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.
