Fitur-fitur yang digunakan untuk menemukan kemiripan pada audio antara lain dengan menggunakan fitur yang ditentukan secara manual sampai fitur yang diekstraksi secara otomatis dari sebuah file audio. Para peneliti terdahulu juga telah merekomendasikan beberapa nilai numerik dari fitur yang dapat mewakili audio untuk diekstraksi. Meskipun demikian, set  fitur yang optimal dalam menemukan kemiripan musik mungkin berbeda pada setiap penelitian, tergantung pada metode atau jenis musik yang digunakan dalam penelitian. Untuk menemukan fitur audio yang optimal untuk musik tradisional Indonesia, proses seleksi fitur dilakukan dalam penelitian ini. Empat musik tradisional Indonesia dari 4 provinsi yang berbeda disegmentasi secara otomatis menjadi 60 segmen audio. Sebelas set fitur dengan total 36 fitur audio ini diekstraksi langsung dari 60 segmen audio tersebut dengan kombinasi nilai rata-rata dan standar deviasi standar. Principal Component Analysis (PCA) digunakan untuk mengurangi set fitur. Kemudian, untuk membuktikan set fitur yang dihasilkan adalah fitur yang optimal, clustering dilakukan pada 60 segmen audio. Proses clustering dengan metode x-Means dengan fitur-fitur yang diperoleh dalam penelitian ini menunjukkan bahwa setiap segmen audio dari 1 lagu berada pada cluster yang sama.