Identifikasi Keterkaitan Variabel dan Prediksi Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat Menggunakan Dynamic Bayesian Networks

Indeks Pembangunan Manusia (IPM) merupakan gambaran komprehensif mengenai tingkat pencapaian pembangunan manusia di suatu daerah, sebagai dampak dari kegiatan pembangunan yang dilakukan di daerah tersebut. Membangun sebuah model prediksi tingkat IPM sangat dibutuhkan untuk mengetahui faktor-faktor apa saja yang berpengaruh dominan dan dijadikan sasaran fokus pengembangan dan perbaikan di daerah untuk dapat meningkatkan IPM. Penelitian ini menggunakan metode Dynamic Bayesian Networks untuk prediksi dan pemodelan suatu sistem yang dilengkapi dengan visualisasi berupa graf. Pada penelitian ini software CaMML versi 1.4.1 digunakan untuk membangun struktur graf Dynamic Bayesian Networks dan package Netica J-API yang berbasis Java untuk memvisualisasikan serta evaluasi graf. Evaluasi dilakukan dengan mengukur nilai akurasi dengan membentuk matriks konfusi. Eksperimen menggunakan 75% data latih dan 25% data uji pada prediksi tiga kategori tingkat IPM menunjukkan hasil yang terbaik, yaitu dapat memprediksi dengan akurasi sebesar 88,461%. Identifikasi keterkaitan variabel diketahui dengan memperhatikan struktur graf Dynamic Bayesian Networks. Struktur graf Dynamic Bayesian Networks yang terbangun bisa dijadikan model prediksi di mana dapat memberikan rekomendasi faktor utama apa yang perlu diperhatikan untuk meningkatkan kategori tingkat IPM di kab/kota yang ada di provinsi Jawa Barat, yaitu faktor pendidikan, faktor kependudukan, dan faktor kesehatan.