Skripsi

Prediksi keberhasilan musik di tangga lagu menggunakan pemodelan xgboost / Qorina Mailil Husna Mumtaza

Abstrak
Musik telah menjadi konsumsi sehari-hari bagi masyarakat dari berbagai usia. Perkembangan dalam industri musik turut melesat dikarenakan permintaan pasar yang menjanjikan. Salah satu faktor yang mendorong pertumbuhan pendapatan tersebut adalah maraknya platform streaming digital. Tingkat keberhasilan musik salah satunya ditandai dengan meroketnya posisi di tangga lagu. Penelitian dilakukan untuk memprediksi keberhasilan musik menggunakan model pengolahan data klasifikasi untuk menemukan pola yang ada pada musik dengan tingkat keberhasilan yang tinggi di tangga lagu. Model yang dibangun merupakan penerapan dari algoritma boosting yaitu XGBoost. Dengan algoritma XGBoost didapat sebuah prediksi keberhasilan musik di tangga lagu yang dapat membantu pengambilan keputusan oleh pemilik atau produsen musik dalam proses perilisan lagu. Tahapan pada penelitian terdiri dari lima tahap yaitu pengumpulan data musik dari platform streaming Spotify dan Billboard Hot 100 yang mencakup data lagu dari tahun 2010 hingga 2019 preprocessing implementasi XGBoost uji coba model prediksi evaluasi performa model prediksi menggunakan accuracy recall dan AUC. Hasil pengujian model prediksi menggunakan XGBoost pada penelitian ini didapatkan nilai akurasi sebesar 84.01% presisi sebesar 83.47% recall sebesar 84.16% dan AUC sebesar 84.01%.

Informasi Detail

DDC

Rs 005.1 MUM p

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2021.

Deskripsi Fisik

xiii, 42 lembar : ilus. ; 30cm.

Bahasa

Indonesia

No Reg

07152/KI/22

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2021

Subjek

1. ALGORITMA KOMPUTER - XGBOOST
2. COMPUTER ALGORITHM - XGBOOST

Pembimbing

1. Harits Ar Rosyid ; 2. Muhammad Iqbal Akbar

Lampiran Berkas