PENERAPAN RANDOM FOREST DALAM PENENTUAN PENERIMA ZAKAT (STUDI KASUS BAZNAS KOTA BANDUNG)

Penyaluran zakat yang tepat sasaran merupakan faktor penting dalam meningkatkan efektivitas lembaga zakat di Indonesia. Saat ini, proses identifikasi mustahik sering dilakukan secara manual, sehingga berpotensi menimbulkan keterlambatan dan ketidakefisienan dalam distribusi dana zakat. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan penerima zakat berbasis algoritma Random Forest guna membantu Badan Amil Zakat Nasional (BAZNAS) Kota Bandung dalam menentukan calon mustahik secara objektif dan akurat. Data yang digunakan meliputi informasi sosial ekonomi keluarga mustahik, yang diklasifikasikan berdasarkan ketentuan syariat melalui perhitungan Had Kifayah. Model dibangun menggunakan algoritma Random Forest dan dievaluasi dengan metode K-Fold Cross Validation untuk mengukur kinerja sistem. Hasil pengujian menunjukkan bahwa sistem mampu mencapai akurasi rata-rata sebesar 91,86% dengan nilai recall 92,07%. Tingginya nilai recall menunjukkan bahwa sistem dapat secara efektif mendeteksi keluarga yang benar-benar berhak menerima zakat, sehingga mengurangi risiko mustahik layak terlewat. Keunggulan penelitian ini terletak pada integrasi metode pembelajaran mesin dengan pendekatan syariat, sehingga hasil yang diperoleh tidak hanya kuat secara teknis tetapi juga sahih secara normatif. Penelitian ini masih terbatas pada dataset berukuran kecil dari satu lembaga, sehingga generalisasi hasil perlu pengujian lebih lanjut. Meskipun demikian, penelitian ini membuktikan bahwa penerapan algoritma Random Forest dapat menjadi solusi praktis dan andal untuk membantu lembaga zakat menyalurkan dana secara lebih tepat sasaran dan efisien, sekaligus mendukung pengambilan keputusan berbasis data.