Analisis Zakat Produktif Dalam Mengikuti Perkembangan Teknologi Internet Di Era 4.0 Terhadap Pertumbuhan Perekonomian Indonesia

Authors

  • Azifatul Hannah Fakultas Agama Islam, Program Studi Perbankan Syariah, Universitas Muhammadiyah Sidoarjo, Sidoarjo
  • Lukita Nova Azzara lukitanovazz@gmail.com
  • Fitri Nur Latifah Fakultas Agama Islam, Program Studi Perbankan Syariah, Universitas Muhammadiyah Sidoarjo, Sidoarjo

DOI:

https://doi.org/10.56854/jsshr.v2i1.222

Keywords:

Zakat, Zakat Produktif, Perkembangan Teknologi, Pertumbuhan Ekonomi

Abstract

Pada September 2021, Badan Pusat Statiska mencatat terdapat 26,50 orang hidup dalam garis kemiskinan di Indonesia atau sama dengan 9,71% dari jumlah penduduk negara. (Badan Pusat Statiska 2022). Indonesia sebagai bangsa dengan pemeluk agama islam terbanyak di dunia dengan menjadikan islam sebagai solusi atas persoalan-persoalam ekonomi yang berhubungan dengan kesejahteraan umat, dengan menyalurkan zakat menurut aturan yang ditetapkan oleh negara dan diatur oleh agama. Di era perkembengan teknologi yang semakin maju dengan berbagai inovasi untuk memudahkan penghimpunan dana zakat dari masyarakat muslim di sebuah negara dengan mayoritas beragama islam. Zakat merupakan perintah agama, sehingga menunaikannya merupakan kewajiban bagi orang yang beragama islam. Dalam perkembangan teknlogi 4.0 saat ini yang serbah canggih, penggunaan gadget sudah menjadi hal yang lumrah bagi generasi milineal indonesia, terutama generasi milenial mapan dan kelas menengah yang berpikiran terbuka dan mudah beradaptasi dengan perubahan. Edukasi zakat untuk generasi milenial sangat diperlukan untuk meningkatkan kesadaran akan manfaat aplikasi zakat berbasis teknologi sebagai alternatif pemanfaatan.

References

Adiwijaya, A. M. (2017). A comparative study of MFCC-KNN and LPC-KNN for hijaiyyah letters pronounciation classification system. Information and Communication Technology (ICoIC7), (pp. 1-5).

Adriana, I. A. (2007). Penalaran Komputer Berbasis Kasus (Case Based Reasoning). Yogyakarta: Ardana Media.

Al-Kabi, M. N., Kanaan, G., Al-Shalabi, R., Al-Sinjilawi, S., & Al-Mustafa, R. (2005). Al-Hadith Text Classifier. Journal of Applied Sciences 5, 584-587.

all, R. D. (2012). Telinga Hidung Tenggorok Kepala dan Leher edisi ketujuh. Jakarta: FK UI.

Andina Kusumaningrum, Said Al-Faraby, & Adiwijaya. (2017). Klasifikasi Informasi, Anjuran dan Larangan pada Hadits Shahih Bukhari menggunakan Metode Support Vector Machine. e-Proceeding of Engineering, 5014.

Asriyanti Indah Pratiwi, & Adiwijaya. (2018). On the Feature Selection and Classification Based on Information Gain for Document Sentiment Analysis. Applied Computational Intelligence and Soft Computing, 2018, 5. doi:https://doi.org/10.1155/2018/1407817

Desiani, A., & Arhami, M. (2006). Konsep Kecerdasan Buatan (1 ed.). (D. Hardjono, Penyunt.) Yogyakarta, Indonesia: Penerbit ANDI.

Desiani, A., & Arhami, M. (2006). Konsep Kecerdasan Buatan (1 ed.). (D. Hardjono, Penyunt.) Yogyakarta, Indonesia: Penerbit ANDI.

Eliza Riviera Rachmawati Jasin, Said Al-Faraby, & Adiwijaya. (2017). Klasifikasi Anjuran, Larangan dan Informasi pada Hadis Sahih Al-Bukhari. e-Proceeding of Engineering, 4683.

Faza Akmal, S. W. (Februari 2014). SISTEM PPAKAR UNTUK MENDIAGNOSA PENYAKIT LAMBUNG DENGAN IMPLEMENTASI METODE CBR (CASE BASED REASONING) BERBASIS WEB. Jurnal Sarjana Teknik Informatika, 2 (1).

Harrag, F., & El-Qawasmah, E. (2009). Neural Network for Arabic Text Classification. 2009 Second International Conference on the Applications of Digital Information and Web Technologies, 778-783.

Haza Nuzly Abdull Hamed, Siti Mariyam Shamsuddin, & Naomie Salim. (2008). Particle Swarm Optimization For Neural Network Learning Enchancement. Jurnal Teknologi, 13-26.

Kusrini. (2006). Sistem Pakar Teori dan Aplikasi (1 ed.). (f. Suyantoro, Penyunt.) Yogyakarta, Indonesia: Penerbit ANDI.

M.L. Zhang, & Z. H. Zhou. (2006). Multilabel neural networks with applications to functional genomics and text. IEEE transactions on Knowledge and Data Engineering, 1338-1351.

Nurcahyo, S. a. (2014). Rainfall Prediction in Kemayoran Jakarta Using Hybrid Genetic Algorithm (GA) and Partially Connected Feedforward Neural Network (PCFNN). Information and Communication Technology (ICoICT), (pp. 166-171).

Raharjo, J. S. (2013). Model Artificial Neural Network berbasis Particle Swarm Optimization untuk Prediksi Laju Inflasi. Sistem Komputer.

Reynaldi Ananda Pane, M. S. (2018). A Multi-lable Classification on Topics of Quranic Verses in English Translation using Multinomial Naive Bayes. 6th International Conference on Information and Communication Technology (ICoICT).

T.Sutojo, E. M. (2011). Kecerdasan Buatan. Yogyakarta: Andi.

Downloads

Published

2023-08-24

Issue

Section

Artikel