Fadhilah
Mahasiswa Teknik Informatika
Proyek ini dibuat sebagai bagian dari UTS Praktikum Kecerdasan Buatan untuk mengimplementasikan 5 algoritma Machine Learning dalam memprediksi popularitas lagu Spotify.
🛠️ Tech Stack
🐍 Python
🌶️ Flask
🧠 TensorFlow
⚙️ scikit-learn
🐼 Pandas
🔢 NumPy
📊 Matplotlib
🎨 Bootstrap 5
📈 Chart.js
🗄️ Kaggle
📁 Informasi Dataset
Nama DatasetSpotify Global Music Dataset
SumberKaggle.com
Jumlah Data8.582 lagu
Jumlah Fitur15 kolom
Target Variabeltrack_popularity (0–100)
Periode Data2009 – 2025
Missing Values0 (sudah dibersihkan ✅)
🤖 Algoritma yang Digunakan
1. Linear Regression
MAE: 15.71 | R²: 0.281
Model baseline untuk memprediksi popularitas berdasarkan hubungan linier antar fitur.
2. ANN (Artificial Neural Network) 🏆
MAE: 14.91 | R²: 0.315
Jaringan saraf tiruan multilayer dengan 4 layer Dense. Algoritma terbaik dalam proyek ini.
3. RNN/LSTM
MAE: 1.47 | Time Series
Prediksi tren popularitas lagu berdasarkan data time series per tahun (2009–2025).
4. K-Means Clustering
Silhouette: 0.42 | 4 Clusters
Pengelompokan lagu ke dalam 4 cluster berdasarkan karakteristik audio dan popularitas.
5. Backpropagation
Manual NumPy
Implementasi manual algoritma backpropagation dari scratch menggunakan NumPy.