SISTEM REKOMENDASI MUSIK MENGGUNAKAN METODE CONTENT-BASED FILTERING DENGAN ALGORITMA EUCLIDEAN DISTANCE

Sakti, Sri Mega (2022) SISTEM REKOMENDASI MUSIK MENGGUNAKAN METODE CONTENT-BASED FILTERING DENGAN ALGORITMA EUCLIDEAN DISTANCE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (503kB)
	Text (BAB I) BAB I.pdf Download (302kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (674kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (275kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (716kB)
	Text (BAB V) BAB V.pdf Download (50kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (174kB)
	Other (SOURCE CODE) Source Code 17.11.1538 Sri Mega Sakti Sri Mega Sakti.rar Restricted to Repository staff only Download (17MB)
	Text (PUBLIKASI) Publikasi 17.11.138 Sri Mega Sakti Sri Mega Sakti.pdf Restricted to Repository staff only Download (653kB)

Abstract

Musik merupakan salah satu hiburan yang cukup dibutuhkan bagi sebagian orang. Bagi sebagian orang mendengarkan musik dapat menenangkan hati dan jiwa, terutama jika kita mendengarkan musik yang sesuai dengan selera kita sendiri. Terdapat masalah yang dihadapi oleh pendengar ketika memilih musik seperti yang mereka inginkan. Oleh karena itu, solusi yang tepat untuk membantu dalam penentuan pemilihan musik yang sesuai dengan selera mood atau suasana hati user dengan cara membangun sistem rekomendasi musik dengan kategori mood user. Sistem rekomendasi adalah suatu sistem yang digunakan untuk melakuakan prediksi terhadap suatu produk atau objek. Didalam sistem rekomendasi terdapat beberapa teknik seperti: collaborative filtering, content-based filtering dan juga hybrid recommendation yang merupakan gabungan dari dua teknik sebelumnya. Penelitian ini bertujuan untuk membuat sistem yang dapat menyajikan rekomendasi musik sesuai dengan mood user sehingga tingkat kenyamanan user akan meningkat. Sistem ini dibuat menggunakan mood model James Russel’s Circumplex Model. Dengan memanfaatkan koordinat mood yang didapatkan dari input pendengar, koordinat tersebut diolah menggunakan Euclidean Distance dengan koordinat mood lagu-lagu pada dataset, sehingga dapat dihasilkan list beberapa lagu yang memliki jarak terdekat dengan mood pendengar. Di penelitian ini akan mencoba menggunakan dataset berupa dataset musik yang didapat dari Kaggle. Sistem rekomendasi ini menghasilkan 10 top rangking item yang paling relevan berdasarkan mood user yang dipilih. Selanjutnya dilakukan evaluasi tehadap hasil rekomendasi dengan menggunakan teknik NDCG (Normalized Discounted Cumulative Gain). Evaluasi NDCG dilakukan sebanyak 3 skenario pengujian dan didapatkan nilai rata-rata 0.95235 NDCG, artinya teknik rekomendasi tekni menggunakan teknik content based filtering dengan algoritma euclidean distance berdasarkan mood user dapat memberikan peringkat rekomendasi dengan tingkat relevansi cukup baik.

Actions (login required)

View Item