Fakultas Ilmu Komputer
Universitas Brawijaya
242
Pengembangann Aplikasi Rekomendasi Musik Berdasarkan Emosi
Pengguna Pada Platform Android
Muhammad Abdul ‘Alim1, Ratih Kartika Dewi2, Komang Candra Brata3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1poponaal@gmail.com, 2ratihkartikad@ub.ac.id, 3k.candra.brata@ub.ac.id
Abstrak
Mendengarkan musik sudah menjadi hobi bagi hampir semua orang. Mendengarkan musik memang mempunyai daya tarik tersendiri, dengan banyaknya genre yang tersedia pendengar musik dapat mendengarkan musik kapanpun dan dimanapun dengan berbagai macam jenis musik untuk menyesuaikan situasi yang sedang dialami pengguna. Dengan jumlah jenis musik yang sudah ada pendengar musik akan kesusahan dalam mencari musik sesuai dengan konteksnya. Contohnya seperti saat sedang sedih, kita cenderung lebih ingin mendengarkan musik dengan irama yang lambat. Maka hal ini perlu dibuat sistem rekomendasi yang dapat menyesuaikan dengan konteks pengguna. Pengembangan Aplikasi Rekomendasi Berdasarkan Emosi Pengguna ini bergerak pada perangkat sistem operasi android. Rekomendasi musik yang diberikan kepada pengguna sesuai dengan emosi yang sedang dirasakan menggunakan metode forward chaining. Untuk playlist yang disediakan oleh sistem ini berasal dari pakar. Pengujian fungsional dari sistem ini telah memenuh syarat “valid” dengan nilai 100%. Untuk pengujian usability, sistem ini diuji menggunakan metode System Usability Scale (SUS) dengan nilai 84. Nilai tersebut tergolong dalam kategori excellent. Yang terakhir pengujian tingkat akurasi dengan hasil output sistem dibandingkan dengan apa yang disarankan oleh pakar dengan nilai akurasi sebesar 80%.
Kata kunci: Musik, Rekomendasi, Emosi.
Abstract
Listening to music has become a hobby for everyone. Listening music does have its own charm, with a lot of genres out there, we can listen music anytime and anywhere we want. Also, with a lot of types of music too, we can match with the situation of the user. This can be a problem for music listeners who want a specific music for their taste. Example when somebody having a bad day, they tend to have a bad mood. This problem can be solved by listening to music with a slow rhythm. With problem something like this, we can make system recommendation based on user context. The Development of Application Recommendation Based on Mood User is to make android application with emotion based and using expert system method with the forward chaining method. For recommendation, playlist provided by system is derived from experts. Functional testing of the system, resulting in a valid outcome with a value of 100%. For usability testing, we are using the System Usability Scale with a value of 84. Which is categorized as excellent. Lastly, for accuracy testing, we are comparing using system output and what expert recommended as result with an accuracy value of 80%.
Keywords: Music, Recommendation, Emotion.
1. PENDAHULUAN
Musik sudah menjadi bagian dari dunia hiburan bagi masyarakat. Beberapa jenis genre seperti jazz, pop, blues, dan lain-lain, musik tentu saja dapat di nikmati kapan dan dimanapun berada. Alasan orang mendengarkan musik antara lain untuk mengisi waktu senggang,
menghilangkan kebosanan, memperbaiki emosi, dan menumbuhkan semangat.
Ada pun suasana hati atau kondisi mental emosi yang dapat berpengaruh terhadap preferensi musik yang ingin kita dengar. Emosi sendiri adalah suatu keadaan yang kompleks dari makhluk seperti tergugahnya perasaan yang disertai dengan perubahan dalam organ tubuh yang sifatnya luas, biasanya ditambahi dengan
perasaan yang kuat yang mengarah kesuatu bentuk tingkah laku atau perilaku tertentu erat hubungannya dengan kondisi tubuh yang dapat diekspresikan (Sudarsono, 1993). Seperti, saat sedih kita cenderung ingin mendengarkan musik dengan rhythm yang lambat atau saat kita sedang gembira kita ingin mendengarkan musik yang memiliki rhythm yang cepat. Sebuah riset menjelaskan bahwa ada sebuah relasi positif antara kualitas mendengankan musik pada situasi tertentu dengan pemilihan musik yang tepat (A. North dan D. Hargreaves, 1996). Kondisi mental dapat mempengaruhi pilihan musik yang ingin didengar. Contoh, ketika kondisi mental seseorang saat sedih dan senang (V. Konecni, 1982).
