Saputra, Muhammad Rizky Addin (2022) REKOMENDASI PODCAST SPOTIFY DENGAN METODE CONTENT BASED. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
Text (COVER-ABSTRAK)
COVER.pdf Download (525kB) |
|
Text (BAB I)
BAB I.pdf Download (152kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (466kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (182kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (543kB) |
|
Text (BAB V)
BAB V.pdf Download (30kB) |
|
Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (420kB) |
|
Archive (SOURCE CODE)
Source Code 17.11.1050 Muhammad Rizky Addin Saputra.zip Restricted to Repository staff only Download (18MB) |
|
Text (PUBLIKASI)
Publikasi 17.11.1050 Muhammad Rizky Addin Saputra.pdf Restricted to Repository staff only Download (355kB) |
Abstract
Spotify adalah layanan streaming musik dan juga podcast yang banyak digunakan oleh masyarakat, tidak sedikit orang yang menggunakan aplikasi spotify untuk mendengarkan podcast yang mereka sukai tetapi banyak juga orang yang kesusahan dalam mencari sebuah podcast yang mirip atau bergenre sama seperti yang selalu mereka dengarkan. Dalam penelitian ini menggunakan Recommender System untuk mempermudah user atau seseorang dalam mendapatkan rekomendasi podcast yang sesuai dengan selera mereka masing-masing. Sistem ini dirancang menggunakan metode Content-Based, sedangkan untuk implementasinya menggunakan bahasa pemrograman PYTHON dan dataset menggunakan data yang di ambil dari Podcast di Spotify. Hasil dari rancang bangun ini adalah user akan dengan mudah mendapatkan rekomendasi sebuah podcast yang mirip atau bergenre sama dengan podcast yang sering mereka dengar atau cari. Berdasarkan rumusan masalah dari hasil penelitian dapat disimpulkan bahwa penggunaan metode Content Based Filtering dengan TFIDF dan Cosine Similarity dapat memberikan rekomendasi podcast sesuai dengan genre dan nama episode yang dipilih oleh user, semakin banyak user melakukan like pada data semakin tinggi nilai dari Cosine Similarity yang didapat.
Item Type: | Thesis (S1 - Sarjana) | ||
---|---|---|---|
Contributor: |
|
||
Uncontrolled Keywords: | Content based filtering , TF-IDF cosine similarity , Spotify, Podcast , danPython. | ||
Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data | ||
Divisions: | Fakultas Ilmu Komputer > Informatika | ||
Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
Date Deposited: | 10 Oct 2022 06:25 | ||
Last Modified: | 01 Aug 2023 02:36 | ||
URI: | http://eprints.amikom.ac.id/id/eprint/8653 |
Actions (login required)
View Item |