Pengembangan Aplikasi Rekomendasi Musik Berdasarkan Cuaca Pada Platform Android

Fakultas Ilmu Komputer

Universitas Brawijaya

124

Pengembangan Aplikasi Rekomendasi Musik Berdasarkan Cuaca Pada

Platform Android

Ahmad Wildan Rizaldy1_{, Ratih Kartika Dewi}2_{, Komang Candra Brata}3 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

Email: 1_{a.wildanrz@gmail.com,} 2_{ratihkartikad@ub.ac.id,} 3_{k.candra.brata@ub.ac.id}

Abstrak

Musik sekarang sudah menjadi salah satu sarana hiburan yang paling besar. Dengan adanya digital musik dan teknologi internet banyak musik bisa didengar oleh jutaan user di seluruh dunia. Rekomendasi musik merupakan sistem rekomendasi yang ada bukan hanya karena banyaknya jenis musik yang ada, namun juga karena persepsi orang tentang musik yang masih belum dapat dipahami sepenuhnya. Saat ini diperlukan adanya alat yang merekomendasikan musik yang sesuai dengan konteks yang dihadapi Aplikasi rekomendasi music berdasarkan cuaca membantu pengguna untuk menemukan musik yang sesuai dengan konteks. Rekomendasi yang diberikan sistem ini menggunakan metode sistem pakar dengan alur forward chaining. Sistem tersebut akan mengolah input yang diperoleh dari pengguna dan memberikan rekomendasi musik sesuai dengan referensi yang diberikan oleh pakar. Pengujian fungsional dari sistem rekomendasi musik ini telah memenuhi syarat “valid” dengan mencapai nilai 100%. Sementara untuk pengujian usability yang menggunakan metode System Usability Scale (SUS) sistem ini mendapatkan nilai 75.5%, nilai tersebut adalah indikasi bahwa sistem ini termasuk dalam kategori acceptable. Selanjutnya adalah pengujian akurasi yang membandingkan keluaran sistem dan rekomendasi dari pakar, sistem ini mendapatkan nilai akurasi 100%.

Kata kunci: Music, Rekomendasi, konteks

Abstract

Music is one of the biggest human entertainment. With digital music and the internet, there is so much music that can be listened to by the million users. Music recommendation is the recommendation system that exists not only because there is so much music out there, but because the perception about music is still cannot be fully understood. At the moment, there is a need for a recommendation system that suits the requested context. The Music Recommendation System based on Weather help user to find their music that fits with the context they are in. The development of this system is to make an android application and using an expert system method with forward chaining. this system will process input that the user input and the output will be a recommendation of music that fits the expert rule. Functional testing of this system resulting in a valid outcome which means this system grade is 100%. While usability testing of this system outcome is 76.5 in value of system usability scale which means it’s acceptable. Then the accuracy testing that will compare the output system and the expert, the system comes out with 100% accuracy

.

Keywords: music, recommendation, context

1. PENDAHULUAN

Musik adalah sebuah karya cipta yang berupa suara atau bunyi yang dimainkan menjadi komposisi terpadu yang memiliki irama, nada dan keselarasan. Musik yang dimainkan secara terpadu dan berkesinambungan dapat mempengaruhi emosi dan kognisi dari

pendengar (Jamalus dalam Ismanadi, 2008: 11). Musik sekarang sudah menjadi salah satu sarana hiburan yang paling besar. Dengan adanya digital musik dan teknologi internet banyak musik bisa didengar oleh jutaan user di seluruh dunia. Begitupula dengan banyaknya artis dan lagu yang tersebar di pasaran, akan membuat user merasa kesulitan dalam memilih

Fakultas Ilmu Komputer, Universitas Brawijaya sebuah lagu atau menemukan sebuah lagu yang menarik untuk user tersebut. Tapi dengan banyaknya musik data yang ada dan terbuka saat ini akan membuka kesempatan baru untuk melakukan penelitian terhadap rekomendasi musik yang dapat didasarkan dari kebiasaan dan keinginan dari user.

