Hasil Pencarian  ::  Simpan CSV :: Kembali

"Industri musik di Indonesia merupakan salah satu prioritas utama oleh Badan Ekonomi Kreatif BEKRAF untuk ditingkatkan daya saingnya. Dalam meningkatkan daya saingnya, industri musik dihadapi dengan tantangan utama yaitu sumber daya manusia yang kurang memadai serta pemanfaatan pasar yang belum optimal. Oleh karena itu, industri musik di Indonesia perlu mengembangkan strategi terbaru untuk menghadapi tantangan tersebut. Seiring berkembangnya teknologi di industri musik, data terkait musik seperti tangga lagu, fitur audio, serta lirik lagu semakin mudah didapatkan. Data tersebut berpotensi memberikan informasi penting dan karakteristik terkait lagu yang sedang tren dan diminati oleh masyarakat Indonesia. Penelitian ini bertujuan untuk mengetahui karakteristik lagu yang populer atau diminati oleh masyarakat Indonesia menggunakan music mining. Penentuan karakteristik dilakukan dengan mengklasifikasikan lagu keseluruhan, lagu lokal, dan lagu internasional yang populer di Indonesia. Berdasarkan hasil penelitian ini, algoritme pohon keputusan C5.0 mampu memberikan karakteristik yang detail dan optimal untuk lagu keseluruhan, lagu lokal, dan lagu internasional dengan akurasi yang baik. Terdapat beberapa kesamaan dan perbedaan karakteristik yang dimiliki antara lagu secara keseluruhan, lagu lokal, dan lagu internasional yang berkaitan satu sama lain. Keterkaitan tersebut dapat digunakan menjadi strategi dan rekomendasi pelaku industri musik dalam memproduksi lagu yang sesuai dengan preferensi masyarakat.

---

Music industry is one of main priority to improve its competitiveness by BEKRAF. Music industry is faced by main challenges such as insufficient human resources and unoptimized market utilization. Thus, music industry in Indonesia needs to develop new strategy to handle the challenges. Nowadays, the developing of technology in music industry data related to music, e.g. top charts, audio features, and song lyric are easily obtained. Those data are potential to give important information and characteristics related to trending songs and songs preferred in Indonesia.

This study aims to know the characteristics of popular or preferred songs in Indonesia using music mining. Determining the characteristic was done by classifying overall songs, local songs, and international songs that are popular. Based on this study, C5.0 decision tree is able to give detail and optimal characteristics of overall songs, local songs, and international songs. There are some similarities and differences among them that are related to each other. Those relations among characteristics can be used to be the strategy and recommendation for music industry in producing songs that are preferred in Indonesia. "

"Popularitas K-pop tidak hanya di negaranya sendiri, namun juga di luar negeri. Beberapa penelitian tentang karakter musik telah dilakukan untuk melihat bagaimana karakter lagu-lagu populer, namun belum ada yang membahas mengenai K-pop. Karakter musik dapat diketahui dengan menggunakan pendekatan music mining, seperti dengan Random Forest yang dianggap sebagai metode klasifikasi paling akurat dibandingkan dengan metode lainnya. Oleh karena itu, penelitian ini bertujuan untuk menemukan karakter lagu-lagu K-pop populer dengan memanfaatkan hasil ekstraksi fitur audio dan ekstraksi lirik lagu sebagai input untuk membangun model klasifikasi Random Forest. Lagu-lagu K-pop yang dikumpulkan sebanyak 195 lagu dari daftar putar “K-Pop ON! (온)” dibagi menjadi 117 data untuk training dan 68 data untuk testing. Fitur audio yang diekstraksi dalam penelitian ini terdiri dari danceability, energy, loudness, mode, acoustic, instrumental, liveness, dan valence. Selain itu, lirik diekstraksi dan dikelompokkan menjadi 8 kelompok topik yang juga dijadikan sebagai input model. Model yang dihasilkan menunjukkan bahwa karakter lagu-lagu K-pop populer cenderung membawakan perasaan bahagia dan energi yang tinggi, cocok untuk digunakan menari, serta membahas mengenai interaksi antar individu atau tindakan seseorang. Evaluasi model menunjukkan akurasi model yang cukup baik dengan nilai accuracy sebesar 61,53% dan ketepatan model yang cukup baik dengan nilai precision 63,82%, serta sensitivitas model yang cukup baik dengan nilai recall 69,76%. Fitur yang paling banyak berkontribusi dalam model adalah valence, sedangkan fitur yang paling sedikit berkontribusi adalah topic 3.

---

The popularity of K-pop is not only happening in its own country, but also abroad. Some research on music character has been done to see how the character of popular songs is, but no one has studied K-pop’s character. Music character can be known by using music mining approaches, such as Random Forest which is considered the most accurate classification method compared to other methods. Therefore, this research aims to find the character of popular K-pop songs by utilizing the results of audio feature extraction and song lyrics extraction as input to build a Random Forest classification model. The 195 K-pop songs collected from the “K-Pop ON! (온)” playlist are divided, where 117 data for training and 68 data for testing. The audio features extracted in this study consist of danceability, energy, loudness, mode, acoustic, instrumental, liveness, and valence. In addition, the lyrics are extracted and clustered into 8 topic groups which were also used as model input. The resulting model shows that the characters of popular K-pop songs tend to bring feelings of happiness and high energy, are suitable for dancing, and describe the interaction between individuals or actions of a person. The model’s evaluation shows that the model’s accuracy is quite good with an accuracy value of 61.53%, the model’s precision is quite good with a precision value of 63.82%, and the model’s sensitivity is quite good with a recall value of 69.76%. The most contributing feature in the model is valence, while the least contributing feature is topic 3."