IMPLEMENTASI ALGORITMA K-MEANS DALAM SISTEM REKOMENDASI MUSIK MENGGUNAKAN PYTHON

Abstract

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