Rekomendasi musik merupakan sistem rekomendasi yang ada bukan hanya karena banyaknya jenis musik yang ada, namun juga karena persepsi orang tentang musik yang masih belum dapat dipahami sepenuhnya. Perihal Ini merupakan sebuah proses yang kompleks karena banyaknya faktor yang dapat mempengaruhi jenis musik yang didengar seperti usia, gender, sifat manusia, budaya setempat, dan banyak faktor lainnya (A. Uitdenbogerd, R. van Scnydel, 2002: 204-208)

Namun, kebanyakan dari sistem rekomendasi musik yang ada sekarang menyarankan musik tanpa melihat dari sudut pandang user konteksnya seperti mood dari user, lokasi atau aktivitas yang dilakukan sekarang (G. Andomavicius, B. Mobasher, F. Ricci, dan A, Tuzhilin, 2011: 67-80). Padahal kenyataannya pada sebuah study yang dilakukan terhadap user yang membutuhkan rekomendasi musik menyatakan bahwa mereka mencari musik pada suatu kesempatan, kondisi, atau emosi tertentu (J.Y Kim dan N.J Belkin, 2002: 209-214).

Sebuah riset menjelaskan bahwa ada sebuah relasi positif antara kualitas mendengarkan lagu pada situasi tertentu dengan pemilihan lagu yang tepat pada situasi tertentu (A. North dan D. Hargreaves, 1996: 30-45). Seperti halnya orang-orang akan mendengarkan lagu yang berbeda ketika musim panas dan musim dingin (T. Pettijohn, G. Williams, dan T. Carter, 2010: 1-18). Dengan demikian, parameter berupa lingkungan dapat dipertimbangkan ketika merekomendasikan sebuah lagu.

Salah satu parameter lingkungan yang dapat digunakan untuk merekomendasikan musik adalah informasi tentang cuaca. Hal ini bisa dilihat dari kondisi sebuah cuaca, yang biasa dikategorikan sebagai panas, mendung, hujan, dsb. Informasi tentang temperature (misal: dingin, hangat, panas) atau derajat temperature bisa digunakan sebagai parameter lingkungan yang dapat digunakan. Informasi seperti ini akan relevan dengan sistem rekomendasi musik sebab pendengar musik akan memilih lagu yang sangat berbeda ketika misalnya berada pada kondisi cuaca hujan dingin atau ketika cuaca panas terik.

(T. Pettijohn, G. Williams, dan T. Carter, 2010: 1-18).

Sistem rekomendasi musik ini akan menggunakan metode Forward Chaining dimana metode ini 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. Sistem ini juga menggunakan Sistem pakar yang mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya.

User smartphone di indonesia yang mencapai 100 juta lebih jiwa dengan 77 % diantaranya menggunakan smartphone android (KOMINFO, 2015), dapat dijadikan sebagai sebuah platform dalam pengaplikasian sistem rekomendasi musik karena secara tidak langsung user akan lebih sering memutarkan musik dari smartphonenya.

Pengembangan Aplikasi Rekomendasi Musik Berdasarkan Cuaca pada Platform Android ini diharapkan dapat membantu keinginan pendengar dalam memilih sebuah lagu sehingga dapat meningkatkan kualitas mendengarkan musik ketika berada dalam cuaca atau temperature tertentu.

2. METODOLOGI

Pada bab Metedologi Penelitian, Software Development Lifecycle (SDLC) pada sistem ini akan menggunakan metode waterfall.

3. ANALISIS KEBUTUHAN

Gambar 2 adalah gambaran umum sistem yang akan menjelaskan tentang desain sistem yang akan dibangun. Gambaran ini akan menjadi panduan bagaimana sistem ini akan berjalan.

Gambar 2 Gambaran Umum Sistem Pada sistem ini user akan menjadi aktor yang dapat mengakses seluruh fungsionalitas dari sistem. Gambar 3 merupakan use case diagram akan memodelkan 3 kebutuhan fungsional sistem yaitu, mendapatkan informasi cuaca, lokasi, dan temperature terkini, mendaoatkan rekoemndasi playlist musik, memutar musik dari playlist.

