Electronic Theses and Dissertation

Industri musik saat ini mengalami perkembangan yang sangat pesat seiring dengan kemajuan teknologi yang memungkinkan musik mudah diakses kapan saja dan di mana saja. Meningkatnya jumlah pilihan lagu yang tersedia menjadi masalah bagi pengguna dalam proses menemukan lagu-lagu yang sesuai dengan preferensi dan selera pribadi mereka. Lagu yang diinginkan dapat difilter dengan memanfaatkan sistem rekomendasi. Content-based filtering merupakan sistem rekomendasi yang memanfaatkan berbagai sumber informasi untuk menyediakan pengguna suatu prediksi dan rekomendasi. Namun metode ini juga mempunyai kelemahan, yaitu terbatas dalam menemukan item baru yang belum pernah diakses oleh pengguna. Untuk mengatasi keterbatasan yang ada pada content-based filtering, metode lain yang dapat digunakan adalah knowledge-based recommender system. Sistem rekomendasi ini merupakan sistem yang mengandalkan informasi eksternal atau pengetahuan tambahan yang dikumpulkan untuk membuat rekomendasi yang lebih baik. Kedua metode tersebut akan digabungkan menjadi metode hybrid recommender systems yang bertujuan untuk mengoptimalkan hasil rekomendasi yang diberikan kepada pengguna dengan memperbaiki atau mengatasi kekurangan pada masing-masing metode. Berdasarkan hasil penelitian yang dilakukan, metode hybrid recommender systems menghasilkan nilai RMSE terendah adalah 0,114503. Sedangkan pada metode content-based filtering menghasilkan nilai RMSE sebesar 0,19395 dan metode knowledge-based recommender system menghasilkan nilai RMSE sebesar 0,209251. Hasil ini menunjukkan bahwa hybrid recommender systems terbukti cukup akurat dan lebih baik dalam memberikan rekomendasi.
Kata Kunci: Sistem Rekomendasi Lagu, Content-based Filtering, Knowledge-based Recommender System, Hybrid Recommender Systems

The music industry today is seeing rapid growth, primarily due to technological advancements that make music easier to access and listen to from anywhere. Increasing the number of available song options presents a challenge for users in selecting music that matches their personal preferences and tastes. The preferred music can be filtered by using the recommendation system. Content-based filtering is a recommendation system that uses many data sources to provide users with predictions and recommendations. However, this method also has an a weakness, which is that it is slow in identifying new items that users have never seen. Another method that can be used to address the weaknesses of content-based filtering is a knowledge-based recommender system. This recommendation system is a method that presents external information or expert knowledge that has been collected to provide recommendations that are more accurate. The two methods above will combine to form a hybrid recommender system method, which aims at maximizing recommendation results given to users by minimizing errors in each method. Based on the results of the research, the hybrid recommender systems method provided a land-level RMSE of 0.114503. In contrast, the content-based filtering method provided a RMSE of 0.19395, and the knowledge-based recommender system method provided a RMSE of 0.209251. The results indicate that the hybrid recommender system is more accurate and effective in providing recommendations. Keywords: Song Recommendation Systems, Content-based Filtering, Knowledge-based Recommender System, Hybrid Recommender Systems.