Wibisono, Galih (2025) Sistem Identifiaksi Mood dan Preferensi Emosional untuk Mendukung Proses Rekomendasi Jenis Musik Menggunakan Algoritma DNN. Undergraduate thesis, Universitas Pembangunan Jaya.
![[img]](https://eprints.upj.ac.id/style/images/fileicons/text.png) |
Text
Pendahuluan.pdf Download (774kB) |
|
Text
02_Abstract.pdf Download (180kB) |
|
Text
03_Abstrak.pdf Download (76kB) |
|
Text
04_Daftar_Isi.pdf Download (78kB) |
|
Text
05_Daftar_Gambar.pdf Download (74kB) |
|
Text
06_Daftar_Table.pdf Download (72kB) |
|
Text
07_Daftar_Lampiran.pdf Download (73kB) |
|
Text
08_Bab_1.pdf Download (300kB) |
|
Text
09_Bab_2.pdf Download (443kB) |
|
Text
10_Bab_3.pdf Download (437kB) |
|
Text
11_Bab_4.pdf Download (787kB) |
|
Text
12_Bab_5_dan_6.pdf Download (607kB) |
|
Text
13_Daftar_Pustaka.pdf Download (352kB) |
|
Text
14_Lampiran.pdf Download (1MB) |
|
Text
15_Berita_Acara_Unggah_Mandiri.pdf Download (651kB) |
|
Text
16_Bukti_Similarity.pdf Download (340kB) |
Abstract
Penelitian ini membahas implementasi MoodTune, sebuah sistem rekomendasi musik berbasis web yang menyajikan daftar putar sesuai dengan kondisi emosional pengguna. Sistem ini menggunakan model Deep Neural Network (DNN) untuk mengklasifikasikan suasana hati berdasarkan fitur audio seperti valence, energy, tempo, dan danceability. Karena keterbatasan akses terhadap API audio-features milik Spotify sejak November 2024, fitur audio tersebut diperoleh melalui dataset lokal yang disimulasikan dari sumber publik. Aplikasi dikembangkan menggunakan framework Next.js dan terintegrasi dengan Spotify melalui NextAuth untuk mendapatkan data lagu yang baru diputar oleh pengguna. Hasil klasifikasi mood kemudian digunakan untuk merekomendasikan lagu dari kumpulan data lokal yang sesuai dengan suasana emosional tersebut. Meskipun tidak mengandalkan data audio real-time dari Spotify, sistem ini berjalan secara menyeluruh dan menunjukkan potensi penerapan pembelajaran mesin dalam membangun sistem rekomendasi musik yang responsif terhadap kondisi emosional pengguna.
| Item Type: | Karya Tulis Ilmiah (KTI) (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Sistem Rekomendasi Musik, Klasifikasi Mood, Deep Learning, Spotify API, Simulasi Fitur Audio, Playlist Emosional |
| Subjects: | M Music and Books on Music > M Music T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Fakultas Teknologi dan Desain > Informatika |
| Depositing User: | Galih Wibisono |
| Date Deposited: | 08 Aug 2025 07:31 |
| Last Modified: | 08 Aug 2025 07:34 |
| URI: | http://eprints.upj.ac.id/id/eprint/11808 |
Actions (login required)
 |
View Item |