KLASTERISASI DATA LAGU TERPOPULER SPOTIFY 2023 BERDASARKAN SUASANA HATI MENGGUNAKAN ALGORITMA K-MEANS

Abstract

Spotify sebagai platfrom streaming musik, menampilkan berbagai fitur yang beragam dan secara terus-menerus diperbarui untuk mencerminkan perkembangan dalam dunia musik. Permasalahan penelitian muncul dari beragamnya preferensi pengguna dan tren mendengarkan sebuah lagu atau musik mengakibatkan kompleksitas dalam pemahaman dan pengelompokan musik. Tujuan penelitian ini adalah menghasilkan kelompok lagu yang lebih terfokus berdasarkan suasana hati, memungkinkan pengguna untuk lebih mudah menemukan lagu yang sesuai dengan mood atau suasana hati mereka. Dalam penelitian ini akan mengelompokkan data lagu-lagu terpopuler Spotify 2023 berdasarkan empat kategori suasana hati model Thayer’s (Angry, Sad, Relax, dan Happy) dengan menggunakan Algoritma K-Means Clustering. Dengan pendekatan Knowledge Discovery in Database (KDD). Atribut-atribut audio seperti tempo (bpm), danceability, valence, dan energy digunakan dalam analisis ini. Hasil penelitian diperoleh nilai Davies-Bouldin Index (DBI) terkecil adalah 0,299 dengan jumlah K = 3, di mana cluster 0 merupakan suasana hati happy dengan 361 anggota lagu, cluster 1 merupakan suasana hati relax dengan 329 anggota lagu, dan cluster 2 merupakan suasana hati sad dengan 252 anggota lagu. Tidak terdapat cluster yang secara jelas menggambarkan suasana hati marah. Dengan distribusi anggota yang merata di setiap cluster, maka tidak ada suasana hati yang mendominasi dari hasil pengelompokan lagu.