ABSTRAK Nama : Astri Hijratul Rakhmah Program Studi : Magister Ilmu Komputer Judul : Pembelajaran Struktur dan Interval Temporal Bayesian Network (TBN) untuk Memprediksi Kausalitas dan Relasi pada Data Pasien Diabetes Pembelajaran Struktur merupakan suatu tahapan dalam Bayesian Network untuk menemukan model. Model yang terbentuk dari pembelajaran struktur merupakan visualisasi yang merepresentasikan kausalitas dan relasi antar variabel dalam sebuah dataset. Pada penelitian ini digunakan data pasien Diabetes Tipe 2 sebagai obyek yang akan diprediksi kausalitas dan relasi antar variabelnya. Kemudian pembelajaran interval Temporal Bayesian Network juga diterapkan untuk memperoleh interval yang dapat memetakan rentang nilai pada salah satu variabel dalam data. Pada saat penelitian ini dilakukan penulis mengtahui bahwa metode Temporal Bayesian Network tidak cocok untuk diterapkan pada dataset yang dipilih. Tetapi penulis tetap menggunakan metode tersebut untuk mengetahui seberapa akurat kausalitas dan relasi antar variabel yang dapat diprediksi, kemudian sebagai metode pembanding, penulis memilih metode Static Bayesian Network (Bayesian Network). Untuk memperoleh model dan interval yang baik, evaluasi terhadap model dan interval yang diperoleh dari pembelajaran interval dievaluasi menggunakan perhitungan Brier Score. Model terbaik akan diuji dan dievaluasi menggunakan 3 perhitungan, yaitu Relative Brier Score, Relative Temporal Error dan jumlah total interval. Dari hasil pengujian model menggunakan metode pertama diperoleh nilai RBS sebesar 49%, RTE 0.0935 dan total jumlah interval adalah sebanyak 2 interval. Kemudian hasil pengujian model pada eksperimen pembanding memperoleh nilai RBS sebesar 43%.