Klasifikasi genre musik pada layanan streaming seperti YouTube merupakan tantangan yang kompleks karena berbagai faktor yang mempengaruhi karakteristik audio. Penelitian ini menggunakan metode Extremely Randomized Trees untuk mengklasifikasikan genre musik dari klip video musik yang diambil dari YouTube dan dataset GTZAN. Penelitian ini menggunakan metodologi CRISP-DM untuk membangun model klasifikasi genre musik dengan memilih lima genre: Blues, Classical, Country, Metal, dan Pop. Proses implementasi melibatkan beberapa tahap, termasuk pengumpulan dan pre-processing data, ekstraksi fitur menggunakan teknik seperti Mel Frequency Cepstral Coefficients (MFCC), Chroma STFT, Chroma CQT, Spectral Bandwidth, Spectral Rolloff, dan Spectral Contrast, serta pelatihan dan pengujian model. Hasil penelitian menunjukkan bahwa metode Extremely Randomized Trees mampu mengklasifikasikan genre musik dengan akurasi total sebesar 86% dengan pembagian data 80% training, 10% validation, dan 10% testing. Penelitian ini memberikan kontribusi signifikan dalam bidang klasifikasi genre musik dan memberikan harapan dapat diuji dan diimplementasikan di platform streaming musik YouTube secara nyata untuk mengevaluasi keakuratannya dalam kondisi operasional sebenarnya.

Music genre classification on streaming services such as YouTube is a complex challenge due to various factors affecting audio characteristics. This research uses the Extremely Randomized Trees method to classify music genres from music video clips taken from YouTube and GTZAN datasets. This research uses the CRISP-DM methodology to build a music genre classification model by selecting five genres: Blues, Classical, Country, Metal, and Pop. The implementation process involves several stages, including data collection and pre-processing, feature extraction using techniques such as Mel Frequency Cepstral Coefficients (MFCC), Chroma STFT, Chroma CQT, Spectral Bandwidth, Spectral Rolloff, and Spectral Contrast, and model training and testing. The results showed that the Extremely Randomized Trees method was able to classify music genres with a total accuracy of 86% with data division of 80% training, 10% validation, and 10% testing. This research makes a significant contribution to the field of music genre classification and hopes to be tested and implemented on the real YouTube music streaming platform to evaluate its accuracy under real operational conditions.