KLASIFIKASI MOOD LAGU BERDASARKAN FITUR AUDIO MENGGUNAKAN PEMBELAJARAN MESIN

• AMALIA ANAS
• 2025

---

Pengelompokan musik berdasarkan genre seringkali tidak cukup untuk merepresentasikan pengalaman emosional pendengar secara holistik. Oleh karena itu, klasifikasi mood lagu menjadi pendekatan alternatif yang relevan dalam sistem rekomendasi dan penemuan musik. Penelitian ini bertujuan untuk menerapkan algoritma Naïve Bayes dalam mengklasifikasikan mood lagu Spotify berdasarkan fitur- fitur audio numerik, serta mengevaluasi performa model yang dihasilkan. Proses penelitian mengikuti pendekatan CRISP-DM dan menggunakan dataset Spotify tracks sebagai objek studi. Hasil eksperimen menunjukkan bahwa model Naïve Bayes mampu mencapai akurasi klasifikasi sebesar 94,83%, dengan nilai rata-rata precision, recall, dan F1-score sebesar 0,95. Kelas Happy dan Angry menunjukkan performa paling tinggi, sementara kelas Sad sedikit lebih menantang untuk dikenali secara tepat. Evaluasi lebih lanjut melalui confusion matrix menunjukkan bahwa model mampu mengklasifikasikan mood lagu secara seimbang dan konsisten. Temuan ini mengindikasikan bahwa algoritma Naïve Bayes efektif dalam tugas klasifikasi mood musik berbasis fitur audio, dan berpotensi diterapkan pada sistem pemrosesan dan rekomendasi musik berbasis emosi.

• Fitur audio
• Klasifikasi
• Mood
• Naive Bayes
• Spotify

Tautan dinonaktifkan.