Perkembangan layanan musik digital seperti Spotify membuat pengguna memiliki akses ke jutaan lagu. Namun, melimpahnya pilihan justru sering menyulitkan pengguna menemukan lagu yang benar-benar sesuai dengan suasana hati saat itu. Banyak orang mencari musik untuk menemani aktivitas tertentu, seperti bekerja, belajar, bersantai, atau mengatasi stres. Oleh karena itu, sistem yang mampu memahami karakter emosional sebuah lagu menjadi semakin penting.
Berbeda dengan sistem rekomendasi yang hanya mengandalkan riwayat pemutaran atau popularitas lagu, penelitian ini memanfaatkan karakteristik audio lagu untuk memprediksi kecenderungan mood yang ditimbulkan. Pendekatan tersebut memungkinkan sistem tetap bekerja meskipun pengguna belum memiliki riwayat mendengarkan musik.
Para peneliti menggunakan dataset SpotifyFeatures.csv yang berisi 232.725 lagu dengan berbagai atribut musik. Dari seluruh informasi yang tersedia, penelitian memanfaatkan empat karakteristik utama, yaitu valence, energy, tempo, dan mode.
Secara sederhana, valence menggambarkan seberapa positif nuansa sebuah lagu, energy menunjukkan tingkat energi atau intensitas musik, tempo merepresentasikan kecepatan lagu, sedangkan mode membedakan apakah lagu menggunakan tangga nada mayor atau minor. Kombinasi keempat variabel tersebut digunakan untuk menentukan kecenderungan suasana hati yang dipancarkan oleh lagu.
Alih-alih menggunakan model pembelajaran mesin (machine learning) yang kompleks dan sulit dijelaskan proses pengambilan keputusannya, penelitian ini memilih metode Sugeno Fuzzy Logic. Pendekatan logika fuzzy memungkinkan sebuah lagu memiliki tingkat kemiripan dengan beberapa kategori mood sekaligus, sehingga lebih mencerminkan kondisi musik yang sesungguhnya.
Sistem mengelompokkan lagu ke dalam lima kategori mood, yaitu:
- Sangat sedih
- Sedih
- Netral
- Bahagia
- Sangat bahagia
Setiap kategori diberi skor dari 1 hingga 5, kemudian sistem menghitung seberapa dekat karakteristik sebuah lagu dengan mood yang dipilih pengguna. Lagu dengan skor paling mendekati target akan muncul sebagai rekomendasi utama.
Penelitian ini juga menghasilkan sebuah prototipe aplikasi berbasis web. Arsitektur sistem menggunakan FastAPI sebagai backend untuk memproses data dan melakukan inferensi logika fuzzy, sedangkan React digunakan sebagai frontend yang memungkinkan pengguna berinteraksi melalui antarmuka yang sederhana.
Pengguna cukup memilih suasana hati yang diinginkan atau mencari judul lagu tertentu. Sistem kemudian menampilkan daftar rekomendasi lengkap dengan nama lagu, artis, genre, skor Sugeno, prediksi mood, hingga tautan pencarian YouTube agar lagu dapat langsung didengarkan.
Hasil pengujian menunjukkan bahwa sistem mampu menjalankan seluruh fungsi utama dengan baik. Sistem berhasil membaca karakteristik audio lagu, menghitung skor fuzzy, mengklasifikasikan mood, serta menyusun rekomendasi berdasarkan tingkat kedekatan dengan mood yang dipilih pengguna. Selain itu, fitur pencarian lagu juga mampu memperkirakan kategori mood dari lagu yang telah dikenal pengguna.
Menurut tim peneliti Universitas Teknologi Yogyakarta, keunggulan utama sistem ini terletak pada transparansi proses pengambilan keputusan. Setiap aturan fuzzy yang digunakan dapat ditelusuri secara jelas sehingga pengguna maupun pengembang dapat memahami alasan mengapa suatu lagu direkomendasikan. Pendekatan ini berbeda dengan banyak model kecerdasan buatan modern yang sering dianggap sebagai black box karena sulit menjelaskan proses pengambilan keputusannya.
Meskipun demikian, peneliti juga mengakui bahwa sistem masih memiliki beberapa keterbatasan. Aturan fuzzy yang digunakan masih disusun secara manual dan belum divalidasi menggunakan penilaian langsung dari pendengar. Selain itu, penelitian hanya memanfaatkan empat fitur audio Spotify. Faktor lain seperti genre musik, lirik, danceability, acousticness, loudness, maupun pengalaman pribadi pendengar belum dimasukkan ke dalam model.
Peneliti juga menegaskan bahwa sistem tidak memprediksi kondisi psikologis pengguna. Sistem hanya memperkirakan kecenderungan mood yang dimiliki sebuah lagu berdasarkan karakteristik audionya. Dengan demikian, hasil rekomendasi tetap perlu dipahami sebagai interpretasi teknis terhadap musik, bukan analisis emosi seseorang.
Ke depan, sistem ini memiliki peluang besar untuk dikembangkan menjadi platform rekomendasi musik yang lebih personal. Peneliti merekomendasikan penambahan fitur audio lainnya, analisis sentimen lirik lagu, integrasi riwayat preferensi pengguna, hingga kombinasi metode fuzzy dengan teknik machine learning. Validasi menggunakan penilaian langsung dari pendengar juga dinilai penting agar akurasi rekomendasi semakin mendekati persepsi manusia.
Apabila pengembangan tersebut berhasil dilakukan, sistem rekomendasi musik berbasis logika fuzzy ini berpotensi dimanfaatkan oleh berbagai layanan musik digital, aplikasi hiburan, platform edukasi musik, hingga industri kreatif yang membutuhkan rekomendasi lagu berdasarkan suasana hati secara lebih transparan dan mudah dipahami.
Profil Penulis
Anandava Eka Buana Baskara merupakan penulis korespondensi penelitian ini bersama Faiz Ahmad Fauzan, Rizka Octa Setiani, Cintiya, Imiel Ardhanenggar Tallane, dan Fadil Indra Sanjaya. Seluruh penulis berasal dari Program Studi Informatika, Universitas Teknologi Yogyakarta (UTY). Bidang keahlian mereka meliputi kecerdasan buatan (Artificial Intelligence), sistem rekomendasi, logika fuzzy, pengembangan aplikasi web, serta data mining.
Sumber Penelitian
Judul Artikel: Mood-Based Song Recommendation System Using Sugeno Fuzzy Logic
Penulis: Anandava Eka Buana Baskara, Faiz Ahmad Fauzan, Rizka Octa Setiani, Cintiya, Imiel Ardhanenggar Tallane, Fadil Indra Sanjaya
Jurnal: Formosa Journal of Multidisciplinary Research (FJMR)
Volume: 5
Nomor: 6
Tahun: 2026
0 Komentar