KOMBINASI ALGORITMA COLLABORATIVE FILTERING DAN CONTENT BASED FILTERING UNTUK REKOMENDASI LAGU

Abstract

musik menghasilkan banjir informasi sehingga pengguna kesulitan menemukan lagu sesuai preferensi. Penelitian ini mengusulkan sistem rekomendasi hybrid yang menggabungkan Content-Based Filtering (CBF) dan Item-Based Collaborative Filtering (CF) dengan pendekatan weighted hybrid. CBF memanfaatkan fitur audio lagu (genre, tempo, energy, dll.), sedangkan CF menggunakan pola interaksi pengguna melalui matriks user-item dan cosine similarity. Sistem diimplementasikan dalam bentuk web dengan simulasi dataset lagu dan preferensi pengguna. Hasil pengujian menunjukkan bahwa metode hybrid memberikan performa lebih baik dibandingkan metode tunggal. Metrik evaluasi Precision, Recall, dan RMSE menunjukkan peningkatan akurasi dan mengatasi masalah cold-start serta overspecialization. Sistem ini diharapkan dapat menjadi solusi personalisasi rekomendasi musik pada platform skala kecil menengah.