KLASIFIKASI PREFERENSI MUSIK GENERASI Z BERDASARKAN FITUR AUDIO SPOTIFY MENGGUNAKAN ALGORITMA RANDOM FOREST

Supartini, Ni Made (2026) KLASIFIKASI PREFERENSI MUSIK GENERASI Z BERDASARKAN FITUR AUDIO SPOTIFY MENGGUNAKAN ALGORITMA RANDOM FOREST. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER - ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (230kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (998kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (437kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf - Published Version Download (95kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf - Published Version Restricted to Registered users only Download (271kB)
	Archive (SOURCE CODE) Sourcecode - 22.12.2479.zip Restricted to Repository staff only Download (2MB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (988kB)

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.

Actions (login required)

View Item