Prediksi Kecenderungan Musik Indonesia terhadap Musik Amerika Serikat dan Korea dengan Pendekatan Berbasis Time Series

Rahman, Reyhan Naufal (2023) Prediksi Kecenderungan Musik Indonesia terhadap Musik Amerika Serikat dan Korea dengan Pendekatan Berbasis Time Series. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111940000171-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (4MB) | Request a copy

Abstract

Musik Indonesia telah mengalami perkembangan yang cukup pesat dalam beberapa tahun terakhir. Industri musik Indonesia kini telah menjadi salah satu yang terbesar di Asia, dengan banyak artis dan lagu populer yang menarik perhatian penggemar dari seluruh dunia. Namun, seperti industri musik lainnya, industri musik Indonesia juga mengalami perubahan tren yang cepat. Memanfaatkan data dari Spotify penelitian ini menggali fitur-fitur audio dan bagaimana mereka mempengaruhi popularitas sebuah lagu. Fitur audio ini adalah acousticness, danceability, energy, instrumentalness, liveness, loudness, speechiness, tempo, dan valance. Rentang data yang digunakan meliputi tahun 2000 hingga 2022. Model Random Forest digunakan untuk menentukan fitur lagu yang paling mempengaruhi popularitasnya. Hasil ini menunjukkan bahwa fitur seperti tempo, loudness, dan acousticness berdampak besar terhadap popularitas lagu di Indonesia, sementara fitur danceability, loudness, dan speechiness sangat penting di Amerika Serikat, sedangkan untuk Korea Selatan, loudness, acousticness, dan tempo menjadi fitur dominan. Selanjutnya, penelitian ini membandingkan kesamaan antara musik Indonesia dengan Amerika Serikat dan Korea Selatan berdasarkan feature importance pada negara Indonesia. Akurasi fitur tempo untuk kedekatan dengan Amerika Serikat sebesar 65%, sementara untuk Korea Selatan 58%. Dapat disimpulkan musik Indonesia memiliki kedekatan dengan kedua negara berdasarkan fitur tempo. Fitur acousticness untuk Amerika Serikat mempunyai akurasi 33% dan untuk Korea Selatan menunjukkan akurasi 79%. Hal ini mengimplikasikan bahwa musik Indonesia memiliki lebih banyak kedekatan dengan Korea Selatan berdasarkan fitur acousticness. Terakhir, fitur loudness memiliki akurasi 80% untuk Amerika Serikat dan 40% untuk Korea Selatan menunjukkan bahwa musik Indonesia memiliki kedekatan yang lebih besar dengan Amerika Serikat berdasarkan fitur loudness.
====================================================================================================================================
Indonesian music has experienced quite rapid development in recent years. The Indonesian music industry has now become one of the largest in Asia, with many popular artists and songs attracting fans from all over the world. However, like other music industries, the Indonesian music industry is also experiencing rapid trend changes. Utilizing data from Spotify this research explores audio features and how they affect the popularity of a song. These audio features are acousticness, danceability, energy, instrumentalness, liveness, loudness, speechiness, tempo, and valance. The data range used covers the years 2000 to 2022. The Random Forest model is used to determine the song features that most influence its popularity. These results show that features such as tempo, loudness, and acousticness have a major impact on the popularity of songs in Indonesia, while danceability, loudness, and speechiness are very important in the United States, while for South Korea, loudness, acousticness, and tempo are the dominant features. Furthermore, this study compares the similarities between Indonesian music and the United States and South Korea based on feature importance in Indonesia. The tempo feature accuracy for similarities to the United States is 65%, while for South Korea is 58%. It can be concluded that Indonesian music has similarities with the two countries based on tempo features. The acousticness feature for the United States has an accuracy of 33% and for South Korea it shows an accuracy of 79%. This implies that Indonesian music has more similarities with South Korea based on acousticness features. Finally, the loudness feature demonstrates 80% accuracy for the United States and 40% accuracy for South Korea indicating that Indonesian music exhibits greater similarities to the United States in terms of the loudness feature.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Deep Learning, Klasifikasi, Prediksi Musik, Time Series
Subjects:	Q Science Q Science > Q Science (General) Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Reyhan Naufal Rahman
Date Deposited:	31 Jul 2023 03:36
Last Modified:	31 Jul 2023 03:36
URI:	http://repository.its.ac.id/id/eprint/100435

Actions (login required)

View Item