Penerapan Klasterisasi Fitur Audio dalam Rekomendasi Lagu Jawa Modern
DOI:
https://doi.org/10.59024/jiti.v4i2.1686Keywords:
Fitur Audio; K-Means; Klasterisasi; Lagu Jawa Modern; Sistem Rekomendasi.Abstract
Lagu Jawa modern merupakan perkembangan kontemporer dari musik tradisional Jawa yang semakin banyak dinikmati generasi muda melalui platform digital. Namun, meningkatnya jumlah lagu baru membuat pengguna sulit menemukan lagu yang sesuai dengan preferensi musikal jika pencarian hanya dilakukan berdasarkan judul atau nama artis. Penelitian ini mengembangkan pendekatan rekomendasi berbasis konten melalui klasterisasi fitur audio terhadap 100 lagu Jawa modern yang dikumpulkan dari YouTube. Fitur audio diekstraksi menggunakan Librosa pada Python, meliputi tempo BPM, danceability, RMS energy, zero-crossing rate, MFCC means, spectral contrast means, dan chroma features means, sehingga setiap lagu menghasilkan 36 fitur numerik. Algoritma K-Means digunakan untuk membentuk tiga klaster, PCA digunakan untuk memvisualisasikan distribusi klaster, dan Silhouette Score digunakan untuk mengevaluasi kualitas pengelompokan. Hasil penelitian mengidentifikasi tiga gaya musikal yang dapat diinterpretasikan, yaitu Jawa modern enerjik, lagu tradisional atau akustik, serta Jawa eksperimental atau ambient, dengan Silhouette Score sebesar 0,114. Temuan ini menunjukkan bahwa fitur audio mampu merepresentasikan karakter lagu secara objektif dan mendukung sistem rekomendasi adaptif untuk pelestarian musik daerah. Pendekatan ini juga membantu memperluas akses pendengar terhadap kekayaan musik lokal di era digital secara berkelanjutan.
References
Anggeli, M. Z., & Suroso. (2021). Klasifikasi alat musik tradisional dengan metode machine learning dengan Librosa dan Tensorflow pada Python. J-SAKTI (Jurnal Sains Komputer & Informatika), 5, 949-956. http://ejurnal.tunasbangsa.ac.id/index.php/jsakti/article/view/390/369
Anggoro, M. V., & Izzatillah, M. (2022). Sistem rekomendasi musik dengan metode collaborative filtering berbasis Android. STRING (Satuan Tulisan Riset dan Inovasi Teknologi), 7(1), 1-8. https://www.strategi.it.maranatha.edu/index.php/strategi/article/view/220
Auliasari, K., & Kertaningtyas, M. (2022). Analisis cluster atribut audio pada lagu terpopuler aplikasi TikTok. Jurnal Sains dan Informasi, 8(2), 140-149. https://doi.org/10.34128/jsi.v8i2.497
Bisma, K., & Pramartha, C. (2024). Segmentasi pengguna Spotify berdasarkan preferensi musik dengan algoritma KMeans clustering. JNATIA (Jurnal Nasional Teknologi Informasi dan Aplikasinya), 3, 37-42. https://doi.org/10.24843/JNATIA.2024.v03.i01.p05
Caknan, D. (n.d.). Denny Caknan [YouTube channel]. YouTube. Retrieved May 6, 2025, from https://www.youtube.com/@dennycaknan6996/videos
Damayanti, S. E., Fajriana, M. I., Meilani, D., & Fatimah, S. S. (2024). Menjelajahi wawasan industri musik: Klasterisasi lagu terpopuler di Spotify 2024 dengan metode K-Means clustering. In Seminar Nasional Penelitian (SEMNAS CORISINDO 2024) (pp. 562-567). https://corisindo.utbuniv.ac.id/index.php/penelitian/article/view/188
Dbscan, K., & Hasan, Y. (2024). Pengukuran Silhouette Score dan Davies-Bouldin Index pada hasil cluster. KAKIFIKOM (Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer), 6(1), 60-74. https://doi.org/10.54367
Farhani, F. S., & Qoiriah, A. (2024). Klasterisasi musik menggunakan K-Means. Journal of Informatics and Computer Science, 6(2), 566-572. https://doi.org/10.26740/jinacs.v6n02.p566-572
