Indeks pendidikan merupakan komponen penting dalam memahami dinamika perkembangan sektor Pendidikan di suatu daerah. indeks pendidikan memberikan gambaran mengenai tingkat pencapaian kualitas pendidikan di daerah tersebut, sehingga pengklasifikasian indeks pendidikan mampu memberi pemahaman dini mengenai kualitas pendidikan Provinsi Jawa Barat pada saat ini dan di masa yang akan datang. Penelitian ini menggunakan metode Deep Neural Network (DNN) dengan pendekatan ekspansi fitur berbasis waktu untuk mengklasifikasikan indeks pendidikan di 27 kabupaten/kota di Provinsi Bandung. Indikator yang dianalisis meliputi angka partisipasi sekolah berdasarkan kelompok usia (7-12, 13-15, 16-18, dan 19-24 tahun), rata-rata lama sekolah, harapan lama sekolah, pendapatan per kapita, dan jumlah penduduk, dimana data yang digunakan menggunakan data historis periode 2011-2022. Model DNN yang dikembangkan memanfaatkan beberapa hidden layer dengan fungsi aktivasi ReLU dan dropout layer untuk mengoptimalkan performa. Pendekatan ekspansi fitur berbasis waktu diterapkan untuk menangkap pola temporal dari data historis, sehingga meningkatkan akurasi klasifikasi. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan tren indeks pendidikan ke dalam kategori rendah, sedang, dan tinggi dengan tingkat akurasi yang signifikan. Penelitian ini menghasilkan peta prioritas prediksi indeks pendidikan per wilayah. Model yang dikembangkan dapat digunakan sebagai alat pendukung keputusan bagi pemerintah daerah serta pihak terkait untuk mengidentifikasi dan mengantisipasi perubahan tren indeks pendidikan, sehingga memungkinkan perumusan kebijakan yang responsif dan strategis dalam meningkatkan kualitas pendidikan di Provinsi Jawa Barat.