Rekomendasi Lagu Berbasis Analisis Topik, Tema, dan Emosi Pada Lirik Lagu Bahasa Indonesia Menggunakan BERTopic, BERTScore, dan Kombinasi Klasifikasi
Penulis Utama
:
Irzan Rafi Imtinan
NIM / NIP
:
M0521033
×<p><span lang="IN" xss=removed>Rekomendasi lagu berbasis
konten umumnya masih terbatas pada fitur audio dan metadata, tanpa
memperhatikan kedalaman makna dari lirik lagu. Penelitian ini bertujuan untuk
mengembangkan model rekomendasi lagu berbahasa Indonesia berdasarkan analisis
topik, tema, dan emosi dalam lirik lagu. Metode yang digunakan melibatkan
pemodelan topik menggunakan <i>BERTopic</i>, kombinasi klasifikasi pada tema dan emosi
menggunakan algoritma model <i>machine learning</i>, serta rekomendasi berbasis
<i>content-based filtering</i> dan kesamaan semantik menggunakan <i>BERTScore</i>.
Dataset terdiri dari 4077 lirik lagu Indonesia melalui hasil <i>scraping</i>.
Hasil pemodelan menunjukkan bahwa <i>BERTopic</i> optimal pada jumlah 6 topik
dengan <i>coherence score</i> sebesar 0.5757 dan <i>topic diversity</i> sebesar
0.9. Model SVM menghasilkan akurasi tertinggi dalam klasifikasi tema dengan
nilai </span><span lang="IN" xss=removed>0.8308</span><span lang="IN" xss=removed>, dan model XGBoost unggul dalam klasifikasi emosi dengan nilai akurasi 0.7949.
Rekomendasi yang dibangun mampu menghasilkan rekomendasi lagu dengan nilai
rata-rata <i>BERTScore</i> F1 di atas 0,84 pada skenario input lirik baru
maupun lirik dataset. Temuan ini menunjukkan bahwa pendekatan yang diusulkan dapat
menjadi alternatif dalam merekomendasikan lagu yang relevan secara tematik dan
emosional, serta mampu menangkap makna mendalam dalam lirik berbahasa
Indonesia.</span></p>
×
Penulis Utama
:
Irzan Rafi Imtinan
Penulis Tambahan
:
-
NIM / NIP
:
M0521033
Tahun
:
2025
Judul
:
Rekomendasi Lagu Berbasis Analisis Topik, Tema, dan Emosi Pada Lirik Lagu Bahasa Indonesia Menggunakan BERTopic, BERTScore, dan Kombinasi Klasifikasi
Edisi
:
Imprint
:
Surakarta - Fak. Teknologi Informasi dan Sains Data - 2025
