Penerapan Algortima Klastering  K-means Untuk Fitur Atribut Pada Layanan Streaming Musik Spotify

• Muhammad Ikhsan Firmansyah
• 2023

---

ABSTRAK
Muhammad Ikhsan Firmansyah (19190031), Penerapan Algortima Klastering  K-means Untuk Fitur Atribut Pada Layanan Streaming Musik Spotify
  
Penelitian ini mencoba mencari fitur atribut pada track lagu yang memiliki jumlah paling banyak pada setiap lagu pada aplikasi spotify, sekaligus mencoba menerapkan metode klaster pada dataset yang diperoleh dari kaggle sebagai data pabrik. Spotify merupakan salah satu aplikasi streaming musik yang paling diminati oleh beberapa pendengar. Menggunakan algoritma K-means dan Davies Bouldin Indeks(DBI) sebagai metode validasi dari hasil klastering K-means.Adapun metode yang digunakan dalam penelitian ini adalah CRISP-DM sebagai standarisasi pengolahan data mining lintas industri yang dinilai cocok dalam melakukan penelitian dan proses data mining, dari melakukan pemahaman bisnis sampai melakukan tahap evaluasi. Hasil didapatkan dari penelitian berupa atribut yang berpengaruh pada lagu adalah instrumentalness dan valance terhadap lagu yang populer di aplikasi spotify serta atribut yang secara keseluruhan seimbang dari antar klaster adalah loudness. Dengan dataset lagu yang popularitas diatas 60, genre pop menjadi yang paling banyak dalam jumlah deretan lagunya. Pada percobaan klaster dengan menggunakan algoritma K-means serta evaluasi Davies Bouldin indeks(DBI) memperoleh jumlah klaster yang dibagi menjadi 9 adalah yang paling optimal dari percobaan pembagian jumlah klaster dari 2 kelompok sampai 10 kelompok. Pada penelitian ini akan dilakukan dengan menggunakan aplikasi rapidminer sebagai alat bantu peneliti untuk melakukan pengujian dan perhitungan.

Kata kunci: Spotify, Lagu, K-means, Davies bouldin indeks 
ABSTRACT
Muhammad Ikhsan Firmansyah (19190031), The Implementation of K-means Clustering Algorithm for Attribute Features in Spotify Music Streaming Service

This research attempts to find attribute features in the track songs that have the highest count for each song on the Spotify application, while also attempting to apply clustering methods to the dataset obtained from Kaggle as factory data. Spotify is one of the most popular music streaming applications among listeners. The research uses the K-means algorithm and Davies Bouldin Index (DBI) as the validation method for the K-means clustering results. The method used in this study is CRISP-DM, which is a standardization of cross-industry data mining processing that is considered suitable for conducting research and data mining processes, from business understanding to evaluation stages. The results obtained from the research are attributes that influence the songs, such as instrumentalness, and an overall balanced attribute among the clusters, which is loudness. With a dataset of songs with a popularity above 65, the pop genre is the most abundant in terms of the number of songs. In the clustering experiment using the K-means algorithm and evaluating the Davies Bouldin Index (DBI), the optimal number of clusters obtained is 9, which is divided into 2 to 10 clusters. This research will be conducted using the RapidMiner application as a researcher's tool for testing and calculations.

