View/Open

Author
ROBI, SETIAWAN

Date Published
18 May 2026

Advisor
Radhinka Bagaskara, S.Si.Kom., M.Si., M.Sc.,
Meida Cahyo Untoro, S.Kom., M.Kom,

Subject
Teknik Informatika

Publisher

Penelitian ini bertujuan untuk mengklasifikasikan emosi lagu Indonesia berdasarkan metadata Spotify menggunakan metode Support Vector Machine (SVM). Dataset yang digunakan terdiri dari metadata lagu dengan fitur danceability, energy, loudness, tempo, dan instrumentalness, serta tiga kategori emosi yaitu senang, sedih, dan marah. Tahapan penelitian meliputi pengumpulan data, preprocessing (cleaning dan normalisasi), pelatihan model SVM dengan kernel Radial Basis Function (RBF), serta evaluasi menggunakan 5-Fold Cross Validation dan confusion matrix. Hasil penelitian menunjukkan bahwa model mampu diimplementasikan untuk klasifikasi emosi musik, namun performanya masih belum optimal dengan akurasi sebesar 47%. Nilai recall pada masing-masing kelas adalah 64% (marah), 60% (sedih), dan 36% (senang). Kesalahan klasifikasi paling dominan terjadi antara kelas senang dan sedih, yang disebabkan oleh tumpang tindih nilai fitur metadata serta keterbatasan fitur dalam merepresentasikan emosi musik. Oleh karena itu, diperlukan pengembangan lebih lanjut untuk meningkatkan performa model.

URI
https://repo.itera.ac.id/depan/submission/SB2605180026

Keyword
Klasifikasi emosi Metadata musik Support Vector Machine RBF Spotify