Penerapan Algoritma Random Forest Classifier pada Sistem Rekomendasi Lagu Berbasis Content-Based Filtering
DOI:
https://doi.org/10.53624/b35ds045Keywords:
Sistem Rekomendasi Lagu, Content-Based Filtering, Random Forest Classifier, Klasifikasi Genre, Cosine SimilarityAbstract
atar Belakang: Banyaknya pilihan lagu pada platform musik digital dapat menyulitkan pendengar dalam menemukan lagu yang sesuai dengan minat dan kebutuhan. Kondisi ini dapat menyebabkan information overload, sehingga diperlukan sistem rekomendasi yang mampu membantu menemukan lagu berdasarkan karakteristik audio. Tujuan: Penelitian ini bertujuan menerapkan algoritma Random Forest Classifier pada sistem rekomendasi lagu berbasis Content-Based Filtering. Metode: Random Forest Classifier digunakan untuk mengklasifikasikan genre lagu berdasarkan sembilan fitur audio, yaitu danceability, energy, loudness, speechiness, acousticness, instrumentalness, liveness, valence, dan tempo. Hasil klasifikasi genre kemudian digunakan dalam proses Content-Based Filtering dengan Cosine Similarity untuk menghasilkan rekomendasi lagu yang memiliki karakteristik serupa. Hasil: Pengujian Random Forest Classifier pada skenario Genre Selection menghasilkan nilai accuracy sebesar 0,66. Evaluasi sistem rekomendasi menghasilkan nilai Precision@10 sebesar 0,9915, Precision@30 sebesar 0,9866, dan Precision@50 sebesar 0,9832. Sementara itu, nilai Recall@10, Recall@30, dan Recall@50 masing-masing sebesar 0,1015, 0,3030, dan 0,5033. Kesimpulan: Penerapan Random Forest Classifier dan Content-Based Filtering mampu menghasilkan rekomendasi lagu yang relevan berdasarkan karakteristik audio, dengan nilai precision yang tinggi dan recall yang meningkat seiring bertambahnya jumlah rekomendasi.
Downloads
References
Abrah, R., Hayat, M. A. M., & Lukman. (2025). Penerapan Machine Learning untuk Mengklasifikasikan Genre Musik Berdasarkan Fitur Audio. Jurnal Informatika dan Teknik Elektro Terapan, 3(2), 204–211. https://doi.org/10.57250/ajst.v3i2.1699
Firnanda, P. A., Shofwatillah, L., Rahma, F., & Fauzi, F. (2025). Analisis Perbandingan Decision Tree dan Random Forest dalam Klasifikasi Penjualan Produk pada Supermarket. Emerging Statistics and Data Science Journal, 3(1). https://doi.org/https://doi.org/10.20885/esds.vol3.iss.1.art2
Khanum, H., Garg, A., & Faheem, M. I. (2023). Accident Severity Prediction Modeling for Road Safety Using Random Forest Algorithm: An Analysis of Indian Highways. F1000Research, 12, 494. https://doi.org/10.12688/f1000research.133594.1
Lonang, S., Yudhana, A., & Biddinika, M. K. (2023). Analisis Komparatif Kinerja Algoritma Machine Learning untuk Deteksi Stunting. Jurnal Media Informatika Budidarma, 7(4), 2109. https://doi.org/10.30865/mib.v7i4.6553
Moerdyanto, O. P., & Nuryana, I. K. D. (2023). Prediksi Kelulusan Tepat Waktu Menggunakan Pendekatan Pohon Keputusan Algoritma Decision Tree. Journal of Informatics and Computer Science, 05. https://doi.org/https://doi.org/10.26740/jinacs.v5n01.p90-96
Munajad, M. A., Ridwan, A., & Pratama, T. G. (2025). Pengembangan Sistem Rekomendasi Musik dengan K-Means dan KNN Berbasis Cosine Similarity. Sainteks, 22(2), 153–165. https://doi.org/10.30595/sainteks.v22i2.27815
Murtopo, A. A., Haryadi, D., & Fadilah, N. (2022). Penerapan Model Information Retrieval Untuk Pencarian Konten Pada Perpustakaan Digital. JUPTI (Jurnal Publikasi Teknik Informatika ), 1(3). https://doi.org/doi.org/10.55606/jupti.v1i3.514
Pake, G. V. R., Mawardi, V. C., & Sutrisno, T. (2023). Penerapan Metode Content-Based Filtering dalam Implementasi Sistem Rekomendasi Musik. Jurnal Serina Sains, Teknik dan Kedokteran, 1(2), 455–462. https://doi.org/10.24912/jsstk.v1i2.31037
Putra, A. I., & Santika, R. R. (2020). Edumatic: Jurnal Pendidikan Informatika Implementasi Machine Learning dalam Penentuan Rekomendasi Musik dengan Metode Content-Based Filtering. 4(1). https://doi.org/10.29408/edumatic.v4i1.2162
Rabbani, B. I., Napitupulu, H., & Hertini, E. (2023). Sistem Rekomendasi Menggunakan Item-Based Collaborative Filtering Berbasis Mobile iOS. SISINFO : Jurnal Sistem Informasi Dan Informatika, 5(2), 50–56. https://doi.org/https://doi.org/10.37278/sisinfo.v5i2.671
Rachmaniar, A., Widayati, S., & Rokoyah, K. (2025). Sistem Rekomendasi Prosuk E-commerce Menggunakan Collaborative Filtering dan Content-Based Filtering. Journal of Information System, Informatics and Computing Issue Period, 9(1), 40–54. https://doi.org/10.52362/jisicom.v9i1.1904
Ristias, A. A., Wahyuni, E. D., & Wati, S. F. A. (2024). Komparasi Kinerja Metode Cosine dan Jaccard Similarity dalam Content-Based Recommendation System (CBRS) pada Aplikasi Eventhings. Jurnal Informatika dan Teknik Elektro Terapan, 12(3). https://doi.org/10.23960/jitet.v12i3.4738
Saifudin, I., & Widiyaningtyas, T. (2024). Systematic Literature Review on Recommender System: Approach, Problem, Evaluation Techniques, Datasets. IEEE Access, 12, 19827–19847. https://doi.org/10.1109/ACCESS.2024.3359274
Timur, A. Y., & Rohman, A. N. (2025). Sistem Rekomendasi Lagu Indonesia Menggunakan Metode Content-Based Filtering dan Cosine Similarity. Jurnal Informatika dan Teknik Elektro Terapan, 13(1). https://doi.org/10.23960/jitet.v13i1.5949
Widiyaningtyas, T., Hidayah, I., & Adji, T. B. (2021). Recommendation Algorithm using Clustering-Based UPCSim (Cb-UPCsim). Computers, 10(10). https://doi.org/10.3390/computers10100123
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Reza Dwi Anggara, Ilham Saifudin, Rosita Yanuarti
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
1. Hak cipta atas artikel apa pun dipegang oleh penulisnya.
2. Penulis memberikan jurnal, hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Lisensi Atribusi Creative Commons yang memungkinkan orang lain untuk membagikan karya dengan pengakuan atas kepenulisan dan publikasi awal karya tersebut dalam jurnal ini.
3. Penulis dapat membuat pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan dari publikasi awalnya di jurnal ini.
4. Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena hal itu dapat mengarah pada pertukaran yang produktif, serta kutipan yang lebih awal dan lebih besar dari karya yang diterbitkan.
5. Artikel dan materi terkait yang diterbitkan didistribusikan di bawah Lisensi Internasional Creative Commons Attribution-ShareAlike 4.0
How to Cite
.png)
