lembaga sosial yang mengelola zakat, infaq, sedekah serta dana sosial lainya. Salah satu kelemahan yang ada dalam pengelolaan zakat di Yayasan Amal Sholeh Sejahtera adalah dalam penentuan golongan fakir dan miskin untuk penyaluran zakat yang masih menggunakan metode hitung manual sehingga dapat mengakibatkan lamanya proses pemilihan penerima zakat, dan salah hitung sehingga hasil seleksi penerima zakat tidak akurat. Untuk mengatasi kendala tersebut, maka dibangunlah sistem pendukung keputusan klasifikasi fakir miskin sebagai penerima zakat menggunakan algoritma Naive Bayes. Sistem yang telah berhasil dibangun, dan diuji sehingga menghasilkan nilai presisi sebesar 94%, nilai recall sebesar 83%, nilai akurasi sebesar 88%, dan nilai F1 score sebesar 88%. Lalu dilakukan uji coba kelayakan sistem dan diyatakan sangat setuju jika sistem yang dibuat layak dan mampu memberikan rekomendasi yang tepat dengan persentase kelayakan sebesar 83%.
Kata kunci: Artificial Intelligence, Kemiskinan, Naive Bayes, Sistem Pendukung Keputusan, Zakat
DECISION SUPPORT SYSTEM FOR CLASSIFYING PEOPLE LIVING IN POVERTY AS A RECIPIENT OF ZAKAT
USING NAIVE BAYES ALGORITHM (CASE STUDIES: AMAL SHOLEH
SEJAHTERA FOUNDATION)
ABSTRACT
Poverty is a complex problem and is multidimensional in nature, so it becomes a goverment’s development priority. In March 2018, nationally the number of people living in poverty was recorded at 25.95 million people based on a survey conducted by Central Bureau of Statistics. Several studies that have been conducted reveal that zakat has been proven to reduce the number and percentage of poor families, and reduce the depth and severity of poverty. Although considered the most important in the area of Islamic economics and finance, zakat has not received sufficient attention from Muslim intellectuals, whereas in reality there are still many weaknesses in the management of zakat. Amal Sholeh Sejahtera Foundation is a social institutions that manage zakat, infaq, charity and other social funds. One of the weaknesses in the management of zakat at the Amal Sholeh Sejahtera Foundation is in determining the group of people for the distribution of zakat which still uses manual calculations methods so that it can lead to a long process of selecting zakat recipients, and miscalculations. To overcome this obstacle, a decision support system for the classification of people living in poverty as recipients of zakat was built using the Naive Bayes algorithm.
The system has been successfully built, and tested so as to produce a precision value of 94%, a recall value of 83%, an accuracy value of 88%, and an F1 score of 88%. Then a system feasibility trial was carried out and it was stated that they were very agree with the system that was made feasible and was able to provide appropriate recommendations with a 83% of feasibility score.
Keywords: Artificial Intelligence, Decision Support System, Naive Bayes, Poverty, Zakat
DAFTAR ISI
HALAMAN JUDUL ... i
HALAMAN PENGESAHAN ... ii
PERNYATAAN TIDAK MELAKUKAN PLAGIAT ... iii
