Data-data yang Minor… (Sebuah Eksplorasi Data Sederhana dari Musisi Indie Indonesia)

Gambar yang tidak memiliki korelasi langsung kepada artikel ini

Intro

Saat ini kayaknya memang lagi booming banget lagu-lagu indie diputer di radio. Gw sering banget denger lagunya payung teduh yang judulnya Akad dimainkan di radio, bahkan waktu lagi nongkrong bareng temen-temen juga lagu ini(dan lagu PT yang lainnya juga) sering banget diputer. Bukan cuman lagunya Payung Teduh, lagu dari Fortwnty juga sering diputer terutama yang judulnya Zona Nyaman.

Jujur sebenernya gw merasa musisi indie di Indonesia karakteristik musiknya itu gitu-gitu aja, akustikan, terus liriknya ala-ala pujangga gitu. Nah… berawal dari situ akhirnya gw kepikiran, kenapa gak gw eksplor data lagu-lagu musisi indie yang bisa diambil dari API-nya Spotify.


Ekstraksi data

Seperti yang sudah gw sebutkan sebelumnya, gw ngambil datanya dari Spotify, pemutar musik favorit gw. Awalnya gw milih-milih dulu nih kira-kira mana musisi indie yang pengen gw eksplor datanya. Karena ini cuman proyek iseng-iseng aja gw akhirnya memutuskan untuk gak usah banyak-banyak penyanyinya, dan jatuhlah pilihan gw kepada delapan artist yaitu:

  1. Payung Teduh
  2. Barasuara
  3. Efek Rumah Kaca
  4. Adhitia Sofyan
  5. Stars and Rabit
  6. Banda Neira
  7. Fourtwnty
  8. Fiersa Besari

dan gw ngambil lagu-lagunya cuman yang rekaman, jadi kalo di judulnya ada tulisan live langsung gak gw ambil.

Dari API-nya Spotify gw ambil beberapa feature dari tiap lagunya, yaitu(dalam bahasa inggris karena males nerjemahin, kalau bingung pake google ae):

  • Acousticness

A confidence measure from 0.0 to 1.0 of whether the track is acoustic. 1.0 represents high confidence the track is acoustic.

  • Danceability

Danceability describes how suitable a track is for dancing based on a combination of musical elements including tempo, rhythm stability, beat strength, and overall regularity. A value of 0.0 is least danceable and 1.0 is most danceable.

  • Duration

The duration of the track

  • Energy

Energy is a measure from 0.0 to 1.0 and represents a perceptual measure of intensity and activity. Typically, energetic tracks feel fast, loud, and noisy. For example, death metal has high energy, while a Bach prelude scores low on the scale. Perceptual features contributing to this attribute include dynamic range, perceived loudness, timbre, onset rate, and general entropy.

  • Key

The key the track is in. Integers map to pitches using standard Pitch Class notation. E.g. 0 = C, 1 = C♯/D♭, 2 = D, and so on.

  • Loudness

The overall loudness of a track in decibels (dB). Loudness values are averaged across the entire track and are useful for comparing relative loudness of tracks. Loudness is the quality of a sound that is the primary psychological correlate of physical strength (amplitude). Values typical range between -60 and 0 db.

  • Tempo

The overall estimated tempo of a track in beats per minute (BPM). In musical terminology, tempo is the speed or pace of a given piece and derives directly from the average beat duration.


Akhirnya karena gw males, gak semua gw eksplor. Untuk PR aja hehehehehe.

Eksplorasi Data

Karena cuman dikit dan sangat sederhana eksplorasi datanya gw bakal ngasih grafik terus kita coba tarik kesimpulannya. Oke? Oke? Sudah siap?

Oke pertama-tama mari kita lihat korelasi dari tiap-tiap feature dari lagu-lagunya.

korelasi tiap fitur lagu-lagu

Oke buat kalian yang gak tau apa itu korelasi bisa dilihat disini. Dari heatmap(Kalau kalian bingung apa itu heatmap bisa dilihat disini) korelasi diatas ada beberapa kesimpulan yang bisa diabil, yaitu:

  1. Energy itu korelasinya positif terhadap Loudness, ini sebenernya secara intuitif juga bisa ditemukan, karena lagu yang berenergi harusnya keras.
  2. Kalo semakin akustik suatu lagu semakin rendah energy dan loudnessnya.

Oh ya bicara korelasi bisa dicek post teman gw yang lumayan pendek disini

Jadi kenapa gw taro korelasi dalam data? Karena namanya eksplorasi jadi semuanya dilihat… Hehehehehe.

Sekarang kita lihat jumlah lagu tiap artisnya

countplot artist

Kira-kira apa yang bisa dilihat dari gambar ini? Ya, benar bahwa Adhitia Sofyan merupakan musisi indie yang paling produktif dari antara musisi yang lain. (walaupun memang musiknya mirip semua imo hehehehe… maaf mas Adhit).

Oke berikutnya gw mau liat gimana sih durasi lagu-lagunya musisi indie ini.

Violinplot duration.

Jadi gambar ini adalah sebuah violinplot, apa itu bisa dilihat disini. oke kesimpulan apa yang bisa kita ambil dari gambar ini?

  1. Kebanyakan durasi lagu dari musisi indie yang saya ambil datanya itu empat menit-an kecuali Stars and Rabbit durasi lagu mereka tiga menit-an.
  2. Musisi dengan range durasi terpanjang adalah ERK, dan paling kecil itu Barasuara, yang berarti apa? kalo misal Barasuara dan ERK mengeluarkan lagu baru akan lebih mudah untuk nebak durasi lagu barunya Barasuara daripada ERK.
  3. dst. Bisa ambil kesimpulan sendiri kan udah gede

Dan yang terakhir yang mau gw cek dari data ini adalah Acousticnessnya karena memang komponen yang paling menonjol dari musisi indie Indonesia adalah memang lagunya akustik (gak semua… nanti akan kita lihat).

grafik tersebut itu digambar berdasarkan nilai keyakinan akustik tiap-tiap lagu dari tiap artis. Kesimpulan apa yang bisa diambil? Mhmmmm

  1. Keliatan memang kebanyakan lagu-lagunya memiliki keaskutikan yang tinggi.
  2. Artis yang paling akustik Banda Neira(Yeaay).
  3. Bisa dilihat Barasuara (terutama) dan ERK itu keakustikannya rendah. Bagi para pendengarnya harusnya tahu karena kedua musisi ini memang tidak memainkan musik akustik
  4. Fiersa Besari yang paling tersebar keakustikannya dan yang tengah-tengah itu Stars and Rabbit.

Penutup

Kesimpulan yang ingin gw sampaikan adalah banyak informasi yang bisa diambil dari data, bahkan hanya dengan melihat visualisasinya saja sudah bisa menarik kesimpulan sederhana.

Masih banyak yang bisa dieksplor dari data ini saja… gw pengennya sih pake algoritma-algoritma pembelajaran mesin gitu (biar kece), mungkin K-Means buat clustering musiknya. Dan lain-lainnya. Mungkin bisa untuk pengeksplorasian lebih lanjutnya nanti.


Terima Kasih telah membaca tulisan ini.