PERBANDINGAN ALGORITMA RANDOM FOREST DAN DECISION TREE UNTUK MEMPREDIKSI DAMPAK MUSIK TERHADAP KONDISI EMOSIONAL SESEORANG

Renanda Rizki, Yoki (2025) PERBANDINGAN ALGORITMA RANDOM FOREST DAN DECISION TREE UNTUK MEMPREDIKSI DAMPAK MUSIK TERHADAP KONDISI EMOSIONAL SESEORANG. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (673kB)
	Text BAB II.pdf Restricted to Registered users only Download (1MB)
	Text BAB III.pdf Restricted to Registered users only Download (320kB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Download (446kB)
	Text DAFTAR PUSTAKA.pdf Download (428kB)

Abstract

Musik memiliki peran penting dalam memengaruhi kondisi emosional seseorang, baik secara positif maupun negatif. Dengan berkembangnya teknologi, pendekatan berbasis machine learning dapat digunakan untuk menganalisis dan memprediksi dampak musik terhadap emosi seseorang secara lebih akurat. Penelitian ini membandingkan dua algoritma klasifikasi, Random Forest dan Decision Tree, dalam memprediksi pengaruh musik terhadap kondisi emosional berdasarkan dataset EMOTIFY. Metode penelitian meliputi pengumpulan data, preprocessing, penerapan algoritma, serta evaluasi model berdasarkan metrik akurasi, presisi, recall, F1-score, dan AUC-ROC. Hasil penelitian menunjukkan bahwa Random Forest memiliki performa lebih baik dibandingkan Decision Tree, dengan akurasi yang lebih tinggi serta kemampuan menangani data kompleks secara lebih efektif. Penelitian ini diharapkan dapat memberikan wawasan baru mengenai hubungan antara preferensi musik dan emosi, serta berkontribusi dalam pengembangan sistem rekomendasi musik berbasis kecerdasan buatan yang dapat digunakan untuk terapi musik dan kesejahteraan emosional.

Actions (login required)

View Item