IMPLEMENTASI SUPPORT VECTOR REGRESSION (SVR) UNTUK PREDIKSI HARGA BITCOIN PASCA HALVING DENGAN ALGORITMA OPTIMASI GRID SEARCH

Herwanto, Moch Novandre Rega (2025) IMPLEMENTASI SUPPORT VECTOR REGRESSION (SVR) UNTUK PREDIKSI HARGA BITCOIN PASCA HALVING DENGAN ALGORITMA OPTIMASI GRID SEARCH. Undergraduate thesis, Universitas Pembangunan Nasional "Veteran" Jawa Timur.

	Text (20081010253_cover) cover.pdf Download (1MB)
	Text (20081010253_bab1) bab 1.pdf Download (117kB)
	Text (20081010253_bab2) bab 2.pdf Restricted to Repository staff only until 4 February 2027. Download (338kB)
	Text (20081010253_bab3) bab 3.pdf Restricted to Repository staff only until 4 February 2027. Download (338kB)
	Text (20081010253_bab4) bab 4.pdf Restricted to Repository staff only until 4 February 2027. Download (1MB)
	Text (20081010253_bab5) bab 5.pdf Download (93kB)
	Text (20081010253_daftarpustaka) dafpus.pdf Download (126kB)

Abstract

Prediksi harga Bitcoin pasca-halving merupakan salah satu masalah penting di bidang cryptocurrency trading. Hal ini digunakan untuk memproyeksikan nilai masa depan Bitcoin, terutama setelah peristiwa halving yang memiliki dampak signifikan terhadap dinamika pasar. Akurasi prediksi harga Bitcoin sangat penting, baik bagi investor untuk melindungi nilai terhadap risiko pasar maupun bagi spekulator untuk memanfaatkan peluang dari pergerakan harga. Oleh karena itu, dibutuhkan sistem yang mampu memprediksi pergerakan harga Bitcoin dengan tingkat akurasi yang tinggi untuk membantu investor dan trader dalam mengambil keputusan yang tepat sehingga risiko dapat diminimalkan dan keuntungan dapat dioptimalkan. Dalam penelitian ini, dibangun sebuah sistem prediksi harga Bitcoin menggunakan Support Vector Regression (SVR) dengan optimasi parameter melalui algoritma Grid Search. Tahapan penelitian meliputi analisis pola historis harga Bitcoin pasca-halving, pemilihan fitur yang relevan, normalisasi data, implementasi model SVR dengan kernel Linear dan RBF, serta pengujian akurasi dengan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model SVR dengan kernel RBF memiliki performa terbaik, dengan nilai MAPE terendah sebesar 0,12% dan akurasi R-squared mencapai 1,0000. Sistem ini menunjukkan bahwa optimasi parameter dengan Grid Search secara signifikan meningkatkan akurasi prediksi, dan layak digunakan sebagai alat analisis bagi pelaku pasar cryptocurrency.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	MAULANA, HENDRA	NIDN1423128301	hendra.maulana.if@upnjatim.ac.id
Thesis advisor	ADITIAWAN, FIRZA PRIMA	NIDN0701069503	firzaprima.if@upnjatim.ac.id

Subjects:

Q Science > QA Mathematics > QA76.87 Neural computers

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

Moch Novandre Rega Herwanto

Date Deposited:

07 Jul 2025 03:34

Last Modified:

07 Jul 2025 03:34

URI:

https://repository.upnjatim.ac.id/id/eprint/34616