Setiadi, William Surya (1172005) (2015) Pembangunan Aplikasi Rekomendasi Musik Berdasarkan Deteksi Genre Menggunakan Tool Ekstraksi Fitur Musik. Undergraduate thesis, Universitas Kristen Maranatha.
|
Text
1172005_Abstract_TOC.pdf - Accepted Version Download (229Kb) | Preview |
|
|
Text
1172005_Chapter1.pdf - Accepted Version Download (13Kb) | Preview |
|
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
1172005_Chapter2.pdf - Accepted Version Restricted to Repository staff only Download (589Kb) |
|
|
Text
1172005_Chapter3.pdf - Accepted Version Restricted to Repository staff only Download (507Kb) |
|
|
Text
1172005_Chapter4.pdf - Accepted Version Restricted to Repository staff only Download (1232Kb) |
|
|
Text
1172005_Chapter5.pdf - Accepted Version Restricted to Repository staff only Download (1588Kb) |
|
|
Text
1172005_Conclusion.pdf - Accepted Version Download (115Kb) | Preview |
|
|
Text
1172005_Cover.pdf - Accepted Version Restricted to Repository staff only Download (945Kb) |
|
|
Text
1172005_References.pdf - Accepted Version Download (7Kb) | Preview |
Abstract
Musik dapat dibagi menjadi beberapa kategori berdasarkan gaya, lirik, dan latar belakang budaya. Kategori ini lebih dikenal dengan istilah genre. Genre sebuah musik adalah sesuatu yang subjektif. Latar belakang budaya seseorang dapat berperan penting dalam sudut pandang dirinya, yang kemudian menyebabkan perbedaan antara sudut pandang seseorang dan orang lain. Hal ini dapat menyebabkan beberapa individu mengalami kesulitan di dalam mencari lagu-lagu yang mirip dengan selera mereka, sehingga meningkatkan permintaan sistem rekomendasi musik. Penelitian ini berpusat pada pembangunan sebuah sistem rekomendasi musik yang didasarkan pada clustering model dari empat genre yang ditentukan. Clustering model ini kemudian digunakan untuk mendeteksi genre sebuah lagu secara objektif berdasarkan nilai ekstraksi fitur dari lagu tersebut. Sistem yang dibangun kemudian merekomendasikan beberapa lagu yang dekat berdasarkan nilai dengan lagu yang dipilih oleh pengguna. Penelitian ini membandingkan performa dan akurasi dari SimpleKMeans dan XMeans untuk kasus aplikasi yang dibangun. Pengaruh attribute selection dan normalisasi data terhadap akurasi juga dibahas pada bab-bab akhir dari penelitian ini. Aplikasi yang dibangun berhasil mendeteksi genre dari sebuah lagu dan dapat memberikan rekomendasi kepada pengguna yang didasarkan pada nilai-nilai fitur yang berdekatan dengan akurasi sebesar 77.5%.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | sistem rekomendasi, clustering, ekstraksi fitur musik, normalisasi data, attribute selection |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Information Technology > 72 Information Technology Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 18 Nov 2015 07:45 |
| Last Modified: | 18 Nov 2015 07:45 |
| URI: | http://repository.maranatha.edu/id/eprint/17316 |
Actions (login required)
 |
View Item |
