<![CDATA[Indeks Desa Membangun (IDM) berperan sebagai ukuran komposit utama dalam menilai tingkat kemajuan dan kemandirian desa. Walaupun pemanfaatan machine learning dalam analisis IDM telah banyak dilakukan, penelitian yang secara khusus menitikberatkan pada penentuan variabel paling berpengaruh melalui perbandingan beberapa model regresi masih relatif terbatas, terutama yang mengadopsi seleksi fitur berbasis Mutual Information untuk merepresentasikan hubungan nonlinier antarvariabel. Penelitian ini bertujuan mengidentifikasi faktor dominan yang memengaruhi IDM sekaligus mengevaluasi kinerja LASSO Regression, Elastic-Net Regression, dan Random Forest Regression. Pendekatan kuantitatif diterapkan dengan menggunakan data sekunder Pendataan Potensi Desa (PODES) dan nilai IDM tahun 2024 pada wilayah Provinsi Nusa Tenggara Barat. Prosedur penelitian mencakup tahap pra-pemrosesan data, seleksi fitur menggunakan Mutual Information, pemodelan regresi, serta pengukuran kinerja model berdasarkan MSE, RMSE, dan R². Hasil analisis menunjukkan bahwa LASSO Regression menghasilkan performa paling optimal dengan nilai MSE 0,003349, RMSE 0,057871, dan R² 0,343602, yang menunjukkan bahwa variasi IDM lebih konsisten dijelaskan oleh model dengan kompleksitas yang terkontrol. Sepuluh variabel utama yang terpilih merepresentasikan dimensi sosial, ekonomi, dan lingkungan, menegaskan bahwa pembangunan desa bersifat multidimensional. Temuan ini memberikan landasan empiris berbasis data untuk mendukung perumusan kebijakan pembangunan desa yang lebih tepat sasaran.]]>
