APLIKASI PREDIKSI JANGKA PENDEK HARGA BITCOIN MENGGUNAKAN METODE ARIMA
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.References
N. Gandal, & H. Halaburda, “Competition in the Cryptocurrency Marketâ€, SSRN Electronic Journal, 2014.
S. Nakamoto, “Bitcoin: A Peer-to-Peer Electronic Cash Systemâ€, Cryptography Mailing list, 2009.
E. Androulaki, G. O. Karame, M. Roeschlin, T. Scherer, and S. Capkun. “Evaluating user privacy in Bitcoinâ€, 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 bitcoinâ€, 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 Networkâ€, 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 ARIMAâ€, 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 Ltdâ€, 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 Measuresâ€, 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 Modelsâ€, Neurocomputing, 2015.
