SISTEM REKOMENDASI LAGU BERBASIS KNN MENGGUNAKAN FITUR AUDIO DARI SPOTIFY API

Authors

  • Nur Kholiq Yoga Witanto Universitas Nusantara PGRI Kediri Indonesia
  • Daniel Swanjaya Universitas Nusantara PGRI Kediri Indonesia
  • Danar Pamungkas Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/9dahat61

Abstract

Sistem rekomendasi lagu berbasis fitur audio menjadi solusi untuk membantu pengguna menemukan lagu baru sesuai preferensi mereka. Penelitian ini bertujuan mengembangkan sistem rekomendasi lagu menggunakan algoritma K-Nearest Neighbor (KNN) dengan memanfaatkan fitur audio dari Spotify API seperti tempo, energy, valence, acousticness, dan danceability. Metode penelitian yang digunakan adalah waterfall, dimulai dari analisis kebutuhan, pengumpulan dataset dari Kaggle, normalisasi data, hingga implementasi dan evaluasi menggunakan metrik Top K-Accuracy. Hasil pengujian menunjukkan bahwa sistem mampu memberikan rekomendasi dengan tingkat akurasi sebesar 68%, yang berarti 3-4 lagu dari 5 lagu yang direkomendasikan relevan dengan preferensi pengguna. Penelitian ini membuktikan bahwa KNN dapat diterapkan secara efektif dalam sistem rekomendasi musik berbasis fitur audio, sehingga meningkatkan pengalaman pengguna dalam menikmati musik.

Keywords:

Fitur Audio, Spotify API, K-Nearest Neighbor

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

[1] A. Wahyudin, A. Anisyah, D. Ahmaddifa, K. Bandung, A. P. Interface, and F. Cloud, “Pengembangan Sistem Notifikasi Real-Time untuk Aplikasi Manajemen Persuratan Multiplatform menggunakan Firebase Cloud Messaging dan Application Programming Interface,” vol. 09, pp. 284–300, 2024.

[2] F. A. Anderson and M. M. Mutoffar, “Tinjauan Pusataka: Penerapan Teknologi Artifical Intelligence Pada Fitur ‘Made For You’ Aplikasi Spotify,” INTEK J. Inform. dan Teknol. Inf., vol. 7, no. 1, pp. 41–46, 2024.

[3] R. C. Maringka, A. Khoirunnita, R. Maringka, E. Utami, and K. Kusnawi, “Analisa Perkembangan Musik Pada Spotify Menggunakan Structured Query Language (SQL),” CogITo Smart J., vol. 7, no. 1, pp. 1–14, 2021, doi: 10.31154/cogito.v7i1.287.1-14.

[4] R. Amanda, “Music streaming dalam industri musik era industri 4.0,” J. Stud. Komun. (Indonesian J. Commun. Stud., vol. 6, no. 1, pp. 358–382, 2022, doi: 10.25139/jsk.v6i1.3772.

[5] A. R. Ilhami, A. Putra, A. C. Aurelie, K. Junaidi, and S. Israwana, “Implementasi MapReduce Pada Dataset Spotify Top Music Untuk Mengetahui Artist yang paling banyak Didengar Dalam Kurun Waktu 10 Tahun,” J. Netw. Comput. Appl., vol. 2, no. 2, pp. 37–51, 2023, [Online]. Available: https://jurnal.netplg.com/

[6] G. A. V. M. Giri, M. L. Radhitya, M. A. Raharja, and I. W. Supriana, “SISTEM REKOMENDASI MUSIK BERDASARKAN DATA KONTEKS PADA LISTENING HISTORY MUSIK DAN KETERKAITAN ARTIS INDONESIA,” J. Resist. (Rekayasa Sist. Komputer), vol. 5, no. 1, pp. 86–93, Apr. 2022, doi: 10.31598/jurnalresistor.v5i1.1044.

[7] S. R. Cholil, T. Handayani, R. Prathivi, and T. Ardianita, “Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 6, no. 2, pp. 118–127, 2021, doi: 10.31294/ijcit.v6i2.10438.

[8] J. Wang, “A Critical Research of Spotify’s Business Model—The Case of Discover Weekly,” BCP Soc. Sci. Humanit., vol. 21, 2023, doi: 10.54691/bcpssh.v21i.3873.

[9] Sitti Aliyah Azzahra, Syafran Nurrahman, and Aep Saefullah, “Integrasi Kecerdasan Buatan Dalam Sistem Rekomendasi Produk Untuk E-Commerce,” J. Sains dan Teknol., vol. 3, no. 1, pp. 21–28, 2024, doi: 10.58169/saintek.v3i1.394.

[10] F. R. Hariri and L. W. Rochim, “Sistem Rekomendasi Produk Aplikasi Marketplace Berdasarkan Karakteristik Pembeli Menggunakan Metode User Based Collaborative Filtering,” Teknika, vol. 11, no. 3, pp. 208–217, Nov. 2022, doi: 10.34148/teknika.v11i3.538.

[11] D. Dhimas et al., “Sistem Rekomendasi Laptop Menggunakan Metode Collaborative Filltering Dan Weighted Product Pada Toko Online Indojaya Computer,” vol. 4, pp. 594–604, 2025.

Downloads

Published

2025-07-10

Issue

Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Section

Articles

License

Copyright (c) 2025 Nur Kholiq Yoga Witanto, Daniel Swanjaya, Danar Pamungkas

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

SISTEM REKOMENDASI LAGU BERBASIS KNN MENGGUNAKAN FITUR AUDIO DARI SPOTIFY API. (2025). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 9(2), 1516-1522. https://doi.org/10.29407/9dahat61