Studi: Analisis Neurofisiologi Bisa Tebak Lagu yang Cocok untuk Kamu
ilustrasi mendengarkan lagu (unsplash.com/Devon Divine)
Follow IDN Times untuk mendapatkan informasi terkini. Klik untuk follow WhatsApp Channel & Google News
Algoritma yang digunakan untuk membuat playlist pada layanan streaming musik, seperti Spotify, memiliki keakuratan yang cukup baik. Studi baru dalam jurnal Frontiers in Artificial Intelligence menemukan bahwa algoritma tersebut bisa menjadi lebih baik lagi dengan melihat respons otak saat kamu mendengarkan lagu.
Secara tradisional, elemen lagu yang direkomendasikan diukur dari database besar untuk mengidentifikasi aspek lirik lagu hits. Studi ini mengambil pendekatan metodologis yang berbeda dengan mengukur respons neurofisiologis terhadap sekumpulan lagu.
1. Data didapatkan menggunakan sensor khusus
ilustrasi AI and Machine learning specialist (pexels.com/Pavel Danilyuk)Studi ini melibatkan 33 partisipan berusia 18 hingga 57 tahun. Peserta studi direkrut dari Claremont Colleges dan masyarakat sekitar, dengan 47 persen adalah perempuan.
Peserta studi dilengkapi dengan sensor yang telah disediakan dan diminta untuk mendengarkan 24 lagu. Mereka akan ditanyai tentang preferensi mereka dan beberapa data demografis.
Selama percobaan, para ilmuwan mengukur respons neurofisiologis partisipan terhadap lagu-lagu tersebut.
"Sinyal otak yang kami kumpulkan mencerminkan aktivitas jaringan otak yang terkait dengan suasana hati dan tingkat energi," ucap Paul Zak, salah satu penulis penelitian tersebut, dalam blog jurnal Frontiers.
Ini memungkinkan para peneliti untuk memprediksi hasil pasar, termasuk jumlah lagu yang diputar berdasarkan data beberapa orang.
Pendekatan ini disebut 'neuroforecasting'. Cara ini menangkap aktivitas saraf dari sekelompok kecil orang untuk memprediksi efek tingkat populasi tanpa harus mengukur aktivitas otak ratusan orang.
2. Machine learning tentukan keakuratan hingga 98%
Setelah data didapatkan dan dilakukan analisis, mereka menemukan bahwa model statistik linier mengidentifikasi lagu-lagu hit dengan tingkat keberhasilan 69%.
Editor’s picks
Saat mereka menerapkan pembelajaran mesin (machine learning) pada data yang dikumpulkan, tingkat lagu hit yang teridentifikasi dengan benar melonjak hingga 97%.
Mereka juga menerapkan pembelajaran mesin pada respons saraf pada menit pertama lagu. Dalam hal ini, kecocokan diidentifikasi dengan benar dengan tingkat keberhasilan 82%.
"Ini berarti bahwa layanan streaming dapat dengan mudah mengidentifikasi lagu-lagu baru yang mungkin menjadi hits untuk playlist seseorang secara lebih efisien, membuat pekerjaan layanan streaming menjadi lebih mudah dan menyenangkan pendengar," jelas Zak.
Baca Juga: NASA Sukses Daur Ulang Urin dan Keringat untuk Diminum
3. Bisa menjadi masa depan layanan streaming musik
ilustrasi streaming (freepik.com/Freepik)Lebih lanjut, Zak menjelaskan jika di masa depan alat teknologi saraf wearable akhirnya tersedia, hiburan yang lebih akurat dapat dikirim ke audiens berdasarkan neurofisiologi mereka.
Terlepas dari hasil prediksi timnya yang hampir sempurna, para peneliti menunjukkan beberapa keterbatasan. Misalnya, mereka menggunakan sedikit lagu dalam analisis mereka. Selain itu, demografi peserta penelitian cukup beragam, tetapi tidak termasuk anggota kelompok etnis dan usia tertentu.
Namun demikian, para peneliti berharap bahwa pendekatan mereka kemungkinan dapat digunakan di luar identifikasi lagu hit.
Penelitian menemukan bahwa analisis neurofisiologi bisa menentukan lagu yang cocok untuk seseorang. Eksperimen ini bisa menjadi landasan dalam pengembangan algoritma layanan streaming musik.
Baca Juga: Studi: Tidur Siang Bisa Cegah Penyusutan Volume Otak
Topik:
Berita Terkini Lainnya
