Description

Dengan layanan streaming musik komersial yang dapat diakses dari perangkat seluler, ketersediaan musik digital saat ini melimpah dibandingkan dengan era sebelumnya. Menyortir semua musik digital ini sangat memakan waktu dan menyebabkan kelelahan informasi. Oleh karena itu, sangat berguna untuk mengembangkan sistem rekomendasi musik yang dapat mencari di perpustakaan musik secara otomatis dan menyarankan lagu yang cocok untuk pengguna. Dengan menggunakan sistem rekomendasi musik, penyedia musik dapat memprediksi dan kemudian menawarkan lagu yang sesuai kepada penggunanya berdasarkan karakteristik musik yang telah didengar sebelumnya. Penelitian ini ingin mengembangkan music sistem rekomendasi yang dapat memberikan rekomendasi berdasarkan kesamaan fitur pada sinyal audio. Penelitian ini menggunakan convolutional Recurrent neural network (CRNN) untuk ekstraksi fitur dan jarak kemiripan untuk melihat kemiripan antar fitur. Hasil dari penelitian ini menunjukkan bahwa pengguna lebih menyukai rekomendasi yang mempertimbangkan genre musik dibandingkan dengan rekomendasi yang hanya berdasarkan kesamaan