OLEH:
UNIVERSITAS UDAYANA
2017
1. Judul : IMPLEMENTASI ALGORITMA SELF ORGANIZING MAP
UNTUK REKOMENDASI MUSIC INTEREST DALAM APLIKASI
FACEBOOK
Disusun Oleh : GUSTI AYU VIDA MASTRIKA GIRI
Tahun : 2012
Deskripsi : Tugas Akhir ini membahas mengenai rekomendasi musik-mus ik
favorit yang sejenis di jejaring sosial di internet. Para penggemar musik bisa mencari
facebook page dari berbagai pemusik dan menggali musiknya untuk mencari
rekomendasi baru. Tetapi mencari facebook page satu persatu membutuhkan waktu
yang lama, sehingga dibutuhkan cara rekomendasi yang lebih efisien untuk
menemukan rekomendasi musik interest. Rekomendasi music interest tidak hanya
didapat dari genre musik yang sama, kemiripan audio dapat digunakan sebagai dasar
pencarian musik dengan menggunakan fitur- fitur yang dimiliki musik seperti key,
mode, loudness, energy, dan tempo. Maka solusi dari permasalah dalam tugas akhir ini
adalah peneliti menggunakan algoritma Self Organizing Map yang diimplementas ika n
pada aplikasi jejaring sosial facebook dengan analisis keterkaitan antara kemiripan fitur
musik dengan genre musik. File-file musik dengan kesamaan audio akan
dikelompokkan sehingga pendengar bisa dengan mudah mendapatakan sebuah daftar
musik dengan kemiripan audio yang tinggi dan membantu pengguna dalam memilih
musik-musik yang mirip dengan musik favoritnya melalui aplikasi rekomendasi musik
dalam jejaring sosial di Facebook.
Para penggemar musik bisa mencari Facebook page dari berbagai pemusik dan
menggali musiknya untuk mencari rekomendasi baru. Tetapi mencari facebook page satu
persatu membutuhkan waktu yang lama, sehingga dibutuhkan cara rekomendasi yang lebih
efisien untuk menemukan rekomendasi music interest. Rekomendasi music interest tidak hanya
dari genre musik yang sama, melainkan kemiripan dari fitur-fitur musik juga dapat digunaka n
untuk memberikan rekomendasi musik. Rekomendasi musik dan kemiripan audio telah diteliti
oleh beberapa peneliti, dalam Tugas Akhir ini peneliti menemukan penelitian dari Dewi &
Putri, 2011 yang merekomendasikan musik berdasarkan kesamaan audio dengan menggunaka n
fitur musik ritme dan metode K-Nearest Neighbour. Dari berbagai penelitian yang ada peneliti
Tugas akhir ini menggunakan metode Self Organizing Map sebagai metode yang digunaka n
untuk merekomendasikan music interest karena telah digunakan untuk mengelompokkan data
berdimensi tinggi.
Hasil dari penelitian ini berupa sebuah aplikasi yang bernama Music Information by
Computer Sciene (MICS) Recomendations yang terdapat pada jejaring soisal Facebook.
Aplikasi ini menggunakan algoritma Self Organizing Map dengan analisis ketekaitan antara
kemiripan audio dengan genre musik yang ada. Fitur-fitur yang terdapat dalam penelitian ini
meliputi fitur key, mode, loudness, energy, dan tempo. Dalam metode Self Organizing Map
dapat mengorganisasikan file-file musik berdasarkan kemiripan audio yang dimiliki musik.
File-file musik akan dikelompokkan berdasarkan kesamaan audio yang dimiliki sehingga
pendengar dapat dengan mudah mendapatkan daftar musik favorit dengan kemiripan audio
yang tinggi. Dataset yang digunakan peneliti berjumlah 280 lagu dari 14 genre yang berbeda.
Dataset dibagi menjadi data awal dengan 196 dataset dan data pengujian sebanyak 86 dataset.
Dalam penelitian ini Algoritma Self Organizing Map telah berhasil digunakan untuk
mengelompokkan dataset musik berdasarkan fitur key, mode, loudness, energi, dan tempo yang
digunakan pada aplikasi MICS Recomendations. Aplikasi MICS Recomendations berhasil
diterapkan pada jejaring sosial Facebook dengan nilai precision 0,9167 dan nilai recall 0,6471
untuk tampilan music interest, serta nilai precision 0,9019 dan nilai recall 0,5679 untuk
tampilan rekomendasi music page.