Analisis Klaster Lagu Indonesia pada Platform Spotify Menggunakan Algoritma K-Means (Studi Kasus: Spotify)

Abstrak

Perkembangan platform streaming seperti Spotify telah merevolusi konsumsi musik di Indonesia, menghasilkan data performa lagu yang kompleks dari Spotify Charts. Penelitian ini bertujuan mengelompokkan lagu Indonesia berdasarkan popularitas menggunakan algoritma K-Means Clustering. Variabel yang digunakan—peak, previous, streak, dan streams—dipilih karena secara langsung mencerminkan dinamika performa lagu di tangga lagu, meliputi posisi terbaik, pergerakan peringkat, ketahanan, dan volume pemutaran, sehingga lebih representatif terhadap resonansi pasar dibandingkan fitur audio. Pendekatan kuantitatif deskriptif diterapkan pada data Spotify Charts wilayah Indonesia periode Januari 2020 hingga Desember 2024, dengan sampel purposive sebanyak 5.316 data setelah pembersihan. Penentuan jumlah klaster optimal menggunakan Elbow Method menghasilkan k=3, dengan evaluasi kualitas klaster melalui Silhouette Score sebesar 0,4968. Hasil menunjukkan tiga klaster: Cluster 0 (populer menengah, rata-rata streams 3,8 juta), Cluster 1 (kurang populer, rata-rata streams 569 ribu), dan Cluster 2 (sangat populer, rata-rata streams 54 juta). Penelitian menyimpulkan bahwa K-Means efektif mengidentifikasi pola popularitas lagu secara objektif sebagai dasar strategi promosi berbasis data.