Sistem Rekomendasi Musik Spotify Berdasarkan Listening History Pengguna

Abstract

Dengan meningkatnya popularitas musik digital, pengguna sering kali menemukan kesulitan menemukan musik yang sesuai dengan preferensi dan konteks mereka.  Sistem rekomendasi yang ada saat ini kurang personal, memenuhi kebutuhan pendengar.  Tujuan penelitian ini adalah untuk menciptakan dan menguji sistem rekomendasi musik yang bergantung pada riwayat mendengarkan yang digunakan pengguna di platform Spotify.  Untuk memberikan saran yang lebih personal dan relevan untuk penelitian ini, kami menggunakan pendekatan hybrid yang menggabungkan metode filtrasi kolaboratif dan filtrasi berbasis konten.  Informasi seperti artis, genre, lagu, dan waktu pengguna diambil dari rekaman mendengarkan.  Pemodelan sistem rekomendasi, preprocessing, dan pengumpulan data adalah bagian dari metodologi penelitian.  Dalam hal akurasi dalam merekomendasikan musik, hasil evaluasi sistem menunjukkan tingkat presisi sebesar 87%, recall sebesar 82%, dan Mean Absolute Error (MAE) sebesar 0,15.  Temuan ini menunjukkan bahwa sistem rekomendasi yang dikembangkan mampu meningkatkan kepuasan pengguna dengan memberikan rekomendasi musik yang relevan berdasarkan preferensi dan konteks individu, termasuk aktivitas olahraga di sore hari dalam cuaca cerah.  Penelitian ini diharapkan dapat menjadi dasar untuk pengembangan lebih lanjut dalam rekomendasi musik yang lebih kompleks dan dinamis. Ini juga telah memberikan kontribusi signifikan dalam pengembangan teknologi rekomendasi personal untuk layanan streaming musik.