SISTEM REKOMENDASI MUSIK SPOTIFY MENGGUNAKAN KNN DAN ALGORITMA GENETIKA

Abstract

Penelitian ini bertujuan mengembangkan sebuah sistem untuk klasifikasi dan rekomendasi musik pada platform Spotify berdasarkan preferensi genre pengguna. Pendekatan ini melibatkan penerapan algoritma K-nearest neighbor (KNN) dengan pendekatan algoritma genetika. Metodologi penelitian melibatkan tahapan Systematic Literature Review yang meliputi perencanaan, pelaksanaan, dan pelaporan hasil. Temuan dari penelitian ini menunjukkan bahwa sistem yang dikembangkan berhasil meningkatkan tingkat akurasi rekomendasi musik dibandingkan dengan pendekatan tradisional yang hanya mengandalkan algoritma KNN. Namun demikian, salah satu kelemahan yang diidentifikasi dalam penggunaan metode KNN adalah tantangan dalam menentukan parameter nilai k yang optimal, karena pilihan yang tidak tepat dapat mengurangi kinerja KNN. Oleh karena itu, penelitian ini mengeksplorasi pendekatan gabungan antara K-Nearest Neighbor dan Algoritma Genetika untuk mengoptimalkan kualitas sistem rekomendasi. Implikasi dari penelitian ini tidak hanya berpotensi memberikan kontribusi pada pengembangan sistem rekomendasi musik di Spotify dan platform serupa, tetapi juga dapat diadaptasi pada berbagai jenis data lainnya guna membangun model klasifikasi yang presisi.