Analisis Kemiripan Lagu Menggunakan Metode Clustering pada Lagu Korean Pop

Wijaya, Hendry (2021) Analisis Kemiripan Lagu Menggunakan Metode Clustering pada Lagu Korean Pop. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (1MB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (538kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (684kB) | Preview
[img]
Preview
PDF
BAB_II.pdf

Download (888kB) | Preview
[img]
Preview
PDF
BAB_III.pdf

Download (602kB) | Preview
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (1MB)
[img]
Preview
PDF
BAB_V.pdf

Download (602kB) | Preview
[img]
Preview
PDF
LAMPIRAN.pdf

Download (1MB) | Preview

Abstract

Tren perkembangan musik dengan aliran pop yang merupakan aliran yang paling diminati oleh masyarakat, dengan daya tarik yang berasal dari karakteristik yang menjadikan ciri khas, sehingga menjadi faktor dari populernya lagu tersebut. Sejak 22 maret 2020 lagu Korea atau K-Pop menjadi genre lagu yang populer mengalahkan musik pop lokal berdasarkan perkembangan dari google trends, terdapat faktor yang menyebabkan populernya genre lagu tersebut yang berasal dari karakteristik audio lagu tersebut. Maka faktor tersebut dicari melalui kemiripan lagu. Karena keterbatasan komputer dalam menebak kemiripan lagu berdasarkan suara, sehingga dibuatlah model untuk menebak kemiripan lagu menggunakan algoritma pengelompokan yaitu K-Means Clustering dan Self-Organized Map, dimulai dari mempelajari karakteristik lagu K-Pop secara menyeluruh yang diperoleh dari Spotify hingga dibagi menjadi beberapa kelompok dengan masing- masing karakteristik yang sesuai pada tiap kelompok, faktor dari karakteristik lagu K-pop tersebut diperoleh dari hasil analisis pada tiap cluster lagu K-pop tersebut. Dengan demikian, secara keseluruhan mayoritas lagu K-pop merupakan lagu yang berenergi, bersuara keras, dan suka dipakai untuk menari. Berdasarkan hasil analisis dengan membaginya menjadi 4 kelompok menggunakan K-Means karena lebih baik daripada SOM, terdapat 2 pasang cluster yang masing-masing memiliki kemiripan satu sama lain dari segi tempo dan penggambaran kondisi suasana hati. Dimana faktor dari lagu k-pop direpresentasikan oleh penjelasan mengenai karakteristik baik secara umum maupun berdasarkan tiap cluster

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: Analisis Cluster, K-Means Clustering, Kemiripan Lagu, Self- Organized Map, Spotify
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T70 Information System
Divisions: Fakultas Teknik Informatika > Program Studi Sistem Informasi
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 24 Aug 2021 11:21
Last Modified: 24 Aug 2021 11:21
URI: http://kc.umn.ac.id/id/eprint/17483

Actions (login required)

View Item View Item