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH... iv
KATA PENGANTAR ... v
ABSTRAK ... vii
ABSTRACT ... viii
DAFTAR ISI ... ix
DAFTAR TABEL ... xi
DAFTAR GAMBAR ... xii
DAFTAR RUMUS... xiv
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang Masalah ... 1
1.2 Rumusan Masalah ... 4
1.3 Batasan Masalah ... 5
1.4 Tujuan Penelitian ... 5
1.5 Manfaat Penelitian ... 6
1.6 Sistematika Penulisan ... 6
BAB II LANDASAN TEORI ... 8
2.1 Zakat ... 8
2.1.1 Golongan Penerima Zakat ... 8
2.2 Kriteria Fakir dan Miskin... 10
2.2.1 Definisi ... 10
2.2.2 Kriteria Fakir Miskin Menurut Regulasi ... 10
2.2.3 Kemiskinan Menurut Badan Pusat Statistik (BPS)... 11
2.3 Machine Learning ... 13
2.4 Supervised Learning ... 14
2.5 Algoritma Naive Bayes Classifier ... 16
2.6 Confusion Matrix ... 18
2.7 Skala Likert ... 20
2.8 DeLone dan McLean Information System Success Model... 21
BAB III METODOLOGI DAN PERANCANGAN SISTEM ... 25
3.1 Metodologi ... 25
3.2 Variabel Penelitian ... 27
3.3 Teknik Pengumpulan Data ... 27
3.4 Perancangan Sistem ... 27
3.4.1 Data Flow Diagram (DFD) ... 28
3.4.2 Sitemap ... 34
3.4.3 Flowchart Diagram ... 35
3.4.4 Struktur Tabel ... 48
3.4.5 Rancangan Antarmuka Front-end ... 50
3.4.6 Rancangan Antar Muka Back-end ... 55
4.1 Spesifikasi Perangkat ... 64
4.2 Implementasi Sistem ... 65
4.2.1 Tampilan Halaman Front-end ... 65
4.2.2 Tampilan Halaman Back-end ... 71
4.2.3 Implementasi Algoritma Naive Bayes ... 78
4.2.4 Uji Coba Skenario ... 82
4.3 Hasil Pengujian dengan Confusion Matrix ... 86
4.4 Hasil Evaluasi Rancang Bangun Aplikasi ... 88
BAB V SIMPULAN DAN SARAN ... 101
5.1 Simpulan ... 101
5.2 Saran ... 101
DAFTAR PUSTAKA ... 103
DAFTAR LAMPIRAN ... 106
DAFTAR TABEL
Tabel 2.1 Confusion Matrix (Asch, 2013) ... 19
Tabel 2.2 Interval dan Nilai Skala Likert Lima Tingkat (Sugiyono, 2012) ... 21
Tabel 2.3 Daftar Pertanyaan Kuesioner (Hendrix, 2017) ... 193
Tabel 2.4 Daftar Pertanyaan Kuesioner Lanjutan (Hendrix, 2017) ... 214
Tabel 3.1 Struktur Tabel users ... 48
Tabel 3.2 Struktur Tabel data_latih ... 49
Tabel 3.3 Struktur Tabel data_uji... 49
Tabel 3.4 Struktur Tabel surat_pengunjung ... 50
Tabel 4.1 Hasil Tabel Confussion Matrix ... 87
Tabel 4.2 Daftar Pertanyaan Kuesioner ... 89
DAFTAR GAMBAR
Gambar 2.1 Supervised learning (Putra, 2018). ... 15
Gambar 2.2 Supervised learning framework (Putra, 2018). ... 16
Gambar 2.3 DeLone dan McLean Information System Success Model (Sirsat & Sirsat, 2016) ... 23
Gambar 3.1 Diagram Konteks SPK Zakat ... 29
Gambar 3.2 DFD Level 0 ... 30
Gambar 3.3 DFD Level 1 Proses Data Latih ... 31
Gambar 3.4 DFD Level 1 Proses Pemilihan Zakat ... 32
Gambar 3.5 DFD Level 1 Proses Message ... 33
Gambar 3.6 Sitemap Diagram ... 35
Gambar 3.7 Flowchart SPK Zakat ... 36
Gambar 3.8 Flowchart Pemilihan Zakat ... 37
Gambar 3.9 Flowchart Proses Perhitungan Algoritma Naive Bayes Classifier .... 38
Gambar 3.10 Flowchart Login Back End ... 39
Gambar 3.11 Flowchart Utama Backend ... 40
Gambar 3.12 Flowchart Data Uji ... 41
Gambar 3.13 Flowchart Tambah Data Uji ... 42
Gambar 3.14 Flowchart Data Latih ... 43
Gambar 3.15 Flowchart List Data Latih ... 44