Dengan perkembangan era digital dan internet, tentu saja perkembangan musik berkembang dengan pesat. Dengan adanya digital musik dan internet, musik dapat didengarkan dengan mudah oleh pengguna. Begitu pula dengan banyaknya jumlah artis musik yang sudah ada, jumlah musik yang ada pasti juga semakin banyak dan bermacam-macam jenis genre-nya. Hal ini dapat menyebabkan pendengar musik kesulitan mencari musik yang menarik. Dengan masalah seperti ini.
2. FORWARD CHAINING
Forward Chaining merupakan fakta untuk mendapatkan kesimpulan (conclusion) dari fakta tersebut. Penalaran ini berdasarkan fakta yang ada (data driven), dimana metode ini dijalankan dengan mengumpulkan fakta-fakta yang ada untuk menarik kesimpulan yang digunakan untuk mengambil fakta yang lebih banyak lagi (Feigenbaum, et al,. 1988) Forward Chaining bertujuan untuk menyederhanakan proses yang rumit menjadi proses yang lebih sederhana, proses ini bisa dilakukan bersamaan atau urutan (Rouse, 2018). Metode ini juga disebut menggunakan aturan IF–THEN dimana premise (IF) menuju conclusion (THEN).
3. MOBILE VISION API
Mobile vision API adalah framework untuk mencari objek pada foto atau video. Framework ini sudah termasuk detector yang dimana dapat mencari dan mendeskripsikan objek dalam foto atau video.
Beberapa fungsi lain dari Mobile Vision API:
1. Face recognition: Proses untuk membandingkan wajah satu dengan wajah yang lainya untuk mengetahui kemiripan. 2. Face tracking: Proses untuk mencari wajah
yang muncul dalam video. Wajah yang terdeteksi dalam video di identifikasikan sebagai wajah yang sama karena proses ini hanya mendeteksi wajah dalam video. 3. Landmark: Proses untuk mencari letak mata
kanan, mata kiri, hidung dan mulut.
4. Classification: Proses untuk menentukan karakteristik wajah. Contoh klasifikasi wajah ketika mata terbuka atau mata tertutup.
4. EMOSI
Emosi adalah suatu keadaan yang kompleks dari oraginism seperti tergugahnya perasaan yang disertai dengan perubahan dalam organ tubuh yang sifatnya luas, biasanya ditambahi dengan perasaan yang kuat yang mengarah kesuatu bentuk tingkah laku atau perilaku tertentu erat hubungannya dengan kondisi tubuh yang dapat diekspresikan seperti tersenyum, tertawa, menangis, senang dan kecewa (Sudarsono, 1993).
Emosi dapat diartikan sebagai bentuk perasaan atau afeksi yang melibatkan kombinasi fisiologi dan perilaku.
5. WATERFALL
Waterfall adalah salah satu model software development life cycle (SDLC) yang membagi projek menjadi beberapa tahap aktifitas yang berurutan dan linear. Setiap tahap bergantung pada tahap sebelumnya. Model waterfall pertama kali dipopulerkan oleh Winston W. Royce pada tahun 1997. Royce menjelaskan model ini berjalan secara simetris dimana sebuah projek atau penelitian harus direncanakan secara matang dan dieksekusi secara baik (Kramer, 2018). Proses model SDLC ini dimulai dari requirement, design, implementation, verification dan maintenance.
Gambar 1 Model Waterfall
Gambar 1 merupakan proses pada model waterfall. Deskripsi proses dapat dilihat dibawah:
1. Requirement: Pada tahap ini, dilakukan pendeskripsian kebutuhan dari sistem yang akan dibuat. Deskripsi kebutuhan tersebut terdapat fitur-fitur dari sistem yang akan dibuat dan spesifikasi sistem yang akan dibuat.
2. Design: Melakukan desain dari algoritma, basis data, arsitektur desain dari sistem, logic dari sistem dan struktur yang didefinisikan dari sistem. Tahapan ini dilakukan setelah informasi dari tahap requirement telah selesai dirumuskan. 3. Implementation: Setelah tahap requirement
dan design telah selesai dilakukan, kemudian diimplementasikan dengan basis pengerjaan sesuai dengan tahap-tahap sebelumnya.
4. Verification: Pada tahapan verification dilakukan verifikasi berupa testing pada sistem yang sudah di-implementasikan dan melakukan bug-test dan bug-fix sampai sistem yang telah dibuat bug-free.
