ABSTRAK Nama : Betha Nurina Sari Program Studi : Ilmu Komputer Judul : Identifikasi Keterkaitan Variabel dan Prediksi Hasil Pengobatan Penyakit Tuberkulosis Berdasarkan Struktur Dynamic Bayesian Networks Indonesia menempati peringkat ke-4 di dunia sebagai negara dengan kasus tuberkulosis terbanyak, setelah India, China, dan Afrika Selatan (WHO,2012). Upaya yang dilakukan untuk mengendalikan kasus tuberkulosis adalah menerapkan strategi pengobatan Direct Observed Treatment Shortcourse (DOTS) dalam waktu 6-9 bulan. Membangun sebuah model agar dapat memprediksi hasil pengobatan tuberkulosis sangat dibutuhkan untuk membantu para tenaga medis untuk mensupervisi setiap pasien berdasarkan kondisinya dan status resikonya. Penelitian ini menggunakan metode dynamic bayesian networks. Metode dynamic bayesian networks juga digunakan untuk mengidentifikasi independensi variabel pada penyakit tuberkulosis. Dalam penelitian 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 dan menghitung logarithma loss.Tingkat akurasi struktur graf dalam memprediksi hasil pengobatan tuberkulosis sebesar 76,47% pada eksperimen 1 dan 100% pada eksperimen 2. Hal ini menunjukkan bahwa struktur graf yang terbangun dapat digunakan untuk model dalam mengidentifikasi keterkaitan variabel dalam data pengobatan TB. Selain itu, identifikasi hubungan variabel hasil pengobatan tuberkulosis dengan variabel data yang lain bersifat dependen atau indepeden dapat dilakukan melalui struktur dynamic bayesian networks dengan menggunakan algoritma d-separation.