Algoritma Dan Rekomendasi Musik: Menciptakan Penemuan Musik Atau Menghilangkan Kejutan?

Rekomendasi musik berbasis algoritma telah menjadi aspek penting dalam layanan streaming seperti Spotify dan Apple Music. Sistem ini menggunakan data besar dan kecerdasan buatan untuk memahami selera pendengar dan menyajikan pilihan musik yang dipersonalisasi.

Walaupun tampak praktis, apakah algoritma ini benar-benar memperkaya eksplorasi musik atau justru menghilangkan unsur kejutan?

Cara kerja rekomendasi musik ini bergantung pada kombinasi dua pendekatan utama, yaitu collaborative filtering dan content-based filtering.

Dalam collaborative filtering, algoritma menghubungkan pendengar dengan preferensi yang mirip, seperti jika dua pengguna memiliki artis favorit yang sama, kemungkinan besar mereka juga akan menikmati lagu-lagu dari artis serupa.

Sementara itu, content-based filtering menganalisis karakteristik lagu, termasuk tempo, genre, dan elemen lain untuk menemukan musik yang memiliki kualitas mirip. Kombinasi dari kedua pendekatan ini menghasilkan rekomendasi yang sangat relevan dan akurat.

Sistem ini juga mempertimbangkan konteks tertentu. Misalnya, Spotify menyusun daftar putar harian dan mingguan berdasarkan pola mendengarkan, suasana, dan bahkan situasi harian pengguna. Spotify dan platform lainnya menggunakan konteks seperti hari dan waktu atau situasi tertentu untuk memperkaya pengalaman mendengarkan, memberi pengguna pilihan musik yang dianggap sesuai untuk momen tersebut.

Algoritma seperti ini menawarkan sejumlah manfaat bagi pendengar. Personalitas tinggi dalam pengalaman mendengarkan memungkinkan pengguna lebih terikat dengan platform, yang menurut beberapa studi mampu meningkatkan keterlibatan pengguna hingga 30 persen.

Selain itu, platform mampu meningkatkan loyalitas dengan menawarkan musik baru yang relevan, yang membuat pendengar merasa seleranya dihargai.

Release Radar Spotify

Melalui fitur seperti Discover Weekly dan Release Radar, algoritma berperan dalam memperluas jangkauan eksplorasi musik, memungkinkan pengguna menemukan artis dan genre baru yang mungkin tidak mereka temui sebelumnya secara manual.

Namun, ada beberapa kelemahan dari algoritma ini. Beberapa pengguna merasa bahwa rekomendasi musik terbatas pada preferensi sebelumnya, membuat pengalaman eksplorasi musik menjadi kurang variatif.

Alih-alih memberikan kejutan, algoritma sering kali terjebak dalam pola yang sama, menghambat penemuan musik yang benar-benar baru. Selain itu, algoritma cenderung lebih memprioritaskan artis-artis yang telah populer, yang membuat musisi independen atau artis yang lebih baru sulit untuk ditemukan.

Pengaruh komersial juga memainkan peran dalam cara algoritma bekerja. Ada kecenderungan bagi platform untuk mempromosikan musik yang dapat menghasilkan lebih banyak keuntungan, seperti lagu-lagu dari artis besar atau konten berbayar. Ini mengurangi kesempatan bagi artis baru atau independen untuk mendapatkan sorotan yang sama, menciptakan bias dalam sistem yang mendukung nama-nama besar di industri musik.

Musisi independen sering kali merasa kurang diuntungkan oleh algoritma ini. Beberapa dari mereka berpendapat bahwa sistem rekomendasi otomatis cenderung kurang adil terhadap karya mereka yang lebih eksperimental atau yang tidak mudah diklasifikasikan.

Sebagai alternatif, platform seperti Bandcamp menawarkan rekomendasi berbasis kurasi manusia, yang memungkinkan pendengar menemukan musik baru secara lebih organik. Dalam hal ini, pendekatan kuratorial lebih sesuai bagi mereka yang mencari pengalaman eksploratif tanpa bias komersial.

Bandcamp Friday – Rekomendasi berbasis kurasi manusia

Di luar algoritma, pengguna juga memiliki cara lain untuk menemukan musik, seperti rekomendasi dari editor musik atau komunitas online. Platform seperti Bandcamp dan forum musik di Reddit atau Discord menawarkan pengalaman penemuan musik yang lebih spontan dan menyeluruh, memungkinkan pengguna untuk berbagi dan menemukan musik dengan cara yang berbeda dari algoritma.

Pada akhirnya, rekomendasi musik berbasis algoritma memiliki sisi positif dan negatif. Sementara beberapa pendengar merasa diuntungkan dengan personalisasi yang ditawarkan, ada juga yang merindukan pengalaman menemukan musik baru secara tidak terduga.

Mungkin, perpaduan antara rekomendasi algoritma dan kurasi manusia akan menjadi solusi ideal, di mana pendengar mendapatkan kenyamanan rekomendasi otomatis tanpa kehilangan elemen kejutan dan variasi dalam penemuan musik. Setuju?