5. Maintenance: Pemeliharaan sistem jika ada error yang tidak ditemukan pada tahap sebelumnya. Jika ada penambahan fitur, fitur- fitur baru ditambahkan pada tahap ini.
6. METODOLOGI
Pada metodologi penelitian akan dijelaskan tentang metode yang digunakan dalam proses pengembangan sistem. Metode yang digunakan dimulai dari studi literatur, pengumpulan data, analisis kebutuhan, perancangan, implementasi, pengujian, analisis hasil pengujian, dan pengambilan kesimpulan.
Gambar 2 Metodologi Penelitian Gambar 2 merupakan alur dari metodologi dari penelitian ini.
Strategi penelitian dilakukan dengan studi literatur. Studi literatur adalah daftar referensi yang berhubungan dengan penelitian. Material yang digunakan dalam penelitian ini yakni: 1. Mobile Vision API
2. Face Detection 3. Android
4. Metode Forward Chaining 5. Pengujian Perangkat Luak
Subjek dari penelitian ini adalah musik yang dibatasi oleh musik yang berada pada database. Lokasi penelitian berada diKota Malang dan pengumpulan data yang dilakukan adalah dengan melakukan kuisioner online dengan mahasiswa yang sesuai dengan kriteria. Metode pengembangan sistem yang digunakan adalah metode waterfall.
7. PERANCANGAN
Dalam bab perancangan ini membahas tentang bagaimana bentuk arsitektur pada perancangan sistem rekomendasi musik
Requiremen ts Design Implemntati on Verification Maintenanc e
berdasarkan emosi pengguna.
Gambar 3 Perancangan Arsitektur Sistem Pada Gambar 3 adalah perancangan arsitektur sistem. Perancangan ini dimaksudkan untuk mengetahui bagaimana bentuk arsitektur dari sistem rekomendasi musik berdasarkan emosi yang akan dibangun. Tahap pertama, user mengambil foto. Kemudian sistem menyimpan foto tersebut secara temporary kedalam memori sd card. Setelah itu sistem mengirim request pada face api untuk melakukan pemindaian yang nantinya akan mendapatkan hasil emosi dari user. Hasil emosi user ini yang nantinya akan digunakan untuk memfilter musik yang ada pada database untuk ditampilkan.
Tabel 1 Klasifikasi Jenis Emosi
Jenis Emosi Deskripsi
getIsSmilingProbability > 0.4 Senang getIsSmilingProbability < 0.4 Sedih
Pada Tabel 1 adalah klasfikasi emosi yang diambil dari Mobile Vision API yaitu Happy dan Sad. Karena pada Mobile Vision API hanya menyediakan jenis emosi sedih dan senang dengan data range 0.0 – 1.0 maka pengklasifikasian perlu dilakukan untuk mendapatkan jenis emosi. Emosi yang akan ditampilkan oleh sistem adalah deskripsi dari jenis emosi.
Tabel 2 Data Musik Emosi Senang
Emosi Artist Judul
Happiness
Bruno Mars That’s What I Like
Ed Sheeran Shape Of You Maroon 5 Animals The Script Superheroes TwentyOne
Pilot
Ride
Pada Tabel 2 telah dijabarkan mengenai data musik untuk emosi senang. Menurut pakar,
musik yang cocok untuk keadaan emosi senang adalah musik dengan genre R&B atau pop yang dapat menghidupkan suasana dan memberikan semangat.
Tabel 3 Data Musik Emosi Sedih
Emosi Artist Judul
Sad
Evanescence My Immortal
Lauv Fix You
Imagine Dragons Demons Passenger Let Her Go Trevor Daniel Falling
Pada Tabel 3 telah dijabarkan mengenai data musik untuk emosi sedih. Menurut pakar, musik yang cocok untuk keadaan emosi sedih adalah musik dengan rhythm yang pelan karena pendengar dapat larut dalam perasaan.
Tabel 4 Forward Chaining Rule
Rule Deskripsi
1 IF Mood = Happy
THEN Recommend music from tag
“happy”
2 IF Mood = Sad
THEN Recommend music from tag
“sad”
Pada Tabel 4 adalah rule dari forward chaining rule digunakan untuk mengambil data emosi pada database.
8. HASIL
Berikut adalah hasil dari pengujian penelitian.
Gambar 4 Tampilan Permission dialog Gambar 4 adalah tampilan awal ketika user membuka aplikasi. User diminta untuk memberikan izin aplikasi untuk dapat mengakses kamera dan storage.
