PERSONALISASI DAFTAR PUTAR MUSIK MENGGUNAKAN ANALISIS KLASTERISASI FITUR AUDIO SPOTIFY

Ajizah, Qurothu Aini (2026) PERSONALISASI DAFTAR PUTAR MUSIK MENGGUNAKAN ANALISIS KLASTERISASI FITUR AUDIO SPOTIFY. Diploma thesis, Universitas Nasional.

	Text Cover.pdf Download (796kB)
	Text BAB 1.pdf Download (339kB)
	Text BAB 2.pdf Download (470kB)
	Text BAB 3.pdf Download (429kB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (186kB)
	Text Lampiran.pdf Download (386kB)

Abstract

Penelitian ini mengembangkan pendekatan personalisasi playlist pada
vi


platform Spotify melalui klasterisasi berbasis konten menggunakan enam fitur
audio, yaitu danceability, energy, valence, tempo, loudness, dan acousticness. Data
lagu dipraproses melalui pembersihan nilai hilang/duplikasi, kemudian
dinormalisasi (Min-Max) agar perbedaan skala antarfitur tidak mendominasi
perhitungan jarak. Proses pengelompokan dilakukan dengan K-Means, sedangkan
penentuan jumlah klaster optimal didukung evaluasi kuantitatif (Elbow/WCSS,
Silhouette, dan Davies-Bouldin Index) untuk menyeimbangkan kekompakan
klaster dan keterpisahan antar klaster. Hasil klaster dimanfaatkan untuk membentuk
playlist rekomendasi yang lebih terarah dengan memilih lagu-lagu representatif
pada klaster yang paling sesuai dengan preferensi pengguna, sehingga rekomendasi
tidak hanya “mirip secara umum”, tetapi konsisten secara karakter audio.
Implementasi diwujudkan dalam prototipe berbasis web yang memfasilitasi input
preferensi, proses generasi playlist, serta pengumpulan umpan balik pengguna.
Evaluasi pengguna menggunakan kuesioner skala Likert menunjukkan bahwa
pendekatan klasterisasi fitur audio mampu meningkatkan persepsi kesesuaian
playlist dan kemudahan penggunaan prototipe, sekaligus mengindikasikan area
perbaikan pada aspek transisi antar lagu agar pengalaman mendengarkan lebih
mulus.

Item Type:	Thesis (Diploma)
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Irna Irna Yunita
Date Deposited:	28 Apr 2026 06:34
Last Modified:	28 Apr 2026 06:34
URI:	https://repository.unas.ac.id/id/eprint/15467

Actions (login required)

View Item