Perbandingan Metode Random Survival Forest dan XGBoost-AFT dalam Memprediksi Ketahanan Lagu pada Spotify Weekly Chart Indonesia

Abstract

Tangga musik digital merupakan indikator penting dalam mengukur kesuksesan lagu di era streaming. Penelitian ini bertujuan untuk membandingkan algoritma Random Survival Forest (RSF) dan Extreme Gradient Boosting–Accelerated Failure Time (XGBoost-AFT) dalam memprediksi ketahanan lagu pada Spotify Weekly Chart Indonesia tahun 2020-2024 dengan 1193 amatan. Kejadian didefenisikan sebagai lagu keluar dari tangga musik, sementara lagu yang masih bertahan hingga akhir penelitian diperlakukan sebagai data tersensor. Validasi model dilakukan menggunakan repeated stratified 5-fold cross validation dengan metrik concordance index (C-index), C-index Inverse Probability of Censoring Weighting (C-Index IPCW), dan mean time-dependent Area Under Curve (mean time-dependent AUC). Hasil penelitian menunjukkan bahwa model XGBoost-AFT memiliki performa yang sedikit lebih baik dibandingkan RSF dengan nilai C-index, C-index IPCW, dan mean time-dependent AUC masing-masing sebesar 0,6440; 0,6435; dan 0,6932. Analisis peubah penting menggunakan feature importance dan SHAP menunjukkan bahwa genre dan bahasa lagu merupakan peubah paling penting, diikuti oleh internal competition, danceability, keberadaan music video (MV), speechiness, dan valence. Selain itu, karakteristik yang diasosiasikan dengan ketahanan lebih panjang antara lain nilai internal competition yang rendah, acousticness tinggi, danceability moderat, adanya MV, serta speechiness dan valence yang relatif rendah, dengan durasi lagu sekitar tiga menit.

Digital music charts are an important indicator of song success in the streaming era. This study compares Random Survival Forest (RSF) and Extreme Gradient Boosting–Accelerated Failure Time (XGBoost-AFT) algorithms in predicting song longevity on the Spotify Weekly Chart Indonesia from 2020 to 2024, using 1,193 observations. The event is defined as a song exiting the chart, while songs that remain until the end of the observation period are treated as censored data. Model validation uses repeated stratified 5-fold cross-validation with evaluation metrics including the concordance index (C-index), C-index Inverse Probability of Censoring Weighting (C-index IPCW), and mean time-dependent Area Under the Curve (mean time-dependent AUC). Results show that XGBoost-AFT performs slightly better than RSF, with C-index, C-index IPCW, and mean time-dependent AUC values of 0.6440, 0.6435, and 0.6932, respectively. Feature importance and SHAP analysis show that genre and song language are the most influential variables, followed by internal competition, danceability, music video (MV) availability, speechiness, and valence. Songs with lower internal competition, higher acousticness, moderate danceability, MV availability, and lower speechiness and valence, with durations around three minutes, tend to have longer chart longevity.