Komparasi Algoritma Klasifikasi Genre Musik pada Spotify Menggunakan CRISP-DM

Abstract

Sebelum era modernisasi di Indonesia, jika seseorang ingin mendengarkan musik harus berada di suatu tempat atau dapat mendengarkan dan melihat dari perangkat yang tidak bisa dibawa kemana-mana, misalnya radio. Membuat seseorang tidak dapat memilih genre musik yang diinginkan. Dengan munculnya internet di Indonesia dan perkembangan zaman, masyarakat dapat mendengarkan musik secara online sesuai selera atau genre musik yang disukai atau mendengarkan musik dengan genre musik yang dimainkan secara acak. Proses data mining memiliki berbagai algoritma klasifikasi yang selalu berkembang. Teknik klasifikasi pada fungsionalitas data mining merupakan data yang dapat dikategorikan berdasarkan label kelas yang telah diketahui sebelumnya. Teknik klasifikasi telah digunakan di berbagai bidang termasuk penelitian di industri musik. Penelitian ini bertujuan untuk membandingkan algoritma klasifikasi mana yang menghasilkan kinerja terbaik berdasarkan proses data mining menggunakan CRISP-DM. Algoritma klasifikasi yang digunakan untuk pengujian adalah Naive Bayes, K-NN, dan Random Forest. Dari penelitian yang dilakukan diperoleh hasil akurasi terbaik dengan algoritma Naive Bayes dengan nilai 58.91%. Algoritma dengan kinerja terbaik adalah K-NN dan Random Forest dengan nilai 0,528.