Rekomendasi Musik Spotify Menggunakan Metode K-Means

Abstract

Dalam beberapa tahun terakhir, layanan streaming musik seperti Spotify telah menjadi sangat populer. Spotify menyediakan jutaan lagu yang dapat diakses oleh pengguna, namun banyak pengguna seringkali merasa kesulitan dalam menemukan lagu-lagu baru yang sesuai dengan preferensi musik mereka. Oleh karena itu, penting untuk mengembangkan sistem rekomendasi yang efektif untuk membantu pengguna menemukan lagu-lagu yang mereka sukai. Dalam penelitian ini, kami mengusulkan penggunaan metode K-Means dalam membangun sistem rekomendasi musik Spotify. Metode K-Means adalah algoritma pembelajaran tanpa pengawasan yang digunakan untuk mengelompokkan data ke dalam beberapa kelompok berdasarkan kesamaan fitur. Kami mengumpulkan data musik dari Spotify, termasuk atribut musik seperti tempo, energi, dansa, valensi, dan lainnya. Kemudian, kami menerapkan algoritma K-Means untuk mengelompokkan lagu-lagu ke dalam beberapa kelompok berdasarkan atribut-atribut ini. Setelah kelompok-kelompok terbentuk, kami mengidentifikasi kelompok yang paling sesuai dengan preferensi musik pengguna. Kami melakukan ini dengan meminta pengguna untuk memberikan penilaian terhadap beberapa lagu sebagai sampel. Kemudian, kami menggunakan algoritma K-Means untuk menemukan kelompok yang memiliki atribut yang paling mirip dengan sampel yang dinilai oleh pengguna. Hasil pengujian menunjukkan bahwa metode K-Means dapat memberikan rekomendasi musik yang sesuai dengan preferensi pengguna dengan tingkat keberhasilan yang tinggi. Sistem rekomendasi ini dapat membantu pengguna menemukan lagu-lagu baru yang sesuai dengan selera mereka dan secara bertahap memperluas cakupan musik yang mereka dengarkan.