Gambar 3 Use Case Diagram 4. PERANCANGAN SISTEM

Perancangan arsitektur sistem ini akan menjelaskan bagaimana algoritma yang akan digunakan untuk menemukan rekomendasi musik. Unsur pertama pengambilan data cuaca yang diambil dari API Openweather. Selanjutnya adalah pembagian musik dari data cuaca yang didasarkan dari sistem pakar yang kemudian akan diterapkan metode Forward

Chaining berdasarkan data tersebut. Data cuaca yang diambil dari Openweather API merupakan jenis cuaca yang dengan membatasi jenis cuaca yang ada di Indonesia. Tabel 1 merupakan data cuaca Rain yang dipakai untuk menentukan kondisi cuaca ketika hujan.

Tabel 1 Detail Jenis Cuaca Rain Jenis Cuaca Deskripsi

Rain light rain

Rain moderate rain

Rain heavy intensity rain

Rain very heavy rain

Rain extreme rain

Rain freezing rain

Rain light intensity shower rain

Rain shower rain

Rain heavy intensity

shower rain

Rain ragged shower rain

Tabel 2 merupakan data cuaca Clear yang dipakai untuk menentukan kondisi cuaca ketika panas.

Tabel 2 Detail Jenis Cuaca Rain Jenis Cuaca Deskripsi

Clear clear sky

Tabel 3 merupakan data cuaca Clouds yang dipakai untuk menentukan kondisi cuaca ketika berawan.

Tabel 3 Detail Jenis Cuaca Clouds Jenis Cuaca Deskripsi

Clouds Few Clouds

Clouds Scattered Clouds

Fakultas Ilmu Komputer, Universitas Brawijaya Clouds Overcast Clouds

Sistem pakar pada sistem ini digunakan untuk mencari rekomendasi musik yang tepat berdasarkan cuaca saat ini. Sumber infromasi pengetahuan yang diperoleh dari sistem ini berasal dari hasil wawancara dengan Saudara Aditya Vega Arcadio yang merupakan seorang pemusik dari Malang. Tabel 4 merupakan penjabaran mengenai data musik untuk cuaca Rain.

Tabel 4 Data Musik untuk Cuaca Rain

Tabel 5 merupakan penjabaran mengenai data musik untuk cuaca Clear.

Tabel 5 Data Musik untuk Cuaca Clear

Cuaca Artist Judul

Clear

Coldplay Hymn for The Weekend Fireflies Owl City Keshi Less of You Yellow Claw

ft-Ayden

Till It Hurts

One Ok Rock We Are

Tabel 5 merupakan penjabaran mengenai data musik untuk cuaca Clouds.

Tabel 4 Data Musik untuk Cuaca Clouds

Cuaca Artist Judul

Clouds

HONNE 3am

Leonardo Ringo Wondrous Sky Niki La La Lost You

(Acoustic) Rendy Pandugo I Don't Care

Lauv Paris in the Rain

5. IMPLEMENTASI

Gambar 4 merupakan tampilan pertama aplikasi dijelaskan tentang Implementasi antarmuka Splash Screen akan memunculkan dialog yang akan memberitahukan user untuk memberikan akses pada GPS untuk dapat memainkan musik

.

Gambar 4 Implementasi Antarmuka Splash Screen

Gambar 5 dijelaskan tentang Implementasi antarmuka Permission akan menampilkan dialog untuk meminta user untuk memilih mengizinkan untuk mengakses GPS. Setelah itu user akan masuk pada halaman selanjutnya.

Cuaca Artist Judul

Rain

Goo Goo Dolls Iris Imagine Dragons Demons James Bay There’s No Way Lauv ft. Julia

Michael

If Only

Gambar 5 Implementasi Antarmuka Permission

Gambar 6 dijelaskan tentang Implementasi antarmuka halaman informasi cuaca akan menampilkan cuaca, lokasi, dan temperature terkini dari smartphone user. Background yang ditampilkan akan menyesuaikan dengan data informasi cuaca yang ada. Selain itu akan disediakan tombol playlist yang bisa diakses oleh user untuk bisa masuk pada halaman selanjutnya.

