SISTEM PENCARIAN DAN REKOMENDASI MUSIK DENGAN ANALISIS LIRIK LAGU UNTUK PENGALAMAN MENDENGARKAN YANG LEBIH PERSONAL MENGGUNAKAN CONTENT-BASED FILTERING

Abstract

Sistem rekomendasi musik merupakan bagian krusial dari layanan streaming yang membantu pengguna menemukan lagu yang sesuai dengan selera mereka. Namun, metode tradisional yang mengandalkan metadata seperti genre, artis, atau popularitas belum sepenuhnya mampu menangkap nuansa emosional dari lagu secara mendalam. Penelitian ini menciptakan sistem pencarian dan rekomendasi musik yang lebih pribadi dengan memanfaatkan analisis lirik lagu melalui pendekatan pemfilteran berbasis konten. Data yang digunakan berasal dari dua kumpulan dataset lirik lagu berbahasa Indonesia yang telah digabung, kemudian diproses melalui tahapan pembersihan, penghapusan duplikasi, tokenisasi, dan stemming. Representasi teks dilakukan dengan menggunakan TF-IDF (Term Frequency-Inverse Document Frequency) untuk mengekstrak kata-kata penting dalam lirik, yang kemudian dimensinya direduksi dengan LSA (Latent Semantic Analysis). Kemiripan antara permintaan pengguna dan koleksi lagu dihitung dengan menggunakan cosine similarity. Hasil pengujian menunjukkan bahwa sistem ini mampu memberikan rekomendasi lagu yang sangat relevan dengan makna lirik yang dimasukkan oleh pengguna. Pendekatan ini memungkinkan sistem untuk menangkap kesamaan semantik antar lagu dan meningkatkan personalisasi dalam proses pencarian musik. Sistem ini menjadi solusi alternatif yang efisien untuk mengembangkan layanan rekomendasi musik berbasis konten, terutama dalam konteks bahasa Indonesia yang masih jarang diteliti dalam studi sejenis