Implementasi Model Arima-Garch dalam Memprediksi Harga Mata Uang Digital Crypto (Bitcoin dan ETH) berbasis Web

Jonanthan, Vincent (2025) Implementasi Model Arima-Garch dalam Memprediksi Harga Mata Uang Digital Crypto (Bitcoin dan ETH) berbasis Web. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (922kB)
	PDF BAB_I.pdf Download (298kB)
	PDF BAB_II.pdf Download (331kB)
	PDF BAB_III.pdf Download (530kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (5MB)
	PDF BAB_V.pdf Download (198kB)
	PDF DAFTAR_PUSTAKA.pdf Download (252kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (471kB)

Abstract

Cryptocurrency merupakan mata uang digital yang keamanannya dijamin dengan kriptografi. Cryptocurrency memiliki berbagai jenis mata uang digital di dalamnya, dua mata uang digital cryptocurrency yang populer dikalangan masyarakat yaitu Bitcoin (BTC) dan Ethereum (ETH). Seorang pengguna cryptocurrency ketika ingin menjual mata uang BTC dan ETH, mereka terlebih dahulu harus memprediksi apakah harga mata uang BTC dan ETH tersebut pada hari itu akan naik atau turun. Dalam memprediksi harga mata uang digital BTC dan ETH, menggunakan model machine learning dapat menjadi solusi untuk meminimalkan risiko kerugian dan mendukung pengambilan keputusan pengguna cryptocurrency. Metode machine learning yang digunakan untuk memprediksi yaitu metode hybrid ARIMA-GARCH. Penerapan model hybrid ARIMA-GARCH dilakukan dengan memisahkan komponen linear dan non-linear dari data time series. Metode hybrid ARIMA-GARCH berhasil diterapkan untuk melakukan prediksi harga mata uang digital BTC dan ETH pada dataset harga mata uang BTC dan ETH dari Yahoo Finance dengan nilai Mean Absolute Percentage Error (MAPE) BTC sebesar 7,42% dan nilai Root Mean Square Error (RMSE) BTC sebesar 3212,85. Sedangkan nilai Mean Absolute Percentage Error (MAPE) ETH sebesar 7,86% dan nilai Root Mean Square Error (RMSE) ETH sebesar 235,01.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Bitcoin dan Ethereum, Cryptocurrency, Hybrid ARIMA-GARCH, Hyperparametertuning, Machine Learning.
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	23 Jan 2025 10:55
Last Modified:	23 Jan 2025 10:55
URI:	https://kc.umn.ac.id/id/eprint/35784

Actions (login required)

View Item