Gambar 5 Tampilan Home
Gambar 5 adalah tampilan halaman home. Setelah aplikasi mendapat izin akses kamera dan storage, aplikasi akan membawa user kehalaman home. Pada halaman home ini user dapat menekan gambar kamera untuk mengambil foto.
Gambar 6 Tampilan Hasil Tangkapan Kamera Gambar 6 adalah tampilan halaman hasil tangkapan kamera. Ketika user sudah mengambil gambar foto, Tombol “Find It” akan muncul. Tombol ini digunakan untuk mengidentifikasikan emosi user.
Gambar 7 Tampilan Playlist Rekomendasi Musik Gambar 7 adalah tampilan playlist rekomendasi musik. Pada halaman ini playlist musik yang ditampilkan sesuai dengan emosi user. Dan pada bawah halaman terdapat musik player yang digunakan untuk memainkan musik.
Tabel 5 Pengujian Fungsional Kode Kasus Uji Nama Kasus
Uji Status REKMUS_F_01 Mengenali Emosi Valid REKMUS_F_02 Mengambil Foto Valid REKMUS_F_03 Rekomendasi Musik Valid REKMUS_F_04 Memainkan Musik Valid
Tabel 5 adalah tabel hasil pengujian black box, pengujian black box menguji kebutuhan fungsional apakah fungsionalitas tersebut valid atau tidak.
Tabel 6 Pengujian SUS
Responden Hasil Penilaian Skor
1 36 X 2.5 90 2 33 X 2.5 82.5 3 35 x 2.5 87.5 4 34 x 2.5 85 5 30 x 2.5 75 Rata - Rata 84 𝑆𝑈𝑆 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑅𝑒𝑠𝑝𝑜𝑛𝑑𝑒𝑛420 = 420 5 = 𝟖𝟒 (𝒆𝒙𝒆𝒍𝒍𝒆𝒏𝒕)
Tabel 6 adalah hasil dari SUS menggunakan 10 pertanyaan yang dijawab oleh 5 responden. Karakteristik responden adalah mahasiswa yang setidaknya mendengarkan musik sehari sekali.
Tabel 7 Pengujian Tingkat Akurasi Emosi
No Responden Emosi yang dirasakan responden Hasil Emosi yang dikeluarkan sistem 1 Responden 1 Senang Senang 2 Responden 2 Senang Senang 3 Responden 3 Senang Senang 4 Responden 4 Sedih Sedih 5 Responden 5 Senang Senang 6 Responden 6 Senang Sedih 7 Responden 7 Sedih Sedih 8 Responden 8 Senang Senang 9 Responden 9 Senang Senang 10 Responden 10 Senang Sedih 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = ∑ 𝐷𝑎𝑡𝑎 𝑏𝑒𝑛𝑎𝑟 ∑ 𝑆𝑒𝑙𝑢𝑟𝑢ℎ 𝑑𝑎𝑡𝑎 𝑥 100% = 8 10 𝑥 100% = 𝟖𝟎 %
Pada Tabel 7 adalah hasil pengujian tingkat akurasi dari emosi. Keadaan emosi pengguna dibandingkan dengan output emosi dari sistem.
Tabel 8 Pengujian Tingkat Akurasi Musik N o Responden Rekomendasi Musik Sistem Rekome ndasi Musik Pakar 1 Responden 1 Senang Senang 2 Responden 2 Senang Senang 3 Responden 3 Senang Senang 4 Responden 4 Sedih Sedih 5 Responden 5 Senang Senang 6 Responden 6 Sedih Sedih 7 Responden 7 Sedih Sedih 8 Responden 8 Senang Senang 9 Responden 9 Senang Senang
10 Responden 10
Sedih Sedih
Pada Tabel 8 adalah hasil pengujian tingkat akurasi dari musik. Output musik dari sistem dibandingkan dengan musik yang disarankan oleh pakar.
9. KESIMPULAN
Berdasarkan dari hasil penelitian yang telah dilakukan, kesimpulan yang dapat diambil sebagai berikut:
Berikut merupakan kebutuhan fungsional dan non-fungsional pada sistem rekomendasi musik berdasarkan emosi pengguna. Ada 4 kebutuhan fungsional yang ada pada sistem yaitu user dapat mengakses fitur deteksi emosi, user dapat mengambil foto, user dapat mendapatkan daftar rekomendasi musik, user dapat memaninkan musik. Untuk kebutuhan non-fungsional pada sistem ada 2 yaitu akurasi algoritma dan System Usability Scale.
