IMPLEMENTASI METODE SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE WITH EXOGENOUS VARIABLES ( SARIMAX ) UNTUK PREDIKSI TREND CRYPTOCURRENCY BITCOIN

ARIANANTO, NAUFAL DWI (2025) IMPLEMENTASI METODE SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE WITH EXOGENOUS VARIABLES ( SARIMAX ) UNTUK PREDIKSI TREND CRYPTOCURRENCY BITCOIN. Skripsi thesis, UPN "Veteran"Yogyakarta.

	Text Cover.pdf Download (164kB)
	Text Abstrak.pdf Download (159kB)
	Text Halaman Pengesahan Pembimbing.pdf Download (345kB)
	Text Halaman Pengesahan Penguji.pdf Download (1MB)
	Text Daftar Isi.pdf Download (221kB)
	Text Daftar Pustaka.pdf Download (195kB)
	Text SKRIPSI FULL_Naufal Dwi Ariananto_1231290006.pdf Restricted to Repository staff only Download (2MB)

Abstract

Perkembangan teknologi informasi dan digitalisasi telah memberikan dampak
signifikan terhadap transformasi sistem keuangan global. Salah satu hasil dari transformasi
ini adalah munculnya aset digital berbasis teknologi blockchain, yaitu Cryptocurrency,
dengan Bitcoin sebagai salah satu yang paling populer dan memiliki kapitalisasi pasar
terbesar. Bitcoin kini banyak dilirik oleh investor sebagai instrumen investasi alternatif.
Namun demikian, fluktuasi harga Bitcoin yang sangat tinggi dan tidak menentu
menjadikannya aset dengan risiko yang cukup besar. Oleh karena itu, prediksi harga Bitcoin
menjadi tantangan yang menarik dan penting, terutama dalam membantu pengambilan
keputusan investasi yang lebih tepat dan terukur.
Penelitian ini bertujuan untuk membangun model prediksi harga penutupan harian
Bitcoin menggunakan pendekatan SARIMAX (Seasonal AutoRegressive Integrated Moving
Average with eXogenous variables). Model SARIMAX dipilih karena memiliki kemampuan
dalam menangani data deret waktu yang memiliki unsur musiman dan tren, serta dapat
mengakomodasi variabel eksternal (eksogen) yang berpotensi memengaruhi nilai variabel
target. Dalam konteks ini, volume transaksi harian Bitcoin digunakan sebagai variabel
eksogen.
Data yang digunakan dalam penelitian ini mencakup harga penutupan dan volume
transaksi harian Bitcoin, yang telah melalui tahap praproses data, seperti penghapusan nilai
hilang (missing value), transformasi logaritmik, serta pembuatan fitur lag untuk variabel
eksogen. Model SARIMAX dilatih menggunakan teknik grid search untuk mengeksplorasi
216 kombinasi parameter, yang terdiri dari parameter non-musiman (p,d,q)∈{0,1,2},
parameter musiman (P,D,Q)∈{0,1}, dan periode musiman mingguan s=7. Evaluasi model
dilakukan menggunakan metrik MAPE (Mean Absolute Percentage Error), yang mengukur
rata-rata kesalahan prediksi dalam bentuk persentase terhadap nilai aktual.
Hasil eksperimen menunjukkan bahwa model SARIMAX dengan kombinasi
parameter (1,2,2)(1,0,1,7) memberikan performa terbaik dengan nilai MAPE sebesar 6.43%,
yang menandakan akurasi prediksi sangat baik. Selain itu, hasil penelitian juga
mengindikasikan bahwa penambahan variabel eksogen berupa volume transaksi lag (tunda)
selama tiga hari mampu meningkatkan performa prediksi secara signifikan dibandingkan
model SARIMA tanpa eksogen. Oleh karena itu, SARIMAX dapat direkomendasikan
sebagai pendekatan yang efektif dan andal dalam memodelkan serta memprediksi harga aset
kripto seperti Bitcoin, yang dikenal memiliki karakteristik volatil dan kompleks.
Kata Kunci: Bitcoin, SARIMAX, Prediksi, Deret Waktu, Volume Transaksi, MAPE,
Cryptocurrency

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Naufal Dwi Arianto (Penulis - 123190006); Frans Richard Kodong (Pembimbing)
Uncontrolled Keywords:	Bitcoin, SARIMAX, Prediksi, Deret Waktu, Volume Transaksi, MAPE, Cryptocurrency
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	26 Nov 2025 02:57
Last Modified:	26 Nov 2025 02:57
URI:	http://eprints.upnyk.ac.id/id/eprint/45837

Actions (login required)

View Item