Prediksi Artis K-Pop Populer pada Tahun 2023 Menggunakan Algoritma Random Forest

Denisha, Anastasia (2023) Prediksi Artis K-Pop Populer pada Tahun 2023 Menggunakan Algoritma Random Forest. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (6MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (234kB) | Preview
Preview	PDF BAB_I.pdf Download (219kB) | Preview
Preview	PDF BAB_II.pdf Download (508kB) | Preview
Preview	PDF BAB_III.pdf Download (304kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
Preview	PDF BAB_V.pdf Download (217kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (573kB)

Abstract

Korean Wave (Hallyu) merupakan salah satu global fenomena yang membuat masyarakat lebih tertarik dengan Korea Selatan. Salah satu contohnya merupakan berkembangnya Korean Pop (K-Pop). Dengan berkembangnya Korean Pop dari tahun ke tahun, banyak perusahaan yang menggunakan artis K-Pop sebagai brand ambassador mereka. Akan tetapi tidak ada yang mengetahui artis K-Pop mana yang dapat memberikan keuntungan untuk jangka waktu yang lama. Oleh karena itu, dirancang sebuah sistem klasifikasi menggunakan machine learning untuk memprediksi artis K-Pop yang akan populer pada tahun 2023. Algoritma machine learning yang digunakan untuk membangun sistem klasifikasi adalah algoritma Random Forest Classifier. Data yang digunakan untuk sistem klasifikasi tersebut merupakan data lagu K-Pop dari 12 tahun kebelakang, yaitu dari tahun 2011 sampai dengan tahun 2022. Dengan algoritma Random Forest Classifier ini, berhasil didapatkan hasil klasifikasi dengan akurasi sebesar 65.7%. Melalui sistem klasifikasi tersebut, dapat diketahui artis K-Pop yang memiliki lagu populer berdasarkan data lagu yang digunakan. Dengan begitu, masyarakat terutama perusahaan dapat lebih mudah dalam mengetahui artis K-Pop yang populer.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Korean Pop, Korean Wave, Machine Learning, Random Forest
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	03 Jul 2023 09:50
Last Modified:	22 Aug 2023 07:13
URI:	https://kc.umn.ac.id/id/eprint/25569

Actions (login required)

View Item