bahasa indonesia

Pengelolaan dan perencanaan penghimpunan dana zakat, infak, dan sedekah memerlukan estimasi jumlah donasi yang akurat agar proses pengelolaan dana dapat dilakukan secara lebih efektif. Penelitian ini bertujuan memprediksi jumlah donasi pada Badan Amil Zakat Nasional (BAZNAS) Kalimantan Barat sebagai dasar pendukung perencanaan penghimpunan dan penyaluran dana. Penelitian menggunakan data historis donasi harian periode Januari 2020 hingga Mei 2025 yang diperoleh dari BAZNAS Kalimantan Barat, dengan total 1.978 catatan observasi. Metode penelitian menggunakan regresi linier berganda dengan tahapan preprocessing data, meliputi penghapusan data duplikasi dan outlier, normalisasi data, serta pembagian data menjadi data latih dan data uji dengan rasio 80:20. Kinerja model dievaluasi menggunakan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model regresi linier berganda menghasilkan nilai MAPE sebesar 5,38%, yang menunjukkan tingkat akurasi prediksi yang baik. Meskipun demikian, model masih menunjukkan deviasi pada beberapa nilai donasi dengan nominal sangat besar. Hasil prediksi selanjutnya diimplementasikan dalam aplikasi berbasis web untuk mendukung visualisasi dan pemanfaatan hasil prediksi. Penelitian ini menunjukkan bahwa model regresi linier berganda dapat digunakan sebagai salah satu pendekatan untuk mendukung perencanaan penghimpunan dana serta meningkatkan efektivitas dan transparansi pengelolaan donasi di BAZNAS Kalimantan Barat.

Authors

Institutions

Publication Details

Journal
Jurnal Media Informatika
Published
2026-11-17
DOI
https://doi.org/10.55338/jumin.v7i5.8438
Primary Topic
Data Mining and Machine Learning Applications
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
NOV
article

bahasa indonesia

Sucipto Sucipto, Candra Wijaya, Syarifah Putri Agustini Alkadri
Jurnal Media Informatika
Data Mining and Machine Learning Applications
article

bahasa indonesia

Sucipto Sucipto, Candra Wijaya, Syarifah Putri Agustini Alkadri
article en

Abstract

Pengelolaan dan perencanaan penghimpunan dana zakat, infak, dan sedekah memerlukan estimasi jumlah donasi yang akurat agar proses pengelolaan dana dapat dilakukan secara lebih efektif. Penelitian ini bertujuan memprediksi jumlah donasi pada Badan Amil Zakat Nasional (BAZNAS) Kalimantan Barat sebagai dasar pendukung perencanaan penghimpunan dan penyaluran dana. Penelitian menggunakan data historis donasi harian periode Januari 2020 hingga Mei 2025 yang diperoleh dari BAZNAS Kalimantan Barat, dengan total 1.978 catatan observasi. Metode penelitian menggunakan regresi linier berganda dengan tahapan preprocessing data, meliputi penghapusan data duplikasi dan outlier, normalisasi data, serta pembagian data menjadi data latih dan data uji dengan rasio 80:20. Kinerja model dievaluasi menggunakan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model regresi linier berganda menghasilkan nilai MAPE sebesar 5,38%, yang menunjukkan tingkat akurasi prediksi yang baik. Meskipun demikian, model masih menunjukkan deviasi pada beberapa nilai donasi dengan nominal sangat besar. Hasil prediksi selanjutnya diimplementasikan dalam aplikasi berbasis web untuk mendukung visualisasi dan pemanfaatan hasil prediksi. Penelitian ini menunjukkan bahwa model regresi linier berganda dapat digunakan sebagai salah satu pendekatan untuk mendukung perencanaan penghimpunan dana serta meningkatkan efektivitas dan transparansi pengelolaan donasi di BAZNAS Kalimantan Barat.

Jurnal Media Informatika
Universitas Muhammadiyah Pontianak (ID)
Data Mining and Machine Learning Applications
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.

Laika access coming soon