https://github.com/azizlike29/analytics-streamed-spotify
Application of Logistic Regression Algorithm on Most Streamed Spotify Songs 2023 Data Set
https://github.com/azizlike29/analytics-streamed-spotify
Last synced: 10 months ago
JSON representation
Application of Logistic Regression Algorithm on Most Streamed Spotify Songs 2023 Data Set
- Host: GitHub
- URL: https://github.com/azizlike29/analytics-streamed-spotify
- Owner: AzizLike29
- Created: 2024-06-29T11:21:56.000Z (almost 2 years ago)
- Default Branch: master
- Last Pushed: 2024-06-29T11:58:14.000Z (almost 2 years ago)
- Last Synced: 2025-02-28T14:11:34.878Z (over 1 year ago)
- Language: Jupyter Notebook
- Size: 3.98 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
Project: Ujian Tengah Semester
```bash
Kelompok 3 : - Abdul Aziz Firdaus (312110262)
- Muhammad Akbar (312110483)
- Muhammad Arya Dipanegara Gunawan (312110396)
- Ridho Pikriyansyah (312110169)
Judul Project : Penerapan Algoritma Logistic Regression Pada Data Set Most Streamed Spotify Songs 2023
Kelas : TI. 21. A3
Mata Kuliah : Big Data
Dosen Pengampu : Dr.Ir.Ananto Tri Sasongko, M.Sc.,
```
## Latar Belakang
Big data analytics mencakup seluruh proses pengumpulan, penataan, dan analisis data-data dari berbagai sumber data perusahaan. PySpark adalah bahasa yang sesuai untuk mempelajari pengolahan dan analisis data dengan Spark. Alasan memilih data set most streamed spotify songs 2023 karena relevansi tren musik terbaru. Data ini mencakup banyak fitur, termasuk statistik streaming, kehadiran di platform lain, dan atribut audio, memberikan konteks yang kaya untuk analisis.
## Kesimpulan
Penggunaan algoritma logistic regression pada dataset spotify memberikan prediksi yang bermanfaat mengenai popularitas lagu berdasarkan atribut tertentu. Untuk penelitian berikutnya, disarankan untuk mengeksplorasi lebih lanjut faktor-faktor yang mempengaruhi popularitas lagu, seperti artis, genre, dan strategi kampanye pemasaran.