ANALISIS TREN MUSIC DI SPOTIFY MENGGUNAKAN HADOOP MAPREDUCE

Abstract

Penelitian ini menganalisis tren musik di Spotify selama 10 tahun terakhir dengan memanfaatkan Hadoop MapReduce untuk memahami pola konsumsi musik di era digital. Spotify, sebagai platform streaming musik terkemuka, menghasilkan data besar yang mencerminkan preferensi pengguna, termasuk genre, artis, dan lagu yang paling populer. Tujuan penelitian ini adalah mengidentifikasi tren musik berdasarkan genre dominan, artis terpopuler, serta lagu yang paling sering didengarkan. Dataset yang digunakan diperoleh dari Kaggle dan playlist Spotify, terdiri atas 807 entri dengan tiga variabel utama: judul lagu, artis, dan genre. Proses analisis dilakukan melalui implementasi Hadoop MapReduce, meliputi tahapan pemetaan data, reduksi, hingga visualisasi hasil. Hasil penelitian menunjukkan bahwa genre pop mendominasi dengan kemunculan sebanyak 38% dari total dataset. Artis seperti The Weeknd, Justin Bieber, dan Taylor Swift tercatat sebagai artis dengan frekuensi kemunculan tertinggi. Lagu Blinding Lights oleh The Weeknd menjadi salah satu lagu dengan jumlah kemunculan terbanyak. Secara keseluruhan, Hadoop MapReduce berhasil mengidentifikasi tren musik secara efisien, memberikan wawasan penting bagi industri musik dalam merancang strategi distribusi dan promosi berdasarkan preferensi pasar yang terukur.