<![CDATA[Penelitian ini bertujuan memetakan peminat genre musik pada tingkat kumpulan lagu Spotify melalui implementasi deep learning menggunakan kerangka kerja Cross-Industry Standard Process for Data Mining (CRISP-DM). Dataset berasal dari rekomendasi halaman utama Spotify yang dikompilasi ke dalam satu playlist penelitian pada tahun 2024, kemudian diekspor melalui Exportify. Setelah pembersihan data, diperoleh 7.858 track dengan 15 fitur audio dan metadata numerik. Label genre dibentuk secara bertingkat dari genre_awal, distandardisasi menjadi genre_utama, lalu dikelompokkan ke delapan meta_genre, yaitu Rock/Metal/Punk, Pop/Indo/Malay, Other, Urban, Country/Folk, EDM/Dance, Latin, dan Jazz/Classical. Pemodelan dilakukan dengan k-Nearest Neighbor (k-NN), Gaussian Naive Bayes, dan model gabungan berbasis rata-rata probabilitas. Evaluasi menggunakan accuracy, precision, recall, dan weighted F1-score pada data validasi dan data uji, disertai pengujian kestabilan melalui beberapa pengulangan stratified split. Hasil menunjukkan bahwa k-NN memberikan kinerja terbaik pada data uji dengan accuracy 65,39% dan weighted F1-score 62,61%. Model gabungan mencapai weighted precision tertinggi pada validasi sebesar 67,45%, tetapi masih sensitif terhadap variasi pembagian data. Deployment pada seluruh dataset memperlihatkan dominasi Rock/Metal/Punk sebesar 62,4% dan Pop/Indo/Malay sebesar 11,7%. Temuan ini menunjukkan bahwa CRISP-DM mampu menata proses klasifikasi genre secara sistematis, sementara hasil deployment dapat digunakan untuk membaca peminat genre pada tingkat kumpulan lagu, bukan pada tingkat pengguna individual.]]>
Copyrights © 2026
