Rekomendasi Lagu Berdasarkan Jenis Mood Menggunakan TF-IDF dan Cosine Similarity

Abstract

Sistem rekomendasi lagu saat ini semakin berkembang seiring dengan meningkatnya kebutuhan pengguna akan konten yang sesuai dengan suasana hati (mood). Penelitian ini bertujuan untuk membangun sistem rekomendasi lagu berdasarkan jenis mood pengguna dengan memanfaatkan teknik pengolahan teks, yaitu Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity. Metodologi yang digunakan melibatkan tahap preprocessing teks lirik lagu, ekstraksi fitur menggunakan TF-IDF, serta penghitungan tingkat kemiripan antara input deskripsi mood dari pengguna dan koleksi lirik lagu menggunakan CosineSimilarity. Dataset yang digunakan berupa kumpulan lirik lagu yang telah dikategorikan ke dalam beberapa label mood, seperti sadness, joy, anger, dan love. Hasil penelitian menunjukkan bahwa sistem dapat merekomendasikan lagu yang relevan dengan deskripsi mood pengguna secara cukup akurat, dengan tingkat akurasi mencapai 90%, nilai precision mencapai  91,8%, nilai recall mencapai 90% dan nilai F1-Score mencapai 86,9% berdasarkan evaluasi yang telah dilakukan. Simpulan dari penelitian ini menyatakan bahwa kombinasi TF-IDF dan Cosine Similarity efektif untuk membangun sistem rekomendasi lagu berbasis teks yang sederhana namun fungsional.