Pendekatan Algoritma Support Vector Regression dalam Memprediksi Harga Cryptocurrency (Studi Kasus: Binance)

  • nenni mona aruan Institut Teknologi Del

Abstract

Cryptocurrency merupakan mata uang virtual dimana mata uang itu dihasilkan dan diperdagangkan melalui proses kriptografi. Setiap investor pasti berusaha bagaimana agar keuntungan yang diperoleh semakin meningkat sambil meminimalkan risiko, oleh karena itu prediksi harga Cryptocurrency merupakan hal yang sangat penting bagi setiap orang yang berinvestasi. Tujuan penelitian ini yaitu membangun model prediksi harga penutupan Cryptocurrency menggunakan algoritma Support Vector Regression. Sentiment Analysis juga dilakukan pada penelitian ini untuk mengidentifikasi dan mengekstraksi sentimen dari tiga akun yang berhubungan dengan Binance di media sosial twitter. Sentiment Analysis dilakukan menggunakan Lexicon Based Approach untuk memberikan label atau nilai sentimen terhadap setiap data. Model prediksi yang dibangun akan memperkirakan harga penutupan saham setiap harinya (close). Prediksi yang dilakukan ada dua percobaan, diantaranya adalah prediksi harga penutupan menggunakan dataset historis Binance dan dengan penambahan dataset sentimen. Hasil yang diperoleh pada penelitian ini yaitu bahwa prediksi menggunakan dataset historis Binance yang digabung dengan dataset sentimen memperoleh MSE yang lebih kecil yaitu 0.000830, sedangkan MSE untuk hasil prediksi menggunakan data historis Binance yaitu 0.00340. Dari hasil yang diperoleh, sentimen mampu menurunkan nilai error dan terbukti sentimen berpengaruh dalam menentukan harga Cryptocurrency untuk 1 hari kedepan.  

 

References

[1] Bhintara, I. B. P. 2018. Teknologi Blockchain Cryptocurrency Di Era Revolusi Digital. Prosiding Seminar Nasional Pendidikan Teknik Informatika.

[3] Buntoro, G. A., Adji, T. B., & Purnamasari, A. E. (2014). Sentiment Analysis Twitter dengan Kombinasi Lexicon dan Double Propagation. CITEE, 39- 43.

[4] P. Meesad and R. I. Rasel. 2013. Predicting Stock Market Price Using Support Vector Regression. International Conference on Informatics, Electronics and Vision, ICIEV 2013 (2013)

[5] N. D. Maulana, B. D. Setiawan, & C. Dewi, 2019. Implementasi Metode Support Vector Regression (SVR) dalam Peramalan Penjualan Roti (Studi Kasus: Harum Bakery). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. Vol.3, No.3, Maret 2019, hlm, 2986-2995.

[6] R. U. Fadilah, D. Agfiannisa, Y. Azhar. 2020. Analisis Prediksi Harga Saham PT. Telekomunikasi Indonesia Menggunaka Metode Support Vector Machine. Fountain of Informatics Journal. Vol. 5, No.2, November 2020, ISSN (Online)

[7] M. Usmani, S. H. Adil, K. Raza, S. S. A. Ali. 2016. Stock Market Prediction Using Machine Learning Techniques. 3rd International Conference on Computer and Information Sciences, ICCOINS 2016 - Proceedings (2016)

[8] Yudhawan, D. (2020). Implementasi Support Vector Regression Untuk Peramalan Harga Saham Perusahaan Pertambangan Di Indonesia (Studi Kasus: PT Adaro Energy Tbk, PT Bukit Asam Tbk, dan PT Indo Tambangraya Megah Tbk).(Skripsi,Universitas Islam Indonesia, 2020) Diakses dari https://dspace.uii.ac.id/123456789/28082

[9] Sembiring. A., Ginting. H.(2019). Prediksi Nilai Tukar Mata Uang Dolar Amerika Serikat Terhadap Rupiah Indonesia dengan Algoritma Support Vector Regression. (Skripsi, Institut Teknologi Del, 2019).

[10] Ventiano, E. Djunaedy, Amaliyah. 2019. Perhitungan Intensitas Radiasi Matahari berdasarkan Pola Sebaran Awan menggunakan Metode Support Vector Regression (SVR). e-Proceeding of Engineering, Vol. 6, No.2, Agustus 2019. ISSN: 2355-9365

[11] A. S. Eesa and W. K. Arabo, "Normalization Methods for Backpropagation: a Comparative Study," Science Journal of University of Zakho, pp. 319-323, 2017.

[12] T. A. Le, D. Moeljadi, Y. Miura and T. Ohkuma, "Sentiment Analysis for Low Resource Languages: A Study on Informal Indonesian Tweets," The 12th Workshop on Asian Language Resources, 2016.

[13] E. W. Pamungkas and D. G. P. Putri, "An Experimental Study of Lexicon-based Sentiment Analysis on Bahasa Indonesia," International Annual Engineering Seminar (InAES), 2016.

[14] Sanusi, Buono, Imas, Faqih. 2014. Downscaling Modeling Using Support Vector Regression for Rainfall Prediction. TELKOMNIKA Indonesian Journal of Electrical Engineering. Vol. 12, No.8, Agustus 2014, pp. 6423-6430. DOI: 10.11591/telkomnika.v12i8.6195

[15] Santosa, B. 2007. Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta:Graha Ilmu
Published
2023-09-18