KLASTERISASI LAGU PADA PLATFORM SPOTIFY BERDASARKAN FITUR AUDIO MENGGUNAKAN ALGORITMA K-MEANS DAN K-MEANS++

Safitri, Ramadanti Indah (2025) KLASTERISASI LAGU PADA PLATFORM SPOTIFY BERDASARKAN FITUR AUDIO MENGGUNAKAN ALGORITMA K-MEANS DAN K-MEANS++. Bachelor thesis, Universitas Nasional.

	Text 1. Cover.pdf Download (2MB)
	Text 2. BAB I.pdf Download (314kB)
	Text 3. BAB II.pdf Download (591kB)
	Text 4. BAB III.pdf Download (648kB)
	Text 5. BAB IV.pdf Download (1MB)
	Text 6. BAB V.pdf Download (215kB)
	Text 7. Lampiran.pdf Download (416kB)

Abstract

Perkembangan teknologi telah mengubah cara pengguna menikmati musik,
dengan platform seperti Spotify menyediakan jutaan lagu dari berbagai genre.
Namun, dengan jumlah lagu yang sangat besar, pengelompokan lagu berdasarkan
karakteristik audio menjadi tantangan tersendiri. Penelitian ini bertujuan untuk
mengelompokkan lagu-lagu di Spotify berdasarkan fitur audio menggunakan
algoritma K-Means dan K-Means++. Dataset yang digunakan mencakup atribut
seperti danceability, energy, valence, tempo, loudness, speechiness,
instrumentalness, acousticness, dan liveness. Metode klasterisasi K-Means dan KMeans++ diterapkan untuk membagi lagu ke dalam tiga klaster utama, berdasarkan
hasil Elbow Method. Lalu kluster dilabeli dengan Energik, Mellow, dan Ceria
berdasarkan analisis hasil rata-rata pada tiap cluster. Evaluasi menggunakan
Silhouette Score menunjukkan bahwa K-Means++ menghasilkan klasterisasi yang
lebih optimal dibandingkan K-Means, dengan nilai 0.32246467825287023. Klaster
Energik menjadi kelompok terbesar (56.5%), diikuti oleh Mellow (24.3%) dan
Ceria (19.2%). Visualisasi menunjukkan pemisahan klaster yang cukup jelas,
meskipun terdapat sedikit tumpang tindih antara klaster Ceria dan Energik.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Users 30 not found.
Date Deposited:	19 Jun 2025 07:44
Last Modified:	20 Jun 2025 08:11
URI:	https://repository.unas.ac.id/id/eprint/13039

Actions (login required)

View Item