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.

[img] Text (20081010253_cover)
cover.pdf

Download (1MB)
[img] Text (20081010253_bab1)
bab 1.pdf

Download (117kB)
[img] Text (20081010253_bab2)
bab 2.pdf
Restricted to Repository staff only until 4 February 2027.

Download (338kB)
[img] Text (20081010253_bab3)
bab 3.pdf
Restricted to Repository staff only until 4 February 2027.

Download (338kB)
[img] Text (20081010253_bab4)
bab 4.pdf
Restricted to Repository staff only until 4 February 2027.

Download (1MB)
[img] Text (20081010253_bab5)
bab 5.pdf

Download (93kB)
[img] 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:
ContributionContributorsNIDN/NIDKEmail
Thesis advisorMAULANA, HENDRANIDN1423128301hendra.maulana.if@upnjatim.ac.id
Thesis advisorADITIAWAN, FIRZA PRIMANIDN0701069503firzaprima.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

Actions (login required)

View Item View Item