APLIKASI PREDIKSI JANGKA PENDEK HARGA BITCOIN MENGGUNAKAN METODE ARIMA

Nur Fitrian Bintang Pradana; Sri Lestanti

doi:10.35760/ik.2020.v25i3.3128

APLIKASI PREDIKSI JANGKA PENDEK HARGA BITCOIN MENGGUNAKAN METODE ARIMA

Nur Fitrian Bintang Pradana
orcid

Fakultas Tekonolgi Informasi Universitas Islam Balitar
Indonesia

Sri Lestanti
Fakultas Tekonolgi Informasi Universitas Islam Balitar
Indonesia

DOI: http://dx.doi.org/10.35760/ik.2020.v25i3.3128

Abstract

Bitcoin merupakan mata uang digital yang sekarang paling banyak digunakan. Perubahan harga yang sewaktu-waktu dapat berubah membuat pengguna bitcoin harus teliti ketika melakukan penukaran. Kepopuleran bitcoin terus meningkat dan menjadi aset untuk investasi bagi para penggunanya. Untuk mengatasi perubahan harga yang tidak menentu maka dibutuhkan sebuah aplikasi prediksi harga bitcoin untuk membantu para penggunanya dalam memprediksi harga bitcoin kedepannya. Prediksi dilakukan dengan menggunakan metode Autoregressive Integrated Moving Average (ARIMA) yang mampu menghasilkan tingkat akurasi tinggi dalam prediksi jangka pendek. Metode ini mengabaikan variabel independen dalam membuat prediksi, sehingga cocok untuk data statistik saling terhubung serta memiliki beberapa asumsi yang harus dipenuhi seperti autokorelasi, trend, maupun musiman. Evaluasi hasil prediksi menggunakan Mean Absolute Percentage Error (MAPE). Hasil pengujian menujukkan bahwa model ARIMA (3,1,3) menghasilkan prediksi dengan nilai MAPE terkecil daripada kandidat model lainnya. Rata-rata nilai MAPE yang dihasilkan adalah sebesar 0,84 dan rentang nilai 1,34 untuk prediksi hari pertama dan 0,98 untuk prediksi hari ketujuh. Dengan demikian model ARIMA (3,1,3) mampu menghasilkan prediksi dengan akurasi yang baik dan layak untuk digunakan sebagai metode prediksi bitcoin untuk satu sampai tujuh hari kedepan.

Keywords

Aplikasi; ARIMA; Bitcoin; MAPE; Prediksi

References

N. Gandal, & H. Halaburda, “Competition in the Cryptocurrency Market”, SSRN Electronic Journal, 2014.

S. Nakamoto, “Bitcoin: A Peer-to-Peer Electronic Cash System”, Cryptography Mailing list, 2009.

E. Androulaki, G. O. Karame, M. Roeschlin, T. Scherer, and S. Capkun. “Evaluating user privacy in Bitcoin”, Lecture Notes in Computer Science, V0 7859, Springer, 2013..

I. Miers, C. Garman, M. Green, and A. D. Rubin. Zerocoin, “Anonymous distributed e-cash from bitcoin”, Proceedings - IEEE Symposium on Security and Privacy, 397-411, 2013.

Rob J Hyndman. Forecasting: Principles and Practice, OTexts: Melbourne, Australia, 2018.

R. A. Juanda, Jondri, & A.A. Rohmawati, “Prediksi Harga Bitcoin Dengan Menggunakan Recurrent Neural Network”, e-Proceeding of Engineering, Vol 5, No. 2, 2018.

R. Albariqi, Prediksi Harga Bitcoin Menggunakan Jaringan Syaraf Tiruan, Universitas Gajah Mada, 2018.

G. Lilipaly, D. Hatidja & J. Kekunesa, “Prediksi Harga Saham PT. BRI, Tbk. Menggunakan Metode ARIMA”, Jurnal Ilmiah Sains, vol 14 No. 2, 2014.

J. C. Paul, S. Hoque, M.M Rahman, “Selection of best ARIMA Model for Forecasting Average Daily Share Price Index of Pharmaceutical Companies in Bangladesh: A Case Study on Square Pharmaceutical Ltd”, Global Journal of Management and Business Research, 13(3(1)):14-25, 2013.

M. Shcherbakov, A. Brebels, N.L. Shcherbakova, A. Tyukov, J. A., Janovsky, and V. A.Kamaev, “ A Survey of Forecast Error Measures”, World Applied Sciences Journal 24(24): 171-176, 2013.

A. de Myttenaere, B. Golden, B. L. Grand,& F. Rossi, “Mean Absolute Percentage Error for Regression Models”, Neurocomputing, 2015.