<![CDATA[Perkembangan teknologi digital telah menyebabkan lonjakan besar dalam jumlah data musik yang tersedia, khususnya pada platform streaming seperti Spotify. penelitian ini menerapkan metode K-Means Clustering guna mengelompokkan lagu berdasarkan kemiripan fitur audio seperti danceability, energy, valence, acousticness, dan tempo. Proses penelitian menggunakan metodologi SEMMA (Sample, Explore, Modify, Model, Assess), dimulai dari pengumpulan data lagu terpopuler Spotify tahun 2024 yang berjumlah 6.513 lagu dengan 19 atribut. Setelah dilakukan eksplorasi, modifikasi, normalisasi, dan pemodelan, jumlah klaster optimal ditentukan menggunakan elbow method dan hasil evaluasi menggunakan silhouette score sebesar 0,435. Hasilnya, terbentuk tiga klaster musik yang merepresentasikan perbedaan karakteristik audio. Penelitian ini menunjukkan bahwa metode K-Means efektif dalam mengelompokkan musik, dan dapat dikembangkan lebih lanjut dengan algoritma alternatif untuk hasil yang lebih presisi.]]>
Copyrights © 2025