Gambar 6 Implementasi Antarmuka Permission Pada Gambar 7 dijelaskan tentang Implementasi halaman rekomendasi musik, akan menampilkan header cuaca untuk memberikan informasi pada user, selanjutnya pada halaman ini akan ditampilkan playlist yang sudah disediakan sesuai dengan data informasi cuaca yang telah didapat.

Gambar 7 Antarmuka Halaman Rekomendasi Musik

6. PENGUJIAN

Pengujian pada aplikasi ini ditujukan agar dapat mengetahui apakah sistem sudah berjalan sesuai dengan kebutuhan perangkat lunak., dan pengujian akurasi.Tabel 2 adalah hasil pengujian ini yang dilakukan dengan penyebaran kuesioner 5 responden dengan karesteristik seorang pengguna musik yang hobi mendengarkan musik setidaknya satu kali dalam sehari dan menganggap keadaan cuaca akan mempengaruhi pemilihan musik mereka.

Tabel 2 Pengujian usability Responden Hasil Penilaian Skor

1 30 X 2.5 75 2 27 X 2.5 67.5 3 30 x 2.5 75 4 29 x 2.5 72.5 5 35 x 2.5 87.5 Rata - Rata 75.5

Pengujian akurasai memilih beberapa sample data yang berisi lokasi, data cuaca, waktu dan tanggal cuaca diperbarui di lokasi tersebut. Kemudian apakah keluaran hasil dari aplikasi sesuai dengan apa yang direkomendasikan oleh sistem pakar. No Lokasi Data Cuaca Diperbarui pada Rekomendasi Pakar 1 Soko Overcast Clouds 24/06/2020 11:04 AM Clouds

2 Moscow Clear Sky 24/06/2020 11:04 AM Clear 3 Tokyo Broken Clouds 24/06/2020 11:32 AM Clouds

4 Seoul Light Rain 24/06/2020 11:29 AM

Rain

5 New York Clear Sky 24/06/2020 11:35 AM Clear 6 Frankfurt am Main Clear Sky 24/06/2020 11:35 AM Clear 7 Jakarta Scattered Clouds 24/06/2020 11:53 AM Clouds 8 Surabaya Overcast Clouds 24/06/2020 11:48 AM Clouds 9 Bandung Overcast Clouds 24/06/2020 11:45 AM Clouds

Fakultas Ilmu Komputer, Universitas Brawijaya Tabel 4 Hasil Pengujian Akurasi 7. DAFTAR PUSTAKA

Aelani, K., & Falahah. (2012). Pengukuran Usability Sistem Menggunakan Use Questionnaire. Seminar Nasional Aplikasi Teknologi Informasi 2012, 2012(Snati), 15–16.

https://doi.org/10.15408/jti.v10i2.6824 Alif, A., 2013. Komputasi cerdas untuk pemula. Malang: ABC Press.

Brooke, J., 1996. SUS-A quick and dirty usability scale. In: Usability evaluation in industry. London: Taylor and Francis, pp. 189-194.

Ehmer Khan, M., 2011. DIFFERENT APPROACHES TO BLACK BOX. International Journal of Software Engineering & Applications (IJSEA), 2(4), pp. 31-40.

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.

Ependi, U., Panjaitan, F. & Hutrianto, H., 2017. System Usability Scale Antarmuka Palembang Guide Sebagai Media Pendukung Asian Games XVIII. Journal of Information System Engineering and Business Intelligence, 3(2), pp. 2443-2555. Fakhrun, N. A., Akhriza, T. M., & Prasetyo, A.

(2017). APLIKASI ANDROID UNTUK

MEMBANTU PROGRAM DIET

BERBASIS AKTIVITAS. Seminar Nasional Sistem Informasi 2017, (September), 602–612.

JSON.ORG. (2017). Pengenalan JSON. Retrieved March 21, 2019, from https://www.json.org/json-id.html.

Kaminska, M., Ricci F. (2012). Contextual music information retrieval and recommendation: State of the art and challenges.

Rouse, M., 2018. Forward Chaining. [Online]

Tersedia dia:

<https://whatis.techtarget.com/definition/f orward-chaining>

[Diakses 04 Maret 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

.