Kebutuhan diaplikasikan pada sistem menggunakan metode model waterfall dan menggunakan algoritma forward chaining. Dengan hasil yang terdiri dari perancangan arsitektur sistem, activity diagram, sequence diagram, basis data dan antarmuka.
Hasil pengujian sistem rekomendasi musik berdasarkan emosi pengguna mempunyai nilai hasil valid (100%) saat diuji menggunakan pengujian blackbox testing. Untuk pengujian System Usability Scale (SUS) dengan nilai hasil 84. Nilai tersebut tergolong dalam kategori excellent. Yang terakhir adalah pengujian tingkat akurasi, hasil output sistem dibandingkan dengan apa yang disarankan oleh pakar dengan nilai akurasi sebesar 80%.
10. DAFTAR PUSTAKA
Asti, D. A. (2020). Pengembangan Aplikasi Rekomendasi Kuliner Di Kota Malang Berbasis Mood Pada Platform. Malang: UNIVERSITAS BRAWIJAYA.
Brooke, J., 1996. SUS-A quick and dirty usability scale. In: Usability evaluation in industry. London: Taylor and Francis, pp. 189-194.
Ehmer, M. & Khan, F., 2012. A Comparative Study of White Box, Black Box and Grey Box Testing Techniques.
International Journal of Advanced Computer Science and Applications, 3(6), pp. 12-15.
Ehmer Khan, M., 2011. DIFFERENT APPROACHES TO BLACK BOX. International Journal of Software Engineering & Applications (IJSEA), 2(4), pp. 31-40.
Firebase. (t.thn.). Firebase. Tersedia di:
https://firebase.google.com/ [Dipetik 20 Januari 2020]
Github. (t.thn.) Github. Tersedia di: https://github.com/ [Dipetik 17 Desember 2019].
Json. (t.thn.). JSON. Tersedia di: https://www.json.org/ [Dipetik Februari 6 2018]
KBBI Online, 2016. Kamus Besar Bahasa Indonesia (KBBI). [Online] Tersedia di: https://kbbi.web.id/musik [Diakses 12 Februari 2020].
Kramer, M., 2018. Best Practices in Systems Development Lifecycle: An Analyses Based on the Waterfall Model. Review of Business & Finance Studies, 9(1), pp. 2150-3338.
Lawrence, M., 2011. Music, Emotion, Analysis. Tersedia di:
https://www.academia.edu/255208/Mus ic_Emotion_Analysis [Dipetik 2 Januari 2020]
Mobile Vision. (t.thn.). Mobile Vision API. Tersedia di:
https://developers.google.com/vision [Diakses 20 Desember 2019]
Nielsen, J. (2012, Januari 4). Usability 101: Introduction to Usability. Retrieved from Nielsen Norman Group: https://www.nngroup.com/articles/usabi lity-101-introduction-to-usability/ Norman, N. (2018). Usability 101: Introduction
to Usability. Tersedia di https://www.nngroup.com/articles/usabi lity-101-introduction-to-usability/ [Dipetik 13 Maret 2020]
Patrick, G. & Schellenberg, Glenn., 2010. Springer Handbook of Auditory Research: Chapter 5 Music and Emotion. Tersedia di:
https://www.academia.edu/26959642/ Music_and_Emotion/ [Dipetik 8 Maret 2020]
Pressman, R. S. (2001). Software Engineering A Practitioner's Approach. Thomas Casson.
Risnita. (2014). Pengembangan Skala Model Likert. 1-14.
Rouse, M., 2018. Forward Chaining. [Online]
Tersedia di:
https://whatis.techtarget.com/definition/ forward-chaining
[Diakses 4 Maret 2020].
Sauro, J. (2013, Juni 18). 10 THINGS TO KNOW ABOUT THE SYSTEM USABILITY SCALE (SUS). Tersedia di: https://measuringu.com/10-things-sus/ [Dipetik 2 Februari 2020]
Tolle, H., Pinandito, A., Kharisma P, A., & Dewi K, R. (2017). Pengembangan Aplikasi Perangkat Bergerak (Konsep Dan Implementasi) (T. UB PRESS, Ed.). Malang: UB Press.
Zundhi, M. A. (2018). PENGEMBANGAN APLIKASI MOBILE PEMESANAN KATERING SEKOLAH BERBASIS ANDROID. Universitas Brawijaya