<![CDATA[Musik telah menjadi bagian integral kehidupan, dengan teknologi memfasilitasi akses mudah ke berbagai jenis musik. Layanan streaming menggunakan algoritma untuk merekomendasikan musik kepada pengguna. Artikel ini mengevaluasi efektivitas algoritma k-means dalam mengelompokkan preferensi musik berdasarkan fitur-fitur seperti valensi, akustik, danceability, dan lainnya. Data dari platform Kaggle diproses dan dinormalisasi sebelum dilatih dengan algoritma k-means. Metode Elbow digunakan untuk menentukan jumlah cluster optimal yang kemudian dievaluasi menggunakan Silhouette Score. Hasilnya menunjukkan bahwa clustering menggunakan algoritma k-means belum optimal, dengan potensi peningkatan melalui evaluasi lebih lanjut terhadap fitur-fitur dan jumlah cluster yang digunakan. Langkah-langkah ini diharapkan meningkatkan kualitas rekomendasi musik]]>
Copyrights © 2024
