IMPLEMENTASI ORANGE DATA MINING UNTUK PREDIKSI HARGA BITCOIN
DOI:
https://doi.org/10.51977/jti.v4i2.762Keywords:
Orange Tools, Data Mining, Prediksi, BitcoinAbstract
Bitcoin merupakan salah satu aset kripto yang biasa digunakan untuk bertransaksi secara virtual dan merupakan tiga teratas dari cryptocurrency yang paling banyak diperdagangkan. Harga bitcoin dapat berubah setiap waktu, untuk itu diperlukan suatu prediksi harga bitcoin dimasa mendatang. Penelitian ini bertujuan untuk menerapkan aplikasi orange data mining dalam memprediski harga bitcoin dengan metode K-Nearest Neighbor (K-NN) dan Support Vector Machine (SVM). Prediksi kinerja dari kedua metode yang digunakan dapat dilihat dari hasil Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE). Data bitcoin yang telah dikumpulkan akan dianalisa menggunakan aplikasi orange data mining, proses pengujian menerapkan K-Fold Cross Validation (K=5), sedangkan proses perbandingan metode menggunakan Test and Score. Hasil perbandingan kedua model menunjukkan bahwa SVM karena memiliki nilai RMSE dan MAE paling kecil yaitu 0.010 dan 0.008, maka dari itu untuk prediksi harga bitcoin di masa mendatang model Support Vector Machine (SVM) dapat dijadikan rekomendasi terbaik dibandingkan model K-NN.
Downloads
References
Derbentsev, V., Babenko, V., Khrustalev, K., Obruch, H., & Khrustalova, S. (2021). Comparative Performance of Machine Learning Ensemble Algorithms for Forecasting Cryptocurrency Prices. 34(01), 140–148.
Fatah, H., Subekti, A., Komputer, S. I., & Komputer, I. (2018). K-NEAREST NEIGHBOURS. 14(2), 137–144.
Indriyanti, I., & Subekti, A. (2018). Pemodelan Prediktif Konsumsi Energi Bangunan Gedung Komersial Dengan Algoritma Support Vector Machine. Jurnal Pilar Nusa Mandiri, 14(2), 225. https://doi.org/10.33480/pilar.v14i2.882
Pinudom, B., Tansuchat, R., Reza, M., Fauzi, R., Nasution, M., Marisa, W., Parlika, R., & Pratama, A. (n.d.). Backpropagation neural network prediction for cryptocurrency bitcoin prices Backpropagation neural cryptocurrency bitcoin prices network prediction for. https://doi.org/10.1088/1742-6596/1339/1/012060
Rizkilloh, M. F., & Widiyanesti, S. (2022). Prediksi harga Cryptocurrency Menggunakan Algoritma Long Short term Memory (LSTM). 5, 1–2.
Saadah, S., & Salsabila, H. (2021). Jurnal Politeknik Caltex Riau Prediksi Harga Bitcoin Menggunakan Metode Random Forest. 7(1), 24–32.
Septiarini, T. W., Taufik, M. R., & Afif, M. (2020). A comparative study for Bitcoin cryptocurrency forecasting in period A comparative study for Bitcoin cryptocurrency forecasting in period 2017-2019. https://doi.org/10.1088/1742-6596/1511/1/012056
Swamy, U. R., Rupini, D., Shravya, G., & Akhila, V. (2021). Crypto-Currency Price Prediction Using Machine Learning Techniques. 8(6), 212–215.
Downloads
Published
Issue
Section
License
Pemberitahuan Hak Cipta
Usulan kebijakan untuk jurnal yang menawarkan akses terbuka Syarat yang dibutuhkan penulis adalah sebagai berikut:
1. Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama secara bersamaan di bawah lisensi di bawah Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), yang mengizinkan orang lain untuk menyalin dan mendistribusikan ulang materi ini dalam bentuk atau format apa pun termasuk menyusun, memodifikasi, dan membuat turunan materi ini untuk tujuan apa pun, termasuk tujuan komersial.
2. Penulis dapat membuat pengaturan kontrak terpisah untuk distribusi non-eksklusif dari versi dekaden publikasi jurnal (misalnya mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan mengakui publikasi aslinya di jurnal ini.
3. Penulis diizinkan dan didorong untuk memposting artikel secara online (misalnya di repositori institusional atau di situs web mereka) seperti pada Garuda, Academia, researchgate atau repository lainnya sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif dan kutipan artikel yang diterbitkan lebih awal dan lebih maju (periksa: Efek Akses Terbuka)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
