PENGEMBANGAN APLIKASI REKOMENDASI MUSIK DENGAN MENGGUNAKAN SELF ORGANIZING MAP DAN NEW HEURISTIC SIMILARITY MODEL

Perkembangan industri musik meningkat dengan sangat cepat, terutama secara online. Masyarakat kini lebih memilih untuk mendengar musik secara online dibandingkan dengan membeli musik dalam bentuk Compact Disk. Dalam musik online terdapat banyak jumlah data musik yang membuat user sulit untuk memilih musik yang ingin didengar dan tidak semua data musik di rating oleh user sehingga dapat mengganggu hasil rekomendasi. Untuk mengatasi masalah tersebut digunakan Algoritma Self Organizing Map dan New Heuristic Similarity Model. Self Organizing Map digunakan untuk mengelompokkan sejumlah user berdasarkan kemiripan sejarah rating yang diberikan. Sedangkan New Heuristic Similarity Model digunakan untuk mengatasi permasalahan cold user dengan menghitung nilai kemiripan antar user baik secara lokal maupun global. Berdasarkan pengujian parameter yang mewakili nilai k, eta, sigma dan t terhadap metrik MAE, terdapat nilai minimum dari Mean Absolute Error (MAE) sebesar 0.615.