Analisis Algoritma Squeezer Untuk Memberi Rekomendasi Lagu
| Format: | Bachelors |
|---|---|
| Terbitan: |
#CREATOR_ORGNAME#
, 2017
|
| Subjects: |
Daftar Isi:
- Recommender System banyak digunakan dengan tujuan memberikan rekomendasi item atau informasi yang dibutuhkan. Pada penelitian ini rekomendasi lagu dilakukan dengan cara memberi prediksi lagu kepada user berdasarkan kecepatan tempo dengan satuan bpm (beats per minute) dan kumpulan lagu yang pernah didengar oleh user. Sistem rekomendasi lagu yang berkembang pada saat ini dalam memberi rekomendasi lagu kepada user lebih memperhatikan pada kesamaan artis dan genre. Ada kalanya apa yang di rekomendasikan kepada user masih belum sesuai dengan apa yang diinginkan user, atau user menginginkan lagu-lagu dengan artis yang berbeda dengan tipe musik yang sama. Masih jarang sistem rekomendasi lagu dalam memberi rekomendasi lagu pada user memperhatikan unsur-unsur yang ada dalam musik seperti melodi, irama, birama, tempo, dan harmoni. Untuk itu pada penelitian ini dilakukan pengkajian sistem rekomendasi lagu berdasarkan salah satu unsur musik yaitu tempo. Untuk menyelesaikan masalah di atas, pendekatan yang dilakukan pada penelitian ini adalah dengan mengelompokkan lagu dengan menggunakan tools XLSTAT berdasarkan bpm pada lagu. Penggunaan tools berfungsi untuk membuat cluster dengan memanfaatkan fitur k-means clustering. Fitur k-means dipilih karena k-means clustering sudah sangat popular dalam membentuk cluster dengan data numerik. Pada penelitian ini data numerik yang digunakan adalah berupa nilai bpm atau kecepatan tempo dalam sebuah lagu. Alur pemberian rekomendasi lagu kepada user pada penelitian ini menggunakan algoritma squeezer, dan untuk menghitung nilai akurasi menggunakan Root Mean Square Error (RMSE) Hasil penelitian ini menunjukan bahwa algoritma squeezer bisa digunakan sebagai proses utama pada system rekomendasi lagu dengan hasil rekomendasi sesuai dengan nilai ambang batas sebesar 0,7. Dan memiliki akurasi sebesar 54,13 % dari dua kali percobaan. Kata kunci: Recommender system, Algoritma K-Means, Algoritma squeezer, Bpm, RMSE.