Identifikasi Keterkaitan Variabel dan Prediksi Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat Menggunakan Dynamic Bayesian Networks
Abstract: 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.
Penulis: Betha Nurina Sari, Priati
Priati
Kode Jurnal: jptlisetrodd160364
