Wijaya, Hendry (2021) Analisis Kemiripan Lagu Menggunakan Metode Clustering pada Lagu Korean Pop. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
![[img]](https://kc.umn.ac.id/style/images/fileicons/text.png)
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) |
|---|---|
| Keywords: | Analisis Cluster, K-Means Clustering, Kemiripan Lagu, Self- Organized Map, Spotify |
| Subjects: | 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.3 Artificial Intelligence, Machine Learning, Pattern Recognition, Data Mining |
| Divisions: | Faculty of Engineering & Informatics > Information System |
| SWORD Depositor: | Administrator UMN Library |
| Depositing User: | Administrator UMN Library |
| Date Deposited: | 24 Aug 2021 11:21 |
| Last Modified: | 02 Aug 2023 02:48 |
| URI: | https://kc.umn.ac.id/id/eprint/17483 |
Actions (login required)
 |
View Item |