Gambar 3.16 Flowchart Surat Pengunjung ... 45
Gambar 3.17 Flowchart Menu Admin ... 46
Gambar 3.18 Flowchart Update Admin ... 47
Gambar 3.19 Rancangan Homepage Sistem ... 51
Gambar 3.20 Rancangan Halaman Tentang Pembuat... 52
Gambar 3.21 Rancangan Halaman Panduan ... 53
Gambar 3.22 Rancangan Halaman Form Kriteria Pemilihan Penerima Zakat ... 54
Gambar 3.23 Rancangan Halaman Hasil Perhitungan ... 55
Gambar 3.24 Rancangan Login Back-end ... 56
Gambar 3.25 Rancangan Halaman Dashboard ... 56
Gambar 3.26 Rancangan Input Data Uji ... 57
Gambar 3.27 Rancangan Halaman Submit Data Uji ... 58
Gambar 3.28 Rancangan Halaman List Data Uji ... 59
Gambar 3.29 Rancangan Halaman Input Data Latih ... 60
Gambar 3.30 Rancangan Halaman List Data Latih ... 60
Gambar 3.31 Rancangan Halaman List Surat ... 61
Gambar 3.32 Rancangan Halaman Tambah Admin ... 62
Gambar 3.33 Rancangan Halaman List Admin ... 62
Gambar 3.34 Rancangan Halaman Update Admin ... 63
Gambar 4.1 Tampilan Home Page Sistem ... 66
Gambar 4.2 Tampilan Halaman Tentang Kami ... 67
Gambar 4.3 Tampilan Halaman Panduan ... 68
Gambar 4.4 Tampilan Halaman Form Kriteria Pemilihan Penerima Zakat ... 69
Gambar 4.5 Tampilan Halaman Hasil Perhitungan ... 70
Gambar 4.6 Tampilan Login Back-end ... 71
Gambar 4.7 Tampilan Halaman Dashboard ... 71
Gambar 4.8 Tampilan Input Data Uji ... 72
Gambar 4.9 Tampilan Halaman Submit Data Uji ... 73
Gambar 4.10 Tampilan Halaman List Data Uji ... 74
Gambar 4.11 Tampilan Halaman Input Data Latih ... 74
Gambar 4.12 Tampilan Halaman List Data Latih ... 75
Gambar 4.13 Tampilan Halaman Tambah Admin ... 76
Gambar 4.14 Tampilan Halaman List Admin ... 77
Gambar 4.15 Tampilan Halaman Update Admin ... 77
Gambar 4.16 Potongan kode Input Pengguna di Controller ... 78
Gambar 4.17 Potongan Kode Retrieve Data Status Ya dan Tidak ... 78
Gambar 4.18 Potongan kode perhitungan untuk mendapatkan P(Ci) ... 79
Gambar 4.19 Potongan Kode Retrieve Data Input Ya dan Tidak ... 80
Gambar 4.20 Potongan Kode Probabilitas Keadaan Tiap Kelas... 81
Gambar 4.21 Potongan Kode Perhitungan Likelihood ... 82
Gambar 4.22 Potongan Kode Penentuan Status ... 82
Gambar 4.23 Gambar Hasil Uji Coba Sistem ... 86
Gambar 4.24 Rekapitulasi Pertanyaan Pertama ... 91
Gambar 4.25 Rekapitulasi Pertanyaan Kedua ... 91
Gambar 4.26 Rekapitulasi Pertanyaan Ketiga ... 92
Gambar 4.27 Rekapitulasi Pertanyaan Ke Empat ... 93
Gambar 4.28 Rekapitulasi Pertanyaan Ke Lima ... 94
Gambar 4.29 Rekapitulasi Pertanyaan Ke Enam ... 95
Gambar 4.30 Rekapitulasi Pertanyaan Ke Sembilan ... 95
Gambar 4.31 Rekapitulasi Pertanyaan Ke Delapan ... 97
Gambar 4.32 Rekapitulasi Pertanyaan Ke Tujuh ... 98
Gambar 4.33 Rekapitulasi Pertanyaan Ke Sepuluh ... 99
DAFTAR RUMUS
Rumus 2.1 Persamaan Teorema Bayes ... 17
Rumus 2.2 Perhitungan Probabilitas Naïve Bayes ... 18
Rumus 2.3 Menghitung Probabilitas Akhir Naïve Bayes ... 18
Rumus 2.4 Rumus Perhitungan Precision ... 19
Rumus 2.5 Rumus Perhitungan Recall... 20
Rumus 2.6 Rumus Perhitungan Accuracy ... 20
Rumus 2.7 Rumus Perhitungan f1-score ... 20
Rumus 2.8 Perhitungan Skor Skala Likert ... 21
