184 APLIKASI KORELASI PEARSON DALAM MEMBANGUN MODEL TREE-AUGMENTED NETWORK (TAN) (Studi Kasus Pengenalan Karakter Tulisan Tangan) Irwan Budi Santoso Jurusan Teknik Informatika, Sains dan Teknologi Universitas Islam Negeri (UIN) Maulana Malik Ibrahim Malang irwan.budi331177@gmail.com Abstrak- Langkah pertama dalam membangun model pengenalan Tree-Augmented Network (TAN) dengan mengukur besarnya hubungan diantara pasangan fitur objek. Salah satu metode yang dapat digunakan mengukur besarnya keeratan hubungan secara linier diantara pasangan fitur adalah Korelasi Pearson. Aplikasi Korelasi Pearson dalam membangun model Tree-Augmented Network (TAN) dalam penelitian ini, akan diujicobakan pada kasus membangun model pengenalan karakter tulisan tangan. Data fitur karakter tulisan tangan untuk kasus ini, diasumsikan mengikuti distribusi gaussian karena estimasi parameter model pengenalannya menggunakan estimator Maximum Likelihood (ML). Hasil eksperimen dengan menggunakan data training yang terdiri dari 5 jenis karakter tulisan tangan, menunjukkan untuk dimensi fitur karakter tulisan tangan 10x30 (30 fitur), akurasi sistem Korelasi Pearson dalam membangun model TAN untuk mengenali karakter tulisan tangan sebesar 88 %. Kata Kunci : Korelasi Pearson, Tree-Augmented Network, Karakter Tulisan Tangan, Maximum Likelihood 1. Pendahuluan Salah satu tujuan utama dalam pengembangan metode pengenalan adalah untuk mendapatkan atau meningkatkan akurasi dalam pengenalan. Akurasi suatu metode dalam melakukan pengenalan sangat dipengaruhi oleh seberapa baik model yang dihasilkan metode tersebut dan seberapa baik estimator yang digunakan. Tree-Augmented Network (TAN) adalah salah satu model pengenalan yang secara konsep dibangun dengan memperhatikan hubungan atau dependensi diantara pasangan fitur-fitur objek (Irwan, 2012) dan Maximum Likelihood (ML) adalah salah satu estimator model yang sering digunakan. Secara konsep keberhasilan dalam meningkatkan akurasi sistem atau pengenalan suatu objek tergantung dari dua hal yaitu metode yang digunakan dalam membangun model pengenalan serta estimator model yang digunakan. Dalam penelitian ini, akan dicoba membahas bagaimana aplikasi motode Korelasi Pearson dalam membangun model TAN. Model Tree-Augmented Network (TAN) adalah model pengenalan atau klasifikasi yang secara teori dibangun dengan memperhatikan hubungan atau dependensi diantara pasangan fitur objek, sehingga salah satu tahapan penting dalam membangun model pengenalan ini adalah dengan mengukur besarnya hubungan diantara pasangan fitur objek. Pada penelitian ini, akan diaplikasikan metode Korelasi Pearson untuk mengukur keeratan hubungan secara linier diantara pasangan fitur objek sebagai tahapan dalam membangun model TAN serta seberapa besar tingkat akuasi sistem yang dihasilkannya. 2. Korelasi Pearson Korelasi Pearson digunakan untuk mengetahui tingkat atau keeratan hubungan secara linier antara dua variabel