Pemodelan Pergerakan Harga Bitcoin Berbaris Data Time Menggunakan Machine Learning

Andre, - (2021) Pemodelan Pergerakan Harga Bitcoin Berbaris Data Time Menggunakan Machine Learning. Undergraduate thesis, Universitas Pembangunan Jaya.

	Text 1. Pendahuluan.pdf Download (827kB)
	Text 2. Abstract.pdf Download (64kB)
	Text 3. Abstrak.pdf Download (64kB)
	Text 8. BAB I.pdf Download (359kB)
	Text 14. Daftar Pustaka.pdf Download (69kB)

Abstract

Bitcoin merupakan salah satu jenis cryptocurrency yang sedang popular saat ini. Akan tetapi, dengan harga bitcoin yang tak menentu dan fluktuatif, pengguna bitcoin harus cermat dalam mengawasi pergerakan harga bitcoin tersebut saat bertransaksi. Untuk mengantisipasi permasalahan tersebut, dibutuhkan sebuah pembuatan model machine learning dengan algoritma Random Forest dan Extreme Gradient Boosting (XGBoost) berdasarkan data time series untuk memprediksi pergerakan harga bitcoin yang fluktuatif. Tujuan dari penelitian ini adalah untuk mengatasi masalah tersebut yaitu dengan mendapatkan model machine learning yang dapat digunakan untuk memprediksi pergerakan harga bitcoin, dan mendapatkan performa dari model machine learning dengan algoritma Random Forest dan XGBoost. Penelitian ini menggunakan metode kuantitatif dengan pengenalan masalah berdasarkan observasi dan studi referensi serta pengumpulan data sekunder yang didapatkan dari Yahoo Finance. Penelitian ini menghasilkan model yang dapat memprediksi pergerakan harga bitcoin dengan algoritma Random Forest dan XGBoost. Kinerja dari model Random Forest menghasilkan tingkat akurasi sebesar 99,825% dengan RMSE sebesar 0,012616, dan model XGBoost menghasilkan tingkat akurasi sebesar 99,803% dengan RMSE sebesar 0,013413.

Item Type:	Karya Tulis Ilmiah (KTI) (Undergraduate)
Uncontrolled Keywords:	Cryptocurrency, Bitcoin, Machine Learning, Prediksi, Random Forest, XGBoost
Subjects:	H Social Sciences > HA Statistics H Social Sciences > HG Finance
Divisions:	Fakultas Teknologi dan Desain > Informatika
Depositing User:	Magang Thufalia Rasya
Date Deposited:	26 Jan 2022 04:54
Last Modified:	26 Jan 2022 04:54
URI:	http://eprints.upj.ac.id/id/eprint/2353

Actions (login required)

View Item