Firmansyah, M. I., Rohman, R. S., & Marsusanti, E. (2023). Penerapan algoritma klastering K-Means untuk fitur atribut pada layanan streaming musik Spotify. Indonesian Journal of Computer Science, 2(2), 58-66. https://doi.org/10.31294/ijcs.v2i2.2465
Harjananto, D. Y., Dewi, R. K., & Brata, K. C. (2021). Pengembangan sistem rekomendasi musik berdasarkan waktu berbasis Android. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 5(5), 1729-1733. http://j-ptiik.ub.ac.id
Iqbal, H. M. (2022). Computer assisted test untuk pengelompokan jabatan teknisi menggunakan algoritma K-Means (Studi kasus: PT. XYZ). Indonesian Journal of Business Intelligence, 5(1), 28. https://doi.org/10.21927/ijubi.v5i1.2329
Kurniawan, H., Defit, S., & Sumijan. (2020). Data mining menggunakan metode K-Means clustering untuk menentukan besaran uang kuliah tunggal. Journal of Applied Computer Science and Technology, 1(2), 80-89. https://doi.org/10.52158/jacost.v1i2.102
Mastrika, I. W. A., Radhitya, M. L., & Raharja, M. A. (2022). Sistem rekomendasi musik berdasarkan data konteks pada listening history musik dan keterkaitan artis Indonesia. Jurnal Ilmiah Teknologi Informasi Asia, 5(1), 86-93. https://doi.org/10.31598
Nurdiansyah, N., Muliadi, M., Herteno, R., Kartini, D., & Budiman, I. (2024). Implementasi metode Principal Component Analysis (PCA) dan Modified K-Nearest Neighbor pada klasifikasi citra daun tanaman herbal. Jurnal Mnemonic, 7(1), 1-9. https://doi.org/10.36040/mnemonic.v7i1.6664
Nuriska, D., Irawan, B., Bahtiar, A., & Dikananda, A. R. (2024). Klasterisasi data lagu terpopuler Spotify 2023 berdasarkan suasana hati menggunakan algoritma K-Means. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3843-3850. https://doi.org/10.36040/jati.v7i6.8232
Paembonan, S., & Abduh, H. (2021). Penerapan metode Silhouette Coefficient untuk evaluasi clustering obat. PENA Teknik: Jurnal Ilmiah Ilmu-Ilmu Teknik, 6(2), 48. https://doi.org/10.51557/pt_jiit.v6i2.659
Rianti, R., Andarsyah, R., & Awangga, R. M. (2024). Penerapan PCA dan algoritma clustering untuk analisis mutu perguruan tinggi di LLDIKTI Wilayah IV. Nuansa Informatika, 18(2), 67-77. https://doi.org/10.25134/ilkom.v18i2.211
Rohmah, N., & Haryanto, M. (2022). Metafora lirik lagu pop Jawa pada media sosial sebagai representasi puitika kekinian. Prosiding Konferensi Ilmiah Pendidikan, 3(1). https://proceeding.unikal.ac.id/index.php/kip/article/view/1109/911
Yaumi, A. S., Zulfiqkar, Z., & Nugroho, A. (2020a). Systemic: Information System and Informatics Journal Sistem Penunjang Keputusan Pemasaran Produk X menggunakan metode data mining. Systemic: Information System and Informatics Journal, 6(1), 44-50. https://doi.org/10.29080/systemic.v6i1.936
Yaumi, A. S., Zulfiqkar, Z., & Nugroho, A. (2020b). Klasterisasi karakter konsumen terhadap kecenderungan pemilihan produk menggunakan K-Means. JOINTECS (Journal of Information Technology and Computer Science), 5(3), 195. https://doi.org/10.31328/jointecs.v5i3.1523
Yoga, R. J., Rahmat, B., & Mandyartha, E. P. (2024). Analisis klaster dan klasifikasi emosi dalam musik K-Pop dengan K-Means dan algoritma C4.5. Neptunus: Jurnal Ilmu Komputer dan Teknologi Informasi, 2(3), 147-160. https://journal.arteii.or.id/index.php/Neptunus/article/view/228
Published
Issue
Section
License
Copyright (c) 2026 JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
