SISTEM REKOMENDASI MUSIK PADA SPOTIFY BERDASARKAN SUASANA HATI DAN UMUR MENGGUNAKAN METODE K-MEANS

Nurdin, Wahyudin Nurdin (2024) SISTEM REKOMENDASI MUSIK PADA SPOTIFY BERDASARKAN SUASANA HATI DAN UMUR MENGGUNAKAN METODE K-MEANS. Sarjana thesis, Universitan Khairun.

	Text COVER.pdf - Published Version Download (148kB)
	Text ABSTRAK.pdf - Published Version Download (152kB)
	Text BAB I.pdf - Published Version Download (130kB)
	Text DAFTAR PUSTAKA.pdf - Published Version Download (148kB)
	Text SKRIPSI_WAHYUDIN NURDIN_07352011027.pdf - Published Version Download (6MB)

Abstract

Dalam era digital saat ini, layanan streaming musik seperti Spotify telah menjadi bagian penting dari kehidupan sehari-hari, menyediakan akses tak terbatas ke berbagai pilihan musik. Namun, tantangan utama yang dihadapi oleh pengguna adalah menemukan trek yang sesuai dengan suasana hati dan preferensi usia mereka dari katalog yang luas ini. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi musik yang dapat memberikan rekomendasi lebih tepat berdasarkan suasana hati dan usia pengguna menggunakan metode K-Means clustering. Skripsi ini menggunakan data dari Spotify API, melibatkan proses pengelompokan lagu berdasarkan karakteristik musik yang relevan dengan suasana hati dan usia pengguna. Melalui penerapan teknik unsupervised learning, sistem ini mampu menawarkan rekomendasi yang lebih personal dan relevan. Pengujian kualitas cluster dilakukan menggunakan Silhouette Coefficient untuk mengevaluasi efektivitas pengelompokan. Hasil penelitian menunjukkan bahwa sistem rekomendasi yang dikembangkan berhasil meningkatkan relevansi rekomendasi lagu dengan keakuratan yang signifikan. Penelitian ini tidak hanya mengkonfirmasi keefektifan penerapan K-Means dalam sistem rekomendasi musik tetapi juga memperluas potensi aplikasi metode machine learning dalam memahami preferensi pengguna dalam konteks musik. Kata Kunci: Spotify, Rekomendasi Musik, K-Means Clustering, Suasana Hati, Usia, Silhouette Coefficient

Actions (login required)

View Item