CLUSTERING POP SONGS BASED ON SPOTIFY DATA USING K-MEANS AND K-MEDOIDS ALGORITHM
Article Sidebar
Published:
Jul 5, 2022
Keywords:
Datamining, Clustering, K-Means, K-Medoids, Spotify
Section
Computer Science
Statistics Article
Article View : 794 Times
Main Article Content
Abstract
The development of music service technology is currently making it easier to listen to songs. One of them is the Spotify application. Services on music attributes are random, such as Danceability, Energy, Acousticness, Instrumentalness, Liveness, Loudness, Speechiness, Valence, and Tempo. The purpose of this study is to compare the results of clustering on the K-Means and K-Medoids algorithms using the Rstudio tools. The results of this comparison obtain the optimal number of clusters and obtain high, medium, and low cluster results. The results of the K-Means calculation are based on the average in cluster 1 the highest is Tempo with a value of 118 in cluster 2 the highest is Tempo with a value of 125, and in cluster 3 the highest is Tempo with a value of 123. The calculation of K-Medoids is based on the average in cluster 1 the highest is Tempo with a value of 129, in cluster 2 the highest is Tempo with a value of 122, and in cluster 3 the highest is Tempo with a value of 110.
Downloads
Download data is not yet available.
Article Details
How to Cite
Privandhani, N. A. and Sulastri (2022) “CLUSTERING POP SONGS BASED ON SPOTIFY DATA USING K-MEANS AND K-MEDOIDS ALGORITHM”, Jurnal Mantik, 6(2), pp. 1542-1550. doi: 10.35335/mantik.v6i2.2517.
References
Otak, S. T., Neural, D., & View, N. (2021). Analisis Klaster Atribut Musik pada Global Top 50 dengan Data Spotify dengan Analisis Klaster Atribut Musik pada Global Top 50 dengan Data Spotify dengan Menggunakan Algoritma K-Means. January.
Putu, N., Merliana, E., & Santoso, A. J. (n.d.). Analisa Penentuan Jumlah Cluster Terbaik pada Metode K-Means. 978–979.
Agustian, D. R., & Darmawan, B. A. (2022). Analisis Clustering Demam Berdarah Dengue Dengan Algoritma K-Medoids (Studi Kasus Kabupaten Karawang). JIKO (Jurnal Informatika Dan Komputer), 6(1), 18. https://doi.org/10.26798/jiko.v6i1.504
Issn, P., Zaidah, A. R., Septiarani, C. I., Nisa, S., & Wahyudi, N. (2021). Komparasi Algoritma K-Means , K-Medoid , Agglomeartive Clustering Terhadap Genre Spotify. 7(1), 49–54.
Athifaturrofifah, Goejantoro, R., & Yuniarti, D. (2019). Perbandingan Pengelompokan K-Means dan K-Medoids Pada Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas (Studi Kasus?: Data Titik Panas Di Indonesia Pada 28 April 2018). Jurnal EKSPONENSIAL, 10(2), 143–152.
Farahdinna, F., Nurdiansyah, I., Suryani, A., & Wibowo, A. (2019). Perbandingan Algoritma K-Means Dan K-Medoids Dalam Klasterisasi Produk Asuransi Perusahaan Nasional. Jurnal Ilmiah FIFO, 11(2), 208. https://doi.org/10.22441/fifo.2019.v11i2.010
Sahria, Y. (2020). Implementasi Teknik Web Scraping pada Jurnal SINTA Untuk Analisis Topik Penelitian Kesehatan Indonesia. URECOL (Unversity Research Colloqium), 297–306. http://repository.urecol.org/index.php/proceeding/article/view/1079
A. Yani, D. D., Pratiwi, H. S., & Muhardi, H. (2019). Implementasi Web Scraping untuk Pengambilan Data pada Situs Marketplace. Jurnal Sistem Dan Teknologi Informasi (JUSTIN), 7(4), 257. https://doi.org/10.26418/justin.v7i4.30930
Sinambela, Y., Herman, S., Takwim, A., & Widianto, S. R. (2020). a Study of Comparing Conceptual and Performance of K-Means and Fuzzy C Means Algorithms (Clustering Method of Data Mining) of Consumer Segmentation. Jurnal Riset Informatika, 2(2), 49–54. https://doi.org/10.34288/jri.v2i2.116
Nabila, Z., Rahman Isnain, A., & Abidin, Z. (2021). Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means. Jurnal Teknologi Dan Sistem Informasi (JTSI), 2(2), 100. http://jim.teknokrat.ac.id/index.php/JTSI
Herviany, M., Delima, S. P., Nurhidayah, T., & Kasini. (2021). Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokkan Daerah Rawan Tanah Longsor di Provinsi Jawa Barat. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 1(1), 34–40.
Parlina, I., Windarto, A. P., Wanto, A., & Lubis, M. R. (2018). Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center. Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center Untuk Clustering Program Sdp, 3(1), 87–93.