Keywords : Spotify, Songs, K-means, Davies bouldin indeks
 

• Sistem Informasi

BAB V 
REFERENSI
Ahmed, M., Seraj, R., & Islam, S. M. S. (2020). The k-means algorithm: A comprehensive survey and performance evaluation. Electronics (Switzerland), 9(8), 1–12. https://doi.org/10.3390/electronics9081295
Alam, M. S., Rahman, M. M., Hossain, M. A., Islam, M. K., Ahmed, K. M., Ahmed, K. T., Singh, B. C., & Miah, M. S. (2019). Automatic human brain tumor detection in mri image using template-based k means and improved fuzzy c means clustering algorithm. Big Data and Cognitive ComputingAlam, M. S., Rahman, M. M., Hossain, M. A., Islam, M. K., Ahmed, K. M., Ahmed, K. T., Singh, B. C., & Miah, M. S. (2019). Automatic Human Brain Tumor Detection in Mri Image Using Template-Based k Means and Improved Fuzzy C , 3(2), 1–18. https://doi.org/10.3390/bdcc3020027
Ashari, I. F., Banjarnahor, R., Farida, D. R., Aisyah, S. P., Dewi, A. P., & Humaya, N. (2022). Application of Data Mining with the K-Means Clustering Method and Davies Bouldin Index for Grouping IMDB Movies. Journal of Applied Informatics and Computing, 6(1), 07–15. https://doi.org/10.30871/jaic.v6i1.3485
Dewatara, G. W., & Agustin, S. M. (2019). Pemasaran Musik Pada Era Digital Digitalisasi Industri Musik Dalam Industri 4.0 Di Indonesia. WACANA, Jurnal Ilmiah Ilmu Komunikasi, 18(1). https://doi.org/10.32509/wacana.v18i1.729
Florez Ramos, E., & Blind, K. (2020). Data portability effects on data-driven innovation of online platforms: Analyzing Spotify. Telecommunications Policy, 44(9), 102026. https://doi.org/10.1016/j.telpol.2020.102026
Ignatius Moses Setiadi, D. R., Satriya Rahardwika, D., Rachmawanto, E. H., Atika Sari, C., Irawan, C., Kusumaningrum, D. P., Nuri, & Trusthi, S. L. (2020). Comparison of SVM, KNN, and NB Classifier for Genre Music Classification based on Metadata. Proceedings - 2020 International Seminar on Application for Technology of Information and Communication: IT Challenges for Sustainability, Scalability, and Security in the Age of Digital Disruption, ISemantic 2020, 12–16. https://doi.org/10.1109/iSemantic50169.2020.9234199
Mukhid, A. (2021). Metodologi Penelitian Pendekatan Kuantitatif. In Syria Studies (Vol. 7, Issue 1). https://www.researchgate.net/publication/269107473_What_is_governance/link/548173090cf22525dcb61443/download%0Ahttp://www.econ.upf.edu/~reynal/Civil wars_12December2010.pdf%0Ahttps://think-asia.org/handle/11540/8282%0Ahttps://www.jstor.org/stable/41857625
Muningsih, E., Nur, H. M., Dwi Imaniawan, F. F., Saifudin, Handayani, V. R., & Endiarto, F. (2020). Comparative Analysis on Dimension Reduction Algorithm of Principal Component Analysis and Singular Value Decomposition for Clustering. Journal of Physics: Conference Series, 1641(1). https://doi.org/10.1088/1742-6596/1641/1/012101
Musyarofah, U. L., Alima, S. N., & Kartika, D. S. Y. (2022). Klasifikasi Top 50 Spotify Tahun 2010-2019 Menggunakan Metode K-Means Clustering. Prosiding Seminar Nasional Teknologi Dan Sistem Informasi, 2(1), 215–220. https://doi.org/10.33005/sitasi.v2i1.300
Nurhalimah, L., Hermanto, T. I., & Kaniawulan, I. (2022). Analisis Prediksi Mood Genre Musik Pop Menggunakan Algoritma K-Means dan C4.5. JURIKOM (Jurnal Riset Komputer), 9(4), 1006. https://doi.org/10.30865/jurikom.v9i4.4597
Pandya, M. (2023). Spotify tracks dataset. Kaggle. Diakses pada 23 Maret 2023. https://www.kaggle.com/datasets/maharshipandya/-spotify-tracks-dataset
Praveen, P., & Jayanth Babu, C. (2019). Big Data Clustering: Applying Conventional Data Mining Techniques in Big Data Environment. In Lecture Notes in Networks and Systems (Vol. 74). Springer Singapore. https://doi.org/10.1007/978-981-13-7082-3_58
Prey, R., Esteve Del Valle, M., & Zwerwer, L. (2022). Platform pop: disentangling Spotify’s intermediary role in the music industry. Information Communication and Society, 25(1), 74–92. https://doi.org/10.1080/1369118X.2020.1761859
Privandhani, N. A., & Sulastri. (2022). Clustering Pop Songs Based on Spotify Data Using K-Means and K-Medoids Algorithm. Jurnal Mantik, 6(2), 1542–1550. http://www.iocscience.org/ejournal/index.php/mantik/article/view/2517
Schröer, C., Kruse, F., & Gómez, J. M. (2021). A systematic literature review on applying CRISP-DM process model. Procedia Computer Science, 181(2019), 526–534. https://doi.org/10.1016/j.procs.2021.01.199
Sembiring, F., Octaviana, O., & Saepudin, S. (2020). Implementasi Metode K-Means Dalam Pengklasteran Daerah Pungutan Liar Di Kabupaten Sukabumi (Studi Kasus : Dinas Kependudukan Dan Pencatatan Sipil). Jurnal Tekno Insentif, 14(1), 40–47. https://doi.org/10.36787/jti.v14i1.165
Sibarani, A. J. P. (2020). Implementasi Data Mining Menggunakan Algoritma Apriori Untuk Meningkatkan Pola Penjualan Obat. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 7(2), 262–276. https://doi.org/10.35957/jatisi.v7i2.195
Singh, A. K., Mittal, S., Malhotra, P., & Srivastava, Y. V. (2020). Clustering Evaluation by Davies-Bouldin Index(DBI) in Cereal data using K-Means. Proceedings of the 4th International Conference on Computing Methodologies and Communication, ICCMC 2020, Iccmc, 306–310. https://doi.org/10.1109/ICCMC48092.2020.ICCMC-00057
Thoyyibah, T., Abdurachman, E., Heryadi, Y., & Zahra, A. (2022). CRISP-DM Method for Mood Classification in Indonesian Music 70 and 80 era. International Journal of Applied Engineering and Technology (London), 4(1), 45–49.
Umargono, E., Suseno, J. E., & S. K., V. G. (2020). K-Means Clustering Optimization using the Elbow Method and Early Centroid Determination Based-on Mean and Median. 474(Isstec 2019), 234–240. https://doi.org/10.5220/0009908402340240
Uswatun, L. (2021). Metode Pengumpulan Data dalam Penelitian Kualitatif. UNPAR Press, 1(1), 1–29. https://www.dqlab.id/metode-pengumpulan-data-dalam-penelitian%0Ahttp://ciputrauceo.net/blog/2016/2/18/metode-pengumpulan-data-dalam-penelitian