IMPLEMENTASI METODE CONTENT-BASED FILTERING UNTUK SISTEM REKOMENDASI MUSIK MENGGUNAKAN SPOTIFY DATASET

Perkembangan layanan streaming musik menyebabkan jumlah lagu yang dapat diakses pengguna semakin besar, sehingga pengguna dapat mengalami kesulitan dalam menemukan lagu yang sesuai dengan preferensi. Penelitian ini bertujuan untuk membangun sistem rekomendasi musik berbasis Content-Based Filtering dengan menerapkan feature fusion untuk menggabungkan metadata dan audio features pada dataset Spotify berjumlah 14.798 lagu. Data diperoleh melalui studi dokumentasi terhadap dataset Spotify yang memuat informasi judul lagu, nama artis, nama album, genre, danceability, energy, loudness, acousticness, instrumentalness, valence, dan tempo. Prosedur penelitian dilakukan melalui text preprocessing pada metadata, pembentukan representasi teks menggunakan TF-IDF, normalisasi audio features menggunakan Min-Max Scaling, penggabungan fitur menggunakan feature fusion, serta perhitungan kemiripan menggunakan cosine similarity untuk menghasilkan rekomendasi Top-N. Analisis data dilakukan dengan mengevaluasi hasil rekomendasi menggunakan dua pendekatan ground truth, yaitu kesamaan metadata berdasarkan nama artis atau nama album dan kesamaan karakteristik audio. Hasil evaluasi ground truth metadata memperoleh Precision@10 sebesar 0,9000, MAP@10 sebesar 0,9000, dan NDCG@10 sebesar 0,9364. Sementara itu, evaluasi ground truth audio memperoleh Precision@10 sebesar 0,9000, MAP@10 sebesar 0,8664, dan NDCG@10 sebesar 0,9266. Hasil tersebut menunjukkan bahwa sistem rekomendasi musik berbasis Content-Based Filtering dengan feature fusion mampu menghasilkan rekomendasi lagu yang relevan.