Pramesti, D. F., Lahan, Tanzil Furqon, M., & Dewi, C. (2017). Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 1(9), 723–732. https://doi.org/10.1109/EUMC.2008.4751704
Wira, B., Budianto, A. E., & Wiguna, A. S. (2019). Implementasi Metode K-Medoids Clustering Untuk Mengetahui Pola Pemilihan Program Studi Mahasiwa Baru Tahun 2018 Di Universitas Kanjuruhan Malang. RAINSTEK?: Jurnal Terapan Sains & Teknologi, 1(3), 53–68. https://doi.org/10.21067/jtst.v1i3.3046
Suhanda, Y., Kurniati, I., & Norma, S. (2020). Penerapan Metode Crisp-DM Dengan Algoritma K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik. Jurnal Teknologi Informatika Dan Komputer, 6(2), 12–20. https://doi.org/10.37012/jtik.v6i2.299
Djufri, M. (2020). Penerapan Teknik Web Scraping Untuk Penggalian Potensi Pajak (Studi Kasus Pada Online Market Place Tokopedia, Shopee Dan Bukalapak). Jurnal BPPK?: Badan Pendidikan Dan Pelatihan Keuangan, 13(2), 65–75. https://doi.org/10.48108/jurnalbppk.v13i2.636
Putu, N., Merliana, E., & Santoso, A. J. (n.d.). Analisa Penentuan Jumlah Cluster Terbaik pada Metode K-Means. 978–979.
Agustian, D. R., & Darmawan, B. A. (2022). Analisis Clustering Demam Berdarah Dengue Dengan Algoritma K-Medoids (Studi Kasus Kabupaten Karawang). JIKO (Jurnal Informatika Dan Komputer), 6(1), 18. https://doi.org/10.26798/jiko.v6i1.504
Issn, P., Zaidah, A. R., Septiarani, C. I., Nisa, S., & Wahyudi, N. (2021). Komparasi Algoritma K-Means , K-Medoid , Agglomeartive Clustering Terhadap Genre Spotify. 7(1), 49–54.
Athifaturrofifah, Goejantoro, R., & Yuniarti, D. (2019). Perbandingan Pengelompokan K-Means dan K-Medoids Pada Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas (Studi Kasus?: Data Titik Panas Di Indonesia Pada 28 April 2018). Jurnal EKSPONENSIAL, 10(2), 143–152.
Farahdinna, F., Nurdiansyah, I., Suryani, A., & Wibowo, A. (2019). Perbandingan Algoritma K-Means Dan K-Medoids Dalam Klasterisasi Produk Asuransi Perusahaan Nasional. Jurnal Ilmiah FIFO, 11(2), 208. https://doi.org/10.22441/fifo.2019.v11i2.010
Sahria, Y. (2020). Implementasi Teknik Web Scraping pada Jurnal SINTA Untuk Analisis Topik Penelitian Kesehatan Indonesia. URECOL (Unversity Research Colloqium), 297–306. http://repository.urecol.org/index.php/proceeding/article/view/1079
A. Yani, D. D., Pratiwi, H. S., & Muhardi, H. (2019). Implementasi Web Scraping untuk Pengambilan Data pada Situs Marketplace. Jurnal Sistem Dan Teknologi Informasi (JUSTIN), 7(4), 257. https://doi.org/10.26418/justin.v7i4.30930
Sinambela, Y., Herman, S., Takwim, A., & Widianto, S. R. (2020). a Study of Comparing Conceptual and Performance of K-Means and Fuzzy C Means Algorithms (Clustering Method of Data Mining) of Consumer Segmentation. Jurnal Riset Informatika, 2(2), 49–54. https://doi.org/10.34288/jri.v2i2.116
Nabila, Z., Rahman Isnain, A., & Abidin, Z. (2021). Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means. Jurnal Teknologi Dan Sistem Informasi (JTSI), 2(2), 100. http://jim.teknokrat.ac.id/index.php/JTSI
Herviany, M., Delima, S. P., Nurhidayah, T., & Kasini. (2021). Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokkan Daerah Rawan Tanah Longsor di Provinsi Jawa Barat. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 1(1), 34–40.
Parlina, I., Windarto, A. P., Wanto, A., & Lubis, M. R. (2018). Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center. Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center Untuk Clustering Program Sdp, 3(1), 87–93.
Pramesti, D. F., Lahan, Tanzil Furqon, M., & Dewi, C. (2017). Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 1(9), 723–732. https://doi.org/10.1109/EUMC.2008.4751704
Wira, B., Budianto, A. E., & Wiguna, A. S. (2019). Implementasi Metode K-Medoids Clustering Untuk Mengetahui Pola Pemilihan Program Studi Mahasiwa Baru Tahun 2018 Di Universitas Kanjuruhan Malang. RAINSTEK?: Jurnal Terapan Sains & Teknologi, 1(3), 53–68. https://doi.org/10.21067/jtst.v1i3.3046
Suhanda, Y., Kurniati, I., & Norma, S. (2020). Penerapan Metode Crisp-DM Dengan Algoritma K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik. Jurnal Teknologi Informatika Dan Komputer, 6(2), 12–20. https://doi.org/10.37012/jtik.v6i2.299
Djufri, M. (2020). Penerapan Teknik Web Scraping Untuk Penggalian Potensi Pajak (Studi Kasus Pada Online Market Place Tokopedia, Shopee Dan Bukalapak). Jurnal BPPK?: Badan Pendidikan Dan Pelatihan Keuangan, 13(2), 65–75. https://doi.org/10.48108/jurnalbppk.v13i2.636
Copyright and Licensing
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.