eprintid: 32932
rev_number: 15
eprint_status: archive
userid: 12
dir: disk0/00/03/29/32
datestamp: 2026-09-23 02:21:24
lastmod: 2026-09-23 02:21:24
status_changed: 2026-09-23 02:21:24
type: thesis
metadata_visibility: show
creators_name: Supartini, Ni Made
creators_nim: 22.12.2479
contributors_name: Hartanto, Anggit Dwi
corp_creators: Universitas AMIKOM Yogyakarta
title: KLASIFIKASI PREFERENSI MUSIK GENERASI Z
BERDASARKAN FITUR AUDIO SPOTIFY
MENGGUNAKAN ALGORITMA
RANDOM FOREST
ispublished: pub
subjects: 000.000.006
divisions: sch_phy
full_text_status: restricted
keywords: Random Forest, Klasifikasi, Fitur Audio, Spotify, Generasi Z, Classification, Audio Feature, Generation Z.
abstract: Transformasi digital mengubah masyarakat dalam mengakses dan
menikmati musik melalui platform streaming seperti Spotify yang menyediakan
berbagai fitur audio sebagai representasi karakteristik lagu. Ketersediaan data
berbasis fitur audio seperti danceability, tempo, energy, dan speechiness
mendukung proses analisis musik dilakukan secara lebih sistematis dan objektif.
Pada Generasi Z, preferensi musik tidak hanya dipengaruhi oleh label genre, tetapi
juga oleh karakteristik audio suasana dan pola konsumsi musik yang dinamis.  
 Penelitian ini bertujuan untuk mengklasifikasi preferensi musik Generasi Z
berdasarkan fitur audio menggunakan algoritma Random Forest. Dataset yang
digunakan merupakan data lagu yang diperoleh dari Spotify Track Dataset dan
Spotify Web API dengan rentang tahun 2015 hingga 2025 dan difokuskan pada
empat genre utama, yaitu Pop, K-pop, Hip-hop dan R&B. Proses penelitian meliputi
tahapan penelitian pengumpulan data, Exploratory Data Analysis (EDA), prapemrosesan,

analisis data pembangunan model, serta evaluasi model. Algoritma
Random Forest  dipilih karena kemampuannya dalam mengolah data dengan
jumlah variabel yang cukup besar serta menghasilkan model klasifikasi yang stabil. 
Hasil penelitian ini menunjukkan bahwa model Random Forest memiliki
performa yang sangat baik dalam mengklasifikasi preferensi musik Generasi Z.
Model baseline memperoleh akurasi sebesar 94% dan meningkatkan menjadi 95%
setelah dilakukan proses hyperparameter tuning. Nilai precision, recall, dan F1score

yang tinggi menunjukkan bahwa model memiliki kemampuan klasifikasi
dengan tingkat kekeliruan antar kelas rendah. Dengan demikian, model yang
dihasilkan dapat digunakan secara efektif dalam mengklasifikasi preferensi musik
berbasis fitur audio.
date: 2026-02-25
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Supartini, Ni Made  (2026) KLASIFIKASI PREFERENSI MUSIK GENERASI Z BERDASARKAN FITUR AUDIO SPOTIFY MENGGUNAKAN ALGORITMA RANDOM FOREST.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/32932/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32932/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32932/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32932/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32932/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32932/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32932/7/Daftar%20Pustaka.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32932/8/Sourcecode%20-%2022.12.2479.zip
document_url: https://eprints.amikom.ac.id/id/eprint/32932/9/Publikasi.pdf