Recommender System banyak digunakan dengan tujuan memberikan rekomendasi item atau informasi yang dibutuhkan. Pada penelitian ini rekomendasi lagu dilakukan dengan cara memberi prediksi lagu kepada user berdasarkan kecepatan tempo dengan satuan bpm (beats per minute) dan kumpulan lagu yang pernah didengar oleh user. Sistem rekomendasi lagu yang berkembang pada saat ini dalam memberi rekomendasi lagu kepada user lebih memperhatikan pada kesamaan artis dan genre. Ada kalanya apa yang di rekomendasikan kepada user masih belum sesuai dengan apa yang diinginkan user, atau user menginginkan lagu-lagu dengan artis yang berbeda dengan tipe musik yang sama. Masih jarang sistem rekomendasi lagu dalam memberi rekomendasi lagu pada user memperhatikan unsur-unsur yang ada dalam musik seperti melodi, irama, birama, tempo, dan harmoni. Untuk itu pada penelitian ini dilakukan pengkajian sistem rekomendasi lagu berdasarkan salah satu unsur musik yaitu tempo. Untuk menyelesaikan masalah di atas, pendekatan yang dilakukan pada penelitian ini adalah dengan mengelompokkan lagu dengan menggunakan tools XLSTAT berdasarkan bpm pada lagu. Penggunaan tools berfungsi untuk membuat cluster dengan memanfaatkan fitur k-means clustering. Fitur k-means dipilih karena k-means clustering sudah sangat popular dalam membentuk cluster dengan data numerik. Pada penelitian ini data numerik yang digunakan adalah berupa nilai bpm atau kecepatan tempo dalam sebuah lagu. Alur pemberian rekomendasi lagu kepada user pada penelitian ini menggunakan algoritma squeezer, dan untuk menghitung nilai akurasi menggunakan Root Mean Square Error (RMSE) Hasil penelitian ini menunjukan bahwa algoritma squeezer bisa digunakan sebagai proses utama pada system rekomendasi lagu dengan hasil rekomendasi sesuai dengan nilai ambang batas sebesar 0,7. Dan memiliki akurasi sebesar 54,13 % dari dua kali percobaan. Kata kunci: Recommender system, Algoritma K-Means, Algoritma squeezer, Bpm, RMSE.

Recommender System widely used with the aim of providing recommendations or information needed. This study aims to investigate the way a song recommendation system gives prediction of the song given to the user based on the tempo with the unit bpm (beats per minute) and a collection of songs heard by the user. Song recommendation systems that developed in giving recommendations to the user pay more attention to the song on the similarity of the artist and genre. Sometimes the recommendations do not match what the user wants, or the user wants songs with different artists with the same type of music. It is rare that a song recommendation system gives recommendations with attention to tracks elements that exist in the music such as melody, rhythm, measure, tempo, and harmony. This research was conducted in order to study the way the system give recommendation based on one of the elements of music which is tempo. To solve the problem above, this study focused on categorizing songs by using XLSTAT tools based on bpm on track. The tools serve to create a cluster by using the features of k-means clustering. Features of k-means chosen because of k-means clustering is already very popular in forming clusters with numerical data. In this study the numerical data used was in the form of the value of bpm tempo or speed in a song. Using squeezer algorithm the song recomenation system calculates the accuracy value using the Root Mean Square Error (RMSE). The results of this research show that the squeezer algorithm can be used as the main processes in the song system recommendations with the results of the recommendation in accordance with the threshold value of 0.7, and it has the accuracy of 54.13 from twice experiments. Keywords: Recommender system, K-Means Algorithm, Squeezer Algorithm, Bpm, RMSE.

http://digilib.polban.ac.id/gdl.php?mod=browse&op=read&id=jbptppolban-gdl-satriyoadi-6549